AWSGreengrass是一种允许用户以安全方式为互联设备执行本地计算、消息收发和数据缓存的软件。借助 AWS Greengrass，互联设备可以运行AWS Lambda 函数、同步设备数据以及与其他设备安全通信，甚至无需连接互联网，最大程度地降低将IoT数据传输到云端的成本。
今年4月，Linux基金会发布开源物联网边缘计算项目：EdgeXFoundry。EdgeX Foundry 并不是一项新标准，而是统一标准和边缘应用的一种方式，它的主要目的是：打造并推广EdgeX这种面向物联网的通用开放标准;围绕可互操作的即插即用部件/组件打造一个生态系统;对EdgeX部件/组件进行认证等。
同样是4月，网络巨头思科和商业智能公司SAS宣布已经开发了全球第一个用于物联网分析的边缘计算平台，该平台将思科的边缘计算产品与SAS的高级分析功能相结合。
SAP公司则连续收购了两家物联网边缘计算初创企业：意大利的PLAT.ONE和挪威的Fedem Technology。并购完成后，SAPHANA云平台可以在整个企业的范围内支持IoT业务应用，无论在云端，还是在边缘。
戴尔也在积极拓展边缘计算平台产品与行业应用，追加发布专门针对工业应用边缘计算产品。最近，戴尔推出的边缘网关3000系列，拥有实时智能化处理能力，占用空间小，适应恶劣环境，丰富了戴尔边缘网关5000系列和嵌入式箱PC3000/5000系列等边缘计算产品线。
国内的通信巨头华为，也是边缘计算的积极推动者，参与联合倡议发起了国内的边缘计算产业联盟(Edge Computing Consortium，缩写为ECC)。
就在本周，还有一项进展值得关注，初创企业Neurala宣布深度学习取得重大进展，不需要云服务器，能够在边缘学习增量对象。这也就意味着人工智能也正在快速进行从云端到边缘的进化：自动驾驶汽车可以为每个车主或特定的区域进行个性化设计;父母可以教一个玩具去识别他们的孩子，而无需担心侵犯隐私;工业级的机器可以为特定的任务进行自主升级。
借助MDC完成从云端到边缘的转变
由传感器产生的实时数据在形式和作用方面都与传统的企业数据有很大的不同，无论是从联网汽车中产生的千兆字节数据，还是来自工业机器人装配线的控制数据，边缘计算都必须比过去所开发的任何云端技术更敏捷、更自主、更可靠。
在使用物联网系统之前，很多人没有意识到大量的物联网数据可能永远都不会被传送到云端，只适合就地进行处理，如果没有被实时处理，数据价值也将不复。
有些数据的“保鲜期”很短，处理一旦延误，就会迅速“变质”，数据价值呈断崖式跌落。因此不是所有数据都必须上传到云平台，何况关键信息还有可能在传送过程中延误或者受到干扰，尤其是那些通过LPWAN(低功耗广域网)传输的信息。
我们必须对这些关键数据快速响应以做出决策，要么在短时间内就采取行动，要么就眼睁睁的看着最佳时机溜走。
边缘计算的崛起也意味着巨头们必须放弃完全控制或主导IoT市场的梦想，而是专注于跨越多层数据架构开展广泛合作。作为一种迭代升级之后的理念，边缘计算也将重新定义云、管、端之间的关系。
那么对于行业应用来说，什么才是推进边缘计算的最佳方式呢?
有些人试图自己做，探索各种新技术，希望将它们组合成一个可行的解决方案。不过也有人找到了现成的，采用比如微型模块化数据中心(MDC)等边缘计算方案。
MDC已经存在一段时间了，它是一套用来实时采集、并报表化和图表化车间的详细制造数据和过程的软硬件解决方案。随着物联网的发展，需要使用更小的MDC，也就是“微型MDC”，快速将这些模块配置到边缘场景，实现计算能力的部署。
在微型MDC的选型过程中，过来人建议需要综合考虑以下5点：
确保灵活：由于各种应用场景千变万化，微型MDC需要考虑足够的灵活性，一体化的解决方案并不一定是最好的选择，往往针对不同环境进行微型MDC优化的步骤是必不可少的。
开放基础：在IT方面，需要寻找可扩展和可管理的解决方案，以便将更多的处理能力分配到边缘。这给IT部门提出了极大的挑战，为了实现服务敏捷性，拥有开放敏捷的底层基础架构，可以按照需求自动扩展资源配比变得异常关键。