这里举一个应用“雾计算”的“智能交通系统”的例子。这个系统把交通灯作为网络节点，可以和传感器一起进行互动。传感器可以探测出行人或骑自行车人的出现，测量出正在接近的汽车的距离和车速。通过“雾计算”，这些智能交通灯可以与邻近的智能交通灯进行协调，可以对接近的汽车发出警告，甚至可以改变红绿灯亮的周期，以避免出现交通意外。在智能交通系统的雾计算服务器里的数据，将传到“云”里，再进行全局数据分析。
再比如说了很多年的无线传感网络，它的特点是极低的功耗，电池可以5、6年换一次，甚至可以不用电池而使用太阳能或其他能源来供电。这样的网络节点只有很低的带宽及低端处理器，以及小容量的存储器。传感器主要收集温度、湿度、雨量、光照量等环境数据，不需要把这些传到“云”里去，传到“雾”里就可以了。这将是“雾计算”的典型的应用。
“雾计算”与“云计算”
“雾计算”提供了当地节点分布的地理位置信息，信息传递的时延非常低，而“云计算”则提供了中心化的全局信息。许多应用既需要“雾”也需要“云”，例如大数据技术里的数据分析，首先通过M2M(机器与机器之间通信)把传感得到的数据进行处理和过滤，然后放到HMI(人机界面)这一层进行文本化及视觉化处理，可以让用户清晰地理解所有的分析过的数据资料。
这里“雾计算”起到了一个频繁使用的“数据库”的作用，而“云计算”中心就是一个把文件长期存储的地方了。由于“雾计算”的极低时延，这样的大数据分析可以用手机来完成，真正做到“移动数据分析”。
在物联网将成为下一代互联网的大趋势下，“云计算”本质上的一些缺点显得越来越明显，如不能支持高移动性、不支持地理位置信息及高时延等等，而“雾计算”正好能够解决这些问题，同时又可带来大量新的应用和新的服务。
这种“雾计算”的节点可以是今天人们正在用的无线路由器、机顶盒之类。在“雾计算”这个概念提出之前，2009年就有人提出过“云盒”(Cloud in a box)以及“小云”(Cloudlet)的想法和产品，用于周边的手机和各种移动设备，这与“雾计算”的想法是一致的。比如增强现实，是在实际看到的现实世界的影像上再叠加一层信息，需要进行实时复杂的视频运算，由于是实时要求，需要极低的时延。有人使用谷歌眼镜再配上“小云”设备，达到了很好的用户体验效果。
云计算需要大量带宽，而无线网络带宽有限。用了“雾计算”，可以使所需的带宽量大大降低，原则上可使传输的数据“旁路”，即从互联网边上绕过去，使这些数据尽可能本地化。最有价值的数据仍然可以通过“云”来传输，但是大部分的数据流量可以从这些网络中分流出去，从而大大减轻了云网络的流量负担。智能交通系统、智能电网、智能汽车甚至健康医疗系统等，如果都是本地处理数据，只把最重要的数据传到“云”的话，将变得非常高效，同时也可节省大量成本。
但“雾计算”并不与“云计算”形成竞争，而是可以看作后者的延伸。从这个意义上来说，一些公司利用装备了无线通信设备的无人机、热气球给偏远地区提供宽带网络服务，也可以算为一种“雾计算”，而这种“雾计算”还真的很形象：漂浮在用户和云彩之间，有点“雾”的味道。
“雾计算”有很多优点，但涉及到未来大规模部署“雾计算”设备，必然会遇到各种问题，比如网络堵塞、软件架构、安全、隐私以及采用什么商业模式等等，不过这些问题在不久的将来一定能得到解决。
“云计算”、“雾计算”相继出现在计算机技术的字典里。是不是我们接下来还可以期待“雪计算”、“彩虹计算”、“冰雹计算”，甚至“暴风计算”的出现呢？
