随着物联网的迅速发展，以及物联网设备的生产和多样性的增加，我们已经看到创新技术极大地提高了生产率和产生了全新的业务模型。同时，现代的嵌入式和物联网解决方案是分布式且异构的，其硬件目标包括低功耗8位MCU，轻巧但功能强大的网络网关以及几乎无限的Internet云服务器资源。
现代物联网解决方案需要跨不同开发平台或“孤岛”的专业知识。我们使用“筒仓”一词来表示将实现跨网络的物联网解决方案变为现实所需的细分的开发和部署流程以及工具。随着开发从云转移到系统中的嵌入式组件，需要越来越专业化和昂贵的人才，这些人才必须锁定在给定的开发筒仓中。这是因为开发高效，安全和可靠的嵌入式软件仍然需要高度专业的知识，而陡峭的，通常是昂贵的学习曲线会附带这些知识。
许多行业参与者已经开始认识到这个快速增长的问题，例如英特尔公司（Intel Corporation），他表示：“嵌入式和物联网之间的一个主要区别是连接性。我们正在从隔离的设备过渡到一组知道周围环境的连接设备。
“如果您考虑所有进行分析的加速器–CPU，图形，视频加速器，深度学习引擎，FPGA–您正在谈论的是4-5种不同的编程环境。这与旧工具环境不同。工具必须以允许开发人员尽可能无缝地在云，网关和设备中的所有这些加速器之间移动工作负载和加速的方式来完成。”
物联网和事物数据
对于许多企业而言，云已成为分析，存储和可视化IoT数据的主要选择。但是，由于诸如延迟，可用性，成本和隐私之类的显而易见的原因，大多数人会同意某些处理需要在靠近边缘和模糊计算的数据源（即IoT设备）附近进行。结果是，在许多情况下，构建，部署和支持端到端IoT数据管道是一种平衡行为，它决定了应在云中进行什么操作，应在边缘或其他地方进行什么操作，跨越多个开发目标，生态系统和开发人员资源。
部分原因是由于人们对云中的部署已广为人知，特别是当像AWS这样的云供应商进行大规模数据分析并使用各种工具和服务提供更加可靠的解决方案时。对于大多数没有指导或错误指导的企业来说，如何在边缘最佳地构建，部署和支持数据驱动的计算基础结构仍然是一种最佳实践。这部分与物联网系统的异构性有关，后者在硬件和软件体系结构，软件打包和安全功能方面可能有很大差异。
如今，以数据为中心的边缘计算基础架构具有相似的重要性，并且在该领域存在着巨大的缺失。这样的基础设施必须能够：
●标准化物联网数据的摄取和标准化方式
●提供一种系统的方法来划分和分配数据处理工作负载
●自动缩放数据处理任务，以适应各种数据复杂性和数据量
●简化如何构建AI/ML推理功能并将其部署到边缘
开发和部署挑战
市场上已经有一些袖珍解决方案可以解决其中的一两个挑战。例如，AWS Greengrass服务允许您在嵌入式边缘网关上运行微服务（以Lambda函数的形式）。但是，在撰写本文时，这些服务包括物联网和边缘部署的简化模型，并且当前无法在将汇总数据发送到云之前通过大型物联网边缘设备网络启用复杂的数据处理功能。
这些部分是由于以下事实：这些开发人员强烈支持用于构建安全的，基于云的Web应用程序的复杂，敏捷的开发方法，而嵌入式世界已大大落后。云和应用程序开发人员认为理所当然的高级抽象在很大程度上未找到嵌入式开发的方法，这常常使它成为开发完整解决方案中最慢，最痛苦的方面。
