新基建下的边缘算力行业现状
现应用于智能交通行业主流的MEC（Multi-access Edge Computing）边缘计算产品缺乏自顶向下的设计和规划，开放的市场竞争可能演化为无序甚至恶性竞争，劣币驱逐良币，影响产业链发展的可持续性，动辄数十万的数据中心服务器作为边缘侧设备来使用，用户无奈于为无效算力在买单，且主算力受制于国外厂商的控制（如英伟达 AMD等）。
目前面临的问题：
中间件质量堪忧，通过寻找现成第三方模块快速堆砌系统，厂商自己对于第三方模块本身的健壮性、安全性缺少评估，一旦第三方组件出现重大安全漏洞，厂商本身缺乏解决能力，后果堪忧。
硬件方案过于注重成本，注重短期目标实现，对中长期最大程度保护用户投资漠不关心。对于未来所需的弹性计算资源评估不足，功能和性能拓展性差，一旦需求升级，需要重新部署并批量更换设备。
缺乏统一的平台，以及缺少标准化约束，造成无序恶性竞争，设置大量与实际应用需求无关的“控标点”，一方面用户真正的需要没有得到最好的满足，另外一方面用户在不需要的需求上支付超额成本。
嵌入式设备平台之间因为硬件构架的差异性、操作系统的差异性，兼容性差。若规模部署，因设备的黑盒性质，而需求本身又要求设备具备开放性，导致最终用户易被厂商绑架。
各厂商之间底层操作互不兼容，硬件设备鉴权管理、健康管理出现碎片化局面，一套项目一套设备管理平台甚至多个设备管理平台。
解决方案：
在智能交通场景，MEC边缘计算网关部署于路侧，其能够在接收到视频图像等综合数据后，快速进行数据处理与分析，同时通过多种算法，如车辆检测、行人识别、车速测量等，现场实时研判做出处理结果，符合了交通实时性的要求，并同步将数据传送至中心，并能实时预测未来的交通状况；
在企事业、园区、公共场所等场景，例如监测到火情、烟雾、骚乱等公共安全等状况，边缘计算可在现场根据学习经验第一时间执行指令，而无需等待中心处理分析后的命令，直接有效的在初期对危情做出警示。
但现实在不断提醒我们，随着AI来临，算法学习成本越来越低，以上的这些应用真的需要几十上百Tops算力支撑吗？供不应求，趋之若鹜的算力卡应该由谁来买单？硬件载体几万几十万的成本如何才能更好的将应用落地？
得益于团队在图像、控制及通信业务上的浸润与实战经验，英鬲针对单点单场景推出了“轻量微边缘网关”，我们认为低成本小算力才能让算力深入到网络边缘的细微末梢，采用我们的方案让应用在边缘侧的优势充分得到发挥。
以市场需求养产业生态：
安全性：从核心芯片、关键软硬件中间件保证信息安全以及供应链安全。
平台化：核心芯片、核心模块、公用特性平台化。平台的稳定性有利于提高系统稳定性并减少重复投入。
标准化：系统间接口、系统内接口的标准化，有利于促进相互兼容，隔离系统风险。
可持续迭代：以产业规划引导新技术研发方向，以市场需求养研发投入，以平台化标准化规范技术研发，避免恶性无序竞争。
垂直协同：协同前后台，协同软硬件，协同终端与系统…以垂直协同代替横向竞争。
方案主要特点：
设备厂商作为行业轻量微边缘计算模块的用户，便于提高系统的标准性、安全性，且避免无序重复投入和恶性竞争。
核心芯片、核心组件（如文件系统、数据库、工具软件）国产化，源代码级自主可控。
采用自主知识产权操作系统针对行业特点进行二次封装，作为统一的系统底座进行持续迭代，避免碎片化开发。
采用白名单式应用市场管理，保证系统整体安全策略的有效性，以行业用户为第一原则。
设备及应用鉴权统一云平台管理，有效抵御从物理层到应用层的欺骗，便于规模化自动化部署及维护。
根据行业应用定制适合的算力设备（如单台设备仅处理5-10路视频），基于低成本方案提高算力点位，真正实现边缘侧计算应用。
应用案例：
国产化高性能计算模组
基于龙芯3A6000处理器(性能相当于Intel 2020 年上市的第 10 代酷睿四核处理器)，主频2.5GHz,4核8线程，8GB内存，配合龙芯7A2000集成高性能GPU，同时支持独立显卡。
元器件国产化率100%；.
支持2路千兆网络、 32路PCI-E、 8路USB2.0、 4路USB3.0、 6路串口、 3路SATA3.0等I/O扩展
支持银河麒麟国防版。
国产化嵌入式网络和计算一体化模组
基于瑞芯微RK3399 6核处理器，主频1.8GHz，4GB内存，支持20路千兆网络。
元器件国产化率100%；.
支持银河麒麟国防版。
