发现边缘节点：到2020年将有500亿的终端和设备联网，除了边缘设备与终端联网较大的“异构”特征之外，产品生命周期越来越短、个性化需求越来越高、全生命周期管理和服务化的趋势越来越明显，这些新趋势都需要边缘计算提供强大的技术支撑。如何在分布式计算环境中发现资源和服务是一个有待拓展的领域。为了充分利用网络的边缘设备，需要建立某种发现机制，找到可以分散式部署的适当节点。因为可用设备的数量庞大，这些机制不能依靠人工手动。此外，还需要使用多种异构设备满足较新的计算需求，比如大规模的机器学习任务。这些机制必须在不增加等待时间或损害用户体验的前提下，实现不同层次和等级的计算工作流中无缝集成，原有的基于云计算的机制在边缘计算领域不再适用。边缘计算处理的数据是（小数据），从数据计算、存储上都具有成本优势。黑龙江低延时边缘计算OEM生产
边缘计算将会催生更多的发展机遇，在此我们明确的潜在机会：1、微型操作系统和虚拟化。基于微型操作系统或微型内核的研究可以解决在异构边缘节点上部署应用的挑战。有研究表明，跨越多个虚拟设备复用设备硬件的移动容器可以提供与本地硬件接近的性能。容器技术（如Docker）正在成熟，并且能够在异构平台上快速部署应用程序。2、产学研合作。边缘计算为产业界和学术界提供了独特的发展机会。边缘计算领域的研究可以由行业合作伙伴（例如移动运营商和开发人员、软件工具开发商和云服务提供商等）以及感兴趣的学术合作伙伴共同驱动，以实现双方的共同利益。广州无风扇边缘计算无人机边缘计算满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
边缘计算的优势：1、接近实时的数据处理：因为数据是在边缘结点进行分析，降低了延迟，提升应用的响应速度。2、减少数据传输：数据不需要推送到遥远的云端，减少智能设备和数据中心传输的数据量，节省带宽成本，同时还能减小中心网络的拥堵。比如facebook等社交软件的用户上传的照片在边缘调整到合适的分辨率再上传到云端。3、数据安全：一些比较敏感的数据直接在边缘进行分析，不用当心数据泄漏。4、提高可用性：分担（offload）了中心服务器的计算任务，一定程度上消除了主要的瓶颈，并且降低了出现单点故障的可能。
边缘计算在具有低时延、高带宽、高可靠、海量连接、异构汇聚和本地安全隐私保护等特点的应用场景，如智能交通、智慧城市和智能家居等行业或领域，存在非常突出的优势。这里以智能交通的一个点，大件的智能汽车为例，快速处理数据是一种至关重要的能力，而边缘计算是实现自动驾驶的关键。智能汽车本质上可以看作是一台车轮上的大型高功率计算机，其通过多个传感器收集数据。为了使这些车辆安全可靠地运行，这些传感器需要立即响应周围环境，处理速度的任何滞后都可能是致命的。边缘计算指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用中心能力的开放平台。
智锐通ZRT-MIN-EC05基于IntelCoffeeLake平台，支持八、九代处理器，搭载可更换MXM显卡，双通道SO-DIMMDDR4内存设计，是一款配置灵活、性能较好、双网口的边缘计算整机产品，普遍应用于智能安防、智慧零售、机器人、智慧工业、电力等领域。 产品亮点如下：
1、INTELCoffeeLAKE平台；
2、支持八、九代处理器；
3、搭载MXM独立显卡设计；
4、双通道SO-DIMMDDR4内存设计（较大支持32GB）；
5、INTELI211网卡；
6、静音双风扇+铜管散热器设计。 边缘计算非常适合应用于农业，因为农场经常处于偏远的位置和恶劣的环境中。安徽多网口边缘计算园区识别
边缘计算设备往往需要具备较强的数据处理能力。黑龙江低延时边缘计算OEM生产
边缘计算的AI芯片：作为边缘计算的中心基础，边缘AI芯片有着重要地位，边缘AI芯片厂商作为产业链上游参与方投入大量资源进行技术研发，从供给方面为边缘智能的实现打下坚实牢固基础。AI根据参考文献的分类包括三类，1、经过软硬件优化可以高效支持AI应用的通用芯片（GPU）；2、侧重加速机器学习（尤其是神经网络、深度学习）算法的芯片；3、受生物脑启发设计的神经形态计算芯片。在边缘计算和AI芯片里，涌现出不少的创业公司（在中国的中国芯片初创公司有15家以上），如前面所说的几家。按部署的位置来分，AI芯片可以部署在数据中心，和手机，安防摄像头，汽车等终端上。黑龙江低延时边缘计算OEM生产
