將 Azure 計算、儲存體和智慧帶到邊緣的 Azure 受控設備
使用 FPGA 或 GPU 的硬體加速機器學習*
使用容器或 VM 的邊緣計算，*全部都可從雲端並在單一設備或跨 Kubernetes 設備叢集進行管理*
Azure 受控設備從訂購到運作都與其他所有 Azure 服務一樣
雲端儲存體閘道，可透過網路將資料傳輸到 Azure，同時依然可在本機存取 Blob 和檔案
在接近資料來源處執行機器學習模型
在接近資料來源處執行機器學習模型
使用透過 FPGA 或 GPU 提供硬體加速機器學習 (ML) 功能的邊緣運算設備，從您的本機資料快速取得見解。* 分析影片摘要、來自機械的感應器資料等。結合雲端和邊緣的優點。在 Azure 中建置和訓練 ML 模型、在邊緣執行模型，然後將資料上傳到雲端以重新訓練和改進模型。
使用邊緣運算來解決您的工作負載需求
處理接近來源的資料以縮短獲得結果的時間，而不會增加往返雲端的延遲。執行容器，在邊緣位置或資料中心分析、轉換和篩選資料。使用 Azure IoT Edge 平台來佈建和管理容器。Azure Stack Edge 也會支援虛擬機器 (VM)* 和 Kubernetes 叢集*，以便您在單一平台上執行大部分的邊緣計算工作負載。
在 Azure 入口網站中管理邊緣設備
從 Azure 入口網站訂購您的設備，與其他所有 Azure 服務一樣隨用隨付。在雲端和邊緣環境中使用相同的 Azure入口網站、存取認證和開發工具。從 Azure 入口網站設定、監視、修補和更新設備。
透過網路將資料傳輸至 Azure
使用 Azure Stack Edge 作為您的雲端儲存體閘道，以與 Azure 高速並安全地來回傳輸，同時仍可在本機存取檔案。當頻寬有限時，可於尖峰上班時間利用其本機快取功能和頻寬節流，來限制使用量，以將對 Azure 進行的傳輸最佳化。
使用案例
在 Azure 入口網站中管理邊緣設備
對您 IoT 或資料中心的資料，進行處理、排序和分析，來判斷可立即採取的行動，以及項目是否應保存在雲端。
從邊緣到雲端的網路資料傳輸
輕鬆且快速地將資料傳輸至 Azure，進行進一步的計算或封存，或是加快雲端移轉的速度。在完成後將設備送回 Microsoft。
邊緣的機器學習服務
Azure Stack Edge 能夠處理離來源最近的資料，協助解決延遲或連線問題。直接在邊緣位置執行 Machine Learning 模型。將您所需的完整資料集或一部分的資料集，傳輸至 Azure 進行重新訓練，並持續改善您的模型。
邊緣和遠端站台計算
在遠端位置執行應用程式，以加快交易速度並解決頻寬限制。當您的雲端連線能力有限時，仍可使用本機應用程式。
法規合規性
使用 ML 模型可協助警示您可能有潛在的敏感性資料，並於當地採取動作，確保傳送回雲端的檔案不會違反任何合規性法規。