Если искусственный интеллект рассматривается как путешествие от A до B, сервис облачных вычислений является аэропортом или высокоскоростной железнодорожной станцией, а Edge Computing-это такси или общий велосипед. Крайные вычисления близки к стороне людей, вещей или источников данных. Он использует открытую платформу, которая объединяет возможности для хранения, вычислений, доступа к сети и основных возможностей приложения для предоставления услуг для пользователей поблизости. По сравнению с центрально развернутыми сервисами облачных вычислений, Edge Computing решает такие проблемы, как длинная задержка и высокий трафик конвергенции, обеспечивая лучшую поддержку услуг в режиме реального времени и пропускной способности.
Пожар CHATGPT вызвал новую волну разработки ИИ, ускоряя тонусь ИИ в большее количество областей применения, таких как промышленность, розничная торговля, умные дома, умные города и т. Д. В соответствии с национальной политикой энергичной развития цифровой экономики, облачные вычисления Китая вступили в период инклюзивного развития, спрос на вычислениях увеличился, а интеграция края и конца облака стала важным эволюционным направлением в будущем.
Рынок Edge Computing выросла на 36,1% CAGR в течение следующих пяти лет
Индустрия Edge Computing вступила в стадию устойчивого развития, о чем свидетельствует постепенная диверсификация его поставщиков услуг, расширяющийся размер рынка и дальнейшее расширение областей применения. С точки зрения размера рынка, данные от отчета об отслеживании IDC показывают, что общий рыночный размер серверов по краевой вычислительной среде в Китае достигли 3,31 млрд. Долл. США в 2021 году, а общий размер рыночных серверов вычислительных вычислений в Китае будет расти с составной годовой темпы роста 22,2% с 2020 до 2025 года. Sullivan для того, чтобы размер рынка, вычислительный в Китай, ожидается, что он достигнет 250.9.9. 9, а в 4025 годах. 9, а в 4025 годах. 9, а в 4025 годах. 36,1% с 2023 по 2027 год.
Edge Computing Eco-Industry процветает
Edge Computing в настоящее время находится на ранней стадии вспышки, а бизнес -границы в отраслевой цепочке относительно нечетко. Для отдельных поставщиков необходимо учитывать интеграцию с бизнес -сценариями, а также необходимо иметь возможность адаптироваться к изменениям в бизнес -сценариях с технического уровня, а также необходимо обеспечить высокую степень совместимости с аппаратным оборудованием, а также инженерные возможности для приземления.
Цепочка отрасли Edge Computing разделена на поставщики чипов, поставщики алгоритма, производители аппаратного устройства и поставщики решений. Поставщики чипов в основном разрабатывают арифметические чипы от конечной стороны до края до облачной стороны, и в дополнение к чипам на границе, они также разрабатывают карты ускорения и поддерживают платформы разработки программного обеспечения. Поставщики алгоритмов принимают алгоритмы компьютерного зрения в качестве ядра для создания общих или индивидуальных алгоритмов, а также есть предприятия, которые строят торговые центры или платформы для обучения и толкания. Поставщики оборудования активно инвестируют в Edge Computing Products, а форма экологических вычислительных продуктов постоянно обогащается, постепенно формируя полную стопку вычислительных продуктов с краем от чипа до всей машины. Поставщики решений предоставляют программные или программные программные решения, интегрированные для конкретных отраслей.
Приложения для вычислительной промышленности ускоряются
В области умного города
Комплексная проверка городской собственности в настоящее время обычно используется в режиме ручной проверки, а в режиме ручной проверки есть проблемы с высокими трудоемкими и трудоемкими затратами, зависимостью от процесса от людей, плохой частоте охвата и инспекции и низким контролем качества. В то же время процесс проверки зафиксировал огромный объем данных, но эти ресурсы данных не были преобразованы в активы данных для расширения прав и возможностей бизнеса. Применяя технологии ИИ к сценариям мобильных инспекций, предприятие создало интеллектуальное средство для инспекции в городском управлении, в котором принимаются такие технологии, как Интернет вещей, облачные вычисления, алгоритмы ИИ, и несут профессиональное оборудование, такие как камеры высокого разрешения, встроенные показатели и AI-боковые серверы, и сочетает механизм инспекции «Интеллектуальная машина + интеллектуальная машина + интеллектуальная машина + интеллектуальная машина + интеллектуальная машина. Он способствует превращению городского управления от интенсивного персонала в механический разум, от эмпирического суждения до анализа данных и от пассивного ответа на активное открытие.
В области интеллектуальной строительной площадки
Интеллектуальные решения для интеллектуальных строительных площадок на основе вычислений применяют глубокую интеграцию технологии ИИ в традиционную работу по мониторингу безопасности строительной отрасли, путем размещения терминала анализа AI EDE на строительной площадке, завершив независимые исследования и разработку визуальных алгоритмов AI на основе технологии интеллектуальной видеоналитики, на полную ставку, чтобы обнаружить охраны, идентифицируя идентификацию, а также охраняемные, а также другие. Инициатива по выявлению небезопасных факторов, интеллектуальной охраны AI, экономии затрат на рабочую силу, для удовлетворения потребностей в управлении персоналом и управлением имуществом на строительных площадках.
В области интеллектуального транспорта
Облачная архитектура стала основной парадигмой для развертывания приложений в интеллектуальной транспортной отрасли, причем облачная сторона отвечала за централизованное управление и часть обработки данных, в основном предоставляя анализ данных и обработку данных по вычислению и концов, в основном ответственность за сбор бизнес-данных.
В конкретных сценариях, таких как координация транспортных средств, голографические перекрестки, автоматическое вождение и железнодорожный трафик, доступ к большому количеству гетерогенных устройств, и эти устройства требуют управления доступом, управления выходом, обработки тревоги, а также работы и обработки обслуживания. Edge Computing может разделить и завоевать, превращаться в малые, обеспечивает функции преобразования межслойного протокола, достигать единого и стабильного доступа и даже совместное управление гетерогенными данными.
В области промышленного производства
Сценарий оптимизации производственных процессов: в настоящее время большое количество дискретных производственных систем ограничено неполнотой данных, а общая эффективность оборудования и другие расчеты данных индекса относительно неаккуратны, что затрудняет использование для оптимизации эффективности. Платформа Edge Computing, основанная на информационной модели оборудования для достижения семантического уровня производственной системы по горизонтальной связи и вертикальной связи, на основе механизма обработки данных в реальном времени для агрегирования и анализа большого количества данных в реальном времени в реальном времени, для достижения модели производственной линии слияния многоданой информации для обеспечения мощной поддержки данных для принятия решений в дискретной производственной системе.
Сценарий технического обслуживания оборудования: обслуживание промышленного оборудования разделено на три типа: репаративное обслуживание, профилактическое обслуживание и предсказательное обслуживание. Восстановительное обслуживание принадлежит Ex Post Facto Maintenge, профилактическое обслуживание и прогнозирующее обслуживание принадлежит к эксплуатации Ex-Ante, первое основано на времени, производительности оборудования, условиях площадки и других факторах для регулярного обслуживания оборудования, более или менее основанных на человеческом опыте, последнее посредством сбора данных датчиков, мониторинга в реальном времени работы оборудования, основанного на промышленной модели данных и точно, когда это произойдет, когда возникает в результате неудачи.
Сценарий проверки промышленного качества: поля проверки промышленного зрения - это первая традиционная автоматическая оптическая проверка (AOI) в поле качества проверки, но развитие AOI до сих пор, во многих обнаружениях дефектов и других сложных сценариях из -за дефектов разнообразны Факторы, традиционная система AOI было трудно удовлетворить разработку потребностей в производственной линии. Таким образом, платформа алгоритма инспекции промышленного качества AI, представленная Deep Learning + Small Sample Learning, постепенно заменяет традиционную схему визуального осмотра, а платформа инспекции промышленного качества AI проходила два этапа алгоритмов классического машинного обучения и алгоритмы глубокого обучения.
Время публикации: октябрь-08-2023