Ak sa umelá inteligencia považuje za cestu z A do B, cloud computing Service je letisko alebo vysokorýchlostná železničná stanica a hránové výpočty je taxík alebo zdieľaný bicykel. Hrané výpočty sú blízko k stranu ľudí, vecí alebo zdrojov údajov. Prijíma otvorenú platformu, ktorá integruje úložisko, výpočet, prístup k sieti a jadrové možnosti aplikácií na poskytovanie služieb pre používateľov v okolí. V porovnaní s centrálne nasadenými službami cloud computingu, Edge Computing rieši problémy, ako je dlhá latencia a vysoký konvergenčný prenos, čím poskytuje lepšiu podporu služieb v reálnom čase a šírke šírky pásma.
Oheň Chatgpt vypustil novú vlnu vývoja AI, urýchlil potápanie AI do viacerých aplikačných oblastí, ako je priemysel, maloobchod, inteligentné domy, inteligentné mestá atď. Veľké množstvo údajov je potrebné uložiť a vypočítať na konci aplikácií a spoliehať sa na samotný cloud, už nie je schopné splniť skutočný dopyt, hraničné výpočty zlepšuje posledný kilometer aplikácií AI. V rámci vnútroštátnej politiky dôrazného rozvoja digitálnej ekonomiky sa čínsky cloud computing vstúpil do obdobia inkluzívneho vývoja, dopyt po výpočte EDGE sa zvýšil a integrácia cloudovej hrany a konca sa v budúcnosti stala dôležitým evolučným smerom.
Edge Computing Trh s rastom o 36,1% CAGR v priebehu nasledujúcich päťročných
Priemysel výpočtových informácií o hranici vstúpil do štádia stabilného rozvoja, o čom svedčí postupná diverzifikácia poskytovateľov služieb, rozširujúca sa veľkosť trhu a ďalšie rozšírenie oblastí aplikačných oblastí. Pokiaľ ide o veľkosť trhu, údaje zo správy sledovania IDC ukazujú, že celková veľkosť trhu s výpočtovými servermi v Číne dosiahla v roku 2021 3,31 miliardy USD a celková veľkosť trhu serverov na trhu v Číne sa očakáva, že sa zvýši pri zloženom ročnom raste rýchlosti rastu 22,2% od roku 2020 do roku 2025 v roku 2025 v roku 2020 v roku 2020 v roku 2020 v roku 2022 v C 36,1% od roku 2023 do roku 2027.
Úprimné výpočty ekologického priemyslu sa darí
Edge Computing je v súčasnosti v počiatočnej fáze ohniska a hranice obchodu v priemyselnom reťazci sú relatívne fuzzy. Pre jednotlivých dodávateľov je potrebné zvážiť integráciu s obchodnými scenármi a je tiež potrebné mať schopnosť prispôsobiť sa zmenám v obchodných scenároch z technickej úrovne a je tiež potrebné zabezpečiť, aby existoval vysoký stupeň kompatibility s hardvérovým vybavením, ako aj inžinierskej schopnosti projektom pozemkov.
Odvetvový reťazec výpočtových výpočtov je rozdelený na predajcov ChIP, dodávateľov algoritmov, výrobcov hardvérových zariadení a poskytovateľov riešení. Predajcovia ChIP sa väčšinou vyvíjajú aritmetické čipy od koncovej strany po stranu okrajov až po cloudovú stranu a okrem čipov na strane okraja vyvíjajú aj karty zrýchlenia a podporujú platformy vývoja softvéru. Predajcovia algoritmu berú algoritmy počítačového videnia ako jadro na vytváranie všeobecných alebo prispôsobených algoritmov a existujú aj podniky, ktoré vytvárajú algoritmové centrá alebo výcvik a platformy push. Predajcovia zariadení aktívne investujú do výrobkov na výpočet hrán a forma výpočtových výrobkov na okraji je neustále obohatená a postupne vytvára kompletný stoh produktov na výpočty okrajov od čipu do celého stroja. Poskytovatelia riešení poskytujú riešenia so softvérom alebo softvérom integrovaným na konkrétne odvetvia.
Aplikácie priemyselných aplikácií na okraji výpočtov
V oblasti Smart City
Komplexná kontrola mestského vlastníctva sa v súčasnosti bežne používa v režime manuálnej kontroly a režim manuálnej kontroly má problémy s vysokými časovo náročnými a pracovnými nákladmi, závislosťou od jednotlivcov, zlej frekvencie pokrytia a inšpekcie a nízkej kvalite kontroly. Zároveň inšpekčný proces zaznamenal obrovské množstvo údajov, ale tieto dátové zdroje sa nezmenili na dátové aktíva na posilnenie postavenia podnikania. Aplikáciou technológie AI na scenáre mobilných inšpekcií spoločnosť vytvorila podnik v oblasti riadenia inteligentného inšpekcie AI, ktoré prijíma technológie, ako je internet vecí, cloud computing, algoritmy AI, a nesie profesionálny zariadenia, ako je napríklad fotoaparáty s vysokým rozlíšením, na palubách, na palubách a na palubách AI, a kombinuje inšpekčný mechanizmus inteligentného systému + inteligentný mechanizmus. Podporuje transformáciu mestského riadenia z personálu náročných na mechanické spravodajstvo, z empirického úsudku na analýzu údajov a z pasívnej reakcie na aktívny objav.
V oblasti inteligentného staveniska
Riešenia inteligentných stavebných stránok založených na hraných výpočtoch používajú hlbokú integráciu technológie AI do tradičných prác na monitorovanie bezpečnosti stavebného priemyslu umiestnením terminálu analýzy AI na stavenisku a dokončuje sa nezávislý výskum a vývoj vizuálnych algoritmov AI založený na inteligentnej technológii videa, bezpečnosti, bezpečnosti na plný úväzok a alarmy, ktoré sa majú na plný úväzok a alarmom, a to, že poskytuje osobu, bezpečnosť, bezpečnosť a bezpečnosť, bezpečnosť a bezpečnosť, bezpečnosť a bezpečnosť, akári a prijatím iniciatívy na identifikáciu nebezpečných faktorov, inteligentné stráženie inteligencie, úspory nákladov na pracovnú silu, aby sa uspokojili potreby riadenia bezpečnosti personálu a nehnuteľností na stavebných lokalitách.
V oblasti inteligentnej dopravy
Architektúra na konci cloudu sa stala základným paradigmou pre nasadenie aplikácií v odvetví inteligentnej dopravy, pričom cloudová strana bola zodpovedná za centralizované riadenie a časť spracovania údajov, pričom strana okrajov poskytuje hlavne analýzu údajov na strane okrajov a spracovanie rozhodovania o výpočte a za koncovú stranu zodpovednú hlavne za zhromažďovanie obchodných údajov.
V konkrétnych scenároch, ako je koordinácia vozidiel, holografické križovatky, automatická jazda a železničná doprava, existuje veľké množstvo prístupných heterogénnych zariadení a tieto zariadenia vyžadujú správu prístupu, správu výstupu, spracovanie alarmov a spracovanie prevádzky a údržby. Hrané výpočty sa môžu deliť a dobyť, zmeniť sa na malý, poskytovať funkcie konverzie protokolu krížového triedenia, dosiahnuť zjednotený a stabilný prístup a dokonca aj kolaboratívnu kontrolu heterogénnych údajov.
V oblasti priemyselnej výroby
Scenár optimalizácie výrobného procesu: V súčasnosti je veľké množstvo diskrétnych výrobných systémov obmedzené neúplnosťou údajov a celková účinnosť zariadenia a ďalšie výpočty údajov o indexoch sú relatívne nedbalé, čo sťažuje použitie optimalizácie účinnosti. Edge Computing 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 založená na modelovej výrobnej linke Multi-Data zdrojové informácie Fusion, s cieľom poskytnúť výkonnú podporu údajov pre rozhodovanie o rozhodovaní v diskrétnom výrobnom systéme.
Scenár prediktívnej údržby zariadenia: údržba priemyselného zariadenia je rozdelená na tri typy: reparatívna údržba, preventívna údržba a prediktívna údržba. Restoratívna údržba patrí do EX post facto údržby, preventívnej údržby a prediktívnej údržby patrí do údržby ex-ante, prvá je založená na čase, výkone zariadenia, podmienkach miesta a ďalších faktoroch pre pravidelnú údržbu zariadení, viac-menej na základe ľudských skúseností, druhá prostredníctvom zberu údajov o senzoroch, monitorovaní prevádzkového stavu zariadenia v reálnom čase, na základe priemyselného modelu analýzy údajov a presne predpovede, keď dôjde k zlyhaniu.
Scenár inšpekcie priemyselnej kvality: Fielda Inšpekcie priemyselného videnia je prvou tradičnou automatickou optickou inšpekciou (AOI) do oblasti kontroly kvality, ale vývoj AOI doteraz, v mnohých detekciach defektov a iných komplexných scenároch, v dôsledku defektov rôznych typov, je extrakcia funkcií nekonečná adaptívna algoritmus zlá rozšíriteľnosť, často aktualizovaná produkcia, často aktualizovaná línia, ktorá je často aktualizovaná. Ďalšie faktory, tradičný systém AOI je ťažké splniť vývoj potrieb výrobnej linky. Preto platforma Algoritmov priemyselnej kvality priemyselnej kvality predstavovaná hlbokým vzdelávaním + malé učenie vzorky postupne nahrádza tradičnú vizuálnu inšpekčnú schému a platforma inšpekcie priemyselnej kvality AI prešla dvoma fázami klasických algoritmov strojového učenia a algoritmov kontroly hlbokého učenia.
Čas príspevku: október-08-2023