Если искусственный интеллект рассматривать как путешествие из пункта А в пункт Б, то облачные вычисления — как аэропорт или высокоскоростной железнодорожный вокзал, а периферийные вычисления — как такси или прокат велосипедов. Периферийные вычисления находятся в непосредственной близости от людей, вещей или источников данных. Они используют открытую платформу, которая объединяет возможности хранения, вычислений, сетевого доступа и основных приложений для предоставления услуг пользователям в непосредственной близости. По сравнению с централизованно развернутыми облачными вычислительными сервисами, периферийные вычисления решают такие проблемы, как большая задержка и высокая конвергенция трафика, обеспечивая лучшую поддержку сервисов реального времени и сервисов, требующих большой пропускной способности.
Успех ChatGPT дал толчок новой волне развития ИИ, ускорив его внедрение во все большее число областей применения, таких как промышленность, розничная торговля, умные дома, умные города и т. д. На уровне приложений необходимо хранить и обрабатывать большие объемы данных, и полагаться только на облако уже недостаточно для удовлетворения реальных потребностей. Краевые вычисления улучшают «последний километр» приложений ИИ. В рамках национальной политики активного развития цифровой экономики Китай вступил в период инклюзивного развития облачных вычислений, резко возрос спрос на краевые вычисления, и интеграция облачных вычислений на периферии и на стороне клиента стала важным направлением развития в будущем.
Ожидается, что рынок периферийных вычислений вырастет на 36,1% в год в течение следующих пяти лет.
Индустрия граничных вычислений вступила в стадию устойчивого развития, о чем свидетельствует постепенная диверсификация поставщиков услуг, расширение размера рынка и дальнейшее расширение областей применения. Что касается размера рынка, данные из отчета IDC показывают, что общий размер рынка серверов граничных вычислений в Китае достиг 3,31 млрд долларов США в 2021 году, и ожидается, что общий размер рынка серверов граничных вычислений в Китае будет расти со среднегодовым темпом роста в 22,2% в период с 2020 по 2025 год. По прогнозам Sullivan, размер рынка граничных вычислений в Китае достигнет 250,9 млрд юаней в 2027 году, при среднегодовом темпе роста в 36,1% в период с 2023 по 2027 год.
Экоиндустрия граничных вычислений процветает.
В настоящее время граничные вычисления находятся на ранней стадии развития, и границы бизнеса в отраслевой цепочке относительно размыты. Отдельным поставщикам необходимо учитывать интеграцию с бизнес-сценариями, а также обладать способностью адаптироваться к изменениям в бизнес-сценариях на техническом уровне, обеспечивать высокую степень совместимости с аппаратным обеспечением и иметь инженерные возможности для реализации проектов.
Индустрия граничных вычислений делится на поставщиков микросхем, поставщиков алгоритмов, производителей аппаратных устройств и поставщиков решений. Поставщики микросхем в основном разрабатывают арифметические чипы от конечной точки до периферии и облачной среды, а также, помимо чипов для периферии, создают карты ускорения и поддерживают платформы разработки программного обеспечения. Поставщики алгоритмов используют алгоритмы компьютерного зрения в качестве основы для создания общих или специализированных алгоритмов, а также существуют предприятия, создающие центры алгоритмов или платформы для обучения и распространения. Производители оборудования активно инвестируют в продукты для граничных вычислений, и форма продуктов для граничных вычислений постоянно обогащается, постепенно формируя полный стек продуктов для граничных вычислений от микросхемы до целой машины. Поставщики решений предоставляют программные или программно-аппаратные интегрированные решения для конкретных отраслей.
Применение граничных вычислительных технологий в индустрии ускоряется.
В области умных городов
В настоящее время для комплексной проверки городской собственности обычно используется ручной метод, который имеет ряд проблем: высокая трудоемкость и длительность процесса, зависимость от персонала, низкий охват и частота проверок, а также плохой контроль качества. При этом в процессе проверки регистрируется огромный объем данных, которые не используются для развития бизнеса. Применяя технологии искусственного интеллекта к сценариям мобильной проверки, предприятие создало интеллектуальный автомобиль для городской инспекции, использующий такие технологии, как Интернет вещей, облачные вычисления, алгоритмы ИИ, а также оснащенный профессиональным оборудованием, таким как камеры высокого разрешения, бортовые дисплеи и серверы ИИ, и сочетающий в себе механизм проверки «интеллектуальная система + интеллектуальная машина + помощь персонала». Это способствует трансформации городской инспекции от трудоемкого подхода к механическому интеллекту, от эмпирических оценок к анализу данных и от пассивного реагирования к активному поиску.
В области интеллектуальных строительных площадок
Интеллектуальные решения для строительных площадок на основе периферийных вычислений обеспечивают глубокую интеграцию технологий искусственного интеллекта в традиционную работу по мониторингу безопасности в строительной отрасли. Они включают размещение на строительной площадке терминала анализа на основе ИИ, самостоятельную разработку визуальных алгоритмов ИИ на основе интеллектуальной видеоаналитики, круглосуточное обнаружение событий (например, определение наличия или отсутствия каски), предоставление услуг по идентификации факторов риска для персонала, окружающей среды, безопасности и других аспектов безопасности, а также оповещение о тревоге. Кроме того, решения позволяют выявлять опасные факторы, обеспечивают интеллектуальную охрану с использованием ИИ, экономят трудовые ресурсы и удовлетворяют потребности строительных площадок в управлении безопасностью персонала и имущества.
В области интеллектуального транспорта
Архитектура «облако-конечная сторона» стала базовой парадигмой для развертывания приложений в интеллектуальной транспортной отрасли, где облачная сторона отвечает за централизованное управление и часть обработки данных, периферийная сторона в основном обеспечивает анализ данных и вычислительную обработку для принятия решений, а конечная сторона в основном отвечает за сбор бизнес-данных.
В таких специфических сценариях, как координация движения транспортных средств и дорог, голографические перекрестки, автоматическое вождение и железнодорожное движение, задействовано большое количество разнородных устройств, требующих управления доступом, управления выходом, обработки сигналов тревоги, а также обработки данных в процессе эксплуатации и технического обслуживания. Периферийные вычисления позволяют разделять и властвовать, преобразовывать большие задачи в малые, обеспечивать функции преобразования протоколов между уровнями, достигать единого и стабильного доступа и даже совместного управления разнородными данными.
В сфере промышленного производства
Сценарий оптимизации производственного процесса: В настоящее время большое количество дискретных производственных систем ограничено неполнотой данных, а расчеты общей эффективности оборудования и других показателей являются относительно неточными, что затрудняет их использование для оптимизации эффективности. Платформа граничных вычислений, основанная на информационной модели оборудования, обеспечивает горизонтальную и вертикальную связь производственных систем на семантическом уровне, а механизм обработки потока данных в реальном времени позволяет агрегировать и анализировать большое количество данных с мест производства в режиме реального времени, обеспечивая слияние информации из различных источников данных на основе моделей производственной линии и предоставляя мощную поддержку принятия решений в дискретных производственных системах.
Сценарий прогнозирующего технического обслуживания оборудования: Техническое обслуживание промышленного оборудования делится на три типа: ремонтное, профилактическое и прогнозирующее. Ремонтное обслуживание относится к техническому обслуживанию постфактум, профилактическое и прогнозирующее – к техническому обслуживанию до начала эксплуатации. Первое основано на учете времени, производительности оборудования, условий эксплуатации и других факторов, а также в большей или меньшей степени опирается на опыт персонала. Второе же, посредством сбора данных с датчиков, мониторинга рабочего состояния оборудования в режиме реального времени, анализа данных на основе промышленной модели, позволяет точно прогнозировать возникновение отказов.
Сценарий промышленного контроля качества: область промышленного визуального контроля впервые ввела в сферу контроля качества традиционную автоматическую оптическую инспекцию (АОИ). Однако развитие АОИ до настоящего времени сопряжено со множеством сложных сценариев обнаружения дефектов, из-за разнообразия типов дефектов, неполноты извлечения признаков, низкой расширяемости адаптивных алгоритмов, частого обновления производственной линии, негибкости миграции алгоритмов и других факторов, что затрудняет удовлетворение потребностей развития производственной линии. Поэтому платформа алгоритмов промышленного контроля качества на основе ИИ, представляющая собой глубокое обучение + обучение на малых выборках, постепенно заменяет традиционную схему визуального контроля, и платформа промышленного контроля качества на основе ИИ прошла два этапа: классические алгоритмы машинного обучения и алгоритмы глубокого обучения.
Дата публикации: 08.10.2023