Mula sa Mga Serbisyo sa Cloud hanggang sa Edge Computing, Dumating na ang AI sa "Huling Mile"

Ang merkado ng edge computing ay lalago ng 36.1% CAGR sa susunod na limang taon

Ang industriya ng edge computing ay pumasok na sa isang yugto ng matatag na pag-unlad, gaya ng pinatutunayan ng unti-unting pag-iba-iba ng mga service provider nito, ang lumalawak na laki ng merkado, at ang karagdagang paglawak ng mga saklaw ng aplikasyon. Kung pag-uusapan ang laki ng merkado, ipinapakita ng datos mula sa ulat ng pagsubaybay ng IDC na ang kabuuang laki ng merkado ng mga edge computing server sa Tsina ay umabot sa US$3.31 bilyon noong 2021, at ang kabuuang laki ng merkado ng mga edge computing server sa Tsina ay inaasahang lalago sa isang pinagsamang taunang rate ng paglago na 22.2% mula 2020 hanggang 2025. Hinuhulaan ni Sullivan na ang laki ng merkado ng edge computing sa Tsina ay inaasahang aabot sa RMB 250.9 bilyon sa 2027, na may CAGR na 36.1% mula 2023 hanggang 2027.

Umuunlad ang eco-industry ng edge computing

Ang edge computing ay kasalukuyang nasa maagang yugto ng pagsiklab, at ang mga hangganan ng negosyo sa kadena ng industriya ay medyo malabo. Para sa mga indibidwal na vendor, kinakailangang isaalang-alang ang integrasyon sa mga senaryo ng negosyo, at kinakailangan ding magkaroon ng kakayahang umangkop sa mga pagbabago sa mga senaryo ng negosyo mula sa antas ng teknikal, at kinakailangan ding tiyakin na mayroong mataas na antas ng pagiging tugma sa mga kagamitan sa hardware, pati na rin ang kakayahang inhinyero na maglunsad ng mga proyekto.

Ang kadena ng industriya ng edge computing ay nahahati sa mga nagtitinda ng chip, nagtitinda ng algorithm, tagagawa ng hardware device, at mga nagbibigay ng solusyon. Ang mga nagtitinda ng chip ay kadalasang bumubuo ng mga arithmetic chip mula sa end-side hanggang edge-side hanggang cloud-side, at bilang karagdagan sa mga edge-side chip, bumubuo rin sila ng mga acceleration card at sumusuporta sa mga platform ng pagbuo ng software. Itinuturing ng mga nagtitinda ng algorithm ang mga algorithm ng computer vision bilang pangunahing layunin sa pagbuo ng mga pangkalahatan o customized na algorithm, at mayroon ding mga negosyo na bumubuo ng mga algorithm mall o training at push platform. Aktibong namumuhunan ang mga nagtitinda ng kagamitan sa mga produktong edge computing, at ang anyo ng mga produktong edge computing ay patuloy na pinayayaman, unti-unting bumubuo ng isang buong stack ng mga produktong edge computing mula sa chip hanggang sa buong makina. Ang mga nagbibigay ng solusyon ay nagbibigay ng mga solusyon na software o software-hardware-integrated para sa mga partikular na industriya.

Bumibilis ang mga aplikasyon sa industriya ng edge computing

Sa larangan ng matalinong lungsod

Ang komprehensibong inspeksyon ng mga ari-arian sa lungsod ay karaniwang ginagamit sa kasalukuyang paraan ng manu-manong inspeksyon, at ang manu-manong inspeksyon ay may mga problema sa mataas na gastos na matagal at matrabaho, pagdepende sa proseso sa mga indibidwal, mahinang saklaw at dalas ng inspeksyon, at mahinang kontrol sa kalidad. Kasabay nito, ang proseso ng inspeksyon ay nakapagtala ng napakalaking dami ng datos, ngunit ang mga mapagkukunang datos na ito ay hindi pa nababago sa mga asset ng datos para sa pagpapalakas ng negosyo. Sa pamamagitan ng paglalapat ng teknolohiya ng AI sa mga senaryo ng mobile inspection, ang negosyo ay nakalikha ng isang urban governance AI intelligent inspection vehicle, na gumagamit ng mga teknolohiyang tulad ng Internet of Things, cloud computing, AI algorithm, at nagdadala ng mga propesyonal na kagamitan tulad ng mga high-definition camera, on-board display, at AI side server, at pinagsasama ang mekanismo ng inspeksyon ng "intelligent system + intelligent machine + staff assistance". Itinataguyod nito ang pagbabago ng urban governance mula sa personnel-intensive patungo sa mechanical intelligence, mula sa empirical judgment patungo sa data analysis, at mula sa passive response patungo sa active discovery.

Sa larangan ng matalinong lugar ng konstruksyon

Ang mga intelligent construction site solution na nakabatay sa edge computing ay naglalapat ng malalim na integrasyon ng teknolohiya ng AI sa tradisyonal na gawaing pagsubaybay sa kaligtasan ng industriya ng konstruksyon, sa pamamagitan ng paglalagay ng edge AI analysis terminal sa construction site, pagkumpleto ng independiyenteng pananaliksik at pagpapaunlad ng mga visual AI algorithm batay sa intelligent video analytics technology, full-time na pagtukoy sa mga pangyayaring matutukoy (hal., pagtukoy kung dapat bang magsuot ng helmet o hindi), pagbibigay ng mga serbisyo sa pagtukoy ng mga tauhan, kapaligiran, seguridad at iba pang panganib sa kaligtasan at paalala ng alarma, at pagkukusa sa pagtukoy ng mga hindi ligtas na salik, intelligent guarding ng AI, pagtitipid sa mga gastos sa manpower, upang matugunan ang mga pangangailangan sa pamamahala ng kaligtasan ng mga tauhan at ari-arian ng mga construction site.

Sa larangan ng matalinong transportasyon

Ang arkitekturang cloud-side-end ay naging pangunahing paradigma para sa pag-deploy ng mga aplikasyon sa industriya ng intelligent transport, kung saan ang cloud side ay responsable para sa sentralisadong pamamahala at bahagi ng pagproseso ng datos, ang edge side ay pangunahing nagbibigay ng pagsusuri ng datos mula sa edge side at pagproseso ng paggawa ng desisyon sa pagkalkula, at ang end side ay pangunahing responsable para sa pagkolekta ng datos ng negosyo.

Sa mga partikular na senaryo tulad ng koordinasyon ng sasakyan-kalsada, mga holographic intersection, awtomatikong pagmamaneho, at trapiko ng riles, maraming magkakaibang device ang naa-access, at ang mga device na ito ay nangangailangan ng pamamahala ng access, pamamahala ng exit, pagproseso ng alarma, at pagproseso ng operasyon at pagpapanatili. Ang edge computing ay maaaring maghati at magsakop, gawing maliit ang malaki, magbigay ng mga function ng conversion ng cross-layer protocol, makamit ang pinag-isa at matatag na access, at maging ang collaborative na kontrol ng magkakaibang data.

Sa larangan ng industriyal na pagmamanupaktura

Senaryo ng Pag-optimize ng Proseso ng Produksyon: Sa kasalukuyan, ang malaking bilang ng mga discrete manufacturing system ay limitado ng hindi kumpletong datos, at ang pangkalahatang kahusayan ng kagamitan at iba pang kalkulasyon ng index data ay medyo pabaya, kaya mahirap itong gamitin para sa pag-optimize ng kahusayan. Ang edge computing platform na nakabatay sa equipment information model ay nakakamit ng semantic level manufacturing system na pahalang na komunikasyon at patayong komunikasyon, batay sa real-time na mekanismo sa pagproseso ng daloy ng datos upang pagsama-samahin at suriin ang malaking bilang ng field real-time na datos, upang makamit ang model-based production line multi-data source information fusion, upang magbigay ng malakas na suporta sa datos para sa paggawa ng desisyon sa discrete manufacturing system.

Senaryo ng Predictive Maintenance ng Kagamitan: Ang pagpapanatili ng kagamitang pang-industriya ay nahahati sa tatlong uri: reparative maintenance, preventive maintenance, at predictive maintenance. Ang restorative maintenance ay kabilang sa ex post facto maintenance, preventive maintenance, at ang predictive maintenance ay kabilang sa ex-ante maintenance. Ang una ay batay sa oras, performance ng kagamitan, kondisyon ng lugar, at iba pang mga salik para sa regular na maintenance ng kagamitan, humigit-kumulang batay sa karanasan ng tao, ang huli ay sa pamamagitan ng pangongolekta ng data ng sensor, real-time na pagsubaybay sa estado ng pagpapatakbo ng kagamitan, batay sa modelo ng pagsusuri ng data ng industriya, at tumpak na paghula kung kailan nangyayari ang pagkasira.

Senaryo ng inspeksyon sa kalidad ng industriya: ang larangan ng inspeksyon sa paningin ng industriya ang unang tradisyonal na anyo ng awtomatikong inspeksyon sa optika (AOI) sa larangan ng inspeksyon sa kalidad, ngunit sa pag-unlad ng AOI sa ngayon, sa maraming pagtuklas ng depekto at iba pang kumplikadong mga senaryo, dahil sa iba't ibang uri ng mga depekto, hindi kumpleto ang pagkuha ng tampok, mahinang pagpapalawak ng mga adaptive algorithm, madalas na ina-update ang linya ng produksyon, hindi nababaluktot ang paglipat ng algorithm, at iba pang mga salik, ang tradisyonal na sistema ng AOI ay naging mahirap matugunan ang mga pangangailangan sa pag-unlad ng linya ng produksyon. Samakatuwid, ang platform ng algorithm ng inspeksyon sa kalidad ng industriya ng AI na kinakatawan ng deep learning + small sample learning ay unti-unting pinapalitan ang tradisyonal na scheme ng visual inspection, at ang platform ng inspeksyon sa kalidad ng industriya ng AI ay dumaan sa dalawang yugto ng mga klasikal na algorithm ng machine learning at mga algorithm ng inspeksyon sa deep learning.