在我们之前的博客，我们强调了边缘计算日益增长的重要性，随着我们进入智能物联网时代，边缘计算与云计算相辅相成。现有公司(微软、亚马逊等)和新兴公司(雾角，SAP(如ClearBlade等)正在开发边缘物联网实现的创新变体。这些不同的方法旨在推动边缘智能的最有效实现。

两大云巨头亚马逊和微软主要为边缘计算提供软件和服务，这些软件和服务与它们现有的云数据存储和分析平台紧密集成。亚马逊的优势产品——亚马逊本片于2017年6月推出，将AWS云功能扩展到设备，用于本地处理和分析数据。然而，在格林格拉斯之后将近一年，微软推出了自己的边缘平台，Azure物联网边缘是更全面、更智能的物联网边缘解决方案。

2018年7月，谷歌进军边缘计算领域云物联网边缘和边缘TPU它的目标是与谷歌云平台(GCP)。宣布边缘TPU一直是最精彩的谷歌的物联网边缘战略尽管与亚马逊和微软相比，它进入边缘计算市场的时间较晚。

边缘TPU芯片

• 谷歌专门制造了一款ASIC芯片——Edge TPU，它的作用是硬件加速器执行TensorFlow Lite毫升的推论在移动和嵌入式设备
• 这是基于谷歌在云数据中心内部开发和部署的云tpu，它在云中训练机器学习模型
• 边缘TPU芯片在边缘执行这些ML推理，从而提供紧密集成的云到边缘硬件和软件基础设施
• 这个边缘产品的关键特性是在一个占用空间小在高性能和低功率
• 然而，理想情况下，人工智能处理需要大量的功率，而谷歌的Edge TPU芯片减少的计算精度它的云TPU从64位到8位以降低功耗需求，同时在边缘提供更高的计算效率
• 在2018年第四季度，谷歌计划发布Edge TPU作为开发套件的一部分，其中包括一个模块系统(SOM)和基础板

• SOM板是可拆卸的，因此Edge TPU模块可以与任何其他硬件集成。规格为NXP CPU, ML加速器:Google Edge TPU协处理器，RAM 1GB/闪存8GB, Wi-Fi/蓝牙
• 2018年5月，微软推出了一个类似的项目，名为项目的脑电波-基于的硬件系统fpga运行深度学习人工智能模型在云&在边缘具有低延迟和高性能
• 大公司正在发展相互竞争的专用硬件有效满足边缘深度学习模型日益增长的计算需求的产品。

边缘TPU加速器

• 谷歌还推出了Edge TPU加速器u盘主要旨在加快机器学习推理在低功耗物联网解决方案上的执行速度，例如覆盆子π和其他人
• 它将允许设备同时运行多个计算机视觉模型高分辨率视频在超过每秒30帧
• 通过外壳上的安装孔，该设备可以很容易地连接到树莓派Zero或其他定制板上可伸缩的
• 它还可以通过USB Type-C连接并运行Debian Linux和Android的事情系统

• 谷歌的策略推出Edge TPU加速器是为了增殖跨物联网开发人员使用树莓派等低功耗计算机。这将帮助开发人员有效地执行各种与人工智能相关的任务，例如图像识别，语音识别更多的是边缘
• 除了硬件，谷歌还发布了用于单板计算机的视觉和语音识别套件，作为AIY项目计划的一部分利用关于最新消息基于语音和摄像头的应用程序趋势
• 为了更深入地探索机器学习，AIY提供了各种有趣的训练有素的机器学习模型主要基于MobileNet可以在套件上运行的模型

人脸检测狗/猫/人检测碟分类器图像分类器

a的组合专用硬件组件(Edge TPU)和一个集成软件栈(云物联网边缘)之上Android的事情使谷歌的Edge实现成为一个整体和独特的产品。

谷歌雇佣了一名垂直整合战略Edge TPU芯片的内部开发。随着Azure球体另一方面，微软的Brainwave项目旨在通过与各种oem和组件/设备制造商合作来集成Azure Sphere操作系统，从而扩大其在整个价值链中的影响力。然而亚马逊最近宣布AWS重子-自定义soc用于支持他们的云数据中心，遵循谷歌的云tpu方法。未来，我们预计亚马逊也会为edge实现扩展定制硬件芯片的开发，就像谷歌对edge tpu所做的那样。

然而,谷歌的物联网边缘解决方案仍然在α阶段(仅限于测试环境的可用性)，到目前为止，有限数量的现有客户计划将其合并到他们当前的解决方案中。谷歌有一个非常站稳脚跟在消费市场但为了让其云物联网边缘软件渗透到企业垂直市场，他们需要这样做建立伙伴关系密切合作企业渠道和集成商。