Pokud je umělá inteligence považována za cestu z bodu A do bodu B, služba cloud computingu je letiště nebo vysokorychlostní železniční stanice a edge computing je taxi nebo sdílené kolo.Edge computing je blízko na straně lidí, věcí nebo zdrojů dat.Přijímá otevřenou platformu, která integruje úložiště, výpočty, síťový přístup a schopnosti jádra aplikací, aby poskytovala služby uživatelům v okolí.Ve srovnání s centrálně nasazenými službami cloud computing řeší edge computing problémy, jako je dlouhá latence a vysoký konvergenční provoz, a poskytuje lepší podporu pro služby v reálném čase a služby náročné na šířku pásma.
Požár ChatGPT odstartoval novou vlnu vývoje umělé inteligence, která urychlila pronikání umělé inteligence do více aplikačních oblastí, jako je průmysl, maloobchod, chytré domácnosti, chytrá města atd. Velké množství dat je třeba ukládat a počítat na a spoléhání se na samotný cloud již nedokáže uspokojit skutečnou poptávku, edge computing vylepšuje poslední kilometr aplikací AI.V rámci národní politiky energického rozvoje digitální ekonomiky vstoupil čínský cloud computing do období inkluzivního rozvoje, poptávka po edge computingu prudce vzrostla a integrace cloud edge and end se stala důležitým evolučním směrem v budoucnosti.
Edge computing trh poroste v příštích pěti letech o 36,1 % CAGR
Odvětví edge computingu vstoupilo do fáze stabilního rozvoje, o čemž svědčí postupná diverzifikace jeho poskytovatelů služeb, rozšiřující se velikost trhu a další rozšiřování aplikačních oblastí.Pokud jde o velikost trhu, data ze zprávy IDC o sledování ukazují, že celková velikost trhu serverů edge computing v Číně dosáhla v roce 2021 3,31 miliardy USD a očekává se, že celková velikost trhu serverů edge computing v Číně poroste při složeném ročním růstu. 22,2 % od roku 2020 do roku 2025. Sullivan předpovídá, že velikost trhu edge computingu v Číně v roce 2027 dosáhne 250,9 miliard RMB s CAGR 36,1 % od roku 2023 do roku 2027.
Edge computing eko-průmysl prosperuje
Edge computing je v současnosti v rané fázi propuknutí a obchodní hranice v průmyslovém řetězci jsou poměrně nejasné.U jednotlivých prodejců je nutné zvážit integraci s obchodními scénáři a dále je nutné mít schopnost přizpůsobovat se změnám obchodních scénářů z technické úrovně a také je nutné zajistit vysokou míru kompatibilita s hardwarovým vybavením, stejně jako inženýrská schopnost přistávat projekty.
Řetězec odvětví edge computingu se dělí na dodavatele čipů, dodavatele algoritmů, výrobce hardwarových zařízení a poskytovatele řešení.Dodavatelé čipů většinou vyvíjejí aritmetické čipy od koncové strany přes okrajovou až po cloudovou a kromě okrajových čipů vyvíjejí také akcelerační karty a podporují platformy pro vývoj softwaru.Dodavatelé algoritmů berou algoritmy počítačového vidění jako jádro pro vytváření obecných nebo přizpůsobených algoritmů a existují také podniky, které staví algoritmická centra nebo školicí a push platformy.Prodejci zařízení aktivně investují do produktů edge computingu a podoba produktů edge computingu se neustále obohacuje a postupně tvoří celou řadu produktů edge computingu od čipu až po celý stroj.Poskytovatelé řešení poskytují softwarová nebo softwarově-hardwarová řešení pro konkrétní průmyslová odvětví.
Okrajové počítačové průmyslové aplikace se zrychlují
V oblasti chytrého města
Komplexní inspekce městského majetku se v současné době běžně používá v režimu ruční inspekce a režim ruční inspekce má problémy s vysokou časovou náročností a pracností, procesní závislostí na jednotlivcích, špatným pokrytím a frekvencí inspekcí a nízkou kvalitou. řízení.Inspekční proces zároveň zaznamenal obrovské množství dat, ale tyto zdroje dat nebyly transformovány do datových aktiv pro posílení obchodního postavení.Aplikací technologie AI na scénáře mobilních inspekcí vytvořil podnik inteligentní inspekční vozidlo AI pro správu měst, které využívá technologie, jako je internet věcí, cloud computing, algoritmy AI, a nese profesionální vybavení, jako jsou kamery s vysokým rozlišením. palubní displeje a postranní servery AI a kombinuje kontrolní mechanismus „inteligentní systém + inteligentní stroj + asistence personálu“.Podporuje transformaci městské správy z personálně náročné na mechanickou 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 AI do tradičního monitorování bezpečnosti ve stavebnictví tím, že na staveniště umístí terminál pro analýzu AI okrajů, dokončí nezávislý výzkum a vývoj vizuálních algoritmů AI založených na inteligentním videu. analytická technologie, detekce událostí, které mají být detekovány na plný úvazek (např. zjišťování, zda nosit či nenosit přilbu), poskytování služeb identifikace osob, prostředí, bezpečnosti a dalších bezpečnostních rizikových bodů a připomenutí poplachů a převzetí iniciativy k identifikaci nebezpečných faktory, AI inteligentní střežení, úspora nákladů na pracovní sílu, aby byly splněny potřeby řízení bezpečnosti personálu a majetku na staveništích.
V oblasti inteligentní dopravy
Cloudová architektura se stala základním paradigmatem pro nasazování aplikací v odvětví inteligentní dopravy, přičemž cloudová strana je zodpovědná za centralizovanou správu a část zpracování dat, okrajová strana poskytuje především analýzu dat na okraji a rozhodování o výpočtech. zpracování a koncová strana zodpovědná hlavně za sběr obchodních dat.
Ve specifických scénářích, jako je koordinace vozidlo-silnice, holografické křižovatky, automatická jízda a železniční provoz, existuje velké množství heterogenních zařízení, která vyžadují řízení přístupu, správu výjezdů, zpracování alarmů a zpracování provozu a údržby.Edge computing může rozdělovat a dobýt, přeměnit velké na malé, poskytovat funkce konverze protokolů mezi 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 poměrně nedbalé, což ztěžuje použití pro optimalizaci efektivity.Okrajová výpočetní platforma založená na informačním modelu zařízení k dosažení sémantické úrovně výrobního systému horizontální komunikace a vertikální komunikace, založená na mechanismu zpracování datového toku v reálném čase pro agregaci a analýzu velkého množství dat v reálném čase, k dosažení modelové výrobní linky fúze informací z více zdrojů dat, která poskytuje výkonnou datovou podporu pro rozhodování v diskrétním výrobním systému.
Scénář prediktivní údržby zařízení: Údržba průmyslového zařízení je rozdělena do tří typů: opravná údržba, preventivní údržba a prediktivní údržba.Opravná údržba patří k údržbě ex post facto, preventivní údržba a prediktivní údržba k údržbě ex-ante, přičemž první z nich je založena na čase, výkonu zařízení, podmínkách na místě a dalších faktorech pro pravidelnou údržbu zařízení, víceméně na základě lidského faktoru. Zkušenosti, druhé prostřednictvím sběru dat ze senzorů, monitorování provozního stavu zařízení v reálném čase na základě průmyslového modelu analýzy dat a přesně předvídat, kdy dojde k poruše.
Scénář inspekce průmyslové kvality: pole inspekce průmyslového vidění je první tradiční automatickou optickou inspekcí (AOI) formou do oblasti inspekce kvality, ale dosavadní vývoj AOI, v mnoha detekcích defektů a dalších složitých scénářích, kvůli různým defektům typů, extrakce rysů je neúplná, adaptivní algoritmy špatná rozšiřitelnost, výrobní linka je často aktualizována, migrace algoritmu není flexibilní a další faktory, tradiční systém AOI bylo obtížné splnit vývoj potřeb výrobní linky.Platforma algoritmu inspekce průmyslové kvality AI reprezentovaná hlubokým učením + učením na malém vzorku proto postupně nahrazuje tradiční schéma vizuální kontroly a platforma AI průmyslové kontroly kvality prošla dvěma fázemi klasických algoritmů strojového učení a algoritmů inspekce hlubokého učení.
Čas odeslání: říjen-08-2023