用户数据、物联网、大数据、人工智能、AR/VR、自动驾驶、安防监控等新业务海量增长的需求，已使得传统数据中心以及云计算平台难以招架，算力部署在设备侧的边缘计算应运而生，部署更加灵活，及时响应计算业务的需求。
计算机技术的飞速发展，各行业的数据中心业务不断演变，数据量越来越大，类型越来越多，数据结构也趋于复杂化。传统的数据库各设备采取集中部署方式，并且需要较大的部署空间，存在部署难、成本高等缺点，难以满足用户的要求。同时数据中心的服务器、网络通信设备等IT 设施，正朝着小型化、网络化、机架化的方向发展。边缘计算和分布式存储的产品和解决方案应运而生。
由于边缘计算靠近信息源，可以在本地进行简单地数据处理，不必将所有数据或信息都上传至云端，这将使得网络传输压力下降，减少网络堵塞，网络速率也因此大大增加。
相比较传统的数 据中心以及云计算，边缘计算的主要特点有：低延迟，因为算力部署在设备侧附近，实时 响应； 低带宽运行，接近用户，所以不需要更高传输带宽；安全，因为数据在本地采集、分析、处理，从而减少了数据处理的环节，数据隐私得到更好的保护。边缘计算满足市场对计算成本和时效性的需求，相应对计算体系架构提出新的挑战和发展机遇。 边缘计算与传统的数据中心和云计算协同部署，包括微软、亚马逊、谷歌，阿里、华为、百度等云服务巨头厂商都在积极部署边缘计算。业界计算芯片大牛响应提供了解决方案，以及采取收购FPGA厂家或浮点计算视觉图形处理(AI)的动作，以满足更加广阔的市场发展空间。 行业TOP计算芯片解决方案 CPU/GPU/FPGA
1. 英特尔(Intel) X86 CPU+ AI芯片+FPGA
目前，数据中心和云计算的核心芯片就是X86 处理器CPU，而这正是英特尔(Intel)的根基所在，其CPU在企业级计算领域的市占率一直保持在90%左右，与其强大的X86软硬件生态建设密切相关。然而，边缘计算会带来的红利给了英特尔不小的紧迫感，近些年，该公司越来越重视在边缘侧算力的布局，特别是在工业边缘计算，以及多接入边缘计算平台推广方面不遗余力，还推出了专门适用于边缘侧的至强Xeon D系列处理器芯片。 英特尔在数据中心面对英伟达(NVIDIA)的竞争(GPU应用于数据中心满足高性能计算和AI算力的市场需求，如鱼得水)，为了追赶英伟达，英特尔先后收购了几家AI初创公司，最具代表性的就是Nervana(乘加累积高密浮点计算和AI算法)和Habana Labs(AI处理器)。早前收购了Altera FPGA(现场可配置，加速器应用)。现在，Intel形成全系列数据中心、AI场景、加速器芯片布局(X86 CPU+ AI芯片+FPGA)。 在传统数据中心业务优势被蚕食的情况下，英特尔正在用其最擅长的CPU拓展着边缘计算市场，这也正是英特尔的传统优势(强大的X86软硬件生态建设)。 2. 英伟达(NVIDIA)GPU(显卡和AI)+ARM？
英特尔在数据中心的最强劲竞争对手非英伟达莫属。英伟达抓住了GPU在数据中心 AI算力这一风口，使得英伟达在企业级计算领域的风头几乎盖过了英特尔。 而凭借GPU逐步做大数据中心市场之后，英伟达的雄心也在膨胀，同样瞄准了具有巨大发展潜力的边缘计算市场，也正因为如此，其对ARM发起了并购邀约(GPU+ARM)。 在公开收购ARM之前，英伟达已经推出过专门用于边缘侧的计算芯片(ARM +GPU)，典型代表是边缘超级AI计算机Jetson Xavier NX，还包括Jetson AGX Xavier，Jetson TX2系列和Raspberry Pi竞争对手Jetson Nano。Jetson Xavier NX运行在基于ARM的Carmel微体系结构的六核SoC(ARM Core+GPU)上。英伟达的边缘计算芯片已经用到ARM core作为控制单元，而ARM与英特尔CPU相比，虽然整体性能仍有差距，但其低功耗特性，以及适中的算力，与边缘侧计算需求不谋而合，这可拓展英伟达在CPU方面的空白，同时又可较为平滑地过渡到边缘计算应用领域。 英伟达还于今年推出了新款EGX平台，该平台能够实时感知、理解和处理数据，可以部署在边缘计算，也可以部署在数据中心。EGX平台可以从基于Jetson Nano处理器的轻型服务器——能够以几瓦的功耗每秒钟处理0.5万亿次操作，扩展到基于边缘服务器NVIDIA T4 GPU机架的微型数据中心——可以每秒完成10000万亿次操作。该公司在边缘侧应用领域的芯片产品越来越多，如果能够成功收购ARM，将为其与英特尔在该领域的竞争增添一枚重重的砝码。 3. AMD X86 CPU+ GPU+ XILINX FPGA?
谈到企业级计算CPU，就一定有英特尔的老对手AMD X86 CPU。后者在该领域的市占率一度下降到了1%。然而，在新任CEO Lisa Su的带领下，卧薪尝胆、苦练内功，制定了符合市场需求的产品路线，在正确的道路上越走越快，5年时间内，其PC端x86 CPU市场份额已经达到了37%左右，企业级计算的市占率也从低谷期的1%上升到了8%。同时AMD的GPU芯片和板卡应用于显卡、高性能计算、AI计算，一致与NVIDIA形成正面竞争。一个很奇怪的现象，AMD的GPU和X86 CPU市场份额和系列产品竞争力落后于竞争对手NVIDIA和Intel。 企业级市场的竞争壁垒要远大于PC端，英特尔90%的市场份额依然难以撼动，如果只靠研发产品这一条腿的话，很难保持持久的竞争力，两条腿走路才能更有力量且持久，而另一条腿就是并购，因此，AMD收购赛灵思Xilinx FPGA恰逢其时。FPGA可用于数据中心特殊算法的加速器和现场灵活配置。 虽然这一并购案还未得到官方证实，但从产品组合以及融合发展策略上来看，对赛灵思的收购，对AMD来说，没有比这更优的方案了。 单靠CPU与英特尔在企业级市场竞争，AMD已经显得心有余而力不足，如果能整合赛灵思的FPGA，显然会增大AMD的竞争砝码。更重要的是，CPU+FPGA的组合，可以使AMD在具有巨大发展潜力的边缘计算领域更得心应手，不只局限于增量空间有限的传统数据中心市场。这样，AMD可形成全系列计算产品X86 CPU+GPU+FPGA。 作为FPGA行业的霸主，Xilinx赛灵思也一直在拓展其在企业级计算市场(这里主要是指数据中心和云计算)的发展空间，不过，与CPU相比，FPGA并没有算力方面的优势，而这也是其一直未能在数据中心阔步前进的重要原因，不过，FPGA可现场配置的灵活性及其在通信方面的优势，也是CPU无法比拟的。也正是凭借这些特色，赛灵思在工业、医疗、航空航天、卫星通信等领域发展得如鱼得水，而这些领域正是边缘计算的主要市场所在。因此，相比于传统数据中心，FPGA在边缘计算方面是有优势的。这或许是AMD收购赛灵思的一个重要原因，CPU+FPGA的强强联合，可以使AMD在边缘侧的竞争力倍增。 4. Marvell(收购处理器芯片企业Cavium)ARM/MIPS处理器
谈到边缘计算，就不得不提Marvell(收购处理器芯片企业Cavium)。作为企业级计算和通信芯片的重要一支，过去几年，该公司经过多次重组和并购，逐步剥离掉消费类等业务，将资源都集中在企业级芯片的研发和市场拓展上了，特别是收购Cavium(MIPS处理器以及ARM处理器芯片厂家)以后，将ARM架构处理器和边缘计算应用作为了重点拓展领域。 特别是推出ThunderX系列处理器之后，更凸显了其在该领域的发展雄心，目前，该系列已经推出两代产品，并承诺每两年升级一次。2018年的ThunderX2基于ARM v8.1架构，今年推出了第三代ThunderX3，第四代ThunderX4有望于2022年面世。 5. 其它ARM/FPGA解决方案
针对边缘计算新兴市场， ARM服务器芯片的初创企业越来越多地受到了业界关注，如Ampere等，它们的产品很有特色，但局限于当前的ARM架构性能，要想在高性能数据中心和云计算应用上与传统的x86架构CPU竞争，还是有很大难度。但在企业级计算，以及边缘侧应用领域，还是有不错发展前途的。 Huawei 鲲鹏ARM64服务器系列芯片与昇腾AI计算系列芯片高低搭配组合，满足数据中心和边缘计算的需求，正在应用推广中。 除了ARM服务器芯片之外，还有一些新兴产品企业也有望在边缘计算领域谋得红利，如嵌入式FPGA企业，它们将FPGA进行了IP化处理，不再是传统的FPGA芯片，而是向客户提供FPGA的IP，可以嵌入客户设计的SoC(提供IP Core部件，应用于SOC芯片)中。这在未来的边缘计算领域也会有发挥其优势的空间。 总结
边缘计算属于新兴应用领域，市场发展空间巨大。随着市场业务需求变化，计算机体系架构持续在演进，对计算机解决方案提出新的需求，这就为相应计算芯片和计算机行业的发展和创新提供了机遇。
