在医疗场景下，边缘计算主要帮助医疗保健体系的IT基础架构，具体来说，是防止医疗设备管理的应用程序发生延迟。在边缘计算的支持下，无需构建集中的数据中心，可对关键数据进行本地化，在安全性、响应速度和有效性上有更佳表现。
应用二：本地零售的实时数据分析
边缘计算的主要目的，是让运算尽可能接近数据源。在零售场景中，以往企业都是将各分支的数据汇总到中心位置进行分析，再进行决策和行动。而通过边缘计算，零售店铺可以在本地就进行数据处理和优化，这样组织的行动反馈就能更快更及时。
应用三：让虚拟现实更生动
在技术支持下，本地设备可以大大提升用户的参与程度，用户也可以有更生动、更即时的增强现实体验。在这个前提下，越来越多的企业将进行转型。
应用四：加速数据分析
在这一场景下，通过本地计算能力，在数据分析早期就引入较高智能水平的运算。这样可以使得数据更为清晰，从而加快企业的分析和决策速度。在云计算场景中，运算对智能化和精准度的要求较低，主要是在后期应用中使用，故而分析数据需要花费更多时间。
应用五：智能制造
其实边缘计算在智能制造方面属于基础层面的构架。在生产车间采进行“近实时”分析，可以提升运营效率，并增加边际效益从而提高利润。此外，通过边缘计算系统来收集数据、制造智能化工具过程中，可以及时识别异常情况，尽量避免产线停顿。
应用六：消除过剩数据
传统的云计算架构不可避免地会导致多余数据堆积在云存储里，比如物联网的感应数据等。这些数据大多都是无用的，对企业来说花费成本区储存这项数据基本上是没有必要的。边缘计算可以做到只向云端传输有效数据，让流程更为优化。
应用七：让安保系统响应更快速
对于那些建有庞大又复杂的安保系统的企业来说，边缘计算非常实用，它可以有效筛选出关键信息防止带宽的浪费。举例来说，动作捕捉摄像机如具备运算能力，就可以只上传有价值的信息。
应用八：现实数据收集
在零售环境下，物联网、数字标签、IP光纤都是实现边缘计算的基础配置。未来我们的业务将依赖规模在万亿级别的数据挖掘和集成。边缘计算通过本地设备和传感器，协同云端一起收集现实数据，能够做到这个量级的数据聚合。
应用九：降低运营成本减少存储需求
在边缘计算加成下，收集到的数据无需在本地和中央服务器之间穿梭，就可以让本地设备知道要执行哪个功能。这样就可以节省运营成本和存储设备的投入了。
应用十：让诊断与治疗更有针对性
这虽然也是医疗场景的应用，但这里的边缘计算更专注提升病患的康复体验。医疗物联网设备在边缘计算应用下，可以更快更早地检测出病人的异常健康数据。这就可以让医生的诊断措施和医疗干预来得更及时。此外，随着可穿戴系统的普及，存储设备及传感器的成本也会不断下降。在边缘计算技术的帮助下，看病就医将从“被动治疗”转变为AI辅助下的实时的、预测性的保健式医疗。AIoT（人工智能物联网）未来发展前景十分广阔。它将使用AI技术实现对设备、数据和应用的连接，从而为企业带来新的发展机遇。AIoT可以帮助企业实现效率的大幅度提升，同时也可以帮助企业减少成本开销。此外，AIoT还能够帮助企业针对不断变化的需要快速作出决定和行动。随着人工智能从云端向边缘扩展，边缘计算被视为下一个AI战场。海量的应用场景、庞大的计算需求，不仅吸引了英特尔、英伟达这些巨头加速完善云边端一体化的布局，更吸引了众多AI芯片公司纷纷入局。
云端AI已经造就了英伟达的巨大成功，如果边缘AI是一次崭新的机会，哪些公司有机会成为赢家？
业界对于通用、专用的计算路线讨论已久，与这个话题伴生的其实是多样、碎片的应用场景。场景是碎片的，产品是碎片的，那么芯片呢？也只能是碎片的、专用的，不能是通用的吗？通用计算老大哥CPU、GPU的地位会旁落吗？未来通用计算和专用计算的关系如何发展？
时擎 科技 总裁于欣告诉，针对不同应用的架构设计，是一定需要的。领域专用架构（DSA）处理器和芯片，本质上就是要解决通用性和专用性平衡和取舍的问题。
“这里有两个大前提，一是端侧的应用比较碎片化，第二是对功耗和成本往往有比较高的要求。在这两个前提下，如何既能保证相对于某个场景足够的竞争力，以满足成本和功耗的要求，同时又能兼顾足够的市场空间——这是每一家公司都要面临的挑战，也是对产品定义能力的考验”，他强调。
通用计算芯片固然能够覆盖边缘计算程序所需要的所有运算 *** 作，但在芯片架构伸缩性、性能方面，确实无法及时适应边缘侧需求的快速增长。通用计算和专用计算芯片已经呈现出融合发展的趋势。并且，计算特性决定了边缘芯片和云端芯片的不同，架构设计需要进行优化定制。
灵汐 科技 副总经理华宝洪表示，二者要相辅相成，最好能融为一体。在专用计算芯片中会包括通用计算的核，比如Arm或RISC-V等IP内核。新型计算架构芯片比如类脑计算芯片中，除了包括神经拟态计算核、神经网络计算核，一般还有通用的Arm核。同时，通用计算芯片比如最新的Arm芯片，也会内置部分针对传统神经网络加速的IP核。异构融合芯片架构是发展的必然。
伴随这一趋势，意味着需要把负责加速的专用计算单元移入通用编程模型中，且创建通用处理器的压力始终存在。Imagination计算业务产品管理总监Rob Fisher表示，这主要是从通用处理器编程的易用性角度来考虑的。当任务的规模或所需性能远远超出通用解决方案所能容纳的范围时，这种模式将受到限制。
他指出，GPU就是一个很好的示例。在实际应用中，将图形处理工作负载卸载到GPU上的优势很明显，从而推动了高效图形处理器的独立开发。矢量处理器正越来越多地与CPU架构紧密结合，从而允许对计算任务进行指令级加速。
雪湖 科技 副总裁赵小吾表示，针对不同场景下功能和性能的不同要求，边缘的需求更复杂，很难用一个通用的架构或者平台来满足大多数的需求，所以会针对不同应用场景进行专门的架构设计。性能要求不高，算法变化快的部分可以使用通用计算芯片，比如CPU；性能要求高，算法相对固化的部分可以使用专用计算芯片，比如ASIC；对性能和算法灵活性都有一定要求的部分可以使用FPGA可编程芯片。
他以智慧交通领域的边缘计算为例谈到，由于基本都是室外场景，环境复杂且恶劣，既要满足AI大算力和低延时，又要满足可靠性和稳定运行，因此目前大部分边缘计算机都无法满足需求。而采用了室外基站同等级的芯片为这种场景定制了专用的大算力计算机，才满足了这些特殊场景的需求。
随着高性能计算和机器学习的兴起，异构处理器必须处理的工作负载急剧增加，在整个半导体行业建立开放的生态合作至关重要。
不久前，英特尔、AMD、Arm、高通、台积电等已经联合成立了Chiplet标准联盟，推出了通用Chiplet的高速互联标准UCIe。在UCIe的框架下，互联接口标准得到统一，各类不同工艺、不同功能的Chiplet芯片，有望通过2D、25D、3D等各种封装方式整合在一起，多种形态的处理引擎将共同组成超大规模的复杂芯片系统。
英伟达在上个月的GTC22上，一方面宣布了对UCIe规范的支持，另一方面，宣布为半定制芯片开放其NVLink-C2C互连技术，这是一种支持内存一致性的芯片到芯片、裸片到裸片的互连技术。这一路线已经明确展现了英伟达的异构决心，按照这一规划，理论上甚至可以将英伟达的芯片与竞争对手的芯片放入同一个封装中。
黄仁勋告诉，他第一喜欢PCIe，第二喜欢UCIe，并且预测五年内UCIe的好处会逐渐显现。至于英伟达自身的NVlink互连技术，他强调优势在于直连能力。UCIe不能直接接入芯片，仍然是一个外设接口；而NVlink的优势在于可以直接连接，几乎就像直接连接到大脑一样。一定程度上，这可能会导致它的组装比较复杂，合作伙伴和客户必须非常了解NVlink。不过，一旦他们能做好这一点，就可以充分利用芯片内部的所有资源，就像这些资源都在同一个芯片上一样。
这一解答既表明了英伟达并不打算自我排除在在UCIe联盟之外，同时也展现出了对自身NVLink互连技术的绝对信心，推测该技术也将成为英伟达构建异构生态的关键。
边缘计算市场的巨大潜力，自然也吸引着云端芯片巨头的竞逐，他们正通过异构计算、先进制程、先进封装等方式进行全面布局，加之高筑的生态壁垒，国内AI芯片厂商是否有机会与之一搏？
“能造得了摩天大楼的，不一定擅长雕梁画柱。当然相对于云端目前高度垄断和集中的格局来说，边缘侧还没有确定的格局，大家都有机会，而具有更强技术能力和落地能力的厂家，会有更大的机会在竞争中脱颖而出”，时擎 科技 于欣表示，“云边端在某些场景融合协同是有道理的，但本身从芯片设计的角度来说，还是会有很大的区别。”
灵汐 科技 华宝洪则认为，异构计算、先进制程、先进封装等均是手段，不能从根本上解决高能效比、小样本学习、在线学习等问题。在行业导向和市场需求的双重驱动下，冯·诺依曼架构和非冯·诺依曼架构的异构融合，将成为驱动边缘计算技术创新与未来行业高质量发展的核心引擎。
一方面，冯·诺依曼架构的芯片依然在走“暴力计算”的美学方向，会考虑用最先进制程、最先进封装来提升算力；另一方面，非冯·诺依曼架构优先通过架构创新来满足在生物神经网络、类脑方向和新型混合神经网络等领域的规模化使用。以类脑计算为代表的新型计算架构将与传统计算架构深度融合，引领新一轮的技术变革。
雪湖 科技 赵小吾表示，业界头部厂商都开始用小芯片拼凑大芯片的方式来完成产品布局，以满足不同场景的算力需求。例如苹果和英伟达，都开始采用这种“拼积木”的方式，这是非常明确的趋势。
国内这两年市场很热发展很快，但形成规模和有竞争力的厂商并不多。“芯片还是一个需要积累的产业，且产业链比较长”， 赵小吾表示，“目前国内小而多的形态不利于去和上下游争夺话语权，预计未来1-2 年里应该会迎来一波AI芯片厂商淘汰潮。”
爱芯元智创始人、董事长兼CEO仇肖莘也表达了类似观点，她谈到，现在对国产芯片产业是千载难逢的机会，由于市场需求和国家支持，涌现了许多创业型公司。而从大环境出发，我国的芯片行业还属于初期阶段，正呈现出一种百花齐放的态势，但随着产业的不断发展壮大，随之而来的行业整合也将是必经过程。
她强调，这符合芯片行业在过去几十年发展的规律，经过这样的整合，业内一定会出现头部企业，这对于国家整体产业发展是非常重要的。只有这样，中国企业和国际大厂才有同台竞技的机会。
灵汐 科技 华宝洪表示，边缘AI芯片市场仍处于开放状态，没有绝对的霸主。新兴的、多样化的应用场景为国产AI芯片带来了巨大的市场机会，特别是在自动驾驶、智能安防、智能物联网和可穿戴设备等越来越碎片化的市场，国产AI芯片厂商和国际巨头芯片厂商是站在同一起跑线上的，甚至在某些领域更有优势。
就像计算架构领域一位著名的科学家所说，现在正是芯片体系架构百花齐放的黄金时代，这一时代前所未有。尽管CPU、GPU会持续创新，且在某些计算任务上是不可或缺的，但是AI加速计算、数据爆炸等趋势催生的新市场，一定是巨大且多样的，这就给了AI芯片公司带来了新的机会。
从CPU来看，x86架构统治PC和服务器已有松动迹象，Arm一路从手机端和IoT逐渐向上，攻入PC和服务器领域。RISC-V也从物联网设备起步，向更大量的设备进行布局。冯·诺依曼架构和非冯·诺依曼架构的异构融合，正在通往规模化的道路上……
每一次技术浪潮，都会产生新的领导型公司。边缘AI会吗？1高效分布式
必须是高效的分布式系统。物联网产生的数据量巨大，仅中国而言，就有5亿多台智能电表，每台电表每隔15分钟采集一次数据，一天全国智能电表就会产生500多亿条记录。这么大的数据量，任何一台服务器都无能力处理，因此处理系统必须是分布式的，水平扩展的。为降低成本，一个节点的处理性能必须是高效的，需要支持数据的快速写入和快速查询。
2实时处理
必须是实时处理的系统。互联网大数据处理，大家所熟悉的场景是用户画像、推荐系统、舆情分析等等，这些场景并不需要什么实时性，批处理即可。但是对于物联网场景，需要基于采集的数据做实时预警、决策，延时要控制在秒级以内。如果计算没有实时性，物联网的商业价值就大打折扣。
3高可靠性
需要运营商级别的高可靠服务。物联网系统对接的往往是生产、经营系统，如果数据处理系统宕机，直接导致停产，产生经济有损失、导致对终端消费者的服务无法正常提供。比如智能电表，如果系统出问题，直接导致的是千家万户无法正常用电。因此物联网大数据系统必须是高可靠的，必须支持数据实时备份，必须支持异地容灾，必须支持软件、硬件在线升级，必须支持在线IDC机房迁移，否则服务一定有被中断的可能。
4高效缓存
需要高效的缓存功能。绝大部分场景，都需要能快速获取设备当前状态或其他信息，用以报警、大屏展示或其他。系统需要提供一高效机制，让用户可以获取全部、或符合过滤条件的部分设备的最新状态。
5实时流式计算
需要实时流式计算。各种实时预警或预测已经不是简单的基于某一个阈值进行，而是需要通过将一个或多个设备产生的数据流进行实时聚合计算，不只是基于一个时间点、而是基于一个时间窗口进行计算。不仅如此，计算的需求也相当复杂，因场景而异，应容许用户自定义函数进行计算。
6数据订阅
需要支持数据订阅。与通用大数据平台比较一致，同一组数据往往有很多应用都需要，因此系统应该提供订阅功能，只要有新的数据更新，就应该实时提醒应用。而且这个订阅也应该是个性化的，容许应用设置过滤条件，比如只订阅某个物理量五分钟的平均值。
7和历史数据处理合二为一
实时数据和历史数据的处理要合二为一。实时数据在缓存里，历史数据在持久化存储介质里，而且可能依据时长，保留在不同存储介质里。系统应该隐藏背后的存储，给用户和应用呈现的是同一个接口和界面。无论是访问新采集的数据还是十年前的老数据，除输入的时间参数不同之外，其余应该是一样的。
8数据持续稳定写入
需要保证数据能持续稳定写入。对于物联网系统，数据流量往往是平稳的，因此数据写入所需要的资源往往是可以估算的。但是变化的是查询、分析，特别是即席查询，有可能耗费很大的系统资源，不可控。因此系统必须保证分配足够的资源以确保数据能够写入系统而不被丢失。准确的说，系统必须是一个写优先系统。
9数据多维度分析
需要对数据支持灵活的多维度分析。对于联网设备产生的数据，需要进行各种维度的统计分析，比如从设备所处的地域进行分析，从设备的型号、供应商进行分析，从设备所使用的人员进行分析等等。而且这些维度的分析是无法事先想好的，而是在实际运营过程中，根据业务发展的需求定下来的。因此物联网大数据系统需要一个灵活的机制增加某个维度的分析。
10支持数据计算
需要支持数据降频、插值、特殊函数计算等 *** 作。原始数据的采集可能频次挺高，但具体分析时，往往不需要对原始收据进行，而是数据降频之后。系统需要提供高效的数据降频 *** 作。设备是很难同步的，不同设备采集数据的时间点是很难对齐的，因此分析一个特定时间点的值，往往需要插值才能解决，系统需要提供线性插值、设置固定值等多种插值策略才行。工业互联网里，除通用的统计 *** 作之外，往往还需要支持一些特殊函数，比如时间加权平均。
11即席分析和查询
需要支持即席分析和查询。为提高大数据分析师的工作效率，系统应该提供一命令行工具或容许用户通过其他工具，执行SQL查询，而不是非要通过编程接口。查询分析的结果可以很方便的导出，再制作成各种图标。
12灵活数据管理策略
需要提供灵活的数据管理策略。一个大的系统，采集的数据种类繁多，而且除采集的原始数据外，还有大量的衍生数据。这些数据各自有不同的特点，有的采集频次高，有的要求保留时间长，有的需要多个副本以保证更高的安全性，有的需要能快速访问。因此物联网大数据平台必须提供多种策略，让用户可以根据特点进行选择和配置，而且各种策略并存。
13开放的系统
必须是开放的。系统需要支持业界流行的标准SQL，提供各种语言开发接口，包括C/C++，Java，Go，Python，RESTful等等，也需要支持Spark，R，Matlab等等，方便集成各种机器学习、人工智能算法或其他应用，让大数据处理平台能够不断扩展，而不是成为一个孤岛。
14支持异构环境
系统必须支持异构环境。大数据平台的搭建是一个长期的工作，每个批次采购的服务器和存储设备都会不一样，系统必须支持各种档次、各种不同配置的服务器和存储设备并存。
15支持边云协同
需要支持边云协同。要有一套灵活的机制将边缘计算节点的数据上传到云端，根据具体需要，可以将原始数据，或加工计算后的数据，或仅仅符合过滤条件的数据同步到云端，而且随时可以取消，更改策略。
经过长时间的积累，边缘计算终于迎来了瓜熟蒂落的时刻。随着底层技术的进步和应用的不断丰富，国内外运营商和产业企业均进入到MEC商用落地阶段。进入2019年，国内三大运营商开展了积极的边缘计算试点和部署工作。例如，中国移动发布边缘计算“Pioneer300”先锋行动；中国电信打造边缘计算开放平台ECOP，构建边缘云网融合的网络服务平台及应用使能环境；中国联通展示业界首个“MEC智慧水利”案例。
运营商和企业特点各异
进入2019年以来，边缘计算呈现出了突飞猛进的发展势头，那么边缘计算何时将进入大规模部署阶段？
李开认为，要解答上述问题，首先需要理清边缘计算部署的位置。九州云认为，边缘计算是一个业务驱动的技术，失去了业务驱动，边缘也就失去了意义，因此需要解答的第一个核心问题是边缘计算的驱动力从何而来？
在李开看来，边缘计算主要有运营商和企业两大驱动来源，其中前者来自于对5G场景的落地，后者来自于自身借助5G提升的落地，它们的差别如下。
第一，前者是必然要推动的，后者是可以选择的。第二，前者的边缘架构是相对聚焦的，而且有ETSI MEC标准等可以参考，有StarlingX、Tacker、Airship等开源框架作为起点；后者是相对长尾的，要跟随业务场景摸索，开源框架作为起点只能解决平台问题，不能解决应用问题。第三，前者是从上而下的布局，后者是自下而上的驱动。第四，前者覆盖所有边缘应用，注重边缘分发平台的打造甚于单个应用场景的优化；后者注重实际单个应用的落地，更加能够轻装上阵。第五，前者的时间能够降维并为企业边缘架构所复用，后者的实践无法升级成为前者的架构。
由于运营商市场和企业市场特点相异，因此其进入大规模部署阶段的时间点也不会相同。
李开表示，运营商边缘计算的大规模部署与5G息息相关。受5G牌照、技术、采购和场景选择等多种因素影响，各大运营商的时间点各不相同，但是边缘平台肯定优先于5G至少1年进行试点和局部部署。“这个时间点大概会在2019年下半年和2020上半年到来。”李开认为。
就企业市场而言，其受零售、物流、医疗等企业需求的推动，虽然现在基于4G的边缘网络相较于5G在边缘适配上有一定的天然劣势，但是作为试点却是在一定条件下可以实现的。李开认为，企业的边缘框架和运营商框架相类似，只是在网络延时等条件上有一定折扣，在应用丰富程度上有一定收敛，在空间覆盖上相对局限，但在与企业内设备通信更加复杂。“即使现在企业有独自实现边缘框架的可能性，但是在边缘网络尚不规模具备、需求还需要磨合的情况下，可能要等到2020年下半年才真正具备大规模部署的能力。”李开认为。
物联网成边缘计算最强劲驱动力
物联网是边缘计算的主要应用场景，也是驱动边缘计算的主要动力所在。正因为如此，人们往往把边缘计算和物联网混在一起，但实际上两者虽有联系却并非完全重叠。
在李开看来，物联网和边缘计算有相同之处。例如，海量设备数据的导入可能导致数据爆炸问题需要解决；海量设备所在的物理世界需要在数字世界产生一个“数字孪生（Digital Twins）”，如IoT Shadow、VR对真实世界的复原、自动驾驶对驾驶环境的模拟等，用来模拟物理世界的运行模式。
李开表示，边缘计算和物联网的不同之处也很明显：第一，物联网产生的数据爆炸不一定会产生海量数据，如NB-IoT和LoRa也可以适配物联网，而边缘的主要能力是海量数据的传输；第二，物联网不一定需要低延时，而边缘计算必然强调低延时；第三，物联网大部分基于Internet（核心网），而边缘计算是独立于Internet（核心网）的网络切片，边缘网络安全性更高；第四，物联网未必产生数字视觉，而数字视觉造成的数据则是边缘的一个核心能力。
因此在李开看来，边缘网络落地的行业必然是在和“物”打交道的场景中，同时具备海量数据、低延时、高安全等需求的场景，如工业生产执行系统、工业缺陷识别系统、自动驾驶、AR/VR、远程医疗等。李开表示，九州云所接触到的客户则主要集中在工业制造领域，他们对于工业生产执行系统、工业缺陷识别系统的需求比较强烈。
开放架构加速边缘计算落地
在边缘计算落地过程中，运营商侧重于解决平台问题，打造边缘应用的承载商店和网络，因此非常重视平台的打造和开放。
李开表示，多种开放框架可以支持边缘平台的打造，如StarlingX（OpenStack + K8S）支持边缘基础架构（Edge-IaaS），Tacker、Airship等支持边缘编排（Edge MANO）等，基于这些技术可以打造符合ETSI MEC参考架构的边缘管理平台。九州云在这几个领域都积极参与，是StarlingX/Airship的中国发起单位之一，并在StarlingX拥有全球技术委员会的席位，在Tacker等编排技术上，九州云是全球第一的上有源码贡献厂商。
李开认为，开放边缘平台能力给垂直行业企业，必将产生很好的商用效果。因为开放架构有利于自主的边缘核心能力，提升竞争力。在边缘计算领域，运营商在“硬管道”（边缘基础网络）上具备无可替代的优势，由于边缘网络并不暴露在Internet上，这一优势无法被互联网企业在OTT方面利用，边缘为运营商造就了一个可以直接将触角延伸到最终用户，并重新发现价值的能力。而边缘平台则是“软管道”，运营商必然需要掌控核心能力，基于开放架构而不是商业架构，为运营商带来更好的控制力，加速平台的成形。
此外，开放架构有利于更好地复用运营商原有技术积累，加速落地边缘的编排、边缘云的优化、边缘接口的标准化等技术。事实上运营商在已经完成的NFV架构改造中已经积累了很多，如基于TOSCA的网元编排，适配OSS的接口对接，基于GPU、DPDK的性能加速等，运营商都是基于OpenStack的架构进行优化的，因此在边缘领域坚持开放架构，有利于运营商技术上的继承和复用，加速落地。
切忌“为了边缘而边缘”
边缘计算目前已经到了规模应用的前夕，而要实现规模部署，李开认为边缘计算还需要克服如下挑战：第一，边缘的部署位置，以及与边缘VNF/PNF的整合；第二，边缘机房的改造（直流、空间、制冷）、容量估算（基站接入数、带宽）和安全防护升级；第三，边缘的高可用如何解决；第四，边缘的接入模式（专线、LTE、IOT）和终端的位置（以企业为单一终端还是以设备为单一终端）；第五，边缘运维模式和现有网络运维、业务运维、云运维模式的整合，云边协同如何落地。
对于落地垂直行业，李开认为前景虽然明朗，但是也存在一些担忧，主要是“为了边缘而边缘”，即没有商业驱动、只是为了和热点结合引入的边缘计算。“技术问题其实都能够通过积累解决，应用刚需是无法通过技术刚需创造的。”李开认为。而要解决这些担忧，则需要审慎识别客户需求，即是否与“物”打交道的场景，是否具备海量数据、低延时、高安全等需求的场景。
此外，安全也是运营商边缘的优势之一，边缘网络通过网络切片模式实现，是不暴露在互联网上的网络，相对来说更加安全，当然边缘网络自身的安全防护也需要加强，这个模式与核心网的安全加固在技术上有相同之处，新的威胁是针对边缘应用的访问模式，对边缘机房（汇聚或者接入）安全防护能力的升级。
九州云：边缘计算弄潮儿
李开介绍，九州云成立于2012年，是中国第一家从事OpenStack和相关开源服务的专业公司。作为边缘计算的积极探路者，九州云在边缘计算领域积极布局。九州云为运营商打造符合ETSI MEC标准规范的、基于开放架构的边缘平台，九州云在2018年6月成为“中国联通边缘生态合作伙伴”，在2018年10月成为“中国移动边缘开放实验室”的成员，面对运营商客户，九州云主要提供全面解决方案和服务，主要涵盖“边缘应用调度管理平台”“边缘基础架构平台”两大领域。
李开表示，九州云对于边缘计算的商业模式 探索 ，主要集中在工业领域，依托开放框架、低延时边缘网络、大数据处理能力，为客户提供工业数字孪生（Digital Twins）能力，客户包含西格数据、海德控制、格力电器（和中国联通合作）等工业领域客户，其“工业智能管理边缘云平台”获得了2018年度制造业信息化优秀智能制造解决推荐方案，“基于OpenStack的刀具检测于寿命预测管理边缘计算平台”也获得了中国自动化学会“CAA智慧系统创新解决方案”等荣誉。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）