由 Azure 管理的边缘计算设备
无论是公司数据中心、分支机构，还是远程现场资产，Azure Stack Edge（以前称为 Azure Data Box Edge）均可根据需要带来 Azure 的计算功能、存储和智能。
使用 FPGA 或 GPU 的硬件加速型机器学习*
使用容器或 VM 进行边缘计算，*所有这些都通过云、单个设备或跨 Kubernetes 设备群集进行管理*
就像任何其他 Azure 服务一样，从订购到操作均由 Azure 管理的设备
云存储网关，用于通过网络将数据传输到 Azure，同时保留对 blob 和文件的本地访问权限
*即将推出
运行数据源附近的机器学习模型
使用边缘计算设备从本地数据中快速获得见解，该设备可通过 FPGA 或 GPU 提供硬件加速的机器学习 (ML) 功能。* 分析视频源、机器传感器数据等。充分利用云和边缘的优势。在 Azure 中构建和训练 ML 模型，在边缘上运行这些模型，然后将数据上传到云以重新训练和改进模型。
使用边缘计算解决工作负载需求
通过处理数据源附近的数据来加快结果生成速度，而无需增加往返云带来的延迟。运行容器以分析、转换和筛选位于边缘位置或数据中心中的数据。使用 Azure IoT Edge 平台预配和管理容器。Azure Stack Edge 还将支持虚拟机 (VM)* 和 Kubernetes 群集*，因此你可以让单个平台运行大多数边缘计算工作负载。
在 Azure 门户中管理边缘设备
从 Azure 门户订购你的设备，然后像其他 Azure 服务一样，即用即付。跨云和边缘环境使用相同的 Azure 门户、访问凭据和开发工具。从 Azure 门户配置、监视、修补和更新设备。
通过网络将数据传输到 Azure
使用 Azure Stack Edge 作为云存储网关，执行往返 Azure 的高速安全传输，同时保留对文件的本地访问权限。使用它的本地缓存功能和带宽限制功能可限制高峰营业时间的使用量，并在带宽受到限制时优化到 Azure 的传输。
选择最适合该工作的设备
商业系列
为大多数商业场景量身定制，例如零售商店和数据中心。
用例
边缘机器学习
Azure Stack Edge 通过处理源附近的数据来帮助解决延迟或连接问题。在边缘位置运行机器学习模型。将所需数据集（完整数据集或子集）传输到 Azure，以重新训练并继续改进模型。
物联网
对 IoT 或数据中心数据进行处理、分类、分析，以确定可立即采取的措施、需要以及不需要保留并存储在云中的内容。
将网络数据从边缘传输到云端
将数据轻松快速地传输到 Azure，以实现进一步的计算或存档，或加快云迁移。完成后，将设备退还给 Microsoft。
边缘和远程站点计算
在远程位置运行应用程序以加快事务处理速度并解决带宽限制。在你与云的连接有限时，本地应用程序仍然可以工作。
法规符合性
通过使用 ML 模型来帮助提醒潜在的敏感数据并在本地采取措施，确保发送回云的数据没有违反任何符合性法规。
Azure Stack Edge定价
- 无前期成本
- 无终止费用
- 只为自己使用的资源付费