“霧計算”（Fog CompuTIng），脫殼於“雲端計算”，是指將雲端計算的（部分）功能，部署在網路邊緣的裝置中，區域性的集中化計算。它其實是雲端計算（Cloud CompuTIng）的延伸概念，這個概念由思科公司於 2011 年提出。

       霧計算正在成為科技界的流行詞，通常用於與雲相比，或者與邊緣計算混淆，兩者都內建了地理位置：計算機處於邊緣，或計算機處於雲端。瞭解霧的獨特之處的最簡單方法是它與位置無關。霧計算基礎設施中的計算機可以是任何地方：從邊緣到雲，以及介於兩者之間的任何地方。

　　由此可見，“邊緣計算”和“霧計算”確實還是有一些差異的。邊緣計算主要是在“端”中，這個端是指電子終端裝置或感測器；而霧計算還是在“雲”中，部署在一定區域內的資料集中站點上。用一個智慧家庭的（WiFi）網路來舉例，一個 App 在手機內進行的脫網計算就是邊緣計算，而家庭智慧盒子（智慧 WiFi 閘道器）則是霧計算的主體。

       霧計算通常有以下幾個特徵：

       第一，能夠提供和雲端計算一樣的服務，但所提供的資源有限，不如雲計算能夠提供無限的資源；第二，鄰近使用者，意味著使用者請求的響應時延大大減少；第三，霧計算基礎設施以分散式的方式部署在網路的邊緣，滿足高速移動場景和地理位置分佈的場景需求，同時，減緩了網路核心的頻寬負載；第四，安全性和隱私性較雲端計算得到較大保障。

       霧計算的應用前景廣泛

　　以一個製造業案例為例，假設某大型公司在中國建立了工廠生產保潔劑。想象整個流程中一個這樣的機器——攪拌機(垂直或水平攪拌機)，它吸收不同的原料，並將它們進行攪拌，在製造過程中生產出合成混合物。攪拌機的運轉原理是以預設的轉速定時旋轉，攪拌機筒吸收到不同的原材料，其運轉會耗費一定量的能源。

　　如果我們利用物聯網生態系統，讓這個裝置成為“智慧攪拌機”會怎樣?攪拌機安裝的大量感測器為各種引數捕捉資料，然後資料傳回伺服器(雲)進行後續分析。如何提供功率消耗的效率?這就是與霧計算的聯絡。以前考慮的物聯網架構是利用雲端儲存和分析資料做出決定，但是為了讓資產/機器成為“智慧裝置”，我們需要霧計算架構，也就是增加本地實時計算資料流的能力，並向歷史訊號學習幫助機器做出決策來改善結果。這將是一個利用機器學習優化機器功耗，搭建霧計算網路的場景。

　　基於這些自主學習規則，通過增加和降低設定來保持在最佳能耗模式，機器可以調整操作引數。當資料傳輸到雲端，雲端用新資料組更新機器學習模型，那麼資料規則和(自主)學習就可以更新了。一旦更新，它會被推回邊緣，邊緣節點利用更新模型來更新規則，進一步改善結果。

　　如今我們可以看到在運算裝置上更現實也更個人化的霧計算，例如筆記本、智慧手機、智慧手錶和平板電腦。最普遍的例子是最新的智慧變頻空調。在空調開啟後，系統收集房間的溫度和使用資訊，自動調整空調的頻率，同時學習使用者的使用模式並計算出最合適的系統開關機時間和模式，使空調的實用性和功耗降方面達到一個動態的平衡。在產業應用方面，利用邊緣計算架構，將計算推向邊緣節點(網路的邏輯極端)，這賦予了機器感知實時資料的能力，可以立即採取措施減少商業損失。

　　在之前的商業用例中，改善能耗只是可能改善的結果之一。邊緣計算還可以用於進行各種即時的優化處理，例如緩解資產故障或提高產出質量;學習一個規則使機器會自動做出決策來更改操作設定來避免故障或改善結果質量。易邁雲(EMCloud)相信，通過推動計算邊緣化，我們也將智慧推到邊緣，因此讓裝置或資產能夠做出自主決策來改善結果，併成為智慧裝置。未來霧計算將與雲端計算相輔相成、有機結合，為萬物互聯時代的資訊處理提供更完美的軟硬體支撐平臺。