创造一个更快速、更智能、联系更紧密的世界
零售店、城市街道、仓库和医院部署的数十亿个物联网传感器正在产生海量数据。更快、更高效地利用这些数据可以优化服务、简化操作并挽救生命。为了实现这一目标，企业必须在产生数据的网络边缘部署 AI 计算，从而做出实时决策。
边缘计算的优势
在边缘，物联网和移动设备采用嵌入式处理器收集数据。边缘计算将 AI 直接引入这些设备，在捕获数据的边缘端处理数据，而不是在云端或数据中心。这加快了实时决策和自主机器的 AI 工作流。
降低延迟
边缘计算在行动点处理数据，可减少或消除数据传输过程，进而加速 AI 工作流。
提高可靠性
在本地处理敏感数据时，无需将其发送到云端，因此可以更好地保护此类数据。
降低成本
将数据发送到云端需要有足够的带宽和存储，而在本地处理数据可以减少这方面的成本。
更广的覆盖范围
边缘计算可在本地进行，无需连接互联网。如此一来就扩展了 AI 的覆盖范围。
借助 NVIDIA 实现边缘创新
AI、云原生应用、部署数十亿传感器的物联网以及 5G 网络，令 AI 得以在边缘得到广泛应用。探索 NVIDIA 在企业边缘、嵌入式边缘和工业边缘的解决方案，所有这些解决方案都通过自动化智能以及实时决策，提供真实世界的结果。
获取来自 NVIDIA 的边缘计算的最新消息。
常见问题解答
边缘计算是在数据源或数据源附近完成的计算，能够实时处理数据，对智能基础设施而言是首选方案。云计算是在云端完成计算。这种计算方式具有较高的灵活性和可扩展性，非常适合希望快速开始部署或有多种用途需求的客户。 这两种计算模型都有各自的优势，因此许多组织会寻求二者混合的计算方法。
与传统的云端计算或数据中心计算相比，边缘计算具有许多优点，如延迟更低、带宽更高，并拥有数据主权。许多组织都希望通过 AI 应用获取实时智能。以自动驾驶汽车以及工厂、工业检测的自动机器为例，如果它们对所提取数据的处理不够快（实时），就会造成严重的安全问题。
边缘计算不限于任何行业或应用程序。各行业的组织都在利用这些解决方案来加速其应用程序并利用边缘AI的优势。例如零售业的智能购物体验、智慧城市的智能基础设施以及工业制造的自动化。
