进行有效的场景创新，并在场景中加入技术，才能真正实现这种技术的价值，因此，边缘计算的应用场景也成为业界关注的焦点。
智能驾驶就是边缘计算应用的一个典型场景，业界对其应用和技术发展方向已达成共识。所以，智能驾驶肯定是第一个落地的应用场景，而感知计算芯片将是最关键的一环。具体地说，智能网联汽车包括智能感知、智能化和网络化。其中，智能感知是边缘计算关注的重点方向。这种情况将给芯片带来很多新的需求，包括对算力、传感器兼容性和对不同多传感器的支持。为了满足这一市场需求，将其技术汇集在一块可面向智能驾驶，未来可扩展到自动驾驶的智能感知计算芯片中，该边缘计算芯片作为所有技术的载体可支持各种不同传感器，并在低功耗下提供更强的算力。
除智能驾驶外，边缘计算在视频安防、汽车电子(后装)、AIOT等领域也有很好的落地，以目前已为边缘计算设计且已量产的汽车应用实例，有DMS(Drivermonitoringsystem，驾驶员监测系统)、基于深度网络的ADAS等汽车电子的应用还有扫地机器人、教育行业的手势识别、绘本识别、OCR等AIOT的应用。边缘计算的定义是相对云计算的，一般来讲，对于边缘计算能够落地的应用，从功能上说，云计算也可以基本解决，但是边缘计算可以解决云智能不能很好解决的算力成本、带宽成本、时延等痛点问题。2C端的应用规模较大，单一设备的成本更为敏感。所以，边缘计算芯片首先要解决的是成本问题。
