Ako se vještačka inteligencija posmatra kao putovanje od tačke A do tačke B, usluga računarstva u oblaku je aerodrom ili stanica brze željeznice, a računarstvo na rubu mreže (edge computing) je taksi ili dijeljeni bicikl. Računarstvo na rubu mreže (edge computing) je blizu ljudi, stvari ili izvora podataka. Usvaja otvorenu platformu koja integriše mogućnosti skladištenja, računanja, pristupa mreži i jezgre aplikacije kako bi pružila usluge korisnicima u blizini. U poređenju sa centralno raspoređenim uslugama računarstva u oblaku, računarstvo na rubu mreže rješava probleme kao što su duga latencija i visoka konvergencija saobraćaja, pružajući bolju podršku za usluge u realnom vremenu i koje zahtijevaju propusni opseg.
Požar ChatGPT-a pokrenuo je novi val razvoja umjetne inteligencije, ubrzavajući prodiranje umjetne inteligencije u više područja primjene kao što su industrija, maloprodaja, pametni domovi, pametni gradovi itd. Velika količina podataka mora se pohraniti i izračunati na kraju aplikacije, a oslanjanje samo na oblak više nije u stanju zadovoljiti stvarnu potražnju. Edge computing poboljšava posljednji kilometar AI aplikacija. U okviru nacionalne politike snažnog razvoja digitalne ekonomije, kinesko računarstvo u oblaku ušlo je u period inkluzivnog razvoja, potražnja za edge computingom je porasla, a integracija cloud edge i end okruženja postala je važan evolucijski smjer u budućnosti.
Tržište edge computinga će rasti po složenoj godišnjoj stopi rasta (CAGR) od 36,1% u narednih pet godina
Industrija edge computinga ušla je u fazu stabilnog razvoja, što dokazuje postepena diverzifikacija pružatelja usluga, rastuća veličina tržišta i daljnje širenje područja primjene. Što se tiče veličine tržišta, podaci iz IDC-ovog izvještaja o praćenju pokazuju da je ukupna veličina tržišta edge computing servera u Kini dostigla 3,31 milijardu američkih dolara u 2021. godini, a očekuje se da će ukupna veličina tržišta edge computing servera u Kini rasti složenom godišnjom stopom rasta od 22,2% od 2020. do 2025. godine. Sullivan predviđa da će veličina tržišta edge computinga u Kini dostići 250,9 milijardi RMB u 2027. godini, sa složenom godišnjom stopom rasta od 36,1% od 2023. do 2027. godine.
Eko-industrija računarstva na rubu mreže napreduje
Edge computing je trenutno u ranoj fazi epidemije, a poslovne granice u industrijskom lancu su relativno nejasne. Za pojedinačne dobavljače, potrebno je razmotriti integraciju sa poslovnim scenarijima, a također je potrebno imati sposobnost prilagođavanja promjenama u poslovnim scenarijima sa tehničkog nivoa, te je potrebno osigurati visok stepen kompatibilnosti sa hardverskom opremom, kao i inženjersku sposobnost za realizaciju projekata.
Lanac industrije edge computinga podijeljen je na dobavljače čipova, dobavljače algoritama, proizvođače hardverskih uređaja i dobavljače rješenja. Dobavljači čipova uglavnom razvijaju aritmetičke čipove od krajnje strane do rubne strane i strane oblaka, a pored čipova na rubnoj strani, razvijaju i kartice za ubrzanje i podržavaju platforme za razvoj softvera. Dobavljači algoritama uzimaju algoritme računarskog vida kao jezgro za izgradnju općih ili prilagođenih algoritama, a postoje i preduzeća koja grade centre za algoritme ili platforme za obuku i push. Dobavljači opreme aktivno ulažu u proizvode edge computinga, a oblik proizvoda edge computinga se stalno obogaćuje, postepeno formirajući kompletan stek proizvoda edge computinga od čipa do cijele mašine. Dobavljači rješenja pružaju softverska ili softversko-hardverska rješenja integrirana u rješenja za određene industrije.
Primjene u industriji edge computinga ubrzavaju se
U oblasti pametnih gradova
Sveobuhvatna inspekcija gradskih nekretnina trenutno se obično koristi u načinu ručnog pregleda, a način ručnog pregleda ima probleme visokih troškova koji zahtijevaju puno vremena i rada, ovisnosti procesa o pojedincima, slabe pokrivenosti i učestalosti inspekcija, te loše kontrole kvalitete. Istovremeno, proces inspekcije zabilježio je ogromnu količinu podataka, ali ti resursi podataka nisu transformirani u podatkovnu imovinu za osnaživanje poslovanja. Primjenom AI tehnologije na scenarije mobilnog pregleda, preduzeće je stvorilo inteligentno vozilo za inspekciju urbanog upravljanja zasnovano na AI-u, koje usvaja tehnologije kao što su Internet stvari, računarstvo u oblaku, AI algoritmi i nosi profesionalnu opremu kao što su kamere visoke definicije, ugrađeni ekrani i AI bočni serveri, te kombinira mehanizam inspekcije "inteligentni sistem + inteligentna mašina + pomoć osoblja". Promoviše transformaciju urbanog upravljanja od ljudske do mehaničke inteligencije, od empirijske procjene do analize podataka i od pasivnog odgovora do aktivnog otkrivanja.
U oblasti inteligentnog gradilišta
Inteligentna rješenja za gradilišta zasnovana na rubnom računarstvu primjenjuju duboku integraciju AI tehnologije u tradicionalne poslove praćenja sigurnosti u građevinskoj industriji, postavljanjem rubnog AI analitičkog terminala na gradilište, dovršavanjem nezavisnog istraživanja i razvoja vizualnih AI algoritama zasnovanih na inteligentnoj tehnologiji video analitike, otkrivanjem događaja koji se detektuju u punom radnom vremenu (npr. otkrivanje da li treba nositi kacigu ili ne), pružanjem usluga identifikacije i podsjećanja na alarme za osoblje, okoliš, sigurnost i druge sigurnosne rizike, te preuzimanjem inicijative za identifikaciju nesigurnih faktora, inteligentno AI obezbjeđenje, uštedu troškova radne snage, kako bi se zadovoljile potrebe upravljanja sigurnošću osoblja i imovine na gradilištima.
U oblasti inteligentnog transporta
Arhitektura na strani oblaka postala je osnovna paradigma za implementaciju aplikacija u industriji inteligentnog transporta, pri čemu je strana oblaka odgovorna za centralizirano upravljanje i dio obrade podataka, rubna strana uglavnom pruža analizu podataka na strani ruba i obradu računalnih odluka, a krajnja strana je uglavnom odgovorna za prikupljanje poslovnih podataka.
U specifičnim scenarijima kao što su koordinacija vozila i puta, holografske raskrsnice, automatska vožnja i željeznički saobraćaj, postoji veliki broj heterogenih uređaja kojima se pristupa, a ovi uređaji zahtijevaju upravljanje pristupom, upravljanje izlazima, obradu alarma te obradu rada i održavanja. Edge computing može podijeliti i osvojiti, pretvoriti veliko u malo, pružiti funkcije konverzije protokola između slojeva, postići ujedinjen i stabilan pristup, pa čak i kolaborativnu kontrolu heterogenih podataka.
U oblasti industrijske proizvodnje
Scenarij optimizacije proizvodnog procesa: Trenutno je veliki broj diskretnih proizvodnih sistema ograničen nepotpunošću podataka, a ukupna efikasnost opreme i drugi proračuni indeksnih podataka su relativno neuredni, što otežava korištenje za optimizaciju efikasnosti. Platforma za rubno računarstvo zasnovana na modelu informacija o opremi za postizanje horizontalne i vertikalne komunikacije proizvodnog sistema na semantičkom nivou, zasnovana na mehanizmu obrade protoka podataka u realnom vremenu za agregiranje i analizu velikog broja podataka s terena u realnom vremenu, kako bi se postigla fuzija informacija iz više izvora podataka na proizvodnoj liniji zasnovana na modelu, kako bi se obezbijedila snažna podrška podacima za donošenje odluka u diskretnom proizvodnom sistemu.
Scenarij prediktivnog održavanja opreme: Održavanje industrijske opreme podijeljeno je u tri vrste: reparativno održavanje, preventivno održavanje i prediktivno održavanje. Restorativno održavanje pripada ex post facto održavanju, preventivno održavanje i prediktivno održavanje pripadaju ex ante održavanju, prvo se zasniva na vremenu, performansama opreme, uslovima na lokaciji i drugim faktorima za redovno održavanje opreme, manje-više na osnovu ljudskog iskustva, a drugo se zasniva na prikupljanju podataka senzora, praćenju radnog stanja opreme u realnom vremenu, na osnovu industrijskog modela analize podataka i preciznom predviđanju kada će doći do kvara.
Scenarij industrijske inspekcije kvaliteta: područje industrijske vizualne inspekcije prvi je tradicionalni oblik automatske optičke inspekcije (AOI) u području inspekcije kvaliteta, ali dosadašnji razvoj AOI-ja, u mnogim scenarijima otkrivanja defekata i drugim složenim scenarijima, zbog različitih vrsta defekata, izdvajanje karakteristika je nepotpuno, adaptivni algoritmi se slabo proširivaju, proizvodna linija se često ažurira, migracija algoritma nije fleksibilna i drugi faktori, tradicionalni AOI sistem teško zadovoljava potrebe razvoja proizvodne linije. Stoga, platforma algoritma za industrijsku inspekciju kvaliteta umjetne inteligencije, predstavljena dubokim učenjem + učenjem malog uzorka, postepeno zamjenjuje tradicionalnu shemu vizualne inspekcije, a platforma za industrijsku inspekciju kvaliteta umjetne inteligencije prošla je kroz dvije faze: klasične algoritme mašinskog učenja i algoritme inspekcije dubokog učenja.
Vrijeme objave: 08.10.2023.