Se a inteligência artificial for considerada uma viagem de A a B, o serviço de computação em nuvem é um aeroporto ou uma estação ferroviária de alta velocidade, e a computação de ponta é um táxi ou uma bicicleta partilhada. A edge computing está próxima de pessoas, coisas ou fontes de dados. Adota uma plataforma aberta que integra armazenamento, computação, acesso à rede e recursos básicos de aplicativos para fornecer serviços aos usuários nas proximidades. Em comparação com os serviços de computação em nuvem implantados centralmente, a computação de ponta resolve problemas como longa latência e alto tráfego de convergência, fornecendo melhor suporte para serviços em tempo real e que exigem largura de banda.
O incêndio do ChatGPT desencadeou uma nova onda de desenvolvimento de IA, acelerando o afundamento da IA em mais áreas de aplicação, como indústria, varejo, casas inteligentes, cidades inteligentes, etc. final do aplicativo, e depender apenas da nuvem não é mais capaz de atender à demanda real, a computação de ponta melhora o último quilômetro de aplicativos de IA. No âmbito da política nacional de desenvolvimento vigoroso da economia digital, a computação em nuvem da China entrou num período de desenvolvimento inclusivo, a procura de computação de ponta aumentou e a integração da ponta e do fim da nuvem tornou-se uma importante direção evolutiva no futuro.
Mercado de edge computing crescerá 36,1% CAGR nos próximos cinco anos
A indústria de edge computing entrou numa fase de desenvolvimento constante, como evidenciado pela diversificação gradual dos seus fornecedores de serviços, pela expansão do tamanho do mercado e pela maior expansão das áreas de aplicação. Em termos de tamanho de mercado, os dados do relatório de rastreamento da IDC mostram que o tamanho geral do mercado de servidores de computação de ponta na China atingiu US$ 3,31 bilhões em 2021, e espera-se que o tamanho geral do mercado de servidores de computação de ponta na China cresça a um crescimento anual composto. taxa de 22,2% de 2020 a 2025. Sullivan prevê que o tamanho do mercado de computação de ponta na China deverá atingir 250,9 bilhões de RMB em 2027, com um CAGR de 36,1% de 2023 a 2027.
A eco-indústria da computação de ponta prospera
A edge computing está atualmente no estágio inicial do surto e as fronteiras de negócios na cadeia da indústria são relativamente confusas. Para fornecedores individuais, é necessário considerar a integração com cenários de negócios, e também é necessário ter a capacidade de se adaptar às mudanças nos cenários de negócios desde o nível técnico, e também é necessário garantir que haja um alto grau de compatibilidade com equipamentos de hardware, bem como capacidade de engenharia para pousar projetos.
A cadeia da indústria de computação de ponta é dividida em fornecedores de chips, fornecedores de algoritmos, fabricantes de dispositivos de hardware e fornecedores de soluções. Os fornecedores de chips desenvolvem principalmente chips aritméticos do lado final ao lado da borda e do lado da nuvem e, além dos chips do lado da borda, também desenvolvem placas de aceleração e suportam plataformas de desenvolvimento de software. Os fornecedores de algoritmos consideram os algoritmos de visão computacional como o núcleo para construir algoritmos gerais ou personalizados, e também há empresas que constroem shoppings de algoritmos ou plataformas de treinamento e push. Os fornecedores de equipamentos estão investindo ativamente em produtos de computação de ponta, e a forma dos produtos de computação de ponta é constantemente enriquecida, formando gradualmente uma pilha completa de produtos de computação de ponta, desde o chip até a máquina inteira. Os provedores de soluções fornecem soluções integradas de software ou software-hardware para setores específicos.
Aplicações da indústria de edge computing aceleram
No campo da cidade inteligente
Uma inspeção abrangente de propriedades urbanas é atualmente comumente usada no modo de inspeção manual, e o modo de inspeção manual tem os problemas de alto consumo de tempo e custos intensivos de mão de obra, dependência do processo em indivíduos, baixa cobertura e frequência de inspeção e baixa qualidade controlar. Ao mesmo tempo, o processo de inspecção registou uma enorme quantidade de dados, mas estes recursos de dados não foram transformados em activos de dados para capacitação empresarial. Ao aplicar a tecnologia de IA a cenários de inspeção móvel, a empresa criou um veículo de inspeção inteligente de IA de governança urbana, que adota tecnologias como Internet das Coisas, computação em nuvem, algoritmos de IA e transporta equipamentos profissionais, como câmeras de alta definição, on- monitores de placa e servidores laterais de IA e combinam o mecanismo de inspeção de "sistema inteligente + máquina inteligente + assistência de equipe". Promove a transformação da governança urbana de inteligência intensiva em pessoal para inteligência mecânica, de julgamento empírico para análise de dados e de resposta passiva para descoberta ativa.
No campo do canteiro de obras inteligente
As soluções inteligentes para canteiros de obras baseadas em computação de ponta aplicam a profunda integração da tecnologia de IA ao trabalho tradicional de monitoramento de segurança da indústria da construção, colocando um terminal de análise de IA de ponta no canteiro de obras, completando a pesquisa independente e o desenvolvimento de algoritmos de IA visuais baseados em vídeo inteligente tecnologia analítica, detecção em tempo integral de eventos a serem detectados (por exemplo, detecção de uso ou não de capacete), fornecimento de pessoal, meio ambiente, segurança e outros serviços de identificação de pontos de risco de segurança e lembrete de alarme, e tomada de iniciativa para identificação de inseguros fatores, proteção inteligente de IA, economia de custos de mão de obra, para atender às necessidades de gerenciamento de segurança de pessoal e propriedade dos canteiros de obras.
No campo do transporte inteligente
A arquitetura cloud-side-end tornou-se o paradigma básico para a implantação de aplicações na indústria de transporte inteligente, com o lado da nuvem responsável pelo gerenciamento centralizado e parte do processamento de dados, o lado da borda fornecendo principalmente análise de dados e decisão de computação. -fazendo processamento, e o lado final é o principal responsável pela coleta de dados de negócios.
Em cenários específicos, como coordenação veículo-estrada, cruzamentos holográficos, condução automática e tráfego ferroviário, há um grande número de dispositivos heterogêneos acessados, e esses dispositivos requerem gerenciamento de acesso, gerenciamento de saída, processamento de alarmes e processamento de operação e manutenção. A computação de borda pode dividir e conquistar, transformar o grande em pequeno, fornecer funções de conversão de protocolo entre camadas, alcançar acesso unificado e estável e até mesmo controle colaborativo de dados heterogêneos.
Na área de produção industrial
Cenário de otimização do processo de produção: Atualmente, um grande número de sistemas de manufatura discretos são limitados pela incompletude dos dados, e a eficiência geral do equipamento e outros cálculos de dados de índice são relativamente desleixados, dificultando o uso para otimização da eficiência. Plataforma de computação de ponta baseada no modelo de informações do equipamento para alcançar comunicação horizontal e vertical do sistema de fabricação de nível semântico, com base no mecanismo de processamento de fluxo de dados em tempo real para agregar e analisar um grande número de dados de campo em tempo real, para alcançar linha de produção baseada em modelo fusão de informações de múltiplas fontes de dados, para fornecer suporte de dados poderoso para a tomada de decisões no sistema de manufatura discreta.
Cenário de Manutenção Preditiva de Equipamentos: A manutenção de equipamentos industriais é dividida em três tipos: manutenção reparativa, manutenção preventiva e manutenção preditiva. A manutenção restaurativa pertence à manutenção ex post facto, a manutenção preventiva e a manutenção preditiva pertencem à manutenção ex-ante, a primeira é baseada no tempo, desempenho do equipamento, condições do local e outros fatores para manutenção regular do equipamento, mais ou menos baseado em humanos experiência, esta última através da coleta de dados de sensores, monitoramento em tempo real do estado operacional do equipamento, com base no modelo industrial de análise de dados, e prever com precisão quando a falha ocorre.
Cenário de inspeção de qualidade industrial: o campo de inspeção de visão industrial é a primeira forma tradicional de inspeção óptica automática (AOI) no campo de inspeção de qualidade, mas o desenvolvimento de AOI até agora, em muitos casos de detecção de defeitos e outros cenários complexos, devido aos defeitos de uma variedade de tipos, a extração de recursos é incompleta, os algoritmos adaptativos têm pouca extensibilidade, a linha de produção é atualizada com frequência, a migração do algoritmo não é flexível e outros fatores, o sistema AOI tradicional tem sido difícil de atender às necessidades de desenvolvimento da linha de produção. Portanto, a plataforma de algoritmo de inspeção de qualidade industrial de IA representada por aprendizado profundo + aprendizado de pequenas amostras está gradualmente substituindo o esquema de inspeção visual tradicional, e a plataforma de inspeção de qualidade industrial de IA passou por dois estágios de algoritmos clássicos de aprendizado de máquina e algoritmos de inspeção de aprendizado profundo.
Horário da postagem: 08/10/2023