AWS在re:Invent 2020大会上，发布了边缘计算机视觉服务SDK和专用的设备，而现在相对应的设备AWS Panorama Appliance正式推出，能够让用户部署在本地端，快速且安全地分析摄影机图像，执行计算机视觉任务。
虽然在云计算，用户能够利用大规模存储和计算资源，方便地训练计算机视觉模型，但是部分场景，用户无法或是不想在云计算执行这类工作负载，AWS提到，很多时候需要部署计算机视觉功能的现场，没有足够的带宽，无法将图片送上云计算，或是部分用例需要非常低的延迟，也有不少用户只想要将图像保存在本地端。
而AWS Panorama能够满足这些需求，让用户直接在本地端对摄影机应用计算机视觉技术，以高精度和低延迟在本地端进行预测。通过AWS Panorama Appliance，自动执行过去需要人工检查的任务，像是评估制造品质、识别工业流程的瓶颈，甚至是监控工作场所的安全。
即便没有互联网连接的环境，也可以使用AWS Panorama Appliance，摄影机制造商利用SDK，可以直接在其IP摄影机加入相关的功能。官方解释，AWS Panorama Appliance是执行应用程序的硬件，用户利用AWS Panorama控制台，或是AWS SDK来注册设备，更新其软件并且部署应用程序。
AWS Panorama Appliance能够探索连接的摄影机流媒体，将图片转送到用户的应用程序，只要在设备连接显示器，就可以显示图片输出。AWS Panorama Appliance是一个边缘设备，不会将图片发送到AWS云计算处理，而是在本地端以经过优化的硬件运算，这样的方式可以让用户即时分析图片，并在网络连接受限的环境，依然可以执行运算，AWS Panorama Appliance需要连接网络的时机，仅有回应其状态、上传日志记录，以及获得更新等。
AWS Panorama Appliance所执行的应用程序称为节点，包含了一系列组件，包括摄影机、模型、程序代码和全局变量，AWS Panorama Appliance从S3访问用户上传的应用程序节点包。
计算机视觉模型是经过训练，以处理图像的机器学习网络，计算机视觉模型可以执行各种任务，像是分类、检测、分割和关注，其接受图像输入，并且输出有关图像或是图像中对象的信息。AWS Panorama支持包括Apache MXNet、Keras、ONNX、PyTorch、TensorFlow和TensorFlow Lite所构建的模型，用户可以使用Amazon SageMaker构建模型，并且从S3存储桶导入。