隨著物聯(lián)網的迅速發(fā)展，以及物聯(lián)網設備的生產和多樣性的增加，我們已經看到創(chuàng)新技術極大地提高了生產率和產生了全新的業(yè)務模型。同時，現(xiàn)代的嵌入式和物聯(lián)網解決方案是分布式且異構的，其硬件目標包括低功耗8位MCU，輕巧但功能強大的網絡網關以及幾乎無限的Internet云服務器資源。

現(xiàn)代物聯(lián)網解決方案需要跨不同開發(fā)平臺或“孤島”的專業(yè)知識。我們使用“筒倉”一詞來表示將實現(xiàn)跨網絡的物聯(lián)網解決方案變?yōu)楝F(xiàn)實所需的細分的開發(fā)和部署流程以及工具。隨著開發(fā)從云轉移到系統(tǒng)中的嵌入式組件，需要越來越專業(yè)化和昂貴的人才，這些人才必須鎖定在給定的開發(fā)筒倉中。這是因為開發(fā)高效，安全和可靠的嵌入式軟件仍然需要高度專業(yè)的知識，而陡峭的，通常是昂貴的學習曲線會附帶這些知識。

許多行業(yè)參與者已經開始認識到這個快速增長的問題，例如英特爾公司（Intel Corporation），他表示：“嵌入式和物聯(lián)網之間的一個主要區(qū)別是連接性。我們正在從隔離的設備過渡到一組知道周圍環(huán)境的連接設備。

“如果您考慮所有進行分析的加速器– CPU，圖形，視頻加速器，深度學習引擎，FPGA –您正在談論的是4-5種不同的編程環(huán)境。這與舊工具環(huán)境不同。工具必須以允許開發(fā)人員盡可能無縫地在云，網關和設備中的所有這些加速器之間移動工作負載和加速的方式來完成?！?/p>

物聯(lián)網和事物數據

對于許多企業(yè)而言，云已成為分析，存儲和可視化IoT數據的主要選擇。但是，由于諸如延遲，可用性，成本和隱私之類的顯而易見的原因，大多數人會同意某些處理需要在靠近邊緣和模糊計算的數據源（即IoT設備）附近進行。結果是，在許多情況下，構建，部署和支持端到端IoT數據管道是一種平衡行為，它決定了應在云中進行什么操作，應在邊緣或其他地方進行什么操作，跨越多個開發(fā)目標，生態(tài)系統(tǒng)和開發(fā)人員資源。

部分原因是由于人們對云中的部署已廣為人知，特別是當像AWS這樣的云供應商進行大規(guī)模數據分析并使用各種工具和服務提供更加可靠的解決方案時。對于大多數沒有指導或錯誤指導的企業(yè)來說，如何在邊緣最佳地構建，部署和支持數據驅動的計算基礎結構仍然是一種最佳實踐。這部分與物聯(lián)網系統(tǒng)的異構性有關，后者在硬件和軟件體系結構，軟件打包和安全功能方面可能有很大差異。

如今，以數據為中心的邊緣計算基礎架構具有相似的重要性，并且在該領域存在著巨大的缺失。這樣的基礎設施必須能夠：

●標準化物聯(lián)網數據的攝取和標準化方式

●提供一種系統(tǒng)的方法來劃分和分配數據處理工作負載

●自動縮放數據處理任務，以適應各種數據復雜性和數據量

●簡化如何構建AI / ML推理功能并將其部署到邊緣

開發(fā)和部署挑戰(zhàn)

市場上已經有一些袖珍解決方案可以解決其中的一兩個挑戰(zhàn)。例如，AWS Greengrass服務允許您在嵌入式邊緣網關上運行微服務（以Lambda函數的形式）。但是，在撰寫本文時，這些服務包括物聯(lián)網和邊緣部署的簡化模型，并且當前無法在將匯總數據發(fā)送到云之前通過大型物聯(lián)網邊緣設備網絡啟用復雜的數據處理功能。

這些部分是由于以下事實：這些開發(fā)人員強烈支持用于構建安全的，基于云的Web應用程序的復雜，敏捷的開發(fā)方法，而嵌入式世界已大大落后。云和應用程序開發(fā)人員認為理所當然的高級抽象在很大程度上未找到嵌入式開發(fā)的方法，這常常使它成為開發(fā)完整解決方案中最慢，最痛苦的方面。