Mula sa Mga Serbisyo sa Cloud hanggang sa Edge Computing, Ang AI ay Dumating sa "Huling Mile"

Ang Edge computing market ay lalago ng 36.1% CAGR sa susunod na limang taon

Ang edge na industriya ng computing ay pumasok sa isang yugto ng tuluy-tuloy na pag-unlad, bilang ebidensya ng unti-unting pagkakaiba-iba ng mga service provider nito, ang lumalawak na laki ng merkado, at ang karagdagang pagpapalawak ng mga lugar ng aplikasyon. Sa mga tuntunin ng laki ng merkado, ipinapakita ng data mula sa ulat sa pagsubaybay ng IDC na ang kabuuang sukat ng merkado ng mga edge computing server sa China ay umabot sa US$3.31 bilyon noong 2021, at ang kabuuang sukat ng merkado ng mga edge computing server sa China ay inaasahang lalago sa isang tambalang taunang paglago rate na 22.2% mula 2020 hanggang 2025. Inihula ni Sullivan na ang laki ng merkado ng edge computing sa China ay inaasahang aabot sa RMB 250.9 bilyon sa 2027, na may CAGR na 36.1% mula 2023 hanggang 2027.

Ang Edge computing eco-industriya ay umuunlad

Ang Edge computing ay kasalukuyang nasa maagang yugto ng pagsiklab, at ang mga hangganan ng negosyo sa chain ng industriya ay medyo malabo. Para sa mga indibidwal na vendor, kinakailangang isaalang-alang ang pagsasama sa mga sitwasyon ng negosyo, at kinakailangan din na magkaroon ng kakayahang umangkop sa mga pagbabago sa mga sitwasyon ng negosyo mula sa teknikal na antas, at kinakailangan din upang matiyak na mayroong mataas na antas ng pagiging tugma sa mga kagamitan sa hardware, pati na rin ang kakayahang mag-inhinyero sa pagpunta sa mga proyekto.

Ang edge computing industry chain ay nahahati sa mga chip vendor, algorithm vendor, hardware device manufacturer, at solution provider. Karamihan sa mga nagtitinda ng chip ay gumagawa ng mga arithmetic chip mula sa dulo hanggang sa gilid hanggang sa gilid ng ulap, at bilang karagdagan sa mga chip sa gilid ng gilid, gumagawa din sila ng mga acceleration card at sumusuporta sa mga platform ng pagbuo ng software. Isinasaalang-alang ng mga vendor ng algorithm ang mga algorithm ng computer vision bilang core upang bumuo ng pangkalahatan o customized na mga algorithm, at mayroon ding mga negosyo na nagtatayo ng mga algorithm mall o pagsasanay at nagtutulak ng mga platform. Ang mga nagtitinda ng kagamitan ay aktibong namumuhunan sa mga produkto ng edge computing, at ang anyo ng mga produkto ng edge computing ay patuloy na pinayayaman, unti-unting bumubuo ng isang buong stack ng mga produkto ng edge computing mula sa chip hanggang sa buong makina. Nagbibigay ang mga provider ng solusyon ng software o software-hardware-integrated na solusyon para sa mga partikular na industriya.

Bumibilis ang mga aplikasyon sa industriya ng Edge computing

Sa larangan ng matalinong lungsod

Ang isang komprehensibong inspeksyon ng ari-arian sa lunsod ay kasalukuyang karaniwang ginagamit sa mode ng manu-manong inspeksyon, at ang mode ng manu-manong inspeksyon ay may mga problema sa mataas na oras at labor-intensive na gastos, pagdepende sa proseso sa mga indibidwal, mahinang saklaw at dalas ng inspeksyon, at mahinang kalidad kontrol. Kasabay nito, ang proseso ng inspeksyon ay nagtala ng isang malaking halaga ng data, ngunit ang mga mapagkukunan ng data na ito ay hindi nabago sa mga asset ng data para sa pagpapalakas ng negosyo. Sa pamamagitan ng paglalapat ng AI technology sa mga mobile inspection scenario, ang enterprise ay lumikha ng urban governance AI intelligent inspection vehicle, na gumagamit ng mga teknolohiya tulad ng Internet of Things, cloud computing, AI algorithm, at nagdadala ng mga propesyonal na kagamitan gaya ng mga high-definition na camera, on- board display, at AI side servers, at pinagsasama ang mekanismo ng inspeksyon ng "intelligent system + intelligent machine + staff assistance". Itinataguyod nito ang pagbabago ng pamamahala sa lunsod mula sa personnel-intensive tungo sa mechanical intelligence, mula sa empirical na paghuhusga hanggang sa pagsusuri ng data, at mula sa passive na pagtugon sa aktibong pagtuklas.

Sa larangan ng intelligent construction site

Inilalapat ng mga solusyon sa intelligent construction site na nakabatay sa computing ang malalim na pagsasama ng teknolohiya ng AI sa tradisyunal na gawaing pagsubaybay sa kaligtasan ng industriya ng konstruksiyon, sa pamamagitan ng paglalagay ng edge AI analysis terminal sa construction site, pagkumpleto ng independiyenteng pananaliksik at pagbuo ng mga visual AI algorithm batay sa matalinong video teknolohiya ng analytics, full-time na pag-detect ng mga kaganapang matutukoy (hal, pag-detect kung magsusuot ng helmet o hindi), pagbibigay ng mga tauhan, kapaligiran, seguridad at iba pang mga serbisyo sa pagkilala sa punto ng panganib sa kaligtasan at pagpapaalala ng alarma, at pagkukusa sa Pagkilala sa hindi ligtas mga kadahilanan, AI intelligent na pagbabantay, pag-save ng mga gastos sa lakas-tao, upang matugunan ang mga tauhan at mga pangangailangan sa pamamahala ng kaligtasan ng ari-arian ng mga construction site.

Sa larangan ng matalinong transportasyon

Ang arkitektura ng cloud-side-end ay naging pangunahing paradigm para sa pag-deploy ng mga application sa intelligent na industriya ng transportasyon, na may pananagutan ang cloud side para sa sentralisadong pamamahala at bahagi ng pagpoproseso ng data, ang gilid na pangunahing nagbibigay ng pagsusuri sa data sa gilid at pagpapasya sa pagkalkula -paggawa ng pagproseso, at ang dulong bahagi ay pangunahing responsable para sa pagkolekta ng data ng negosyo.

Sa mga partikular na sitwasyon tulad ng koordinasyon ng sasakyan-daan, mga holographic na intersection, awtomatikong pagmamaneho, at trapiko sa riles, mayroong malaking bilang ng mga heterogenous na device na na-access, at ang mga device na ito ay nangangailangan ng access management, exit management, alarm processing, at operation at maintenance processing. Ang Edge computing ay maaaring hatiin at lupigin, maging malaki sa maliit, magbigay ng cross-layer na protocol ng conversion function, makamit ang pinag-isa at matatag na pag-access, at maging ang collaborative na kontrol ng heterogenous na data.

Sa larangan ng paggawa ng industriya

Sitwasyon sa Pag-optimize ng Proseso ng Produksyon: Sa kasalukuyan, ang malaking bilang ng mga discrete manufacturing system ay nalilimitahan ng hindi kumpleto ng data, at ang pangkalahatang kahusayan ng kagamitan at iba pang mga kalkulasyon ng data ng index ay medyo palpak, na nagpapahirap sa paggamit para sa pag-optimize ng kahusayan. Edge computing platform batay sa modelo ng impormasyon ng kagamitan upang makamit ang semantic level manufacturing system pahalang na komunikasyon at vertical na komunikasyon, batay sa real-time na mekanismo ng pagpoproseso ng daloy ng data upang pagsama-samahin at pag-aralan ang isang malaking bilang ng field real-time na data, upang makamit ang linya ng produksyon na nakabatay sa modelo multi-data source information fusion, upang magbigay ng malakas na suporta sa data para sa paggawa ng desisyon sa discrete manufacturing system.

Kagamitan Predictive Maintenance Scenario: Ang pagpapanatili ng pang-industriyang kagamitan ay nahahati sa tatlong uri: reparative maintenance, preventive maintenance, at predictive maintenance. Ang restorative maintenance ay nabibilang sa ex-post facto maintenance, preventive maintenance, at predictive maintenance ay kabilang sa ex-ante maintenance, ang una ay nakabatay sa oras, performance ng kagamitan, kundisyon ng site, at iba pang salik para sa regular na pagpapanatili ng equipment, higit pa o mas kaunti batay sa tao karanasan, ang huli sa pamamagitan ng koleksyon ng data ng sensor, real-time na pagsubaybay sa operating estado ng kagamitan, batay sa pang-industriya na modelo ng pagtatasa ng data, at tumpak na hulaan kapag nangyari ang pagkabigo.

Sitwasyon ng inspeksyon ng kalidad ng industriya: ang field ng inspeksyon ng pang-industriya na pangitain ay ang unang tradisyonal na awtomatikong optical inspeksyon (AOI) na form sa larangan ng inspeksyon ng kalidad, ngunit ang pag-unlad ng AOI sa ngayon, sa maraming pagtuklas ng depekto at iba pang kumplikadong mga sitwasyon, dahil sa mga depekto ng iba't ibang ng mga uri, ang pagkuha ng tampok ay hindi kumpleto, ang mga adaptive na algorithm ay mahinang pagpapalawak, ang linya ng produksyon ay madalas na ina-update, ang paglilipat ng algorithm ay hindi nababaluktot, at iba pang mga kadahilanan, ang tradisyunal na sistema ng AOI ay naging mahirap upang matugunan ang pag-unlad ng mga pangangailangan ng linya ng produksyon. Samakatuwid, ang AI industrial quality inspection algorithm platform na kinakatawan ng deep learning + small sample learning ay unti-unting pinapalitan ang tradisyonal na visual inspection scheme, at ang AI industrial quality inspection platform ay dumaan sa dalawang yugto ng classical machine learning algorithm at deep learning inspection algorithm.