Якщо штучний інтелект розглядається як подорож від А до В, хмарна обчислювальна служба-це аеропорт або високошвидкісний залізничний вокзал, а Edge Computing-це таксі або спільний велосипед. Крайові обчислення близькі до боку людей, речей чи джерел даних. Він приймає відкриту платформу, яка інтегрує зберігання, обчислення, доступ до мережі та основні можливості програми для надання послуг для користувачів поблизу. Порівняно з централізованими розгорнутими хмарними обчислювальними послугами, Edge Computing вирішує такі проблеми, як довга затримка та високий трафік конвергенції, забезпечуючи кращу підтримку послуг із поглинанням пропускної здатності в режимі реального часу.
Пожежа Чатгпта розпочала нову хвилю розвитку ШІ, прискорюючи потоплення ШІ в більше областей застосування, таких як промисловість, роздрібна торгівля, розумні будинки, розумні міста тощо. Велика кількість даних потрібно зберігати та обчислити на кінці додатків, і покладаючись на хмару лише не в змозі задовольнити фактичний попит, обчислювальні обчислення покращують останні кілометри додатків AI. Відповідно до національної політики енергійного розвитку цифрової економіки, хмарні обчислення Китаю вступили в період інклюзивного розвитку, попит на обчислювальні обчислення зросла, а інтеграція хмарних краю та кінця стала важливим еволюційним напрямком у майбутньому.
Ринок обчислювальних обчислень для зростання 36,1% CAGR протягом наступного п'ятирічного
Індустрія обчислювальних обчислень вступила на стадію постійного розвитку, про що свідчить поступова диверсифікація своїх постачальників послуг, розміру ринку, що розширюється, та подальше розширення сфер застосування. З точки зору розміру ринку, дані звіту про відстеження IDC показують, що загальний розмір ринку обчислювальних серверів у Китаї досягло 3,31 мільярда доларів США в 2021 році, а загальний розмір ринку обчислювальних серверів у Китаї, як очікується, зросте при складеному річному темпі зростання 22,2% з 2020 до 2025. 36,1% з 2023 по 2027 рік.
Еко-індустрія, що обчислюється, процвітає
Наразі Edge Computing знаходиться на ранній стадії спалаху, а кордони бізнесу в галузевому ланцюзі відносно нечіткі. Для окремих постачальників необхідно розглянути інтеграцію з діловими сценаріями, а також необхідно мати можливість адаптуватися до змін у бізнес -сценаріях з технічного рівня, а також необхідно забезпечити високу ступінь сумісності з обладнанням, а також інженерної здатності до земельних проектів.
Ланцюг обчислювальної галузі Edge розділений на постачальників мікросхем, постачальників алгоритму, виробників апаратних пристроїв та постачальників рішень. Постачальники чіпів здебільшого розробляють арифметичні мікросхеми від кінцевої до краю до хмарної сторони, а на додаток до мікросхем, вони також розробляють картки прискорення та платформи розробки програмного забезпечення. Постачальники алгоритму приймають алгоритми комп'ютерного зору як основне для створення загальних або індивідуальних алгоритмів, а також є підприємства, які будують торгові центри або тренування та натискання платформ. Постачальники обладнання активно інвестують у Edge Computing Products, а форма обчислювальних продуктів Edge постійно збагачена, поступово утворюючи повний стек Edge Computing Product від мікросхеми до всієї машини. Постачальники рішень надають програмні або Hard-Hardware-інтегровані рішення для конкретних галузей.
Програми обчислювальної обчислювальної промисловості
У галузі розумного міста
В даний час всебічна перевірка міської власності зазвичай використовується в режимі ручної перевірки, а в режимі ручної перевірки є проблеми з високими трудомісткими та трудомісткими витратами, залежністю від людей, поганим покриттям та частотою огляду та низьким контролем якості. У той же час процес перевірки зафіксував величезну кількість даних, але ці ресурси даних не були перетворені на активи даних для розширення можливостей бізнесу. Застосовуючи технологію AI до мобільних сценаріїв інспекції, підприємство створило міське управління інтелектуальним інспекційним транспортним засобом AI, який приймає такі технології, як Інтернет речей, хмарні обчислення, алгоритми AI, та переносять професійне обладнання, таке як камери високої чіткості, бортові дисплеї та серверів AI-Shower "." Він сприяє трансформації міського управління від персоналу, що інтенсивно до механічного інтелекту, від емпіричного судження до аналізу даних та від пасивного реагування на активне виявлення.
У галузі інтелектуального будівельного майданчика
Рішення інтелектуальних будівельних майданчиків на основі обчислювальних обчислень застосовують глибоку інтеграцію технології AI до традиційної роботи з моніторингу безпеки будівельної галузі, розмістивши крайовий термінал аналізу AI на будівельному майданчику, завершуючи незалежне дослідження та розробку візуальних алгоритмів AI, заснованих на інтелектуальній технології відео-аналітики, денного навчання подій, які повинні бути виявлені (наприклад, безпеку та безпеку та не враховують ініціативні послуги та ініціативні послуги та ініціативність, що займається ініціативним засобом), забезпечення персоналу, середовища, середовища, екології, безпеку, безпека, ініціативна особа, що перебуває в тривожності), надання персоналу, навколишнього середовища, середовища, середовища, навколишнього середовища, середовища, екології, що не має ідентифікації, ініціативної ініціативної тривоги). Ініціатива ідентифікації небезпечних факторів, інтелектуальної охорони AI, заощадження витрат на робочу силу для задоволення потреб управління персоналу та власності на будівельні майданчики.
У полі розумного транспорту
Архітектура хмарного кінця стала основною парадигмою для розгортання додатків у інтелектуальній транспортній галузі, причому хмарна сторона відповідає за централізоване управління та частину обробки даних, крайова сторона, в основному забезпечує аналіз даних на стороні та обчислення обробки рішень, а також кінцеву сторону, що відповідає забору даних бізнесу.
У конкретних сценаріях, таких як координація транспортних засобів, голографічні перехрестя, автоматичне керування автомобілем та залізничний рух, існує велика кількість неоднорідних пристроїв, і ці пристрої потребують управління доступом, управління виїздом, обробка тривоги та обробки експлуатації та обслуговування. Обчислювальні обчислення можуть розділити і завоювати, перетворюватися на невеликі, забезпечити функції перетворення протоколу міжшарового протоколу, досягти єдиного та стабільного доступу та навіть спільного контролю над неоднорідними даними.
У галузі промислового виробництва
Сценарій оптимізації виробничих процесів: В даний час велика кількість дискретних виробничих систем обмежена незавершеністю даних, а загальна ефективність обладнання та інші обчислення даних індексу є відносно неохайними, що ускладнює використання для оптимізації ефективності. Платформа Edge Computing, заснована на інформаційній моделі обладнання для досягнення семантичної системи виробничої системи горизонтальної комунікації та вертикальної комунікації, заснованої на механізмі обробки даних у режимі реального часу для агрегування та аналізу великої кількості польових даних у реальному часі, для досягнення модельної виробничої лінії виробничої лінії багато даних про джерело інформації для надання потужної підтримки даних для прийняття рішень у дискретній системі виробництва.
Сценарій технічного обслуговування обладнання: Обслуговування промислового обладнання поділяється на три типи: репаративне обслуговування, профілактичне обслуговування та прогнозне обслуговування. Відносне обслуговування належить до технічного обслуговування Ex Post Facto, профілактичного обслуговування та прогнозованого обслуговування, що належать до екс-анте-технічного обслуговування, перший базується на часі, продуктивності обладнання, умовах ділянок та інших факторів для регулярного обслуговування обладнання, більш-менш на основі людського досвіду, останніх за допомогою збору сенсорних даних, моніторингу в реальному часі операційного стану, що базується на промисловому аналізі даних, та в тому, щоб передбачити операційне стан.
Industrial quality inspection scenario: industrial vision inspection field is the first traditional automatic optical inspection (AOI) form into the quality inspection field, but the development of AOI so far, in many defect detection and other complex scenarios, due to the defects of a variety of types, feature extraction is incomplete, adaptive algorithms poor extensibility, the production line is updated frequently, the algorithm migration is not flexible, and other Фактори, традиційну систему AOI було важко задовольнити розвиток потреб у виробничій лінії. Таким чином, платформа алгоритму інспекції промислової якості AI, представлена глибоким навчанням + малим зразком навчання, поступово замінює традиційну схему візуального огляду, а платформа інспекції промислової якості AI пройшла на двох етапах класичних алгоритмів машинного навчання та алгоритмів глибокого навчання.
Час посади: жовтень-08-2023