Если рассматривать искусственный интеллект как путешествие из пункта А в пункт Б, то облачные сервисы – это аэропорт или высокоскоростная железнодорожная станция, а периферийные вычисления – это такси или прокат велосипедов. Периферийные вычисления находятся рядом с людьми, вещами и источниками данных. Они используют открытую платформу, которая интегрирует возможности хранения данных, вычислений, сетевого доступа и ядра приложений для предоставления услуг пользователям, находящимся поблизости. По сравнению с централизованно развёрнутыми облачными сервисами, периферийные вычисления решают такие проблемы, как длительная задержка и высокая конвергенция трафика, обеспечивая лучшую поддержку сервисов реального времени, требовательных к пропускной способности.
Пожар ChatGPT дал толчок новой волне развития ИИ, ускорив его проникновение в более широкие области применения, такие как промышленность, розничная торговля, умные дома, умные города и т. д. На стороне приложения необходимо хранить и обрабатывать большие объёмы данных, и опора исключительно на облако больше не может удовлетворить реальный спрос. Периферийные вычисления улучшают последний километр приложений ИИ. В рамках национальной политики активного развития цифровой экономики облачные вычисления в Китае вступили в период инклюзивного развития, спрос на периферийные вычисления резко возрос, а интеграция периферийных и конечных вычислений в облаке стала важным направлением эволюции в будущем.
Рынок периферийных вычислений вырастет на 36,1% в год в течение следующих пяти лет
Индустрия периферийных вычислений вступила в фазу устойчивого развития, о чём свидетельствует постепенная диверсификация поставщиков услуг, рост рынка и дальнейшее расширение областей его применения. Данные отчёта IDC показывают, что общий объём рынка периферийных вычислений в Китае в 2021 году достиг 3,31 млрд долларов США, а совокупный среднегодовой темп роста в период с 2020 по 2025 год составит 22,2%. По прогнозам Салливана, объём рынка периферийных вычислений в Китае к 2027 году достигнет 250,9 млрд юаней, а среднегодовой темп роста в период с 2023 по 2027 год составит 36,1%.
Экоиндустрия периферийных вычислений процветает
Периферийные вычисления в настоящее время находятся на ранней стадии развития, и границы бизнеса в отраслевой цепочке относительно размыты. Отдельным поставщикам необходимо учитывать интеграцию с бизнес-сценариями, а также иметь возможность адаптироваться к изменениям бизнес-сценариев на техническом уровне, обеспечивая высокую степень совместимости с оборудованием и инженерные возможности для реализации проектов.
Цепочка индустрии периферийных вычислений делится на поставщиков микросхем, поставщиков алгоритмов, производителей аппаратных устройств и поставщиков решений. Поставщики микросхем в основном разрабатывают арифметические микросхемы от конечной стороны до периферийной стороны и облака, и в дополнение к периферийным микросхемам они также разрабатывают ускорители и поддерживают платформы разработки программного обеспечения. Поставщики алгоритмов берут алгоритмы компьютерного зрения в качестве основы для создания общих или специализированных алгоритмов, а также существуют компании, которые создают центры алгоритмов или платформы обучения и продвижения. Поставщики оборудования активно инвестируют в продукты периферийных вычислений, и форма продуктов периферийных вычислений постоянно обогащается, постепенно формируя полный стек продуктов периферийных вычислений от чипа до всей машины. Поставщики решений предоставляют программные или программно-аппаратные интегрированные решения для конкретных отраслей.
Приложения отрасли периферийных вычислений ускоряются
В области умного города
В настоящее время комплексная инспекция городской недвижимости обычно проводится вручную. Этот режим инспекции сопряжен с такими проблемами, как высокая трудоемкость и длительность процесса, зависимость процесса от отдельных лиц, ограниченный охват и частота проверок, а также низкий уровень контроля качества. В то же время, в процессе инспекции регистрируется огромный объем данных, но эти ресурсы данных не преобразуются в информационные активы для расширения возможностей бизнеса. Применяя технологии ИИ к сценариям мобильных инспекций, компания создала интеллектуальное транспортное средство ИИ для городского управления, которое использует такие технологии, как Интернет вещей, облачные вычисления, алгоритмы ИИ, и оснащено профессиональным оборудованием, таким как камеры высокого разрешения, бортовые дисплеи и серверы ИИ, и сочетает в себе механизм инспекции «интеллектуальная система + интеллектуальная машина + помощь персонала». Это способствует переходу городского управления от интенсивного использования персонала к механическому интеллекту, от эмпирических суждений к анализу данных и от пассивного реагирования к активному обнаружению.
В области интеллектуального строительства
Решения для интеллектуальных строительных площадок на базе периферийных вычислений применяют глубокую интеграцию технологии ИИ с традиционной работой по мониторингу безопасности в строительной отрасли, размещая на строительной площадке терминал анализа периферийного ИИ, выполняя независимые исследования и разработки визуальных алгоритмов ИИ на основе технологии интеллектуальной видеоаналитики, постоянное обнаружение событий, которые необходимо обнаружить (например, определение того, следует ли надевать каску), предоставляя услуги по идентификации точек риска для персонала, окружающей среды, безопасности и других аспектов безопасности, а также напоминания о сигналах тревоги, и проявляя инициативу по выявлению небезопасных факторов, интеллектуальной охране ИИ, экономии затрат на рабочую силу для удовлетворения потребностей в управлении безопасностью персонала и имущества на строительных площадках.
В области интеллектуального транспорта
Архитектура «облачная сторона-конец» стала базовой парадигмой для развертывания приложений в интеллектуальной транспортной отрасли, при этом облачная сторона отвечает за централизованное управление и часть обработки данных, периферийная сторона в основном обеспечивает анализ данных на периферийной стороне и обработку вычислений для принятия решений, а конечная сторона в основном отвечает за сбор бизнес-данных.
В таких сценариях, как координация движения транспортных средств и дорог, голографические перекрёстки, беспилотное вождение и железнодорожное движение, используется большое количество разнородных устройств, и этим устройствам требуется управление доступом, управление выходом, обработка сигналов тревоги, а также управление эксплуатацией и обслуживанием. Периферийные вычисления позволяют разделять и властвовать, превращать большое в малое, предоставлять функции межуровневого преобразования протоколов, обеспечивать унифицированный и стабильный доступ и даже совместное управление 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 индексных данных относительно неточны, что затрудняет их использование для оптимизации эффективности. Платформа периферийных вычислений, основанная на модели информации об оборудовании, обеспечивает горизонтальную и вертикальную коммуникацию производственной системы на семантическом уровне, основанную на механизме обработки потоков данных в реальном времени, для агрегации и анализа большого количества данных в реальном времени, для достижения слияния информации из нескольких источников данных производственной линии на основе модели, чтобы обеспечить мощную поддержку данных для принятия решений в дискретной производственной системе.
Сценарий предиктивного обслуживания оборудования: Техническое обслуживание промышленного оборудования подразделяется на три типа: ремонтное, профилактическое и предиктивное. Восстановительное обслуживание относится к обслуживанию постфактум, профилактическое обслуживание, а предиктивное – к обслуживанию по факту. Первый тип обслуживания основан на времени, производительности оборудования, условиях на объекте и других факторах, влияющих на регулярность обслуживания оборудования, и в большей или меньшей степени основан на человеческом опыте. Второй тип обслуживания основан на сборе данных с датчиков и мониторинге рабочего состояния оборудования в режиме реального времени на основе промышленной модели анализа данных, что позволяет точно прогнозировать возникновение отказа.
Сценарий промышленного контроля качества: область промышленного визуального контроля является первой формой традиционного автоматического оптического контроля (AOI) в области контроля качества, но развитие AOI до сих пор, во многих случаях обнаружения дефектов и других сложных сценариях, из-за дефектов различных типов, извлечение признаков является неполным, адаптивные алгоритмы плохо расширяются, производственная линия часто обновляется, миграция алгоритмов негибкая и другие факторы, традиционная система AOI была не в состоянии удовлетворить потребности развития производственной линии. Таким образом, платформа алгоритмов промышленного контроля качества ИИ, представленная глубоким обучением + обучением на малых выборках, постепенно заменяет традиционную схему визуального контроля, а платформа промышленного контроля качества ИИ прошла два этапа классических алгоритмов машинного обучения и алгоритмов контроля с глубоким обучением.
Время публикации: 08 октября 2023 г.