Jika kecerdasan buatan diibaratkan sebagai perjalanan dari titik A ke titik B, layanan komputasi awan diibaratkan bandara atau stasiun kereta api berkecepatan tinggi, sedangkan komputasi tepi diibaratkan taksi atau sepeda bersama. Komputasi tepi dekat dengan manusia, benda, atau sumber data. Komputasi ini 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, sehingga memberikan dukungan yang lebih baik untuk layanan yang membutuhkan bandwidth dan waktu nyata.
Kemunculan ChatGPT telah memicu gelombang baru pengembangan AI, mempercepat masuknya AI ke lebih banyak bidang aplikasi seperti industri, ritel, rumah pintar, kota pintar, dll. Sejumlah besar data perlu disimpan dan dikomputasi di sisi aplikasi, dan mengandalkan cloud saja tidak lagi mampu memenuhi permintaan aktual. Komputasi tepi (edge computing) meningkatkan jangkauan terakhir aplikasi AI. Di bawah kebijakan nasional untuk mengembangkan ekonomi digital secara intensif, komputasi awan Tiongkok telah memasuki periode perkembangan yang inklusif, permintaan komputasi tepi (edge computing) telah melonjak, dan integrasi komputasi awan (edge) dan komputasi ujung (end computing) telah menjadi arah evolusi yang penting di masa depan.
Pasar komputasi edge diperkirakan tumbuh 36,1% CAGR selama lima tahun ke depan
Industri komputasi tepi telah memasuki tahap perkembangan yang stabil, terbukti dari diversifikasi penyedia layanan secara bertahap, perluasan pasar, dan perluasan area aplikasi. Dalam hal ukuran pasar, data dari laporan pelacakan IDC menunjukkan bahwa ukuran pasar server komputasi tepi di Tiongkok mencapai US$3,31 miliar pada tahun 2021, dan diperkirakan akan tumbuh dengan tingkat pertumbuhan tahunan gabungan (CAGR) sebesar 22,2% dari tahun 2020 hingga 2025. Sullivan memperkirakan ukuran pasar komputasi tepi di Tiongkok 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
Komputasi tepi saat ini masih dalam tahap awal pandemi, dan batasan bisnis dalam rantai industri relatif belum jelas. Bagi masing-masing vendor, penting untuk mempertimbangkan integrasi dengan skenario bisnis, kemampuan beradaptasi terhadap perubahan skenario bisnis dari tingkat teknis, dan memastikan kompatibilitas yang tinggi dengan perangkat keras, serta kemampuan rekayasa untuk mendapatkan proyek, juga diperlukan.
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 cloud. Selain chip sisi tepi, mereka juga mengembangkan kartu akselerasi dan mendukung platform pengembangan perangkat lunak. Vendor algoritma menjadikan algoritma visi komputer sebagai inti untuk membangun algoritma umum atau yang disesuaikan, dan ada juga perusahaan yang membangun pusat algoritma atau platform pelatihan dan pengembangan. 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 solusi 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 komprehensif properti perkotaan saat ini umumnya dilakukan dengan metode inspeksi manual. Metode inspeksi manual ini memiliki masalah berupa biaya yang tinggi, memakan waktu, dan padat karya, ketergantungan proses pada individu, cakupan dan frekuensi inspeksi yang rendah, serta kontrol kualitas yang buruk. Di saat yang sama, proses inspeksi mencatat data dalam jumlah besar, 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 berbasis AI untuk tata kelola perkotaan. Kendaraan ini mengadopsi teknologi seperti Internet of Things (IoT), komputasi awan, algoritma AI, dan dilengkapi peralatan profesional seperti kamera definisi tinggi, layar on-board, dan server samping AI. Kendaraan ini menggabungkan mekanisme inspeksi "sistem cerdas + mesin cerdas + bantuan staf". Hal ini mendorong transformasi tata kelola perkotaan dari yang padat karya 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-ujung 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 spesifik seperti koordinasi kendaraan-jalan, persimpangan holografik, pengemudian otomatis, dan lalu lintas kereta api, terdapat sejumlah besar perangkat heterogen yang diakses, dan perangkat-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 Optimasi Proses Produksi: Saat ini, sejumlah besar sistem manufaktur diskrit dibatasi oleh ketidaklengkapan data, dan perhitungan efisiensi peralatan secara keseluruhan serta data indeks lainnya relatif tidak akurat, sehingga sulit digunakan untuk optimasi efisiensi. Platform komputasi tepi berbasis model informasi peralatan untuk mencapai komunikasi horizontal dan vertikal sistem manufaktur tingkat semantik, berdasarkan mekanisme pemrosesan aliran data waktu nyata untuk mengagregasi dan menganalisis sejumlah besar data lapangan waktu nyata, untuk mencapai fusi informasi multi-sumber data lini produksi berbasis model, guna menyediakan dukungan data yang andal untuk pengambilan keputusan dalam sistem manufaktur diskrit.
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, sementara perawatan preventif dan perawatan prediktif termasuk dalam perawatan ex-ante. Perawatan restoratif didasarkan pada waktu, kinerja peralatan, kondisi lokasi, dan faktor-faktor lain untuk perawatan peralatan secara berkala, yang kurang lebih didasarkan pada pengalaman manusia. Perawatan prediktif dilakukan melalui pengumpulan data sensor, pemantauan kondisi operasional peralatan secara real-time, berdasarkan analisis data model industri, dan prediksi akurat kapan kegagalan akan terjadi.
Skenario inspeksi kualitas industri: bidang inspeksi visi industri merupakan bentuk inspeksi optik otomatis (AOI) tradisional pertama yang memasuki bidang inspeksi kualitas. Namun, dalam perkembangan AOI sejauh ini, dalam banyak skenario deteksi cacat dan skenario kompleks lainnya, terdapat berbagai jenis cacat, ekstraksi fitur yang tidak lengkap, ekstensibilitas algoritma adaptif yang buruk, lini produksi yang sering diperbarui, migrasi algoritma yang tidak fleksibel, dan faktor-faktor lainnya, sehingga sistem AOI tradisional sulit memenuhi kebutuhan pengembangan lini produksi. Oleh karena itu, platform algoritma inspeksi kualitas industri AI yang diwakili oleh pembelajaran mendalam + pembelajaran sampel kecil secara bertahap menggantikan skema inspeksi visual tradisional. Platform inspeksi kualitas industri AI telah melalui dua tahap, yaitu algoritma pembelajaran mesin klasik dan algoritma inspeksi pembelajaran mendalam.
Waktu posting: 08-Okt-2023