未來的世界將是一個萬物互聯的時代，隨著物聯網行業技術標準的完善以及關鍵技術上的不斷突破，數據大爆炸時代將越走越近。就拿從2016年底開始風靡全國甚至是海外市場的共享單車來說吧，據小編近日從“摩數城市”發佈會獲悉，截止當前，僅僅摩拜單車每天產生的數據量已超過1TB，也即就是240個字節。試想想，如果各種家電、交通工具、工廠機器、公共設施等等相互聯接起來，每一分鐘、甚至是每一秒鐘所產生的數據量就絕對大到你難以想象。
再者，如此海量的數據不及時處理利用起來，那麼它們將很快變成數據垃圾。那麼問題來了？我們不可能給每個終端裝上一個計算機。如何解決海量數據的處理分析問題呢？
我們知道，每臺服務器都有自己的CPU、內存，但分配到這些服務器的應用往往不能充分地利用這些資源。再者，為了確保服務的可靠性往往還要預留冗餘的服務器、存儲器、網絡設備等，而很多時候，這些硬件資源往往處於空置狀態，並沒有得到充分的利用。最後，正確預測不同應用對服務器的計算能力和存儲器的存儲能力的需求又是困難的。因此，2006年Google的CEO埃裡克·施密特首次提出了雲計算的概念，以及後來業界衍生出來霧計算、霾計算、邊緣計算等等一系列的計算方式，接下來，請跟隨小編一起去辨析一下它們到底指的是什麼。
雲計算
雲計算是一種利用互聯網實現隨時隨地、按需、便捷地使用共享計算設施、存儲設備、應用程序等資源的計算模式。
雲計算系統由雲平臺、雲存儲、雲終端、雲安全四個基本部分組成。雲平臺作為提供雲計算服務的基礎，管理著數量巨大的CPU、存儲器、交換機等大量硬件資源，以虛擬化的技術來來整合一個數據中心或多個數據中心的資源，屏蔽不同底層設備的差異性，以一種透明的方式向用戶提供計算環境、開發平臺、軟件應用等在內的多種服務。
通常情況下，雲平臺從用戶的角度可分為公有云、私有云、混合雲等。
公有云：第三方提供商為用戶提供服務的雲平臺，用戶可通過互聯網訪問公有云。
私有云：為一個用戶單獨使用而組建的，對數據存儲量、處理量、安全性要求高。
混合雲：是結合了公有云和私有云的優點而組建的。
再者，通過從提供服務的層次可分為基礎設施即服務（Iaas）、平臺即服務（Paas）和軟件即服務（Saas）。
霧計算
相比於雲計算的高高在上和遙不可及，霧計算更為貼近地面，就在你我身邊。我們知道，將數據從雲端導入和導出實際上比人們想象的要更為複雜，由於接入設備越來越多，在傳輸數據、獲取信息時，帶寬就顯得不夠用了，這就為霧計算的產生提供了空間。
霧計算的概念在2011年被人提出，並非是些性能強大的服務器，而是由性能較弱、更為分散的各種功能計算機組成，滲入電器、工廠、汽車、街燈及人們生活中的各種物品。霧計算是介於雲計算和個人計算之間的，是半虛擬化的服務計算架構模型，強調數量，不管單個計算節點能力多麼弱都要發揮作用。
霧計算有幾個明顯特徵：低延時、位置感知、廣泛的地理分佈、適應移動性的應用，支持更多的邊緣節點。這些特徵使得移動業務部署更加方便，滿足更廣泛的節點接入。
與雲計算相比，霧計算所採用的架構更呈分佈式，更接近網絡邊緣。霧計算將數據、數據處理和應用程序集中在網絡邊緣的設備中，而不像雲計算那樣將它們幾乎全部保存在雲中。數據的存儲及處理更依賴本地設備，而非服務器。所以，雲計算是新一代的集中式計算，而霧計算是新一代的分佈式計算，符合互聯網的“去中心化”特徵。
霾計算
當然，無論是“雲”還是“霧”，都不想成為“霾”，但是這個問題卻事實存在著，如果得不到慎重的預防以及妥善的解決，那麼“霾計算”就來了。
霾計算指的是什麼呢？這裡你可以理解為比較差勁的雲計算或霧計算，因為這兩者雖然概念先進，但也不是沒有缺點。第一，隱私與安全。現在的互聯網世界，遭黑客攻擊簡直就是家常便飯的事，因此客戶的隱私數據很容易洩漏。第二，網絡延遲或者中斷。雲計算都是通過互聯網遠程訪問的，雖然現在網速提高很快，但和局域網相比，速度還是有所延遲的，雖然在延時方面霧計算稍微好點，但如果網絡中斷，無論雲計算或者是霧計算，服務都無法訪問。第三，帶寬會耗費預算，廠商按流量收費有時會超出預算、應用軟件性能不夠穩定，數據可能不值得放在雲上，規模過大難以擴展，缺乏人力資本等都是造成霾計算的根源所在。
邊緣計算
邊緣計算指在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷連接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。到這裡，您是否覺得邊緣計算和霧計算有些相似呢？
一般而言，霧計算和邊緣計算的區別在於，霧計算更具有層次性和平坦的架構，其中幾個層次形成網絡，而邊緣計算依賴於不構成網絡的單獨節點。霧計算在節點之間具有廣泛的對等互連能力，邊緣計算在孤島中運行其節點，需要通過雲實現對等流量傳輸。
那麼，邊緣計算和雲計算又有何區別？這兩者都是處理大數據的計算運行方式。但不同的是，這一次，數據不用再傳到遙遠的雲端，在邊緣側就能解決，更適合實時的數據分析和智能化處理，也更加高效而且安全。
如果說物聯網的核心是讓每個物體智能連接、運行，那麼邊緣計算就是通過數據分析處理，實現物與物之間傳感、交互和控制。“邊緣計算”作為一種將計算、網絡、存儲能力從雲延伸到物聯網網絡邊緣的架構，遵循“業務應用在邊緣，管理在雲端”的模式。
認知計算
認知計算包含了信息分析、自然語言處理和機器學習領域的大量技術創新，能夠助力決策者從大量非結構化數據中揭示非凡的洞察。認知系統能夠以對人類而言更加自然的方式與人類交互，專門獲取海量的不同類型的數據，根據信息進行推論。
認知計算的一個目標是讓計算機系統能夠像人的大腦一樣學習、思考，並做出正確的決策。人腦與電腦各有所長，認知計算系統可以成為一個很好的輔助性工具，配合人類進行工作，解決人腦所不擅長解決的一些問題。
傳統的計算技術是定量的，並著重於精度和序列等級，而認知計算則試圖解決生物系統中的不精確、不確定和部分真實的問題，以實現不同程度的感知、記憶、學習、語言、思維和問題解決等過程。
目前隨著科學技術的發展以及大數據時代的到來，如何實現類似人腦的認知與判斷，發現新的關聯和模式，從而做出正確的決策，顯得尤為重要，這給認知計算技術的發展帶來了新的機遇和挑戰。
總結：就像“雲”“霧”和“霾”的關係，物聯網和大數據也是如影隨形，相信通過業界人士的共同努力，定能找到更為先進的計算方式。在物聯網時代來臨時，我們定能合理、安全地讓大數據技術為我們服務，因此不必太過恐慌，也不必杞人憂天。