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 sewaan. Komputasi tepi berada dekat dengan orang, benda, atau sumber data. Ia mengadopsi platform terbuka yang mengintegrasikan penyimpanan, komputasi, akses jaringan, dan kemampuan inti aplikasi untuk menyediakan layanan bagi pengguna di sekitarnya. Dibandingkan dengan layanan komputasi awan yang dikerahkan secara terpusat, komputasi tepi mengatasi masalah seperti latensi yang lama dan lalu lintas konvergensi yang tinggi, memberikan dukungan yang lebih baik untuk layanan waktu nyata dan yang membutuhkan bandwidth tinggi.
Keberhasilan ChatGPT telah memicu gelombang baru pengembangan AI, mempercepat penetrasi AI ke lebih banyak area aplikasi seperti industri, ritel, rumah pintar, kota pintar, dll. Sejumlah besar data perlu disimpan dan diolah di sisi aplikasi, dan mengandalkan cloud saja tidak lagi mampu memenuhi permintaan aktual, komputasi edge meningkatkan jangkauan aplikasi AI hingga ke pengguna akhir. Di bawah kebijakan nasional untuk mengembangkan ekonomi digital secara agresif, komputasi cloud di Tiongkok telah memasuki periode pengembangan inklusif, permintaan komputasi edge melonjak, dan integrasi cloud edge dan end telah menjadi arah evolusi penting di masa depan.
Pasar edge computing diperkirakan akan tumbuh dengan CAGR 36,1% 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. Dari segi ukuran pasar, data dari laporan pelacakan IDC menunjukkan bahwa ukuran pasar keseluruhan server edge computing di Tiongkok mencapai US$3,31 miliar pada tahun 2021, dan ukuran pasar keseluruhan server edge computing di Tiongkok diperkirakan akan tumbuh dengan tingkat pertumbuhan tahunan gabungan (CAGR) 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.
Ekoindustri komputasi tepi berkembang pesat
Edge computing saat ini masih dalam tahap awal perkembangannya, dan batasan bisnis dalam rantai industri masih relatif kabur. Bagi masing-masing vendor, perlu mempertimbangkan integrasi dengan skenario bisnis, dan juga perlu memiliki kemampuan untuk beradaptasi dengan perubahan skenario bisnis dari tingkat teknis, serta perlu memastikan adanya kompatibilitas tingkat tinggi dengan peralatan perangkat keras, dan juga kemampuan rekayasa untuk mewujudkan 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 cloud, 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 penyebaran. Vendor peralatan secara aktif berinvestasi dalam produk komputasi tepi, dan bentuk produk komputasi tepi terus diperkaya, secara bertahap membentuk tumpukan lengkap produk komputasi tepi dari chip hingga seluruh mesin. Penyedia solusi menyediakan perangkat lunak atau solusi terintegrasi perangkat lunak-perangkat keras untuk industri tertentu.
Aplikasi industri edge computing semakin cepat
Di bidang kota cerdas
Inspeksi komprehensif properti perkotaan saat ini umumnya dilakukan secara manual, namun metode inspeksi manual memiliki beberapa masalah, yaitu memakan waktu dan tenaga yang besar, ketergantungan proses pada individu, cakupan dan frekuensi inspeksi yang rendah, serta 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 bergerak, perusahaan telah menciptakan kendaraan inspeksi cerdas AI untuk tata kelola perkotaan, yang mengadopsi teknologi seperti Internet of Things, komputasi awan, algoritma AI, dan membawa peralatan profesional seperti kamera definisi tinggi, layar onboard, dan server sisi AI, serta menggabungkan mekanisme inspeksi "sistem cerdas + mesin cerdas + bantuan staf". Hal ini mendorong transformasi tata kelola perkotaan dari yang padat tenaga kerja 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 edge computing menerapkan integrasi mendalam teknologi AI pada pekerjaan pemantauan keselamatan industri konstruksi tradisional. Solusi ini dilakukan dengan menempatkan terminal analisis AI di lokasi konstruksi, menyelesaikan penelitian dan pengembangan independen algoritma AI visual berdasarkan teknologi analitik video cerdas, mendeteksi peristiwa yang perlu dideteksi secara terus-menerus (misalnya, mendeteksi apakah seseorang mengenakan helm atau tidak), menyediakan layanan identifikasi titik risiko keselamatan dan pengingat alarm terkait personel, lingkungan, keamanan, dan lainnya, serta secara proaktif mengidentifikasi faktor-faktor yang tidak aman, melakukan pengamanan cerdas berbasis 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 di industri transportasi cerdas, dengan sisi awan bertanggung jawab atas manajemen terpusat dan sebagian pemrosesan data, sisi ujung terutama menyediakan analisis data sisi ujung 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 keluar, pemrosesan alarm, serta pemrosesan operasi dan pemeliharaan. Komputasi tepi (edge computing) dapat membagi dan menaklukkan, mengubah yang besar menjadi yang kecil, menyediakan fungsi konversi protokol lintas lapisan, mencapai akses yang terpadu dan stabil, dan bahkan kontrol kolaboratif dari 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 kurang akurat, sehingga sulit digunakan untuk optimasi efisiensi. Platform komputasi edge 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 secara 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 diskrit.
Skenario Pemeliharaan Prediktif Peralatan: Pemeliharaan peralatan industri dibagi menjadi tiga jenis: pemeliharaan reparatif, pemeliharaan preventif, dan pemeliharaan prediktif. Pemeliharaan reparatif termasuk dalam pemeliharaan ex post facto, sedangkan pemeliharaan preventif dan prediktif termasuk dalam pemeliharaan ex-ante. Pemeliharaan reparatif didasarkan pada waktu, kinerja peralatan, kondisi lokasi, dan faktor-faktor lain untuk pemeliharaan rutin peralatan, kurang lebih berdasarkan pengalaman manusia, sedangkan pemeliharaan prediktif melalui pengumpulan data sensor, pemantauan real-time terhadap kondisi operasional peralatan, berdasarkan analisis data model industri, dan secara akurat memprediksi kapan kegagalan akan terjadi.
Skenario inspeksi kualitas industri: bidang inspeksi visual industri merupakan bidang inspeksi kualitas pertama yang menggunakan bentuk inspeksi optik otomatis (AOI) tradisional. Namun, pengembangan AOI hingga saat ini, dalam banyak deteksi cacat dan skenario kompleks lainnya, karena beragamnya jenis cacat, ekstraksi fitur yang tidak lengkap, algoritma adaptif yang kurang fleksibel, lini produksi yang sering diperbarui, migrasi algoritma yang tidak fleksibel, dan faktor-faktor lainnya, sistem AOI tradisional sulit memenuhi kebutuhan pengembangan lini produksi. Oleh karena itu, platform algoritma inspeksi kualitas industri berbasis AI yang diwakili oleh pembelajaran mendalam + pembelajaran sampel kecil secara bertahap menggantikan skema inspeksi visual tradisional, dan platform inspeksi kualitas industri berbasis AI telah melalui dua tahap, yaitu algoritma pembelajaran mesin klasik dan algoritma inspeksi pembelajaran mendalam.
Waktu posting: 08-Oktober-2023