Kui tehisintellekti vaadeldakse teekonnana punktist A punkti B, siis pilvandmetöötluse teenus on lennujaam või kiirraudteejaam ja servandmetöötlus on takso või jagatud jalgratas. Servandmetöötlus toimub inimeste, asjade või andmeallikate lähedal. See kasutab avatud platvormi, mis integreerib salvestus-, arvutus-, võrguühenduse ja rakenduste põhifunktsioonid, et pakkuda teenuseid läheduses asuvatele kasutajatele. Võrreldes tsentraalselt juurutatud pilvandmetöötluse teenustega lahendab servandmetöötlus selliseid probleeme nagu pikk latentsusaeg ja suur konvergentsliiklus, pakkudes paremat tuge reaalajas ja ribalaiust nõudvatele teenustele.
ChatGPT tuli on käivitanud uue tehisintellekti arenduslaine, kiirendades tehisintellekti vajumist üha enamatesse rakendusvaldkondadesse, nagu tööstus, jaemüük, nutikad kodud, nutikad linnad jne. Rakenduse lõpus on vaja salvestada ja arvutada suurt hulka andmeid ning ainuüksi pilvele lootmine ei suuda enam tegelikku nõudlust rahuldada, servapüüdlused parandavad tehisintellekti rakenduste viimast kilomeetrit. Digitaalmajanduse jõulise arendamise riikliku poliitika raames on Hiina pilvandmetöötlus sisenenud kaasava arengu perioodi, servapüüdluste nõudlus on hüppeliselt kasvanud ning pilve serva- ja otsapüüdluste integreerimine on tulevikus muutunud oluliseks evolutsiooniliseks suunaks.
Äärearvutuse turg kasvab järgmise viie aasta jooksul 36,1% aastase kasvumääraga
Servaarvutuse tööstus on jõudnud stabiilse arengu etappi, mida tõendab teenusepakkujate järkjärguline mitmekesistamine, turu suuruse suurenemine ja rakendusalade edasine laienemine. Turu suuruse osas näitavad IDC jälgimisaruande andmed, et servaarvutuse serverite turu kogumaht Hiinas ulatus 2021. aastal 3,31 miljardi USA dollarini ning servaarvutuse serverite turu kogumahu eeldatavasti kasvab Hiinas aastatel 2020–2025 liitkasvumääraga 22,2%. Sullivan prognoosib, et servaarvutuse turu suurus Hiinas peaks ulatuma 2027. aastal 250,9 miljardi RMB-ni, kusjuures aastane kasvumäär on aastatel 2023–2027 36,1%.
Äärearvutuse ökotööstus õitseb
Äärisarvutus on praegu puhangu algstaadiumis ning tööstusahela äripiirid on suhteliselt hägused. Üksikute tarnijate puhul on vaja arvestada integratsiooniga äristsenaariumidega ning samuti on vaja suutlikkust kohaneda äristsenaariumide muutustega tehnilisel tasandil. Samuti on vaja tagada riistvaraseadmetega kõrge ühilduvus ja projektide elluviimise insenerivõime.
Äärisarvutuse tööstusharu jaguneb kiibimüüjateks, algoritmimüüjateks, riistvaraseadmete tootjateks ja lahenduste pakkujateks. Kiibimüüjad arendavad enamasti aritmeetilisi kiipe ots-, serva- ja pilvepoolselt ning lisaks äärepoolsetele kiipidele arendavad nad ka kiirenduskaarte ja toetavad tarkvaraarendusplatvorme. Algoritmimüüjad võtavad arvutinägemise algoritmid tuumaks üldiste või kohandatud algoritmide loomiseks ning on ka ettevõtteid, mis ehitavad algoritmikeskusi või koolitus- ja tõukeplatvorme. Seadmete müüjad investeerivad aktiivselt ääresarvutuse toodetesse ja ääresarvutuse toodete vorm rikastub pidevalt, moodustades järk-järgult täieliku servasarvutuse toodete virna kiibist kuni kogu masinani. Lahenduste pakkujad pakuvad tarkvara või tarkvara-riistvara integreeritud lahendusi konkreetsetele tööstusharudele.
Äärearvutuse tööstuse rakendused kiirenevad
Nutika linna valdkonnas
Linnavara põhjalikku kontrolli kasutatakse praegu tavaliselt käsitsi kontrollimise meetodil ning käsitsi kontrollimise meetodi probleemideks on suured aeganõudvad ja töömahukad kulud, protsessi sõltuvus isikutest, halb hõlmatus ja kontrollisagedus ning halb kvaliteedikontroll. Samal ajal registreeriti kontrolliprotsessi käigus tohutu hulk andmeid, kuid neid andmeressursse ei ole muudetud äritegevuse võimestamiseks vajalikeks andmevaradeks. Rakendades tehisintellekti tehnoloogiat mobiilsete kontrollistsenaariumide puhul, on ettevõte loonud linna juhtimise tehisintellektil põhineva intelligentse kontrollivahendi, mis võtab kasutusele selliseid tehnoloogiaid nagu asjade internet, pilvandmetöötlus, tehisintellekti algoritmid ning millel on professionaalsed seadmed, nagu kõrglahutusega kaamerad, rongisisesed ekraanid ja tehisintellekti küljelerverid, ning ühendab kontrollimehhanismi "intelligentne süsteem + intelligentne masin + personali abi". See edendab linna juhtimise ümberkujundamist personalimahukast mehaaniliseks intelligentsuseks, empiirilisest hinnangust andmeanalüüsiks ja passiivsest reageerimisest aktiivseks avastamiseks.
Intelligentse ehitusplatsi valdkonnas
Äärmusarvutusel põhinevad intelligentsed ehitusplatsi lahendused rakendavad tehisintellekti tehnoloogia sügavat integratsiooni traditsioonilisse ehitustööstuse ohutusjärelevalve töösse, paigutades ehitusplatsile äärepõhist tehisintellekti analüüsiterminali, viies lõpule intelligentsel videoanalüütika tehnoloogial põhinevate visuaalse tehisintellekti algoritmide iseseisva uurimis- ja arendustegevuse, tuvastatavate sündmuste täiskohaga tuvastamise (nt kiivri kandmise vajaduse tuvastamine), personali-, keskkonna-, turvalisus- ja muude ohutusriskipunktide tuvastamise ja häirete meeldetuletuste teenuste osutamise ning initsiatiivi haaramise ohtlike tegurite tuvastamisel, tehisintellektil põhineva intelligentse valve abil, säästes tööjõukulusid, et rahuldada ehitusplatside personali- ja varaohutuse haldamise vajadusi.
Intelligentse transpordi valdkonnas
Pilvepoolne arhitektuur on muutunud intelligentse transpordi tööstuses rakenduste juurutamise põhiparadigmaks, kus pilvepool vastutab tsentraliseeritud halduse ja osa andmetöötluse eest, servapool pakub peamiselt servapoolset andmeanalüüsi ja arvutusotsuseid ning äärepool vastutab peamiselt äriandmete kogumise eest.
Spetsiifilistes stsenaariumides, nagu sõiduki ja tee koordineerimine, holograafilised ristmikud, automaatjuhtimine ja raudteeliiklus, on ligipääs suurele hulgale heterogeensetele seadmetele ning need seadmed vajavad juurdepääsuhaldust, väljumise haldamist, häirete töötlemist ning käitamise ja hoolduse töötlemist. Servaarvutus suudab jagada ja vallutada, muuta suure väikeseks, pakkuda kihtideüleseid protokollide teisendamise funktsioone, saavutada ühtse ja stabiilse juurdepääsu ning isegi heterogeensete andmete ühise kontrolli.
Tööstusliku tootmise valdkonnas
Tootmisprotsessi optimeerimise stsenaarium: Praegu piirab suurt hulka diskreetseid tootmissüsteeme andmete puudulikkus ning seadmete üldine efektiivsus ja muud indeksandmete arvutused on suhteliselt lohakad, mistõttu on neid efektiivsuse optimeerimiseks raske kasutada. Servaarvutuse platvorm, mis põhineb seadmete infomudelil, et saavutada semantilise taseme tootmissüsteemi horisontaalne ja vertikaalne kommunikatsioon, mis põhineb reaalajas andmevoo töötlemise mehhanismil suure hulga reaalajas andmete koondamiseks ja analüüsimiseks, et saavutada mudelipõhine tootmisliini mitme andmeallika teabe liitmine, et pakkuda võimsat andmetuge otsuste tegemiseks diskreetses tootmissüsteemis.
Seadmete ennustava hoolduse stsenaarium: Tööstusseadmete hooldus jaguneb kolmeks: taastav hooldus, ennetav hooldus ja ennustav hooldus. Taastav hooldus kuulub järelhoolduse alla, ennetav hooldus ja ennustav hooldus kuuluvad eelhoolduse alla. Esimene põhineb ajal, seadmete jõudlusel, kohapealsetel tingimustel ja muudel teguritel. Seadmete regulaarne hooldus põhineb enam-vähem inimkogemusel, teine aga andurite andmete kogumise ja seadmete tööseisundi reaalajas jälgimise kaudu, tuginedes tööstusmudeli andmeanalüüsile ja rikke täpseks ennustamiseks.
Tööstusliku kvaliteedikontrolli stsenaarium: tööstusliku nägemiskontrolli valdkond on esimene traditsiooniline automaatse optilise kontrolli (AOI) vorm kvaliteedikontrolli valdkonnas, kuid AOI areng seni on viinud paljude defektide tuvastamise ja muude keeruliste stsenaariumideni, kuna erinevat tüüpi defekte, tunnuste eraldamine on puudulik, adaptiivsete algoritmide laiendatavus on halb, tootmisliini uuendatakse sageli, algoritmi migratsioon ei ole paindlik ja muude tegurite tõttu on traditsioonilisel AOI-süsteemil olnud keeruline tootmisliini arenguvajadusi rahuldada. Seetõttu asendab süvaõppe ja väikese valimiõppe esindav tehisintellekti tööstusliku kvaliteedikontrolli algoritmi platvorm järk-järgult traditsioonilist visuaalset kontrolliskeemi ning tehisintellekti tööstusliku kvaliteedikontrolli platvorm on läbinud kaks etappi: klassikalised masinõppe algoritmid ja süvaõppe kontrollialgoritmid.
Postituse aeg: 08.10.2023