Ak sa umelá inteligencia považuje za cestu z bodu A do bodu B, služba cloud computingu je letisko alebo vysokorýchlostná železničná stanica a edge computing je taxík alebo zdieľaný bicykel. Edge computing je blízko k ľuďom, veciam alebo zdrojom údajov. Prijíma otvorenú platformu, ktorá integruje možnosti ukladania, výpočtov, sieťového prístupu a jadra aplikácií na poskytovanie služieb používateľom v okolí. V porovnaní s centrálne nasadenými službami cloud computingu, edge computing rieši problémy, ako je dlhá latencia a vysoká konvergenčná prevádzka, čím poskytuje lepšiu podporu pre služby v reálnom čase a služby náročné na šírku pásma.
Oheň ChatGPT spustil novú vlnu vývoja AI, ktorá urýchlila prenikanie AI do viacerých aplikačných oblastí, ako je priemysel, maloobchod, inteligentné domácnosti, inteligentné mestá atď. Veľké množstvo údajov je potrebné uložiť a vypočítať a spoliehanie sa na samotný cloud už nedokáže uspokojiť skutočný dopyt, edge computing vylepšuje posledný kilometer aplikácií AI. V rámci národnej politiky energického rozvoja digitálnej ekonomiky vstúpil čínsky cloud computing do obdobia inkluzívneho rozvoja, dopyt po edge computingu prudko vzrástol a integrácia cloud edge and end sa stala dôležitým evolučným smerom v budúcnosti.
Edge computing trh porastie o 36,1 % CAGR v priebehu nasledujúcich piatich rokov
Odvetvie edge computingu vstúpilo do štádia stabilného rozvoja, o čom svedčí postupná diverzifikácia jeho poskytovateľov služieb, zväčšujúca sa veľkosť trhu a ďalšie rozširovanie aplikačných oblastí. Pokiaľ ide o veľkosť trhu, údaje zo správy IDC o sledovaní ukazujú, že celková veľkosť trhu serverov edge computing v Číne dosiahla v roku 2021 3,31 miliardy USD a očakáva sa, že celková veľkosť trhu serverov edge computing v Číne porastie pri zloženom ročnom raste. 22,2 % od roku 2020 do roku 2025. Sullivan predpovedá, že veľkosť trhu s edge computingom v Číne dosiahne v roku 2027 250,9 miliárd RMB s CAGR 36,1 % od roku 2023 do roku 2027.
Edge computing eko-priemysel prosperuje
Edge computing je v súčasnosti v počiatočnom štádiu prepuknutia a obchodné hranice v priemyselnom reťazci sú relatívne nejasné. U jednotlivých predajcov je potrebné zvážiť integráciu s biznis scenármi a taktiež je potrebné mať schopnosť prispôsobiť sa zmenám v biznis scenároch z technickej úrovne a taktiež je potrebné zabezpečiť vysoký stupeň kompatibilita s hardvérovým vybavením, ako aj inžinierska schopnosť pristávať projekty.
Reťazec hraničného výpočtového priemyslu je rozdelený na predajcov čipov, algoritmov, výrobcov hardvérových zariadení a poskytovateľov riešení. Predajcovia čipov väčšinou vyvíjajú aritmetické čipy od koncovej cez okrajovú až po cloudovú stranu a okrem okrajových čipov vyvíjajú aj akceleračné karty a podporujú platformy na vývoj softvéru. Dodávatelia algoritmov berú algoritmy počítačového videnia ako jadro pri vytváraní všeobecných alebo prispôsobených algoritmov a existujú aj podniky, ktoré budujú obchodné centrá pre algoritmy alebo školiace a push platformy. Predajcovia zariadení aktívne investujú do produktov edge computingu a forma produktov edge computingu sa neustále obohacuje, čím sa postupne vytvára celý balík produktov edge computingu od čipu až po celý stroj. Poskytovatelia riešení poskytujú softvérové alebo softvérovo-hardvérové riešenia pre špecifické odvetvia.
Zrýchľujú sa aplikácie okrajového výpočtového priemyslu
V oblasti smart city
Komplexná kontrola mestského majetku sa v súčasnosti bežne používa v režime ručnej kontroly a režim manuálnej kontroly má problémy s vysokou časovou a pracovnou náročnosťou, procesnou závislosťou od jednotlivcov, slabým pokrytím a frekvenciou kontrol a nízkou kvalitou. ovládanie. Inšpekčný proces zároveň zaznamenal obrovské množstvo údajov, ale tieto zdroje údajov neboli transformované na dátové aktíva na posilnenie podnikania. Aplikáciou technológie AI na scenáre mobilnej kontroly vytvoril podnik inteligentné kontrolné vozidlo AI pre riadenie mesta, ktoré využíva technológie ako internet vecí, cloud computing, algoritmy AI a prenáša profesionálne vybavenie, ako sú kamery s vysokým rozlíšením. palubné displeje a bočné servery AI a kombinuje kontrolný mechanizmus „inteligentný systém + inteligentný stroj + asistencia personálu“. Podporuje transformáciu mestskej správy z personálne náročnej na mechanickú inteligenciu, od empirického úsudku k analýze údajov a od pasívnej reakcie k aktívnemu objavovaniu.
V oblasti inteligentného staveniska
Riešenia inteligentného staveniska založené na Edge computing aplikujú hlbokú integráciu technológie AI do tradičného monitorovania bezpečnosti v stavebníctve umiestnením terminálu na analýzu okrajovej AI na stavenisko, čím sa dokončí nezávislý výskum a vývoj vizuálnych algoritmov AI založených na inteligentnom videu. analytická technológia, detekcia udalostí na plný úväzok (napr. zisťovanie, či nosiť alebo nenosiť prilbu), poskytovanie služieb identifikácie osôb, prostredia, bezpečnosti a iných bezpečnostných rizikových bodov a pripomenutie poplachov a preberanie iniciatívy na identifikáciu nebezpečných faktorov, AI inteligentné stráženie, šetrenie nákladov na pracovnú silu, aby sa splnili potreby riadenia bezpečnosti personálu a majetku na staveniskách.
V oblasti inteligentnej dopravy
Cloudová architektúra sa stala základnou paradigmou pre nasadzovanie aplikácií v odvetví inteligentnej dopravy, pričom cloudová strana je zodpovedná za centralizovanú správu a časť spracovania údajov, pričom okrajová strana poskytuje hlavne analýzu údajov na okraji a rozhodovanie o výpočte. spracovanie a koncová strana zodpovedná hlavne za zber obchodných údajov.
V špecifických scenároch, ako je koordinácia vozidlo-cesta, holografické križovatky, automatická jazda a železničná doprava, existuje veľký počet heterogénnych zariadení, ktoré si vyžadujú riadenie prístupu, riadenie výjazdov, spracovanie alarmov a spracovanie prevádzky a údržby. Edge computing dokáže rozdeliť a podmaniť si, zmeniť veľké na malé, poskytnúť funkcie konverzie protokolov medzi vrstvami, dosiahnuť jednotný a stabilný prístup a dokonca aj spoločnú kontrolu nad heterogénnymi údajmi.
V oblasti priemyselnej výroby
Scenár optimalizácie výrobného procesu: V súčasnosti je veľké množstvo diskrétnych výrobných systémov obmedzených neúplnosťou údajov a celková efektívnosť zariadení a iné výpočty indexových údajov sú pomerne nedbalé, čo sťažuje použitie na optimalizáciu efektívnosti. Okrajová výpočtová platforma založená na informačnom modeli zariadenia na dosiahnutie sémantickej úrovne výrobného systému horizontálna komunikácia a vertikálna komunikácia, založená na mechanizme spracovania toku údajov v reálnom čase na agregáciu a analýzu veľkého počtu údajov v reálnom čase, aby sa dosiahla výrobná linka založená na modeli fúzia informácií z viacerých zdrojov údajov, aby sa poskytla výkonná podpora údajov pre rozhodovanie v diskrétnom výrobnom systéme.
Scenár prediktívnej údržby zariadení: Údržba priemyselných zariadení je rozdelená do troch typov: opravná údržba, preventívna údržba a prediktívna údržba. Opravná údržba patrí k údržbe ex post facto, preventívna údržba a prediktívna údržba patria k údržbe ex-ante, pričom prvá z nich je založená na čase, výkone zariadenia, podmienkach na mieste a iných faktoroch pre pravidelnú údržbu zariadení, viac-menej na základe ľudského faktora. skúsenosti, posledné prostredníctvom zberu údajov zo senzorov, monitorovania prevádzkového stavu zariadenia v reálnom čase na základe priemyselného modelu analýzy údajov a presne predpovedajú, kedy dôjde k poruche.
Scenár priemyselnej kontroly kvality: Pole priemyselnej kontroly zraku je prvou tradičnou automatickou optickou kontrolou (AOI) v oblasti kontroly kvality, ale doterajší vývoj AOI v mnohých defektoch a iných zložitých scenároch je spôsobený rôznymi chybami. typov, extrakcia funkcií je neúplná, adaptívne algoritmy slabá rozšíriteľnosť, výrobná linka sa často aktualizuje, migrácia algoritmu nie je flexibilná a ďalšie faktory, tradičný systém AOI ťažko uspokojuje vývoj potrieb výrobnej linky. Platforma algoritmu priemyselnej kontroly kvality AI reprezentovaná hlbokým učením + učením na malej vzorke preto postupne nahrádza tradičnú schému vizuálnej kontroly a platforma kontroly priemyselnej kvality AI prešla dvoma fázami klasických algoritmov strojového učenia a algoritmov kontroly hlbokého učenia.
Čas odoslania: október-08-2023