共计 1872 个字符，预计需要花费 5 分钟才能阅读完成。
边缘计算是在凑近物或者数据源头的边缘侧，交融网络、计算、存储、利用外围能力的开放平台，就近提供边缘智能化计划，满足行业数字化在高实时性、低带宽能耗，高平安隐衷爱护，高可靠性等方面的要害需要。
因为边缘计算间接在凑近数据产生的中央进行计算，防止了数据的上传与下载过程，具备较高的实时性。而且，边缘端产生的大量数据不再全副传递到云端，对云端的带宽以及能耗都有显著的升高。边缘计算将用户的集体敏感隐衷信息存储在设施端，防止了传输带来的安全隐患。数据在边缘侧间接进行计算，减低了因为网络覆盖以及故障带来的影响，具备较高的可靠性。
边缘计算是在凑近物或者数据源头的边缘侧，交融网络、计算、存储、利用外围能力的开放平台，就近提供边缘智能化计划，满足行业数字化在高实时性、低带宽能耗，高平安隐衷爱护，高可靠性等方面的要害需要。
因为边缘计算间接在凑近数据产生的中央进行计算，防止了数据的上传与下载过程，具备较高的实时性。而且，边缘端产生的大量数据不再全副传递到云端，对云端的带宽以及能耗都有显著的升高。边缘计算将用户的集体敏感隐衷信息存储在设施端，防止了传输带来的安全隐患。数据在边缘侧间接进行计算，减低了因为网络覆盖以及故障带来的影响，具备较高的可靠性。
随着 5G 时代物联网的继续倒退，Gartner 预测到 2025 年企业产生的数据将有 75% 从传统的核心或者云平台转向边缘侧。5G 网络和边缘分布式计算联合在一起彼此加强，为行业新的产品与体验发明时机。通过 5G 网络提供的高速率和低提早，再加上在边缘解决数据的实时性与安全性，无望在汽车、媒体（VR/AR）、智慧城市、智慧医疗、智能制作等垂直畛域有更大的倒退空间。
现阶段边缘侧智能计算的软硬件生态出现碎片化与异构个性，软件上有 Tensorflow、Caffe、Pytorch 等深度学习框架平台，硬件计算单元上有 CPU、GPU、NPU 以及 DSP 等计算单元，这对边缘计算产品的开发者来说，抉择一套高效软硬件平台变得十分艰难。
紫光展锐为边缘计算产品开发设计者提供了一套通用的异构计算平台，帮忙用户进行性能、功耗剖析，并提供软硬件选型参考的工具。展锐的 AI 技术平台 AIactiver，通过异构硬件、全栈软件和业务深度交融，不仅大幅优化了原生用户体验，同时也向客户提供了残缺的二次开发平台和定制服务，助力生态合作伙伴高效便捷的开发丰盛的 AI 利用。
平台底层是异构硬件，异构多核的 NPU 架构为不同类型的算法提供了足够的灵便度和优异的能效。AI 编译器将前端框架工作负载间接编译到硬件后端，充沛应用现有的硬件资源，兼顾存储和效率，升高开发者的开发难度。AI 计算平台和工具链，则为开发者提供了良好的开发环境。
展锐通过 AI 技术重构了芯片的多个要害子系统，如 CPU/GPU 处理器子系统和多媒体子系统，为用户提供优异的用户体验。展锐正在将 AI 作为一项弥散型技术，全面融入到所有的产品布局中去。
随着 5G 时代物联网的继续倒退，Gartner 预测到 2025 年企业产生的数据将有 75% 从传统的核心或者云平台转向边缘侧。5G 网络和边缘分布式计算联合在一起彼此加强，为行业新的产品与体验发明时机。通过 5G 网络提供的高速率和低提早，再加上在边缘解决数据的实时性与安全性，无望在汽车、媒体（VR/AR）、智慧城市、智慧医疗、智能制作等垂直畛域有更大的倒退空间。
现阶段边缘侧智能计算的软硬件生态出现碎片化与异构个性，软件上有 Tensorflow、Caffe、Pytorch 等深度学习框架平台，硬件计算单元上有 CPU、GPU、NPU 以及 DSP 等计算单元，这对边缘计算产品的开发者来说，抉择一套高效软硬件平台变得十分艰难。
紫光展锐为边缘计算产品开发设计者提供了一套通用的异构计算平台，帮忙用户进行性能、功耗剖析，并提供软硬件选型参考的工具。展锐的 AI 技术平台 AIactiver，通过异构硬件、全栈软件和业务深度交融，不仅大幅优化了原生用户体验，同时也向客户提供了残缺的二次开发平台和定制服务，助力生态合作伙伴高效便捷的开发丰盛的 AI 利用。
平台底层是异构硬件，异构多核的 NPU 架构为不同类型的算法提供了足够的灵便度和优异的能效。AI 编译器将前端框架工作负载间接编译到硬件后端，充沛应用现有的硬件资源，兼顾存储和效率，升高开发者的开发难度。AI 计算平台和工具链，则为开发者提供了良好的开发环境。
展锐通过 AI 技术重构了芯片的多个要害子系统，如 CPU/GPU 处理器子系统和多媒体子系统，为用户提供优异的用户体验。展锐正在将 AI 作为一项弥散型技术，全面融入到所有的产品布局中去。
