由於IoT裝置一般都需要兩種功能，因此必須登入至少兩組內核。這對充電後可用時間要求不高的高冗餘裝置可能無關緊要，但對多數IoT應用就成為大缺點；後者需要的是能以高成本效益及長充電週期滿足前述兩種需求的優化混合處理器。針對處理器的真正需求進行詳細的分析，結果顯示這樣的解決方案不僅可行，且在各種物聯網應用中皆具有競爭力。
以共享自行車或滑板車為例，這些設備必須追蹤定位，因此須要採用以GNSS定位的內建裝置；這些設備同時還必須在遠離藍牙覆蓋或Wi-Fi接入點的位置進行通訊，因此行動接入是理想的平台；由於通訊流量不大故最好採用NB-IoT協議；受到日益高漲之安全及隱私要求影響，會需要一定程度的本地計算能力，且其程度可能大到出乎意料。
總結而言，簡單設備必須支持4G或5G、GNSS、應用程序、加密及安全指定位址空間/安全開機，並且要密集部署在許多個城市。企業成敗取決於這些設備的可用性和成本，盡可能降低成本和功率(維護極小化)成為企業存亡的關鍵。
數位訊號處理/控制間須平衡
這些應用的計算需求值得進一步探索，特別是在數位訊號處理和數位控制間的平衡。以NB-IoT連接、GNSS和安全標準的底層演算法為始，將資產追蹤器裝置(頻率為100MHz左右)的活動分解為DSP功能(基頻數據機和實體層控制的某些部分)和控制功能(協議堆疊、安全性和一般內務處理性)。NB-IoT通訊流量不大的輕量級應用，可以發現下列的循環模式：
．數據機PHY(大部分為DSP)~35%
．L1控制(DSP及控制)~25%
．協議堆疊(大部分為控制)~40%
此處可見循環均勻分布於訊號處理和控制之間，混合型處理器因此為可行的選擇。不能同時運行這兩種功能是否會對效能產生影響？不見得，因為這些都不是高性能應用程序。在需要速度的應用(如最新版的eNB-IoT)通常可藉由功能序列化以降低淨能耗；每個循環輪流快速運行後停止是能源管理的常見做法。
將分析範圍擴大，針對聲音處理和語音控制進行研究，例如智慧型音箱、無線耳塞、可穿戴設備、聲控裝置，以及由玻璃破碎等特殊噪音觸發的安全裝置。在這些應用中有不同的需求組合：用於音樂播放的音頻編解碼器(如Dolby)、語音/聲音拾音降噪和神經網路處理，以識別觸發短語或用於設備控制的少量詞彙。
此處採用Dolby Atmos及自有的降噪和語音識別基準，按循環區分活動產生下列粗略的分類：
．音訊編解碼：7成控制、3成DSP
．降噪：9成DSP(多個篩選)、1成控制
．RNN/LSTM神經網路：6成DSP、4成控制
這些實例雖然DSP活動偏多，但控制元件仍有相當比例，因此混合內核仍有意義。
雖然合併這兩個功能於單一處理器看起來非常有說服力，實務上卻不僅止於在控制器中加幾個MAC而已。DSP必須滿足高階DSP應用(例如最新通訊標準)的需求，亦即需有16×16和32×32 MAC、SIMD，以及對GNSS浮點和雙精度的原生支持。由於NB-IoT和各種GNSS標準不斷進化，因此本架構必須非常靈活才能在軟體層面進行調整；同時，這樣的解決方案必須是高效能的控制器、支持非常緊湊的代碼(DSP在計算方面效能欠佳)和高效的開箱即用C開發支持，才能以連接傳統、開源和生態系統代碼源。
