Ako se umjetna inteligencija smatra putovanjem od A do B, usluga računalstva u oblaku je aerodrom ili željeznička stanica velike brzine, a rubno računanje je taksi ili zajednički bicikl. Edge computing je blizu ljudi, stvari ili izvora podataka. On usvaja otvorenu platformu koja integriše kapacitete skladištenja, računanja, pristupa mreži i jezgre aplikacije za pružanje usluga korisnicima u blizini. U poređenju sa centralno raspoređenim uslugama računarstva u oblaku, rubno računarstvo rešava probleme kao što su dugo kašnjenje i visok promet konvergencije, pružajući bolju podršku za usluge u realnom vremenu i koje zahtevaju propusni opseg.
Vatra ChatGPT-a pokrenula je novi val razvoja AI, ubrzavajući potonuće AI u više područja primjene kao što su industrija, maloprodaja, pametni domovi, pametni gradovi, itd. Velika količina podataka treba biti pohranjena i izračunata na kraj aplikacije, a oslanjanje samo na oblak više nije u mogućnosti da zadovolji stvarnu potražnju, rubno računarstvo poboljšava posljednji kilometar AI aplikacija. Pod nacionalnom politikom snažnog razvoja digitalne ekonomije, kinesko računarstvo u oblaku je ušlo u period inkluzivnog razvoja, potražnja za rubnim računarstvom je porasla, a integracija ruba i kraja oblaka postala je važan evolucijski pravac u budućnosti.
Tržište Edge računarstva će porasti za 36,1% CAGR u narednih pet godina
Industrija rubnog računarstva ušla je u fazu stabilnog razvoja, o čemu svjedoči postepena diverzifikacija njenih pružatelja usluga, povećanje veličine tržišta i daljnje širenje područja primjene. Što se tiče veličine tržišta, podaci iz IDC-ovog izvještaja o praćenju pokazuju da je ukupna veličina tržišta rubnih računarskih servera u Kini dostigla 3,31 milijardu američkih dolara 2021. godine, a očekuje se da će ukupna veličina tržišta rubnih računarskih servera u Kini rasti s godišnjim rastom. stopa od 22,2% od 2020. do 2025. Sullivan predviđa da će veličina tržišta rubnog računarstva u Kini dostići 250,9 milijardi RMB u 2027., uz CAGR od 36,1% od 2023. do 2027. godine.
Eko-industrija Edge computinga napreduje
Edge computing je trenutno u ranoj fazi izbijanja, a poslovne granice u lancu industrije su relativno nejasne. Za pojedinačne dobavljače potrebno je razmotriti integraciju sa poslovnim scenarijima, a također je potrebno imati sposobnost prilagođavanja promjenama poslovnih scenarija sa tehničkog nivoa, a također je potrebno osigurati visok stepen kompatibilnost sa hardverskom opremom, kao i sposobnost inženjeringa za iskrcavanje projekata.
Lanac industrije rubnog računarstva podijeljen je na dobavljače čipova, dobavljače algoritama, proizvođače hardverskih uređaja i dobavljače rješenja. Prodavci čipova uglavnom razvijaju aritmetičke čipove od strane do ivice do strane oblaka, a osim čipova sa strane, razvijaju i kartice za ubrzanje i podržavaju platforme za razvoj softvera. Prodavci algoritama uzimaju algoritme kompjuterskog vida kao jezgro za izgradnju opštih ili prilagođenih algoritama, a postoje i preduzeća koja grade algoritamske centre ili platforme za obuku i guranje. Prodavci opreme aktivno ulažu u proizvode za rubno računanje, a oblik proizvoda za rubno računanje se stalno obogaćuje, postupno formirajući punu gomilu proizvoda rubnog računarstva od čipa do cijele mašine. Dobavljači rješenja pružaju softverska ili softversko-hardversko integrirana rješenja za određene industrije.
Ubrzavaju se aplikacije u industriji rubnih računara
U oblasti pametnog grada
Sveobuhvatna inspekcija urbane imovine trenutno se uobičajeno koristi u načinu ručne inspekcije, a način ručne inspekcije ima probleme dugotrajnih i radno intenzivnih troškova, ovisnosti procesa o pojedincima, slabog obuhvata i učestalosti pregleda te loše kvalitete kontrolu. Istovremeno je proces inspekcije evidentirao ogromnu količinu podataka, ali ti resursi podataka nisu pretvoreni u sredstva podataka za osnaživanje poslovanja. Primjenom AI tehnologije na scenarije mobilnih inspekcija, preduzeće je stvorilo inteligentno inspekcijsko vozilo urbane uprave sa umjetnom inteligencijom, koje usvaja tehnologije kao što su Internet stvari, računalstvo u oblaku, AI algoritmi i nosi profesionalnu opremu kao što su kamere visoke definicije, displeje na ploči i AI servere, i kombinuje inspekcijski mehanizam "inteligentni sistem + inteligentna mašina + pomoć osoblja". Promoviše transformaciju urbanog upravljanja od kadrovsko intenzivnog do mehaničke inteligencije, od empirijskog prosuđivanja do analize podataka i od pasivnog odgovora na aktivno otkrivanje.
U oblasti inteligentnih gradilišta
Rješenja za inteligentna gradilišta zasnovana na ivičnim računalima primjenjuju duboku integraciju AI tehnologije u tradicionalni rad na nadzoru sigurnosti u građevinskoj industriji, postavljanjem terminala za analizu AI na gradilištu, dovršavajući nezavisno istraživanje i razvoj vizualnih AI algoritama zasnovanih na inteligentnom videu analitička tehnologija, otkrivanje događaja u punom radnom vremenu koje treba otkriti (npr. otkrivanje da li treba nositi kacigu ili ne), pružanje usluga identifikacije tačaka rizika za osoblje, okoliš, sigurnost i druge sigurnosne točke i podsjetnika alarma, te preuzimanje inicijative za identifikaciju nesigurnih faktori, AI inteligentno čuvanje, ušteda troškova radne snage, kako bi se zadovoljile potrebe upravljanja sigurnošću osoblja i imovine na gradilištima.
U oblasti inteligentnog transporta
Cloud-side-end arhitektura je postala osnovna paradigma za implementaciju aplikacija u industriji inteligentnog transporta, sa Cloud stranom odgovornom za centralizirano upravljanje i dio obrade podataka, a rubna strana uglavnom pruža analizu podataka i odlučivanje o računanju. -izrada obrade, a krajnja strana uglavnom odgovorna za prikupljanje poslovnih podataka.
U specifičnim scenarijima kao što su koordinacija vozila i ceste, holografske raskrsnice, automatska vožnja i željeznički saobraćaj, postoji veliki broj heterogenih uređaja kojima se pristupa, a ovi uređaji zahtijevaju upravljanje pristupom, upravljanje izlazom, obradu alarma i obradu rada i održavanja. Edge computing može podijeliti i osvojiti, pretvoriti velike u male, pružiti funkcije konverzije protokola na više slojeva, postići jedinstven i stabilan pristup, pa čak i kolaborativnu kontrolu heterogenih podataka.
U oblasti industrijske proizvodnje
Scenario optimizacije proizvodnog procesa: Trenutno je veliki broj diskretnih proizvodnih sistema ograničen nepotpunošću podataka, a ukupna efikasnost opreme i proračuni drugih indeksnih podataka su relativno neuredni, što ih čini teškim za upotrebu za optimizaciju efikasnosti. Rubna računarska platforma zasnovana na informacionom modelu opreme za postizanje semantičkog nivoa proizvodnog sistema horizontalne komunikacije i vertikalne komunikacije, zasnovane na mehanizmu obrade toka podataka u realnom vremenu za agregiranje i analizu velikog broja terenskih podataka u realnom vremenu, kako bi se postigla proizvodna linija zasnovana na modelu fuzija informacija sa više izvora podataka, kako bi se pružila moćna podrška podataka za donošenje odluka u diskretnom proizvodnom sistemu.
Scenarij prediktivnog održavanja opreme: Održavanje industrijske opreme podijeljeno je u tri tipa: reparativno održavanje, preventivno održavanje i prediktivno održavanje. Restorativno održavanje spada u ex post facto održavanje, preventivno održavanje, a prediktivno održavanje spada u ex-ante održavanje, prvo se zasniva na vremenu, performansama opreme, uslovima na lokaciji i drugim faktorima za redovno održavanje opreme, manje-više na osnovu ljudskih iskustvo, potonje kroz prikupljanje senzorskih podataka, praćenje radnog stanja opreme u realnom vremenu, na osnovu industrijskog modela analize podataka, i precizno predviđanje kada se kvar dogodi.
Scenarij industrijske inspekcije kvalitete: polje za inspekciju industrijskog vida je prvi tradicionalni oblik automatske optičke inspekcije (AOI) u polju inspekcije kvalitete, ali razvoj AOI-a do sada, u mnogim slučajevima otkrivanja kvarova i drugim složenim scenarijima, zbog nedostataka raznih vrsta Od tipova, ekstrakcija karakteristika je nepotpuna, adaptivni algoritmi su slabi proširivi, proizvodna linija se često ažurira, migracija algoritama nije fleksibilna i drugi faktori, tradicionalni AOI sistem je bio težak da zadovolji potrebe razvoja proizvodne linije. Stoga, platforma algoritma za inspekciju AI industrijske kvalitete koju predstavlja duboko učenje + učenje malog uzorka postupno zamjenjuje tradicionalnu shemu vizualne inspekcije, a platforma za inspekciju industrijskog kvaliteta umjetne inteligencije prošla je kroz dvije faze klasičnih algoritama strojnog učenja i algoritama za inspekciju dubokog učenja.
Vrijeme objave: Oct-08-2023