边缘计算是在靠近物或者数据源头的边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能化方案，满足行业数字化在高实时性、低带宽能耗，高安全隐私保护，高可靠性等方面的关键需求。
由于边缘计算直接在靠近数据产生的地方进行计算，避免了数据的上传与下载过程，具有较高的实时性。而且，边缘端产生的大量数据不再全部传递到云端，对云端的带宽以及能耗都有显著的降低。边缘计算将用户的个人敏感隐私信息存储在设备端，避免了传输带来的安全隐患。数据在边缘侧直接进行计算，减低了由于网络覆盖以及故障带来的影响，具有较高的可靠性。
边缘计算是在靠近物或者数据源头的边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能化方案，满足行业数字化在高实时性、低带宽能耗，高安全隐私保护，高可靠性等方面的关键需求。
由于边缘计算直接在靠近数据产生的地方进行计算，避免了数据的上传与下载过程，具有较高的实时性。而且，边缘端产生的大量数据不再全部传递到云端，对云端的带宽以及能耗都有显著的降低。边缘计算将用户的个人敏感隐私信息存储在设备端，避免了传输带来的安全隐患。数据在边缘侧直接进行计算，减低了由于网络覆盖以及故障带来的影响，具有较高的可靠性。
随着5G时代物联网的持续发展，Gartner 预测到 2025 年企业产生的数据将有75%从传统的中心或者云平台转向边缘侧。5G 网络和边缘分布式计算结合在一起彼此增强，为行业新的产品与体验创造机遇。通过 5G 网络提供的高速率和低延迟，再加上在边缘处理数据的实时性与安全性，有望在汽车、媒体（VR/AR）、智慧城市、智慧医疗、智能制造等垂直领域有更大的发展空间。
现阶段边缘侧智能计算的软硬件生态呈现碎片化与异构特性，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，选择一套高效软硬件平台变得非常困难。
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，帮助用户进行性能、功耗分析，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融合，不仅大幅优化了原生用户体验，同时也向客户提供了完整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富的AI应用。
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活度和优异的能效。AI编译器将前端框架工作负载直接编译到硬件后端，充分使用现有的硬件资源，兼顾存储和效率，降低开发者的开发难度。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关键子系统，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规划中去。
随着5G时代物联网的持续发展，Gartner 预测到 2025 年企业产生的数据将有75%从传统的中心或者云平台转向边缘侧。5G 网络和边缘分布式计算结合在一起彼此增强，为行业新的产品与体验创造机遇。通过 5G 网络提供的高速率和低延迟，再加上在边缘处理数据的实时性与安全性，有望在汽车、媒体（VR/AR）、智慧城市、智慧医疗、智能制造等垂直领域有更大的发展空间。
现阶段边缘侧智能计算的软硬件生态呈现碎片化与异构特性，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，选择一套高效软硬件平台变得非常困难。
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，帮助用户进行性能、功耗分析，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融合，不仅大幅优化了原生用户体验，同时也向客户提供了完整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富的AI应用。
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活度和优异的能效。AI编译器将前端框架工作负载直接编译到硬件后端，充分使用现有的硬件资源，兼顾存储和效率，降低开发者的开发难度。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关键子系统，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规划中去。