通过 Azure Stack Edge 专门构建的硬件即服务
使用通过 Azure Stack Edge 专门构建的硬件即服务，直接在创建数据的边缘运行工作负载并快速获得可行的见解。
通过简单的订购和履行，可使用标准的 Azure 管理工具从云中管理设备
借助 Azure loT Edge，可通过可靠选项使用具有多节点和虚拟机支持的 Kubernetes，在 loT 中心部署和管理容器以及在边缘与 Azure loT 解决方案集成
借助 NVIDIA T4 Tensor Core GPU 和 Intel VPU，向各种机器学习工作负载提供硬件加速
保留 Azure 存储帐户的本地缓存，从而利用存储网关自动上传
借助硬件即服务和无缝的云到边缘体验轻松上手
只需从 Azure 门户中以硬件即服务的模式订购设备，按月通过 Azure 订阅付费。
使用与 Azure 相同的管理门户和开发工具来配置、监视和更新 Azure Stack Edge，同时获得无缝的云到边缘体验。
在靠近数据的边缘运行应用程序
直接在创建和收集数据的边缘运行容器化的应用程序和 VM。在边缘分析、转换和筛选数据，仅将所需数据发送到云，以进行进一步处理或存储。
通过硬件加速的 AI/ML 分析数据，快速获得可行的见解
在 Azure 中构建和训练机器学习模型或使用 Azure 认知服务，然后利用 Mini R 中的内置 NVIDIA T4 GPU 或 Intel VPU 在本地加速产生结果。将完整的数据集或子集上传到云以重新训练模型，并使边缘设备更加智能。
在云和边缘之间轻松高效地传输数据
Azure Stack Edge 充当云存储网关，允许将数据传输到 Azure，同时保留对文件的本地访问。Azure Stack Edge 具有可限制高峰营业时段使用量的本地缓存功能和带宽限制功能，可用于优化往返于 Azure 的数据传输。
选择最适合相应作业的设备
Azure Stack Edge Pro 系列
为边缘工作负载提供企业级规模和性能。
Pro 2
针对边缘和分支机构进行了优化的紧凑型外形。灵活的装载选项。
配置选项：
- 32 个 vCPU，51 GB RAM，720 GB
- 32 个 vCPU，102 GB RAM，1.6 TB，1 个 NVIDIA A2 GPU
- 32 个 vCPU，204 GB RAM，2.5 TB，2 个 NVIDIA A2 GPU
所有数字均为客户可用容量。
Pro
1U 机架安装式设备，针对数据中心或分支机构内的条件进行了优化。
配置选项：
- 40 个 vCPU，102 GB RAM，4.2 TB，1 个 NVIDIA T4 GPU
- 40 个 vCPU，102 GB RAM，4.2 TB，2 个 NVIDIA T4 GPU
所有数字均为客户可用容量。
Azure Stack Edge Mini 系列
专为随时随地进行边缘处理而设计。
用例
边缘的机器学习
Azure Stack Edge 通过在数据源附近处理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、不需要以及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
轻松地将数据快速传输到 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。在你与云的连接受限时，本地应用程序仍然可以工作。
法规合规性
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合规性法规。
Azure Stack Edge 和 Azure AI 有助于阻止贩卖动物
了解伦敦希思罗机场如何试运行适用于 AI 和机器学习工作负载的 Azure Stack Edge，从而将 3D 扫描仪与 Azure AI 模型相结合，以防止非法贩卖野生动物。
全面的内置安全性和合规性
-
Microsoft 每年在网络安全研发方面的投资超过 USD 10 亿。
-
我们雇佣了3,500 多名安全专家，专门负责数据安全和隐私方面的工作。
通过 Azure 免费帐户开始使用
2
用完额度后，请改为即付即用定价以继续使用相同的免费服务构建自己的内容。只需为超出每月免费金额以外的部分付费。
3
了解客户如何使用 Azure Stack Edge
"Azure Stack Edge 的本地特性和基于 Intel 的现场可编程门阵列 (FPGAs) 使我们能够将该设备无缝集成到自然应用程序中的一部分。"
T.Michael Thornton，Olympus 客户解决方案业务部的研发副总裁
"我认为这种规模的改进大约每二三十年就会出现一次。"
Cengiz Balkas，Wolfspeed 高级副总裁兼总经理
a
边缘设备中的 AI 在海运业促进了自主船舶的发展。
