Jika kecerdasan buatan dianggap sebagai perjalanan dari A ke B, layanan komputasi awan adalah bandara atau stasiun kereta api berkecepatan tinggi, dan komputasi tepi adalah taksi atau sepeda bersama. Komputasi tepi dekat dengan orang, benda, atau sumber data. Ia mengadopsi platform terbuka yang mengintegrasikan penyimpanan, komputasi, akses jaringan, dan kapabilitas inti aplikasi untuk menyediakan layanan bagi pengguna di sekitarnya. Dibandingkan dengan layanan komputasi awan yang diterapkan secara terpusat, komputasi tepi mengatasi masalah seperti latensi yang panjang dan lalu lintas konvergensi yang tinggi, menyediakan dukungan yang lebih baik untuk layanan waktu nyata dan yang membutuhkan bandwidth.
Api ChatGPT telah memicu gelombang baru pengembangan AI, mempercepat tenggelamnya AI ke lebih banyak area aplikasi seperti industri, ritel, rumah pintar, kota pintar, dll. Sejumlah besar data perlu disimpan dan dihitung di ujung aplikasi, dan mengandalkan cloud saja tidak lagi mampu memenuhi permintaan aktual, komputasi tepi meningkatkan kilometer terakhir aplikasi AI. Di bawah kebijakan nasional untuk mengembangkan ekonomi digital dengan giat, komputasi awan Tiongkok telah memasuki periode pengembangan inklusif, permintaan komputasi tepi telah melonjak, dan integrasi cloud edge dan end telah menjadi arah evolusi yang penting di masa depan.
Pasar komputasi edge diperkirakan tumbuh 36,1% CAGR selama lima tahun ke depan
Industri edge computing telah memasuki tahap perkembangan yang stabil, sebagaimana dibuktikan oleh diversifikasi bertahap penyedia layanannya, perluasan ukuran pasar, dan perluasan lebih lanjut area aplikasi. Dalam hal ukuran pasar, data dari laporan pelacakan IDC menunjukkan bahwa keseluruhan ukuran pasar server edge computing di Tiongkok mencapai US$3,31 miliar pada tahun 2021, dan keseluruhan ukuran pasar server edge computing di Tiongkok diperkirakan akan tumbuh pada tingkat pertumbuhan tahunan gabungan sebesar 22,2% dari tahun 2020 hingga 2025. Sullivan memperkirakan ukuran pasar edge computing di Tiongkok diperkirakan akan mencapai RMB 250,9 miliar pada tahun 2027, dengan CAGR sebesar 36,1% dari tahun 2023 hingga 2027.
Industri ekologi komputasi tepi berkembang pesat
Edge computing saat ini masih dalam tahap awal wabah, dan batasan bisnis dalam rantai industri relatif tidak jelas. Bagi vendor perorangan, perlu mempertimbangkan integrasi dengan skenario bisnis, dan juga perlu memiliki kemampuan untuk beradaptasi dengan perubahan skenario bisnis dari tingkat teknis, dan juga perlu memastikan bahwa ada tingkat kompatibilitas yang tinggi dengan peralatan perangkat keras, serta kemampuan rekayasa untuk mendapatkan proyek.
Rantai industri komputasi tepi terbagi menjadi vendor chip, vendor algoritma, produsen perangkat keras, dan penyedia solusi. Vendor chip sebagian besar mengembangkan chip aritmatika dari sisi ujung ke sisi tepi hingga sisi awan, dan selain chip sisi tepi, mereka juga mengembangkan kartu akselerasi dan mendukung platform pengembangan perangkat lunak. Vendor algoritma menggunakan algoritma visi komputer sebagai inti untuk membangun algoritma umum atau yang disesuaikan, dan ada juga perusahaan yang membangun pusat algoritma atau platform pelatihan dan pendorong. Vendor peralatan secara aktif berinvestasi dalam produk komputasi tepi, dan bentuk produk komputasi tepi terus diperkaya, secara bertahap membentuk tumpukan penuh produk komputasi tepi dari chip hingga seluruh mesin. Penyedia solusi menyediakan perangkat lunak atau solusi yang terintegrasi dengan perangkat lunak dan perangkat keras untuk industri tertentu.
Aplikasi industri komputasi tepi semakin cepat
Di bidang kota pintar
Inspeksi menyeluruh atas properti perkotaan saat ini umumnya digunakan dalam mode inspeksi manual, dan mode inspeksi manual memiliki masalah biaya yang tinggi, memakan waktu dan padat karya, ketergantungan proses pada individu, cakupan dan frekuensi inspeksi yang buruk, dan kontrol kualitas yang buruk. Pada saat yang sama, proses inspeksi mencatat sejumlah besar data, tetapi sumber daya data ini belum diubah menjadi aset data untuk pemberdayaan bisnis. Dengan menerapkan teknologi AI pada skenario inspeksi seluler, perusahaan telah menciptakan kendaraan inspeksi cerdas AI tata kelola perkotaan, yang mengadopsi teknologi seperti Internet of Things, komputasi awan, algoritma AI, dan membawa peralatan profesional seperti kamera definisi tinggi, tampilan on-board, dan server sisi AI, dan menggabungkan mekanisme inspeksi "sistem cerdas + mesin cerdas + bantuan staf". Ini mendorong transformasi tata kelola perkotaan dari padat personel menjadi kecerdasan mekanis, dari penilaian empiris menjadi analisis data, dan dari respons pasif menjadi penemuan aktif.
Di bidang lokasi konstruksi cerdas
Solusi lokasi konstruksi cerdas berbasis komputasi tepi menerapkan integrasi mendalam teknologi AI ke pekerjaan pemantauan keselamatan industri konstruksi tradisional, dengan menempatkan terminal analisis AI tepi di lokasi konstruksi, menyelesaikan penelitian dan pengembangan independen terhadap algoritma AI visual berdasarkan teknologi analisis video cerdas, deteksi penuh waktu terhadap kejadian yang akan dideteksi (misalnya, mendeteksi apakah perlu memakai helm atau tidak), menyediakan personel, lingkungan, keamanan dan identifikasi titik risiko keselamatan lainnya serta layanan pengingat alarm, dan mengambil inisiatif untuk mengidentifikasi faktor yang tidak aman, penjagaan cerdas AI, menghemat biaya tenaga kerja, untuk memenuhi kebutuhan manajemen keselamatan personel dan properti di lokasi konstruksi.
Di bidang transportasi cerdas
Arsitektur sisi awan telah menjadi paradigma dasar untuk penerapan aplikasi dalam industri transportasi cerdas, dengan sisi awan bertanggung jawab atas manajemen terpusat dan bagian dari pemrosesan data, sisi tepi terutama menyediakan analisis data sisi tepi dan pemrosesan pengambilan keputusan komputasi, dan sisi ujung terutama bertanggung jawab atas pengumpulan data bisnis.
Dalam skenario tertentu seperti koordinasi kendaraan-jalan, persimpangan holografik, pengemudian otomatis, dan lalu lintas kereta api, terdapat sejumlah besar perangkat heterogen yang diakses, dan perangkat ini memerlukan manajemen akses, manajemen pintu keluar, pemrosesan alarm, serta pemrosesan operasi dan pemeliharaan. Komputasi tepi dapat membagi dan menaklukkan, mengubah yang besar menjadi kecil, menyediakan fungsi konversi protokol lintas lapisan, mencapai akses terpadu dan stabil, dan bahkan kontrol kolaboratif atas data heterogen.
Di bidang manufaktur industri
Skenario Optimalisasi Proses Produksi: Saat ini, sejumlah besar sistem manufaktur diskret dibatasi oleh ketidaklengkapan data, dan efisiensi peralatan secara keseluruhan serta perhitungan data indeks lainnya relatif ceroboh, sehingga sulit digunakan untuk optimalisasi efisiensi. Platform komputasi tepi berdasarkan model informasi peralatan untuk mencapai komunikasi horizontal dan komunikasi vertikal sistem manufaktur tingkat semantik, berdasarkan mekanisme pemrosesan aliran data waktu nyata untuk menggabungkan dan menganalisis sejumlah besar data lapangan waktu nyata, untuk mencapai fusi informasi multi-sumber data lini produksi berbasis model, untuk memberikan dukungan data yang kuat untuk pengambilan keputusan dalam sistem manufaktur diskret.
Skenario Perawatan Prediktif Peralatan: Perawatan peralatan industri dibagi menjadi tiga jenis: perawatan reparatif, perawatan preventif, dan perawatan prediktif. Perawatan restoratif termasuk dalam perawatan ex post facto, perawatan preventif, dan perawatan prediktif termasuk dalam perawatan ex-ante, yang pertama didasarkan pada waktu, kinerja peralatan, kondisi lokasi, dan faktor-faktor lain untuk perawatan peralatan secara berkala, lebih atau kurang didasarkan pada pengalaman manusia, yang terakhir melalui pengumpulan data sensor, pemantauan waktu nyata terhadap kondisi pengoperasian peralatan, berdasarkan analisis data model industri, dan secara akurat memprediksi kapan kegagalan terjadi.
Skenario pemeriksaan kualitas industri: bidang pemeriksaan visi industri adalah bentuk pemeriksaan optik otomatis (AOI) tradisional pertama yang masuk ke bidang pemeriksaan kualitas, tetapi sejauh ini pengembangan AOI, dalam banyak deteksi cacat dan skenario kompleks lainnya, karena berbagai jenis cacat, ekstraksi fitur tidak lengkap, ekstensibilitas algoritma adaptif buruk, lini produksi sering diperbarui, migrasi algoritma tidak fleksibel, dan faktor-faktor lainnya, sistem AOI tradisional sulit memenuhi kebutuhan pengembangan lini produksi. Oleh karena itu, platform algoritma pemeriksaan kualitas industri AI yang diwakili oleh pembelajaran mendalam + pembelajaran sampel kecil secara bertahap menggantikan skema pemeriksaan visual tradisional, dan platform pemeriksaan kualitas industri AI telah melalui dua tahap algoritma pembelajaran mesin klasik dan algoritma pemeriksaan pembelajaran mendalam.
Waktu posting: 08-Okt-2023