Jos keinotekoista älykkyyttä pidetään matkalla A: sta B: hen, pilvipalvelu on lentokenttä tai nopea rautatieasema, ja reunalaskenta on taksi tai jaettu polkupyörä. Reunalaskenta on lähellä ihmisten, asioiden tai tietolähteiden puolta. Se ottaa käyttöön avoimen alustan, joka integroi tallennus-, laskenta-, verkkokäyttö- ja sovellusydinominaisuudet tarjoamaan palveluita läheisyydessä. Verrattuna keskitetysti käyttöön otettuihin pilvipalveluihin, Edge Computing ratkaisee ongelmat, kuten pitkän latenssin ja korkean lähentymisliikenteen, tarjoamalla parempaa tukea reaaliaikaisille ja kaistanleveyden vaativille palveluille.
ChatgPT: n tulipalo on käynnistänyt uuden AI -kehityksen aallon, kiihdyttäen AI: n upottamista enemmän sovellusalueille, kuten teollisuus, vähittäiskauppa, älykkäitä koteja, älykkäitä kaupunkeja jne. Suuri määrä tietoja on tallennettava ja laskettava sovelluksen lopussa ja luottaa pelkästään pilveen ei enää pysty vastaamaan todellista kysyntää, Edge Comping parantaa AI -sovellusten viimeistä kilometriä. Digitaalitalouden voimakkaasti kehittämisen kansallisen politiikan mukaan Kiinan pilvipalvelu on tullut osallistavan kehityksen ajanjaksoon, reunalaskennan kysyntä on lisääntynyt, ja Cloud Edge- ja End -integroinnista on tullut tärkeä evoluutiosuunta tulevaisuudessa.
Edge Computing -markkinat kasvattaa 36,1% CAGR seuraavan viiden vuoden aikana
Edge Computing -teollisuus on siirtynyt tasaisen kehityksen vaiheeseen, mikä osoittaa palveluntarjoajien asteittainen monipuolistaminen, kasvava markkinoiden koko ja levitysalueiden edelleen laajentuminen. Markkinoiden koon kannalta IDC: n seurantaraportin tiedot osoittavat, että Kiinan Edge Computing -palvelimien kokonaismarkkinoiden koko oli 3,31 miljardia dollaria vuonna 2021, ja Kiinan reunatietopalvelimien kokonaismarkkinoiden koon odotetaan kasvavan yhdistetyn vuotuisen kasvunopeudella 22,2% vuosista 2020-2025. Sullivanin ennustettujen markkinoiden kokonaismäärän 2027.9.9. CAGR: n kattavuuden kokonaismäärän. 36,1% vuodesta 2023 - 2027.
Edge Computing Eco -teollisuus menestyy
Edge Computing on tällä hetkellä puhkeamisen varhaisessa vaiheessa, ja teollisuusketjun liiketoimintarajat ovat suhteellisen sumea. Yksittäisten toimittajien on tarpeen harkita integraatiota liiketoimintaskenaarioihin, ja on myös välttämätöntä sopeutua liiketoimintaskenaarioiden muutoksiin tekniseltä tasolta, ja on myös tarpeen varmistaa, että laitteistolaitteiden kanssa on suuri yhteensopivuus, samoin kuin suunnitteluhankkeiden suunnittelukyky.
Edge Computing -teollisuusketju on jaettu sirujen myyjiin, algoritmimyyjiin, laitteiden valmistajiin ja ratkaisujen tarjoajiin. Sirunmyyjät kehittävät enimmäkseen aritmeettisiä siruja loppupuolelta reunapuolelle pilvipuolelle, ja reunapuolen sirujen lisäksi ne kehittävät myös kiihtyvyyskortteja ja tukevat ohjelmistokehitysalustoja. Algoritmimyyjät käyttävät tietokoneen näköalgoritmeja ytimenä yleisten tai räätälöityjen algoritmien rakentamiseksi, ja on myös yrityksiä, jotka rakentavat algoritmikeskuksia tai koulutus- ja push -alustoja. Laitteiden myyjät investoivat aktiivisesti reunalaskentatuotteisiin, ja reunalaskentatuotteiden muoto on jatkuvasti rikastettu, muodostaen vähitellen täydellisen pino reunalaskentatuotteita sirusta koko koneeseen. Ratkaisun tarjoajat tarjoavat ohjelmisto- tai ohjelmisto-hardware-integroidut ratkaisut tietyille toimialoille.
Edge Computing -teollisuuden sovellukset kiihtyvät
Smart Cityn alalla
Kaupunkiominaisuuden kattava tarkastus käytetään tällä hetkellä yleisesti manuaalisessa tarkastusmuodossa, ja manuaalisessa tarkastustilassa on ongelmia korkeaan aikaa vievään ja työvoimavaltaiseen kustannukseen, prosessiriippuvuuteen yksilöistä, huono kattavuus ja tarkastustiheys sekä heikkolaatuisen laadunvalvonta. Samanaikaisesti tarkastusprosessissa tallensi valtavan määrän tietoja, mutta näitä tietoresursseja ei ole muutettu tietojen omaisuuteen liiketoiminnan voimaannuttamiseksi. Soveltamalla AI-tekniikkaa mobiilitarkastusskenaarioihin, yritys on luonut kaupunkihallinnon AI-älykkään tarkastusajoneuvon, joka ottaa käyttöön tekniikoita, kuten esineiden Internet, pilvipalvelu, AI-algoritmit, kuten ammattimaiset laitteet, kuten korkean määritelmän kamerat, ajoneuvojen näytöt ja AI-sivupalvelimet, ja yhdistää "älykkyysjärjestelmän + älykkyyden + henkilöstön apupalvelimet". Se edistää kaupunkihallinnon muutosta henkilöstöintensiivisestä mekaaniseen älykkyyteen, empiirisestä arvioinnista tietojen analysointiin ja passiivisesta vastauksesta aktiiviseen löytöön.
Älykkään rakennustyömaalla
Edge Computing -pohjaiset älykkäät rakennuspaikan ratkaisut soveltavat AI-tekniikan syvää integrointia perinteiseen rakennusteollisuuden turvallisuusvalvontatyöhön sijoittamalla rakennustyömaalle Edge AI -analyysiterminaalin, suorittamalla riippumattoman tutkimuksen ja visuaalisten AI-algoritmien kehittämisen, joka perustuu älykkäästi videoanalyysiteknologiaan, havaittavissa olevien tapahtumien ja muun turvallisuuspalveluiden tarjoamisen ja muiden turvallisuuspalveluiden käytön tai ei-hälytyshäiriöiden tunnistamiseen. Aloitteen tekeminen vaarallisten tekijöiden tunnistamiseksi, älykäs vartiointi, työvoimakustannusten säästäminen, rakennustyöalueiden henkilöstön ja kiinteistöturvallisuuden hallinnan tarpeiden tyydyttämiseksi.
Älykkään kuljetuksen alalla
Pilvipuolen pääarkkitehtuurista on tullut perusparadigma sovellusten käyttöönottamiselle älykkäässä liikenneteollisuudessa, ja pilvipuoli on vastuussa keskitetystä hallinnasta ja osasta tiedonkäsittelyä, reunapuoli tarjoaa pääasiassa reunapuolen tietojen analysoinnin ja laskentapäätöksenkäsittelyn ja pääasiassa vastaavan liiketoimintatietojen keräämisen.
Tietyissä skenaarioissa, kuten ajoneuvojen tiet koordinointi, holografiset risteykset, automaattinen ajo ja rautatieliikenne, on saatavana suuri määrä heterogeenisiä laitteita, ja nämä laitteet vaativat pääsyn hallintaa, poistumisen hallintaa, hälytysten käsittelyä sekä käyttöä ja ylläpidon käsittelyä. Reunalaskenta voi jakaa ja valloittaa, muuttaa isoksi pieneksi, tarjota poikkileikkausprotokollan muuntamistoiminnot, saavuttaa yhtenäisen ja vakaan pääsyn ja jopa heterogeenisen tiedon yhteistyöhön.
Teollisuuden valmistuksen alalla
Tuotantoprosessin optimointiskenaario: Tällä hetkellä suurta määrää erillisiä valmistusjärjestelmiä rajoittaa datan epätäydellisyys, ja laitteiden kokonaistehokkuus ja muut hakemistotietolaskelmat ovat suhteellisen huolimaton, mikä vaikeuttaa tehokkuuden optimointia varten. Laitetietomalliin perustuva Edge Computing -alusta semanttisen tason valmistusjärjestelmän vaakasuoran viestintä ja vertikaalinen viestintä, joka perustuu reaaliaikaiseen tiedonsiirtoprosessointimekanismiin suuren määrän kenttätietojen yhdistämiseksi ja analysoimiseksi, mallipohjaisen tuotantolinjan monitietojen lähdetietojen fuusion saavuttamiseksi, jotta voidaan tarjota tehokas tietojentuki päätöksentekoon disteen valmistusjärjestelmässä.
Laitteiden ennustava huolto -skenaario: Teollisuuslaitteiden ylläpito on jaettu kolmeen tyyppiin: korjattava huolto, ennaltaehkäisevä huolto ja ennustava huolto. Palattava huolto kuuluu jälkikäteen tapahtuvaan tosiasialliseen ylläpitoon, ennaltaehkäisevään kunnossapitoon ja ennustavaan ylläpitoon kuuluvat entisen ante-ylläpidon, entinen perustuu aika-, laitteiden suorituskykyyn, paikan olosuhteisiin ja muihin laitteiden säännöllisen ylläpidon tekijöihin, jotka perustuvat enemmän tai vähemmän inhimillisen kokemuksen perusteella, jälkimmäiset anturitietojen keräämisen kautta, laitteiden käyttötilan reaaliaikainen seuranta, kun epäonnistuminen tapahtuu.
Teollisuuden laadun tarkastusskenaario: Teollisen näkökyvyn tarkastuskenttä on ensimmäinen perinteinen automaattinen optinen tarkastus (AOI) laadun tarkastuskenttä, mutta AOI: n kehittäminen toistaiseksi monissa vikojen havaitsemisessa ja muissa monimutkaisissa skenaarioissa johtuen monien tyyppisten tyyppien puutteiden vuoksi ominaisuuksien poisto on epätäydellinen, mukautuva algoritmit, jotka eivät ole joustavia, toisiaan, muuttavat, toisin Perinteistä AOI -järjestelmää on ollut vaikea vastata tuotantolinjan tarpeiden kehittämiseen. Siksi syvän oppimisen + pienen näytteenoppimisen edustama AI -teollisuuden laadun tarkastusalgoritmialusta korvaa vähitellen perinteisen visuaalisen tarkastusjärjestelmän, ja AI: n teollisuuden laadun tarkastusalusta on käynyt läpi kaksi klassisen koneoppimisalgoritmien ja syvän oppimisen tarkastusalgoritmia.
Viestin aika: Lokakuu-08-2023