Se a inteligência artificial for considerada uma jornada de A a B, um serviço de computação em nuvem é um aeroporto ou uma estação ferroviária de alta velocidade, e a computação de borda é um táxi ou uma bicicleta compartilhada. A computação de borda está próxima de pessoas, coisas ou fontes de dados. Ela adota uma plataforma aberta que integra armazenamento, computação, acesso à rede e recursos de núcleo de aplicativo para fornecer serviços aos usuários nas proximidades. Comparada aos serviços de computação em nuvem implantados centralmente, a computação de borda resolve problemas como longa latência e tráfego de alta convergência, fornecendo melhor suporte para serviços em tempo real e que exigem largura de banda.
O sucesso do ChatGPT desencadeou uma nova onda de desenvolvimento da IA, acelerando sua penetração em mais áreas de aplicação, como indústria, varejo, casas inteligentes, cidades inteligentes, etc. Uma grande quantidade de dados precisa ser armazenada e computada na ponta da aplicação, e depender apenas da nuvem não é mais capaz de atender à demanda real. A computação de ponta aprimora o último quilômetro das aplicações de IA. Sob a política nacional de desenvolvimento vigoroso da economia digital, a computação em nuvem da China entrou em um período de desenvolvimento inclusivo, a demanda por computação de ponta aumentou e a integração da ponta e da ponta da nuvem tornou-se uma importante direção evolutiva para o futuro.
O mercado de computação de ponta crescerá 36,1% CAGR nos próximos cinco anos
O setor de computação de ponta entrou em um estágio de desenvolvimento constante, como evidenciado pela diversificação gradual de seus provedores de serviços, pela expansão do tamanho do mercado e pela expansão contínua das áreas de aplicação. Em termos de tamanho de mercado, dados do relatório de acompanhamento 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 uma taxa composta de crescimento anual de 22,2% de 2020 a 2025. Sullivan prevê que o tamanho do mercado de computação de ponta na China deverá atingir RMB 250,9 bilhões em 2027, com um CAGR de 36,1% de 2023 a 2027.
A eco-indústria da computação de ponta prospera
A computação de ponta está atualmente no estágio inicial do surto, e os limites de negócios na cadeia da indústria são relativamente nebulosos. Para fornecedores individuais, é necessário considerar a integração com cenários de negócios, além de ter a capacidade de se adaptar às mudanças nos cenários de negócios do nível técnico, além de garantir um alto grau de compatibilidade com equipamentos de hardware, bem como a capacidade de engenharia para implementar projetos.
A cadeia da indústria de edge computing é dividida em fornecedores de chips, fornecedores de algoritmos, fabricantes de dispositivos de hardware e provedores de soluções. Os fornecedores de chips desenvolvem principalmente chips aritméticos, desde a extremidade até a borda e a nuvem, e, além dos chips de borda, também desenvolvem placas de aceleração e oferecem suporte a plataformas de desenvolvimento de software. Os fornecedores de algoritmos utilizam algoritmos de visão computacional como núcleo para construir algoritmos gerais ou personalizados, e também existem empresas que constroem shoppings de algoritmos ou plataformas de treinamento e push. Os fornecedores de equipamentos estão investindo ativamente em produtos de edge computing, e o formato dos produtos de edge computing é constantemente enriquecido, formando gradualmente uma pilha completa de produtos de edge computing, do chip à máquina inteira. Os provedores de soluções fornecem software ou soluções integradas de software e hardware para setores específicos.
As aplicações da indústria de computação de ponta aceleram
No campo da cidade inteligente
A inspeção abrangente de propriedades urbanas é atualmente comumente utilizada no modo de inspeção manual, que apresenta os problemas de custos elevados, que consomem muito tempo e mão de obra, dependência de pessoal no processo, baixa cobertura e frequência de inspeção, e controle de qualidade deficiente. Ao mesmo tempo, o processo de inspeção registra uma enorme quantidade de dados, mas esses recursos de dados não são transformados em ativos de dados para o fortalecimento dos negócios. Ao aplicar a tecnologia de IA a cenários de inspeção móvel, a empresa criou um veículo de inspeção inteligente de IA para governança urbana, que adota tecnologias como a Internet das Coisas, computação em nuvem, algoritmos de IA e carrega equipamentos profissionais, como câmeras de alta definição, monitores de bordo e servidores de IA, combinando o mecanismo de inspeção de "sistema inteligente + máquina inteligente + assistência de equipe". Ele promove a transformação da governança urbana de uma abordagem intensiva em pessoal para uma abordagem mecanizada, do julgamento empírico para a análise de dados e da resposta passiva para a descoberta ativa.
No campo do canteiro de obras inteligente
As soluções de canteiro de obras inteligentes baseadas em computação de ponta aplicam a profunda integração da tecnologia de IA ao trabalho tradicional de monitoramento de segurança da indústria de construção, colocando um terminal de análise de IA de ponta no canteiro de obras, concluindo a pesquisa e o desenvolvimento independentes de algoritmos de IA visual com base em tecnologia de análise de vídeo inteligente, detecção em tempo integral de eventos a serem detectados (por exemplo, detectar se deve ou não usar capacete), fornecendo identificação de pontos de risco de pessoal, ambiente, segurança e outros serviços de lembrete de alarme e tomando a iniciativa de identificação de fatores inseguros, proteção inteligente de IA, economizando 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 do lado da nuvem se tornou o paradigma básico para a implantação de aplicativos no setor 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 do lado da borda e processamento de tomada de decisão computacional, e o lado final principalmente responsável pela coleta de dados comerciais.
Em cenários específicos, como coordenação entre veículos e estradas, interseções holográficas, direção automatizada e tráfego ferroviário, há um grande número de dispositivos heterogêneos acessados, e esses dispositivos exigem gerenciamento de acesso, gerenciamento de saídas, 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 protocolos entre camadas, alcançar acesso unificado e estável e até mesmo controle colaborativo de dados heterogêneos.
No campo da produção industrial
Cenário de Otimização do Processo de Produção: Atualmente, um grande número de sistemas de manufatura discreta é limitado pela incompletude dos dados, e a eficiência geral do equipamento e outros cálculos de dados de índice são relativamente descuidados, dificultando o uso para otimização da eficiência. Plataforma de computação de ponta baseada em modelo de informações do equipamento para alcançar comunicação horizontal e vertical em sistemas de manufatura em nível semântico, com base em 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 a fusão de informações de múltiplas fontes de dados da linha de produção baseada em modelo, a fim de 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 reparadora, manutenção preventiva e manutenção preditiva. A manutenção reparadora pertence à manutenção ex post facto, a manutenção preventiva e a manutenção preditiva pertence à manutenção ex ante. A primeira se baseia no tempo, no desempenho do equipamento, nas condições do local e em outros fatores para a manutenção regular do equipamento, mais ou menos baseada na experiência humana, enquanto a segunda, por meio da coleta de dados de sensores, monitora o estado operacional do equipamento em tempo real, com base no modelo industrial de análise de dados, e prevê com precisão quando a falha ocorrerá.
Cenário de inspeção de qualidade industrial: o campo de inspeção visual industrial é a primeira forma tradicional de inspeção óptica automática (AOI) no campo de inspeção de qualidade. No entanto, o desenvolvimento da AOI até o momento, em muitos cenários complexos de detecção de defeitos e outros cenários, devido a defeitos de vários tipos, extração de características incompleta, algoritmos adaptativos de baixa extensibilidade, a linha de produção é atualizada com frequência, a migração de algoritmos não é flexível e outros fatores, o sistema AOI tradicional tem sido difícil de atender ao desenvolvimento das necessidades 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 tradicional de inspeção visual, e a plataforma de inspeção de qualidade industrial de IA passou por dois estágios: algoritmos clássicos de aprendizado de máquina e algoritmos de inspeção de aprendizado profundo.
Horário da postagem: 08/10/2023