这个概念可以在其他类型的系统中工作。利用可计算的数学模型，系统的状态可以通过估算电机绕组电流和电压或从外部观察化学反应状态从而确定电机轴的位置。在一般情况下，几乎是一个增长的趋势，有利于有计算机资源的支持少数的远程传感器，而不是一大群简单的传感器的功率以及其连接性，可靠性和安全性问题。

      改变一切的想法

　　替代重计算算法的想法 — — 如卷积神经网络或卡尔曼滤波器 — — 对于云的简单传感器具有明显的优势。但是这样也带来了问题，设计师似乎面临两难的困境。他们通过移动原始数据保留的虚拟化 — — 多个流的4k视频移到云进行计算分析？或者他们设计大量接近传感器的计算能力？这两种方法都有他们的挑战性和他们的可行性。

　　云计算在计算中有明显的优势。只要你想，你可以有尽可能多的计算能力。如果你希望用大数据算法来试验，你可以拥有几乎无限的存储空间。你只需支付你所使用的就可以。但有三类挑战：安全，延迟和带宽问题。

　　如果您不能容忍有延迟的算法，那么你没有选择，只好依靠本地计算。但如果你能容忍一些传感器输入和系统响应之间的延迟，问题则变成了有多少变化。例如在循环中，一些控制算法可以容纳明显的延迟，但必须只有该延迟是几乎保持不变。显然当迁移到云中的数据量小不会被关注，对于时间也没有太大的影响。但如果系统设计要求将实时 4k 视频从多个摄像机移到云计算，互联网的限制将成为一个问题。

      虚拟化及其不满

　　我们以云为中心的系统需求通过网络进入数据中心，进行深刻的变化延伸。由于更多的计算密集型，事件触发的应用程序下降到数据中心，服务器和存储虚拟化几乎是强制性的。数据中心必须能够在任何可用资源上运行一个应用程序，并且还能够满足外部系统的服务水平要求。

　　还有一个困难点。一些算法不能够在多个服务器上的多个核心传播。它们依赖于单个线程，唯一使它们变得更快的方法是让他们在更快的硬件上运行。

　　这一思路最终是让云数据中心给用户特定的应用，完全虚拟化运营。给用户提供加工、加速器和存储资源配置服务于用户的算法。对运营商来说，数据中心如同海一样，即软件定义的资源。

      雾

　　我们一直在讨论如何提供物联网应用，可以在云计算上做所有的计算。但并不能让我们看到在应用程序、安全性、带宽、延迟和决定性的原因。这些应用程序需要大量的本地计算和存储资源：无论是在视觉处理监控摄像头——集线器，或在网络交换机。

　　今天这些资源被设计成专用的传感器和集线器，纯粹成为特定应用程序的硬件，一般采用轻量级处理器硬件的加速器支持。 想象一下虚拟化渗透到数据中心的墙里，蔓延到所有不同计算、 存储和连接的资源。你可以找到应用程序对象的任何方面：在云计算、智能集线器或智能传感器，最终甚至在网络结构（图2）。在移动它时，得基于性能指标和可用资源才可使用。该系统将是强大的，灵活的，并不断朝着资源的优化方面发展。

       必须采取许多步骤来达到这个设想。应用程序必须在一个便携式的容器，如java虚拟机或开放计算语言（OpenCL™）平台。例如，允许他们在平台上执行不同的硬件而无需任何改变。指示应用程序联网的概念必须超越数据中心，可以保证QoS支持 各自的连接，以及最终在节点内的互联网计算任务。某种程度上，所有的这一切都必须取得绝对安全。（来源：三凡物联网）