Pokud je umělá inteligence vnímána jako cesta z bodu A do bodu B, pak cloudová služba představuje letiště nebo rychlodráhu a edge computing je taxi nebo sdílené kolo. Edge computing je blízko lidí, věcí nebo zdrojů dat. Využívá otevřenou platformu, která integruje úložiště, výpočetní techniku, přístup k síti a základní funkce aplikací, aby poskytovala služby uživatelům v okolí. Ve srovnání s centrálně nasazenými cloudovými službami řeší edge computing problémy, jako je dlouhá latence a vysoká konvergence provozu, a poskytuje lepší podporu pro služby v reálném čase a náročné na šířku pásma.
Oheň ChatGPT spustil novou vlnu vývoje umělé inteligence a urychlil její pronikání do dalších aplikačních oblastí, jako je průmysl, maloobchod, chytré domy, chytrá města atd. Na straně aplikace je třeba ukládat a vypočítávat velké množství dat a spoléhání se pouze na cloud již nedokáže uspokojit skutečnou poptávku. Edge computing zlepšuje poslední kilometr aplikací umělé inteligence. V rámci národní politiky energického rozvoje digitální ekonomiky vstoupil čínský cloud computing do období inkluzivního rozvoje, poptávka po edge computingu prudce vzrostla a integrace cloudu na edge a end platformě se stala důležitým vývojovým směrem v budoucnu.
Trh edge computingu poroste v příštích pěti letech o 36,1 % ročně
Odvětví edge computingu vstoupilo do fáze stabilního rozvoje, o čemž svědčí postupná diverzifikace poskytovatelů služeb, rozšiřující se trh a další rozšiřování oblastí použití. Pokud jde o velikost trhu, data ze sledovací zprávy IDC ukazují, že celková velikost trhu s edge computingovými servery v Číně dosáhla v roce 2021 hodnoty 3,31 miliardy USD a očekává se, že celková velikost trhu s edge computingovými servery v Číně poroste složenou roční mírou růstu 22,2 % v letech 2020 až 2025. Společnost Sullivan předpovídá, že velikost trhu s edge computingem v Číně by měla v roce 2027 dosáhnout 250,9 miliardy RMB s průměrnou roční mírou růstu 36,1 % v letech 2023 až 2027.
Ekologický průmysl edge computingu vzkvétá
Edge computing se v současné době nachází v rané fázi epidemie a hranice podnikání v rámci odvětví jsou relativně nejasné. Pro jednotlivé dodavatele je nutné zvážit integraci s obchodními scénáři a také schopnost přizpůsobit se změnám v obchodních scénářích z technického hlediska. Dále je nutné zajistit vysokou míru kompatibility s hardwarovým vybavením a inženýrské schopnosti pro realizaci projektů.
Řetězec edge computingu se dělí na dodavatele čipů, dodavatele algoritmů, výrobce hardwarových zařízení a poskytovatele řešení. Dodavatelé čipů většinou vyvíjejí aritmetické čipy od koncové strany k okrajové straně a cloudové straně a kromě okrajových čipů vyvíjejí také akcelerační karty a podpůrné platformy pro vývoj softwaru. Dodavatelé algoritmů berou algoritmy počítačového vidění jako jádro pro vytváření obecných nebo přizpůsobených algoritmů a existují také podniky, které budují algoritmická centra nebo školicí a push platformy. Dodavatelé zařízení aktivně investují do produktů edge computingu a forma produktů edge computingu se neustále obohacuje, čímž se postupně vytváří kompletní sada produktů edge computingu od čipu až po celý stroj. Poskytovatelé řešení poskytují softwarová nebo softwarově-hardwarová řešení pro specifická odvětví.
Aplikace v odvětví edge computingu se zrychlují
V oblasti chytrých měst
Komplexní inspekce městských nemovitostí se v současnosti běžně používá v režimu manuální inspekce, přičemž tento režim má problémy s vysokou časovou a pracnou náročností, závislostí procesu na jednotlivcích, nízkým pokrytím a četností inspekcí a špatnou kontrolou kvality. Zároveň proces inspekce zaznamenává obrovské množství dat, ale tyto datové zdroje nebyly transformovány do datových aktiv pro posílení podnikání. Aplikací technologie umělé inteligence v mobilních inspekčních scénářích podnik vytvořil inteligentní inspekční vozidlo s umělou inteligencí pro správu měst, které využívá technologie jako internet věcí, cloud computing, algoritmy umělé inteligence a je vybaveno profesionálním vybavením, jako jsou kamery s vysokým rozlišením, palubní displeje a boční servery s umělou inteligencí, a kombinuje inspekční mechanismus „inteligentní systém + inteligentní stroj + asistence personálu“. Podporuje transformaci správy měst od personálně náročné k mechanické inteligenci, od empirického úsudku k analýze dat a od pasivní reakce k aktivnímu objevování.
V oblasti inteligentního staveniště
Inteligentní řešení pro staveniště založená na edge computingu aplikují hlubokou integraci technologie umělé inteligence do tradičního monitorování bezpečnosti ve stavebnictví. Umístěním edge computingového terminálu pro analýzu s využitím umělé inteligence na staveništi, dokončením nezávislého výzkumu a vývoje vizuálních algoritmů umělé inteligence založených na inteligentní technologii video analytiky, nepřetržitou detekcí událostí (např. detekcí, zda nosit přilbu), poskytováním identifikace rizikových bodů pro personál, životní prostředí, bezpečnost a další bezpečnostní rizika a služeb připomínání alarmů a iniciativou v identifikaci nebezpečných faktorů, inteligentním střežení s využitím umělé inteligence, úsporou nákladů na pracovní sílu, s cílem uspokojit potřeby řízení bezpečnosti personálu a majetku na staveništích.
V oblasti inteligentní dopravy
Architektura cloudových řešení se stala základním paradigmatem pro nasazení aplikací v odvětví inteligentní dopravy, přičemž cloudová strana je zodpovědná za centralizovanou správu a část zpracování dat, edge side zajišťuje především analýzu dat a výpočetní rozhodování na edge side a end side je zodpovědná především za sběr obchodních dat.
Ve specifických scénářích, jako je koordinace vozidel a silnic, holografické křižovatky, automatická jízda a železniční doprava, je přístupné velké množství heterogenních zařízení, která vyžadují správu přístupu, správu východů, zpracování alarmů a zpracování provozu a údržby. Edge computing dokáže rozdělit a dobývat, proměnit velké v malé, poskytovat funkce pro převod protokolů napříč vrstvami, dosáhnout jednotného a stabilního přístupu a dokonce i kolaborativní kontroly heterogenních dat.
V oblasti průmyslové výroby
Scénář optimalizace výrobního procesu: V současné době je velké množství diskrétních výrobních systémů omezeno neúplností dat a celková efektivita zařízení a další výpočty indexových dat jsou relativně nedbalé, což ztěžuje jejich použití pro optimalizaci efektivity. Platforma edge computingu založená na informačním modelu zařízení pro dosažení horizontální a vertikální komunikace výrobního systému na sémantické úrovni, založená na mechanismu zpracování toku dat v reálném čase pro agregaci a analýzu velkého množství dat z terénu v reálném čase, pro dosažení fúze informací z více zdrojů dat na modelové výrobní lince, pro poskytnutí výkonné datové podpory pro rozhodování v diskrétním výrobním systému.
Scénář prediktivní údržby zařízení: Údržba průmyslových zařízení se dělí na tři typy: opravná údržba, preventivní údržba a prediktivní údržba. Rekonstrukční údržba patří k údržbě ex post facto, preventivní údržba a prediktivní údržba patří k údržbě ex ante. První je založena na čase, výkonu zařízení, podmínkách na místě a dalších faktorech pro pravidelnou údržbu zařízení, víceméně založených na lidských zkušenostech, druhá je založena na sběru dat ze senzorů, monitorování provozního stavu zařízení v reálném čase, na analýze dat z průmyslu a přesné předpovědi, kdy dojde k poruše.
Scénář průmyslové kontroly kvality: Oblast průmyslové vizuální kontroly je první tradiční formou automatické optické kontroly (AOI) v oblasti kontroly kvality, ale dosavadní vývoj AOI v mnoha scénářích detekce defektů a dalších složitých scénářích, kvůli defektům různých typů, neúplné extrakci prvků, špatné rozšiřitelnosti adaptivních algoritmů, častým aktualizacím výrobní linky, nepružné migraci algoritmů a dalším faktorům, tradiční systém AOI jen obtížně splňuje potřeby vývoje výrobní linky. Proto platforma algoritmů průmyslové kontroly kvality s umělou inteligencí, reprezentovaná hlubokým učením + učením malých vzorků, postupně nahrazuje tradiční schéma vizuální kontroly a platforma průmyslové kontroly kvality s umělou inteligencí prošla dvěma fázemi: klasickými algoritmy strojového učení a algoritmy kontroly s hlubokým učením.
Čas zveřejnění: 8. října 2023