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。
隆重推出 NVIDIA DGX Spark
DGX Spark 将 Grace Blackwell 的强大功能引入开发者桌面。GB10 高密度芯片与 128 GB 的统一系统内存相结合，使 AI 研究人员、数据科学家和学生能够在本地处理具有高达 2000 亿个参数的 AI 模型。
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。
