Kui tehisintellekti käsitleda teekonnana punktist A punkti B, siis pilvandmetöötlusteenus on lennujaam või kiirraudteejaam ning äärearvutus takso või ühisjalgratas. Edge computing on inimeste, asjade või andmeallikate lähedal. See võtab kasutusele avatud platvormi, mis integreerib salvestusruumi, arvutusi, juurdepääsu võrgule ja rakenduste põhivõimalusi, et pakkuda teenuseid läheduses asuvatele kasutajatele. Võrreldes tsentraalselt juurutatud pilvandmetöötlusteenustega lahendab servaandmetöötlus sellised probleemid nagu pikk latentsusaeg ja suur konvergentsiliiklus, pakkudes paremat tuge reaalajas ja ribalaiust nõudvatele teenustele.
ChatGPT tulekahju on vallandanud tehisintellekti arendamise uue laine, kiirendades tehisintellekti vajumist rohkematesse rakendusvaldkondadesse, nagu tööstus, jaemüük, targad kodud, targad linnad jne. Suur hulk andmeid tuleb salvestada ja arvutada rakenduste lõpp ja ainult pilvele tuginedes ei suuda enam tegelikku nõudlust rahuldada, täiustab servaarvutus AI-rakenduste viimast kilomeetrit. Digitaalse majanduse jõulise arendamise riikliku poliitika kohaselt on Hiina pilvandmetöötlus jõudnud kaasava arengu perioodi, nõudlus servandmetöötluse järele on kasvanud ning pilveserva ja -lõpu integreerimisest on saanud tulevikus oluline evolutsiooniline suund.
Edge-arvutiturul kasvab CAGR järgmise viie aasta jooksul 36,1%.
Äärearvutustööstus on jõudnud stabiilse arengu etappi, millest annab tunnistust teenusepakkujate järkjärguline mitmekesistamine, laienev turu suurus ja rakendusalade edasine laienemine. Turu suuruse osas näitavad IDC jälgimisaruande andmed, et Hiinas ulatus servaarvutusserverite turu üldine suurus 2021. aastal 3,31 miljardi USA dollarini ning Hiinas eeldatakse, et servaarvutusserverite turu üldine suurus kasvab iga-aastase kasvuga. määr 22,2% aastatel 2020–2025. Sullivan prognoosib, et Hiinas ulatub 250,9 miljardi RMB-ni 2027. aastal, CAGR-iga 36,1% aastatel 2023–2027.
Edge-arvutite ökotööstus õitseb
Edge computing on praegu haiguspuhangu algfaasis ja tööstusahela äripiirid on suhteliselt hägused. Üksikute hankijate puhul tuleb arvestada äristsenaariumitega integreerimisega, samuti on vaja oskust kohaneda äristsenaariumite muutustega alates tehnilisest tasemest, samuti on vaja tagada kõrgel tasemel ühilduvus riistvaraseadmetega, samuti projektide maandamise insenerivõime.
Äärearvutustööstuse kett jaguneb kiibimüüjateks, algoritmimüüjateks, riistvaraseadmete tootjateks ja lahenduste pakkujateks. Kiibimüüjad arendavad enamasti aritmeetilisi kiipe otsast servani pilve poole ning lisaks servapoolsetele kiipidele arendavad nad ka kiirenduskaarte ja toetavad tarkvaraarendusplatvorme. Algoritmide müüjad kasutavad üldiste või kohandatud algoritmide koostamiseks põhialuseks arvutinägemise algoritme ning on ka ettevõtteid, mis ehitavad algoritmikeskusi või koolitus- ja tõukeplatvorme. Seadmete müüjad investeerivad aktiivselt servaarvutustoodetesse ja servaarvutustoodete vorm täieneb pidevalt, moodustades järk-järgult täieliku virna servaarvutustooteid alates kiibist kuni kogu masinani. Lahenduste pakkujad pakuvad tarkvara või tarkvara-riistvaraga integreeritud lahendusi konkreetsetele tööstusharudele.
Edge-arvutitööstuse rakendused kiirenevad
Targa linna valdkonnas
Linnavara terviklikku kontrolli kasutatakse praegu tavaliselt käsitsi kontrollimise režiimis ning käsitsi kontrollimise režiimis on probleeme suurte aega- ja töömahukate kulude, protsessi sõltuvuse üksikisikutest, halva katvuse ja kontrollimise sageduse ning halva kvaliteediga. kontrolli. Samal ajal registreeriti kontrollimise käigus tohutul hulgal andmeid, kuid neid andmeressursse ei muudetud ettevõtte mõjuvõimu suurendamiseks andmevaradeks. Rakendades tehisintellekti tehnoloogiat mobiilsetes kontrollistsenaariumides, on ettevõte loonud linnajuhtimise tehisintellekti intelligentse kontrollisõiduki, mis võtab kasutusele sellised tehnoloogiad nagu asjade Internet, pilvandmetöötlus, tehisintellekti algoritmid ja kannab professionaalseid seadmeid, nagu kõrglahutusega kaamerad, tahvliekraanid ja AI-poolsed serverid ning ühendab kontrollimehhanismi "intelligentne süsteem + intelligentne masin + personali abi". See soodustab linnajuhtimise ümberkujundamist personalimahukalt mehaaniliselt intelligentseks, empiirilisest hinnangust andmeanalüüsini ja passiivsest reageerimisest aktiivsele avastamisele.
Intelligentse ehitusplatsi valdkonnas
Edge-arvutuspõhised intelligentsed ehitusplatsi lahendused rakendavad tehisintellekti tehnoloogia sügavat integreerimist traditsioonilistesse ehitustööstuse ohutusjärelevalvetöödesse, paigutades ehitusplatsile AI-analüüsi terminali, viies lõpule intelligentsel videol põhinevate visuaalsete AI-algoritmide sõltumatu uurimis- ja arendustegevuse. analüütikatehnoloogia, tuvastatavate sündmuste täistööaja tuvastamine (nt kiivri kandmise või mittekandmise tuvastamine), personali-, keskkonna-, turva- ja muude ohutusriskipunktide tuvastamise ja häirete meeldetuletamise teenuste pakkumine ning ebaturvaliste tuvastamine. tegurid, AI intelligentne valve, tööjõukulude kokkuhoid, et rahuldada ehitusplatside personali- ja varaohutuse juhtimise vajadusi.
Intelligentse transpordi vallas
Pilvepoolsest arhitektuurist on saanud intelligentses transporditööstuses rakenduste juurutamise põhiparadigma, kus pilvepool vastutab tsentraliseeritud haldamise ja osa andmetöötluse eest ning servapool pakub peamiselt servapoolset andmeanalüüsi ja arvutusotsuseid. - töötlemine ja lõpp-pool vastutab peamiselt äriandmete kogumise eest.
Konkreetsete stsenaariumide korral, nagu sõidukite ja maanteede koordineerimine, holograafilised ristmikud, automaatjuhtimine ja raudteeliiklus, on juurdepääs suurele hulgale heterogeensetele seadmetele ning need seadmed nõuavad juurdepääsu haldamist, väljumishaldust, häirete töötlemist ning toimimis- ja hooldustöötlust. Edge-arvuti võib jagada ja vallutada, muuta suured väikesteks, pakkuda kihtidevahelisi protokolli teisendusfunktsioone, saavutada ühtne ja stabiilne juurdepääs ning isegi heterogeensete andmete ühisjuhtimine.
Tööstusliku tootmise valdkonnas
Tootmisprotsessi optimeerimise stsenaarium: praegu piirab suurt hulka eraldiseisvaid tootmissüsteeme andmete ebatäielikkus ning seadmete üldine tõhususe ja muude indeksiandmete arvutused on suhteliselt lohakad, mistõttu on nende kasutamine tõhususe optimeerimiseks keeruline. Edge-arvutusplatvorm, mis põhineb seadmete teabemudelil, et saavutada semantilise taseme tootmissüsteemi horisontaalne side ja vertikaalne suhtlus, mis põhineb reaalajas andmevoo töötlemise mehhanismil, et koondada ja analüüsida suurt hulka reaalajas reaalajas andmeid, et saavutada mudelipõhine tootmisliin mitme andmeallika teabe liitmine, et pakkuda diskreetses tootmissüsteemis otsuste tegemisel võimsat andmetuge.
Seadmete prognoositava hoolduse stsenaarium: tööstusseadmete hooldus on jagatud kolme tüüpi: parandushooldus, ennetav hooldus ja prognoositav hooldus. Taastav hooldus kuulub tagantjärele hooldusse, ennetav hooldus ja prognoositav hooldus eelhoolduse alla, esimene põhineb ajal, seadmete jõudlusel, asukohatingimustel ja muudel seadmete korrapärase hoolduse teguritel, mis põhinevad enam-vähem inimtegevusel. viimast läbi andurite andmete kogumise, seadmete tööseisundi reaalajas jälgimise, mis põhineb andmeanalüüsi tööstuslikul mudelil, ning prognoosib täpselt, millal rike ilmneb.
Tööstusliku kvaliteedikontrolli stsenaarium: tööstusliku nägemise kontrolli väli on esimene traditsiooniline automaatse optilise kontrolli (AOI) vorm kvaliteedikontrolli valdkonnas, kuid AOI senine areng on paljudes defektide tuvastamise ja muudes keerulistes stsenaariumides, mis on tingitud mitmesugustest defektidest. tüüpide, funktsioonide ekstraheerimine on puudulik, kohanduvad algoritmid on halvasti laiendatavad, tootmisliini uuendatakse sageli, algoritmi migratsioon ei ole paindlik ja muud tegurid, traditsioonilise AOI süsteemiga on olnud tootmisliini vajaduste arendamine keeruline. Seetõttu asendab AI tööstusliku kvaliteedikontrolli algoritmi platvorm, mida esindab süvaõpe + väikese valimi õpe, järk-järgult traditsioonilist visuaalse kontrolli skeemi ning AI tööstusliku kvaliteedikontrolli platvorm on läbinud klassikaliste masinõppe algoritmide ja süvaõppe kontrollimise algoritmide kaks etappi.
Postitusaeg: okt-08-2023