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 sisi orang, benda, atau sumber data. Ini mengadopsi platform terbuka yang mengintegrasikan penyimpanan, perhitungan, akses jaringan, dan kemampuan inti aplikasi untuk menyediakan layanan bagi pengguna di sekitarnya. Dibandingkan dengan layanan komputasi awan yang disusun secara terpusat, komputasi Edge menyelesaikan masalah seperti latensi panjang dan lalu lintas konvergensi yang tinggi, memberikan dukungan yang lebih baik untuk layanan real-time dan bandwidth.
Api chatgpt telah memicu gelombang baru pengembangan AI, mempercepat tenggelamnya AI menjadi lebih banyak bidang aplikasi seperti industri, ritel, rumah pintar, kota pintar, dll. Sejumlah besar data perlu disimpan dan dihitung pada akhir aplikasi, dan mengandalkan aplikasi cloud saja tidak lagi dapat memenuhi permintaan aktual, komputasi tepi meningkatkan kilometer AI terakhir. Di bawah kebijakan nasional untuk mengembangkan ekonomi digital dengan penuh semangat, komputasi awan China telah memasuki periode pengembangan inklusif, permintaan komputasi tepi telah melonjak, dan integrasi tepi awan dan akhir telah menjadi arah evolusi yang penting di masa depan.
Edge Computing Market untuk tumbuh 36,1% CAGR selama lima tahun ke depan
Industri komputasi tepi telah memasuki tahap pengembangan yang stabil, sebagaimana dibuktikan oleh diversifikasi bertahap penyedia layanannya, ukuran pasar yang berkembang, dan perluasan lebih lanjut dari area aplikasi. Dalam hal ukuran pasar, data dari laporan pelacakan IDC menunjukkan bahwa ukuran pasar secara keseluruhan dari server komputasi tepi di Cina mencapai US $ 3,31 miliar pada tahun 2021, dan ukuran pasar keseluruhan server komputasi tepi di Cina diperkirakan akan tumbuh pada tingkat pertumbuhan tahunan yang diharapkan pada tahun 202% dari torping. 36,1% dari 2023 hingga 2027.
Tepi Komputasi Eco-Industry berkembang
EDGE Computing saat ini dalam tahap awal wabah, dan batas -batas bisnis dalam rantai industri relatif kabur. Untuk masing -masing vendor, perlu untuk mempertimbangkan integrasi dengan skenario bisnis, dan juga perlu untuk memiliki kemampuan untuk beradaptasi dengan perubahan dalam skenario bisnis dari tingkat teknis, dan juga perlu untuk memastikan bahwa ada tingkat kompatibilitas yang tinggi dengan peralatan perangkat keras, serta kemampuan rekayasa untuk proyek mendarat.
Rantai industri komputasi tepi dibagi menjadi vendor chip, vendor algoritma, produsen perangkat perangkat keras, dan penyedia solusi. Vendor chip sebagian besar mengembangkan chip aritmatika dari sisi ujung ke sisi ke sisi ke sisi cloud, dan selain chip sisi tepi, mereka juga mengembangkan kartu akselerasi dan mendukung platform pengembangan perangkat lunak. Vendor algoritma mengambil algoritma visi komputer sebagai inti untuk membangun algoritma umum atau khusus, dan ada juga perusahaan yang membangun mal algoritma atau pelatihan dan platform dorong. Vendor peralatan secara aktif berinvestasi dalam produk komputasi tepi, dan bentuk produk komputasi tepi terus -menerus diperkaya, secara bertahap membentuk tumpukan lengkap produk komputasi tepi dari chip ke seluruh mesin. Penyedia solusi memberikan solusi perangkat lunak atau perangkat lunak yang terintegrasi untuk industri tertentu.
Aplikasi Industri Komputasi Edge meningkat
Di bidang kota pintar
Inspeksi komprehensif properti perkotaan saat ini umumnya digunakan dalam mode inspeksi manual, dan mode inspeksi manual memiliki masalah biaya yang memakan waktu dan intensif tenaga kerja yang tinggi, ketergantungan proses pada individu, cakupan yang buruk dan frekuensi inspeksi, 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 ke skenario inspeksi seluler, perusahaan telah menciptakan tata kelola perkotaan AI Inspection Inspection Vehicle, yang mengadopsi teknologi seperti Internet of Things, Cloud Computing, AI Algorithms, dan membawa peralatan profesional seperti Kamera Tinggi, "Sistem Cerdas, dan Kombinasi Mekane Cerdas, dan Kombinasi Mekane Cerdas. Ini mempromosikan transformasi tata kelola perkotaan dari intelijen intensif-personel ke intelijen mekanik, dari penilaian empiris ke analisis data, dan dari respons pasif hingga penemuan aktif.
Di bidang Situs Konstruksi Cerdas
Solusi Situs Konstruksi Cerdas Berbasis Komputasi Berbasis Komputasi Menerapkan integrasi mendalam teknologi AI untuk pekerjaan pemantauan keselamatan industri konstruksi tradisional, dengan menempatkan terminal analisis AI tepi di lokasi konstruksi, menyelesaikan penelitian independen dan pengembangan algoritma AI visual, yang mendeteksi hal-hal di mana-mana, yang memberikan deteksi kepada orang lain, yang akan dideteksi oleh orang atau tidak dapat dikenakan oleh orang-orang, yang memberikan hal-hal yang akan dideteksi oleh orang atau tidak ada. dan mengambil inisiatif untuk mengidentifikasi faktor -faktor yang tidak aman, penjaga cerdas AI, menghemat biaya tenaga kerja, untuk memenuhi kebutuhan manajemen keselamatan personel dan properti dari lokasi konstruksi.
Di bidang transportasi cerdas
Arsitektur sisi awan telah menjadi paradigma dasar untuk penyebaran aplikasi dalam industri transportasi cerdas, dengan sisi cloud yang bertanggung jawab untuk manajemen terpusat dan bagian dari pemrosesan data, sisi tepi terutama menyediakan analisis data sisi tepi dan pemrosesan pengambilan keputusan komputasi, dan sisi akhir yang terutama bertanggung jawab untuk pengumpulan data bisnis.
Dalam skenario spesifik seperti koordinasi jalan kendaraan, persimpangan holografik, mengemudi otomatis, dan lalu lintas kereta api, ada sejumlah besar perangkat heterogen yang diakses, dan perangkat ini memerlukan manajemen akses, manajemen keluar, pemrosesan alarm, dan pemrosesan operasi dan pemeliharaan. Komputasi tepi dapat membagi dan menaklukkan, menjadi besar menjadi kecil, menyediakan fungsi konversi protokol lintas-lapisan, mencapai akses yang bersatu dan stabil, dan bahkan kontrol kolaboratif data heterogen.
Di bidang manufaktur industri
Skenario Optimalisasi Proses Produksi: Saat ini, sejumlah besar sistem manufaktur diskrit dibatasi oleh ketidaklengkapan data, dan efisiensi peralatan keseluruhan dan perhitungan data indeks lainnya relatif ceroboh, sehingga sulit digunakan untuk optimasi efisiensi. Platform komputasi tepi berdasarkan model informasi peralatan untuk mencapai sistem manufaktur level semantik komunikasi horizontal dan komunikasi vertikal, berdasarkan mekanisme pemrosesan aliran data real-time untuk menggabungkan dan menganalisis sejumlah besar data real-time lapangan, untuk mencapai fusi informasi sumber multi-data yang kuat, untuk memberikan dukungan data yang kuat untuk pengambilan keputusan dalam sistem manufaktur yang terpisah.
Peralatan Prediktif Pemeliharaan Skenario: Pemeliharaan peralatan industri dibagi menjadi tiga jenis: pemeliharaan reparatif, pemeliharaan preventif, dan pemeliharaan prediktif. Pemeliharaan restoratif termasuk dalam pemeliharaan ex post facto, pemeliharaan preventif, dan pemeliharaan prediktif termasuk dalam pemeliharaan ex-ante, yang pertama didasarkan pada waktu, kinerja peralatan, kondisi lokasi, dan faktor-faktor lain untuk pemeliharaan peralatan secara rutin, lebih atau kurang berdasarkan pengalaman manusia, melalui pengumpulan data sensor, pemantauan real-time dari status operasi peralatan, berdasarkan pada model yang tepat pada model, dan pemantauan waktu yang tepat dari status operasi.
Industrial quality inspection scenario: industrial vision inspection field is the first traditional automatic optical inspection (AOI) form into the quality inspection field, but the development of AOI so far, in many defect detection and other complex scenarios, due to the defects of a variety of types, feature extraction is incomplete, adaptive algorithms poor extensibility, the production line is updated frequently, the algorithm migration is not flexible, and other Faktor -faktor, sistem AOI tradisional sulit untuk memenuhi pengembangan kebutuhan lini produksi. Oleh karena itu, platform algoritma inspeksi kualitas industri AI yang diwakili oleh pembelajaran yang mendalam + Pembelajaran sampel kecil secara bertahap menggantikan skema inspeksi visual tradisional, dan platform inspeksi kualitas industri AI telah melalui dua tahap algoritma pembelajaran mesin klasik dan algoritma inspeksi pembelajaran yang mendalam.
Waktu posting: Oktober-08-2023