上图是架构图，可以看到对外的服务提供了一个统一的SDK，然后集成到所有的外部服务里。在服务端，提供的服务可以大概分为API层和执行层。
但是 EDA 架构依然存在很多挑战。
1、分布式的松耦合架构大大增加了应用基础设施的复杂性。基于云的部署交付方式和云服务（消息队列、函数计算服务等）可以使得该架构的稳定性，性能和成本效益进一步提高。
1、Logging – 日志（事件流）：用于记录离散的事件，包含程序执行到某一点或某一阶段的详细信息。不但包括应用、 OS 执行过程的日志，还应包含运维过程中的日志信息，如操作审计等。
云原生是零售云的最重要的技术底座，云原生是什么，会走向哪里，在零售2B交付的场景上该如何应用，怎么能够结合帮助建设零售云系列产品体系，值得我们的思考和探索，也将有效指导我们接下来几年的零售云项目和产品建设。
12-Factor 应用的任意部署，都应该可以在不进行任何代码改动的情况下，进行后端服务的切换，比如将本地 MySQL 数据库换成第三方服务（例如阿里云的 RDS）。
进程应当追求最小启动时间，并且一旦接收到终止信号（SIGTERM），可以优雅的终止。进程还应当在面对突然死亡时保持健壮，例如底层硬件故障。无论如何，12-Factor应用都应该可以设计能够应对意外的、不优雅的终结。
在自动驾驶汽车中使用深度学习可以帮助克服各种挑战，例如了解行人的行为，找到最短的路线以及对人和物体进行准确检测。
自动驾驶汽车面临的另一个主要挑战是极端天气条件。尽管这是任何技术都无法完全解决的环境挑战，但深度学习可以解决极端气候下的问题。例如，在降雪期间，道路上的招牌可能会被雪覆盖。
由于深度学习的完整功能是基于数据的，因此与其他AI算法相比，训练神经网络需要更多数据，因此很难创建用于训练它们的数据集。而且，收集训练神经网络所需的数据也非常耗时。
云原生的发展使Serverless也得到了发展，FAAS是Serverless的一种典型实现，能够以非常小的成本搭建小程序。另外，低代码和无代码现在也非常流行。
