Se considerarmos a inteligência artificial como uma viagem do ponto A ao ponto B, o serviço de computação em nuvem seria um aeroporto ou uma estação de trem de alta velocidade, e a computação de borda seria um táxi ou uma bicicleta compartilhada. A computação de borda está próxima das pessoas, dos objetos ou das fontes de dados. Ela adota uma plataforma aberta que integra armazenamento, computação, acesso à rede e recursos essenciais de aplicativos para fornecer serviços aos usuários nas proximidades. Comparada aos serviços de computação em nuvem implantados centralmente, a computação de borda resolve problemas como alta latência e tráfego intenso, oferecendo melhor suporte a serviços em tempo real e que exigem muita largura de banda.
O sucesso do ChatGPT desencadeou uma nova onda de desenvolvimento em IA, acelerando a sua inserção em mais áreas de aplicação, como indústria, varejo, casas inteligentes, cidades inteligentes, etc. Uma grande quantidade de dados precisa ser armazenada e processada na ponta da aplicação, e depender apenas da nuvem já não consegue atender à demanda real. A computação de borda aprimora a última etapa das aplicações de IA. Sob a política nacional de desenvolvimento vigoroso da economia digital, a computação em nuvem na China entrou em um período de desenvolvimento inclusivo, a demanda por computação de borda aumentou consideravelmente e a integração da nuvem, da borda e da ponta da aplicação tornou-se uma importante direção evolutiva para o futuro.
O mercado de computação de borda deverá crescer a uma taxa composta anual de 36,1% nos próximos cinco anos.
O setor de computação de borda entrou em uma fase de desenvolvimento constante, como evidenciado pela diversificação gradual de seus provedores de serviços, pela expansão do tamanho do mercado e pela ampliação das áreas de aplicação. Em termos de tamanho de mercado, dados do relatório de acompanhamento da IDC mostram que o mercado total de servidores de computação de borda na China atingiu US$ 3,31 bilhões em 2021, e a expectativa é de que cresça a uma taxa composta de crescimento anual de 22,2% de 2020 a 2025. A Sullivan prevê que o mercado de computação de borda na China deverá atingir RMB 250,9 bilhões em 2027, com uma taxa de crescimento anual composta de 36,1% de 2023 a 2027.
O ecossistema da computação de borda prospera.
A computação de borda encontra-se atualmente em estágio inicial de desenvolvimento, e as fronteiras comerciais na cadeia de valor são relativamente imprecisas. Para cada fornecedor, é necessário considerar a integração com os cenários de negócios, bem como a capacidade de adaptação às mudanças nesses cenários em nível técnico. Além disso, é fundamental garantir um alto grau de compatibilidade com equipamentos de hardware e a capacidade de engenharia para implementar projetos.
A cadeia produtiva da computação de borda 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 o lado final até a borda e a nuvem, e, além dos chips para a borda, também desenvolvem placas de aceleração e plataformas de desenvolvimento de software de suporte. Os fornecedores de algoritmos utilizam algoritmos de visão computacional como base para construir algoritmos gerais ou personalizados, e também existem empresas que criam plataformas de algoritmos ou plataformas de treinamento e distribuição. Os fornecedores de equipamentos investem ativamente em produtos de computação de borda, e a gama de produtos de computação de borda está em constante expansão, formando gradualmente uma pilha completa de produtos de computação de borda, desde o chip até a máquina inteira. Os provedores de soluções oferecem software ou soluções integradas de software e hardware para setores específicos.
Aplicações industriais de computação de borda aceleram
No campo das cidades inteligentes
Atualmente, a inspeção abrangente de propriedades urbanas é comumente realizada de forma manual, o que apresenta problemas como alto custo em termos de tempo e mão de obra, dependência de indivíduos, baixa cobertura e frequência de inspeção, além de controle de qualidade deficiente. Ao mesmo tempo, o processo de inspeção gera uma enorme quantidade de dados, que não são transformados em ativos de dados para o desenvolvimento de negócios. Ao aplicar a tecnologia de IA em cenários de inspeção móvel, a empresa criou um veículo inteligente de inspeção urbana com IA, que adota tecnologias como Internet das Coisas, computação em nuvem e algoritmos de IA, e carrega equipamentos profissionais como câmeras de alta definição, displays integrados e servidores de IA, combinando o mecanismo de inspeção de "sistema inteligente + máquina inteligente + assistência humana". Isso promove a transformação da gestão urbana, passando de um modelo intensivo em mão de obra para um modelo automatizado de inteligência, da avaliação empírica para a análise de dados e da resposta passiva para a descoberta ativa.
No campo da construção inteligente
As soluções de canteiro de obras inteligentes baseadas em computação de borda aplicam a integração profunda da tecnologia de IA ao trabalho tradicional de monitoramento de segurança na indústria da construção civil. Isso é feito através da instalação de um terminal de análise de IA de borda no canteiro de obras, que realiza pesquisa e desenvolvimento independentes de algoritmos de IA visual baseados em tecnologia de análise de vídeo inteligente. O sistema detecta eventos em tempo real (por exemplo, se o usuário está usando capacete ou não), fornece serviços de identificação de pontos de risco para pessoal, meio ambiente, segurança e outros, além de alertas. A iniciativa permite a identificação de fatores inseguros, a vigilância inteligente por IA e a redução de custos com mão de obra, atendendo assim às necessidades de gestão de segurança de pessoal e patrimônio em canteiros de obras.
No campo dos transportes inteligentes
A arquitetura nuvem-end tornou-se o paradigma básico para a implantação de aplicações na indústria de transporte inteligente, com a nuvem responsável pela gestão centralizada e parte do processamento de dados, a borda fornecendo principalmente análise de dados e processamento computacional para tomada de decisões, e o dispositivo final responsável principalmente pela coleta de dados de negócios.
Em cenários específicos, como coordenação veículo-via, interseções holográficas, direção autônoma e tráfego ferroviário, há um grande número de dispositivos heterogêneos acessados, e esses dispositivos exigem gerenciamento de acesso, gerenciamento de saída, processamento de alarmes e processamento de operação e manutenção. A computação de borda pode dividir para 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.
No campo da manufatura industrial
Cenário de Otimização do Processo de Produção: Atualmente, um grande número de sistemas de manufatura discreta são limitados pela incompletude dos dados, e os cálculos da eficiência geral do equipamento e de outros índices são relativamente imprecisos, dificultando sua utilização para otimização da eficiência. Uma plataforma de computação de borda baseada em modelo de informação do equipamento permite a comunicação horizontal e vertical em nível semântico do sistema de manufatura. Com base em um mecanismo de processamento de fluxo de dados em tempo real, agrega e analisa um grande volume de dados de campo em tempo real, realizando a fusão de informações de múltiplas fontes de dados da linha de produção baseada em modelo, fornecendo um suporte robusto para a tomada de decisões no sistema de manufatura discreta.
Cenário de Manutenção Preditiva de Equipamentos: A manutenção de equipamentos industriais divide-se em três tipos: manutenção reparadora, manutenção preventiva e manutenção preditiva. A manutenção reparadora é uma manutenção ex post facto, enquanto a manutenção preventiva e a manutenção preditiva são manutenções ex ante. A primeira baseia-se no tempo, no desempenho do equipamento, nas condições do local e em outros fatores para a manutenção regular do equipamento, fundamentando-se, em maior ou menor grau, na experiência humana. A segunda, por sua vez, utiliza a coleta de dados de sensores, o monitoramento em tempo real do estado operacional do equipamento, com base na análise de dados de modelos industriais, para prever com precisão quando ocorrerá uma falha.
Cenário de inspeção de qualidade industrial: a inspeção visual industrial foi a primeira área a utilizar a forma tradicional de inspeção óptica automatizada (AOI) no campo da inspeção de qualidade. No entanto, o desenvolvimento da AOI até o momento apresenta desafios em muitos cenários complexos de detecção de defeitos, como a variedade de tipos de defeitos, extração incompleta de características, baixa extensibilidade de algoritmos adaptativos, atualizações frequentes na linha de produção e falta de flexibilidade na migração de algoritmos. Esses fatores tornam os sistemas tradicionais de AOI incapazes de atender às necessidades de desenvolvimento da linha de produção. Portanto, a plataforma de algoritmos de inspeção de qualidade industrial baseada em IA, representada por aprendizado profundo e aprendizado com pequenas amostras, está gradualmente substituindo o esquema tradicional de inspeção visual. Essa plataforma passou por duas fases: algoritmos clássicos de aprendizado de máquina e algoritmos de inspeção baseados em aprendizado profundo.
Data da publicação: 08/10/2023