Jeśli sztuczna inteligencja jest uważana za podróż od A do B, usługa przetwarzania w chmurze jest lotniskiem lub dużą stacją kolejową, a przetwarzanie krawędzi to taksówka lub wspólny rower. Obliczanie krawędzi znajduje się blisko boku ludzi, rzeczy lub źródeł danych. Przyjmuje otwartą platformę, która integruje pamięć, obliczenia, dostęp do sieci i podstawowe możliwości aplikacji, aby świadczyć usługi użytkownikom w pobliżu. W porównaniu z centralnie wdrażanymi usługami przetwarzania w chmurze, przetwarzanie krawędzi rozwiązują problemy, takie jak długie opóźnienie i wysoki ruch konwergencji, zapewniając lepsze wsparcie dla usług w czasie rzeczywistym i obsługi przepustowości.
Pożar Chatgpt rozpoczął nową falę rozwoju sztucznej inteligencji, przyspieszając zatonięcie sztucznej inteligencji w większą liczbę obszarów aplikacji, takich jak przemysł, detaliczne, inteligentne domy, inteligentne miasta itp. Duża ilość danych należy przechowywać i obliczyć na końcu aplikacji, a poleganie na samej chmurze nie jest już w stanie zaspokoić rzeczywistego popytu, krawędzi komputerowe poprawia aplikacje AI. Zgodnie z krajową polityką energicznego rozwijania gospodarki cyfrowej, Chin Cloud Computing weszła w okres rozwoju integracyjnego, popyt na obliczenia krawędzi wzrosło, a integracja chmur i końca stała się ważnym kierunkiem ewolucyjnym w przyszłości.
Edge Computing Market w celu wzrostu 36,1% CAGR w ciągu następnych pięciu lat
Przemysł obliczeniowy Edge weszła na etap stałego rozwoju, o czym świadczy stopniowa dywersyfikacja dostawców usług, rosnącej wielkości rynku i dalszej ekspansji obszarów aplikacji. Jeśli chodzi o wielkość rynku, dane z raportu śledzenia IDC pokazują, że ogólna wielkość rynku serwerów obliczeniowych w Chinach osiągnęła 3,31 miliarda USD w 2021 r., A ogólna wielkość rynku serwerów obliczeniowych w Chinach wzrośnie przy złożonej rocznej stopie wzrostu o 22,2% z 2020 do 2025 r.. Sullivan prognozuje się, że wielkość rynku w Chinach jest osiągnięta RMB 250. CAGR 36,1% z 2023 do 2027 r.
Edge Computing Eco-Industry rozwija się
Edge Computing jest obecnie na wczesnym etapie wybuchu, a granice biznesu w łańcuchu branżowym są stosunkowo rozmyte. W przypadku poszczególnych dostawców konieczne jest rozważenie integracji ze scenariuszami biznesowymi, a także konieczne jest dostosowanie się do zmian w scenariuszach biznesowych z poziomu technicznego, a także konieczne jest upewnienie się, że istnieje wysoki stopień kompatybilności ze sprzętem, a także zdolność inżynierii do projektów.
Łańcuch przemysłu przetwarzania krawędzi jest podzielony na dostawców układów, dostawców algorytmów, producentów urządzeń sprzętowych i dostawców rozwiązań. Dostawcy układów chipowych głównie opracowują układy arytmetyczne od strony końcowej do krawędzi do chmury, a oprócz układów krawędziowych, opracowują również karty przyspieszenia i obsługują platformy rozwoju oprogramowania. Dostawcy algorytmu przyjmują algorytmy wizji komputerowej jako rdzeń do budowania ogólnych lub spersonalizowanych algorytmów, a także przedsiębiorstwa budują centra handlowe lub platformy szkoleniowe i push. Sprzedawcy sprzętu aktywnie inwestują w produkty obliczeniowe krawędzi, a forma produktów obliczeniowych jest stale wzbogacona, stopniowo tworząc pełny stos produktów obliczeniowych krawędzi od układu do całej maszyny. Dostawcy rozwiązań zapewniają rozwiązania zintegrowane przez oprogramowanie lub oprogramowanie dla określonych branż.
Edge Computing Applications Przyspieszaj
W dziedzinie Smart City
Kompleksowa kontrola nieruchomości miejskich jest obecnie powszechnie stosowana w trybie inspekcji ręcznej, a tryb inspekcji ręcznej ma problemy z wysokim czasochłonnym i pracochłonnym kosztami, zależnością procesu od osób, słabej częstotliwości ubezpieczenia i kontroli oraz słabej kontroli jakości. Jednocześnie proces inspekcji zarejestrował ogromną liczbę danych, ale te zasoby danych nie zostały przekształcone w zasoby danych w celu wzmocnienia pozycji biznesowej. Stosując technologię AI do scenariuszy kontroli mobilnej, przedsiębiorstwo stworzyło miejskie zarządzanie inteligentnym pojazdem inspekcyjnym, który przyjmuje technologie, takie jak Internet przedmiotów, przetwarzanie w chmurze, algorytmy AI, i nosi profesjonalny sprzęt, taki jak kamery wysokiej definicji, wyświetlacze na pokładzie oraz serwery AI, i łączy serwery inspekcji i łączy mechanizm kontroli inspekcyjnej + aspekt inteligentny ”. Promuje transformację zarządzania miejskiego z intensywnej inteligencji personelu do inteligencji mechanicznej, od osądu empirycznego po analizę danych i od pasywnej reakcji na aktywne odkrycie.
W dziedzinie inteligentnego placu budowy
Inteligentne rozwiązania na placu budowy oparte na obliczeniach krawędzi mają głęboką integrację technologii AI z tradycyjnymi pracami monitorowania bezpieczeństwa w branży budowlanej, umieszczając terminal analizy AI na placu budowy, wypełniając niezależne badania i rozwój wizualnych algorytmów AI opartych na technologii inteligentnej analizy wideo, w pełnym wykrywaniu zdarzeń, które można wykryć (np. Identyfikację zdarzeń i innymi zdarzeniami i innymi zdarzeniami i innymi zdarzeniami i innymi punktami. Usługi i podejmowanie inicjatywy w celu identyfikacji niebezpiecznych czynników, inteligentnego ochrony AI, oszczędzania kosztów siły roboczej, w celu zaspokojenia potrzeb związanych z zarządzaniem personelem i bezpieczeństwem nieruchomości.
W dziedzinie inteligentnego transportu
Architektura po stronie chmury stała się podstawowym paradygmatem wdrażania aplikacji w branży inteligentnej transportu, przy czym strona chmury była odpowiedzialna za scentralizowane zarządzanie i część przetwarzania danych, strona krawędzi zapewnia głównie analizę danych i przetwarzanie decyzji o obliczeniach, a także strona końcowa, głównie odpowiedzialna za gromadzenie danych biznesowych.
W określonych scenariuszach, takich jak koordynacja drogi pojazdu, holograficzne skrzyżowania, automatyczna jazda i ruch kolejowy, dostęp ma wiele dostępnych heterogenicznych urządzeń, a urządzenia te wymagają zarządzania dostępem, zarządzaniem wyjściem, przetwarzaniem alarmu oraz przetwarzania obsługi i konserwacji. Obliczanie krawędzi może dzielić i pokonać, zamieniać duże w małe, zapewniać funkcje konwersji protokołu krzyżowego, osiągnąć zunifikowany i stabilny dostęp, a nawet kontrolę współpracy heterogenicznych danych.
W dziedzinie produkcji przemysłowej
Scenariusz optymalizacji procesu produkcji: Obecnie duża liczba dyskretnych systemów produkcyjnych jest ograniczona przez niekompletność danych, a ogólna wydajność sprzętu i inne obliczenia danych wskaźnika są stosunkowo niechlujne, co utrudnia wykorzystanie optymalizacji wydajności. Platforma obliczeniowa krawędzi oparta na modelu informacji o sprzęcie do osiągnięcia systemu produkcyjnego na poziomie semantycznym Komunikacja pozioma i komunikacja pionowa, oparta na mechanizmie przetwarzania przepływu danych w czasie rzeczywistym w celu agregowania i analizy dużej liczby danych w czasie rzeczywistym, aby osiągnąć oparte na modelu linia produkcyjna Multi-Data Information Fusion, aby zapewnić potężne wsparcie danych do podejmowania decyzji.
Scenariusz konserwacji predykcji sprzętu: Konserwacja sprzętu przemysłowego jest podzielona na trzy typy: konserwacja reparatywna, konserwacja zapobiegawcza i konserwacja predykcyjna. Konserwacja odbudowująca należy do konserwacji faktycznej, konserwacji zapobiegawczej i konserwacji predykcyjnej należą do konserwacji ex-ante, ta pierwsza jest oparta na czasie, wydajności sprzętu, warunkach witryny i innych czynnikach w zakresie regularnego konserwacji sprzętu, mniej więcej w oparciu o ludzkie doświadczenia, a drugie poprzez zbieranie danych czujników, realistyczne monitorowanie w czasie rzeczywistym sprzętu, opartego na modelu przemysłowym, a dokładne przewidywanie, gdy wystąpią niepowodzenie.
Scenariusz kontroli jakości przemysłowej: przemysłowe pole kontroli wizji jest pierwszą tradycyjną formą automatycznej kontroli optycznej (AOI) w polu kontroli jakości, ale rozwój AOI Dotychczas, w wielu wykrywania wad i innych złożonych scenariuszy, z powodu wad różnorodnych rodzajów, Ekstrakcja cech jest niekompletna, nie jest niekompletna, adaptacyjne algorytmy z słabą rozszerzenie Czynniki, tradycyjny system AOI był trudny do zaspokojenia rozwoju potrzeb linii produkcyjnych. Dlatego platforma kontroli jakości przemysłowej AI reprezentowana przez głębokie uczenie się + małe próby uczenia się stopniowo zastępuje tradycyjny schemat kontroli wizualnej, a platforma kontroli jakości przemysłowej AI przeszła przez dwa etapy klasycznych algorytmów uczenia maszynowego i algorytmów kontroli głębokiego uczenia się.
Czas po: 08-2023