我们都知道现在边缘计算基础层更多是用容器去部署，还有什么别的方案吗？

对于智能化应用的部署，更加推荐在裸金属上，基于容器的开发和部署方式，首先英伟达在 NGC （ngc.nvidia.com）里面预制好各种的 GPU 运行环境，预训练模型， Helm 脚本及 SDK ，便于快速的开发和部署，结合最新一代安培架构的 A100 、 A30 的 MIG （多 GPU 实例），支持将一片 GPU 物理安全切分成多片 GPU 实例，同时部署运行独立不同的容器或 AI 应用，更加灵活的使用和调度 GPU 资源，且相比 vGPU 有更好的管理粒度和隔离的安全性。也支持在VM中去做应用的部署，可同时选择vGPU或MIG的切分方案。另外，对于应用的部署，也可以参考英伟达推理服务软件TRITON https://www.nvidia.cn/deep-learning-ai/solutions/inference-platform/

由于边缘计算是云端功能下沉的体现，云端目前都基本是基于K8S+docker方式实现业务容器化并部署的，所以边缘计算一般也是基于容器，因为这样才更方式的实现云端调度，边端执行。
另外，如果我们抓住边缘计算的本质，就是通过分布式、高可用、业务易部署与维护，那么容器化就是一个很重要的过程，还有一种就是不好容器化的场景，可以基于kubevirt来实现用容器来管理虚拟机，将业务部署在虚拟机中。