在应用较为普遍的领域，智能手机这块包括苹果、华为、高通、联发科和三星在内的手机芯片厂商纷纷推出或者正在研发专门适应AI应用的芯片产品。许多初创公司加入这个领域，为边缘计算设备提供芯片和系统方案，比如地平线、寒武纪、深鉴科技、元鼎音讯等。在智能汽车的计算平台的硬件上，大部分车企会采用混合架构，传统主控制器主要还是基于32位Tricore,PowerPC以及850等架构的微处理器,主要作为冗余和兼容的部分。对于AI和计算力消耗较多的自动驾驶和交互应用,需提供GPP通用处理器、硬件加速器（HWA）和嵌入式的可编程逻辑阵列（eFPGA），域控制器较大的提升还是在芯片算力的提升，这也使得芯片厂家和车企的直接沟通，需要在这个层级与软件联合考虑。需要对边缘节点的峰值时间周全了解，以便可以用灵活的方式来分割和调度任务。北京算力强大边缘计算AGV
边缘计算不但提高了系统的可靠性、可用性和存取效率，还易于扩展。关键技术：在大数据环境下，元数据的体量也非常大，元数据的存取性能是整个边缘式文件系统性能的关键。常见的元数据管理可以分为集中式和边缘式元数据管理架构。集中式元数据管理架构采用单一的元数据服务器，实现简单．但是存在单点故障等问题。边缘式元数据管理架构则将元数据分散在多个结点上．进而解决了元数据服务器的性能瓶颈等问题。并提高了元数据管理架构的可扩展性，但实现较为复杂，并引入了元数据一致性的问题。辽宁无风扇边缘计算机器人边缘计算则是一种合适的、具有成本效益的替代方案。
边缘计算的大数据计算体系规模庞大．结点失效率高，因此还需要完成一定的自适应管理功能。系统必须能够根据数据量和计算的工作量估算所需要的结点个数，并动态地将数据在结点间迁移。以实现负载均衡；同时．结点失效时，数据必须可以通过副本等机制进行恢复，不能对上层应用产生影响。
计算层级内的优化技术，构建计算系统时．需要基于成本和性能来考虑，因此计算系统通常采用多层不同性价比的计算器件组成计算层次结构。边缘计算的计算规模是比较庞大的。
在我们比较关心的汽车领域，边缘计算主要有几个落脚点，自动驾驶、智能座舱两大块，在比较难的领域，目前自动驾驶系统芯片选择上与深度学习的技术路线有比较大的重叠，深度学习算法复杂性比较高，需要有相应的嵌入式计算平台进行匹配，在应用过程中硬件技术路线主要有GPU、SoC、FPGA、ASIC等，这里分化比较厉害，有许多不同的方向。国外比较典型的公司是英特尔以133.8亿欧元收购的Mobileye，国内典型的则是地平线，这家公司的前景相对要更明朗一些，比如其在高级别自动驾驶上与奥迪的合作，在辅助驾驶上与首汽约车的合作，看起来颇有紧追Mobileye，后发先至的味道。总的来说，边缘计算具有低时延、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，在许多场景下特别是智能交通（车载领域）存在非常突出的优势。边缘计算处理数据中心明显的优势：提高应用程序效率。
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，就近提供边缘智能服务，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。根据国际电信联盟电信标准分局ITU-T的研究报告，到2020年，每个人每秒将产生1.7MB的数据，IoT可穿戴设备的出货量将达到2.37亿。IDC也发布了相关预测，到2018年，50%的物联网网络将面临网络带宽的限制，40%的数据需要在网络边缘侧分析、处理与储存，到2025年，这一数字将超过50%。边缘计算的优势：提升应用程序的效率。四川无风扇边缘计算智慧校园
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。北京算力强大边缘计算AGV
边缘计算技术路线虽然各不相同，但总体遵循一个规律：把边缘和云紧密结合，充分发挥边缘的低延迟，安全等特性同时，结合云的大数据分析能力。以微服务的形式开放边缘计算服务，支持用户在边缘端编程，这标志着它已经初步搭建好了边缘计算的平台。
在竞争激烈的市场中，为了获得高性能低延迟的服务，移动运营商纷纷开始部署移动边缘计算。由于边缘计算属于快速发展的技术，行业的发展可以称之为日新月异，半年后完全是另外一番天地。到目前为止，已经有无数的创业公司涌现出来，其中一些公司已经在行业内崭露头角，成为边缘计算创新的独角兽。绝大部分这个领域初创企业都是以创新技术为特色，目前并没有看到特别突出的商业模式，但产品的概念都符合这个时代的特色：智能城市，智能家居，智慧工厂，无人驾驶，等等。 北京算力强大边缘计算AGV
