Якщо штучний інтелект розглядати як подорож від точки А до точки Б, то сервіс хмарних обчислень — це аеропорт або швидкісна залізнична станція, а периферійні обчислення — це таксі чи спільний велосипед. Граничні обчислення близькі до людей, речей або джерел даних. Він приймає відкриту платформу, яка інтегрує сховище, обчислення, доступ до мережі та основні можливості програми для надання послуг користувачам поблизу. Порівняно з централізовано розгорнутими службами хмарних обчислень, периферійні обчислення вирішують такі проблеми, як довга затримка та високий трафік конвергенції, забезпечуючи кращу підтримку для служб у режимі реального часу та вимогливих до пропускної здатності.
Пожежа ChatGPT запустила нову хвилю розвитку штучного інтелекту, прискоривши впровадження штучного інтелекту в інші сфери застосування, такі як промисловість, роздрібна торгівля, розумні будинки, розумні міста тощо. Великий обсяг даних потрібно зберігати та обчислювати в і покладаючись лише на хмару більше не в змозі задовольнити фактичний попит, периферійні обчислення покращують останній кілометр додатків ШІ. Згідно з національною політикою енергійного розвитку цифрової економіки, хмарні обчислення Китаю вступили в період інклюзивного розвитку, попит на периферійні обчислення різко зріс, а інтеграція периферії та кінця хмари стала важливим еволюційним напрямком у майбутньому.
Ринок периферійних обчислень зросте на 36,1% CAGR протягом наступних п’яти років
Індустрія периферійних обчислень увійшла в стадію стабільного розвитку, про що свідчить поступова диверсифікація постачальників послуг, розширення розміру ринку та подальше розширення сфер застосування. Що стосується розміру ринку, дані звіту про відстеження IDC показують, що загальний розмір ринку периферійних обчислювальних серверів у Китаї сягнув 3,31 мільярда доларів США у 2021 році, і очікується, що загальний розмір ринку периферійних обчислювальних серверів у Китаї зростатиме зі збільшеним річним зростанням. 22,2% з 2020 по 2025 рік. Салліван прогнозує, що розмір ринку периферійних обчислень у Китаї досягне 250,9 мільярдів юанів у 2027 році з CAGR 36,1% з 2023 по 2027 рік.
Екоіндустрія периферійних обчислень процвітає
Граничні обчислення наразі перебувають на ранній стадії спалаху, а бізнес-межі в галузевому ланцюжку відносно нечіткі. Для окремих постачальників необхідно враховувати інтеграцію з бізнес-сценаріями, а також необхідно мати здатність адаптуватися до змін бізнес-сценаріїв з технічного рівня, а також необхідно забезпечити високий ступінь сумісність з апаратним обладнанням, а також інженерна можливість земельних проектів.
Ланцюг індустрії периферійних обчислень поділяється на постачальників мікросхем, постачальників алгоритмів, виробників апаратних пристроїв і постачальників рішень. Постачальники чіпів здебільшого розробляють арифметичні чіпи від кінцевої сторони до крайньої сторони та хмарної сторони, і на додаток до периферійних чіпів вони також розробляють карти прискорення та підтримують платформи розробки програмного забезпечення. Постачальники алгоритмів беруть алгоритми комп’ютерного зору як ядро для створення загальних або налаштованих алгоритмів, а також є підприємства, які створюють торгові центри алгоритмів або платформи для навчання та просування. Постачальники обладнання активно інвестують у периферійні обчислювальні продукти, і форма периферійних обчислювальних продуктів постійно збагачується, поступово формуючи повний пакет периферійних обчислювальних продуктів від чіпа до всієї машини. Постачальники рішень надають програмне забезпечення або програмно-апаратні інтегровані рішення для певних галузей.
Додатки індустрії периферійних обчислень прискорюються
У сфері розумного міста
Комплексна інспекція міського майна в даний час зазвичай використовується в режимі ручної інспекції, і ручний режим інспекції має проблеми, пов’язані з великими витратами часу та трудомісткістю, залежністю процесу від окремих осіб, низьким охопленням і частотою перевірок, а також низькою якістю. КОНТРОЛЬ. У той же час процес перевірки зафіксував величезну кількість даних, але ці ресурси даних не були перетворені в активи даних для розширення можливостей бізнесу. Застосовуючи технологію штучного інтелекту до сценаріїв мобільної інспекції, підприємство створило інтелектуальний інспекційний транспортний засіб міського управління з штучним інтелектом, який використовує такі технології, як Інтернет речей, хмарні обчислення, алгоритми штучного інтелекту, і має професійне обладнання, таке як камери високої чіткості, дисплеї дошки та сторонні сервери штучного інтелекту та поєднує в собі механізм перевірки «інтелектуальна система + інтелектуальна машина + допомога персоналу». Це сприяє перетворенню міського управління від інтенсивного використання персоналу до механічного інтелекту, від емпіричного судження до аналізу даних і від пасивної реакції до активного відкриття.
У сфері інтелектуального будівництва
Інтелектуальні рішення для будівельних майданчиків на основі периферійних обчислень застосовують глибоку інтеграцію технології штучного інтелекту до традиційної роботи з моніторингу безпеки будівельної промисловості, розміщуючи на будівельному майданчику термінал аналізу периферійного штучного інтелекту, завершуючи незалежні дослідження та розробку алгоритмів візуального штучного інтелекту на основі інтелектуального відео технологія аналітики, постійне виявлення подій, які необхідно виявити (наприклад, виявлення того, носити шолом чи ні), надання персоналу, навколишньому середовищу, безпеці та іншим службам ідентифікації точок ризику безпеки та нагадування про тривогу, а також ініціатива щодо ідентифікації небезпечних фактори, інтелектуальна охорона штучного інтелекту, економія робочої сили, щоб задовольнити потреби управління безпекою персоналу та майна на будівельних майданчиках.
У сфері інтелектуального транспорту
Хмарна архітектура стала основною парадигмою для розгортання додатків у індустрії інтелектуального транспорту, де хмарна сторона відповідає за централізоване управління та частину обробки даних, а периферійна сторона в основному забезпечує аналіз даних на периферійній стороні та рішення щодо обчислень. -виконання обробки, а кінцева сторона головним чином відповідає за збір бізнес-даних.
У конкретних сценаріях, таких як координація транспортного засобу та дороги, голографічні перехрестя, автоматичне водіння та залізничний рух, існує велика кількість гетерогенних пристроїв, до яких здійснюється доступ, і ці пристрої потребують керування доступом, керування виїздом, обробки тривог, а також обробки експлуатації та обслуговування. Граничні обчислення можуть розділяти та володарювати, перетворювати велике на мале, забезпечувати функції перетворення міжрівневих протоколів, досягати уніфікованого та стабільного доступу та навіть спільного контролю різнорідних даних.
У сфері промислового виробництва
Сценарій оптимізації виробничого процесу: наразі велика кількість дискретних виробничих систем обмежена неповнотою даних, а розрахунки загальної ефективності обладнання та інших індексних даних є відносно неохайними, що ускладнює їх використання для оптимізації ефективності. Гранична обчислювальна платформа на основі інформаційної моделі обладнання для досягнення семантичного рівня виробничої системи горизонтального зв’язку та вертикального зв’язку на основі механізму обробки потоку даних у реальному часі для агрегування та аналізу великої кількості польових даних у режимі реального часу для досягнення виробничої лінії на основі моделі злиття інформації з кількох джерел даних, щоб забезпечити потужну підтримку даних для прийняття рішень у дискретній виробничій системі.
Сценарій прогнозованого технічного обслуговування обладнання. Технічне обслуговування промислового обладнання поділяється на три види: ремонтне технічне обслуговування, профілактичне технічне обслуговування та прогнозне технічне обслуговування. Відновлювальне технічне обслуговування належить до постфактум технічного обслуговування, профілактичне технічне обслуговування та прогнозне технічне обслуговування належить до попереднього техобслуговування, перше ґрунтується на часі, продуктивності обладнання, умовах на місці та інших факторах регулярного технічного обслуговування обладнання, більш-менш заснованому на людському досвіду, останнє шляхом збору даних датчиків, моніторингу в режимі реального часу робочого стану обладнання на основі промислової моделі аналізу даних і точного прогнозування, коли станеться збій.
Сценарій інспекції промислової якості: поле інспекції промислового бачення є першою традиційною формою автоматичного оптичного контролю (AOI) у сфері інспекції якості, але розвиток AOI досі, у багатьох виявленнях дефектів та інших складних сценаріях, через дефекти різноманітності типів, виділення функцій неповне, адаптивні алгоритми погано розширюються, виробнича лінія часто оновлюється, алгоритм міграції не є гнучким та інші фактори, традиційній системі AOI було важко задовольнити потреби виробничої лінії. Таким чином, платформа алгоритму інспекції промислової якості штучного інтелекту, представлена глибоким навчанням + навчання з невеликою вибіркою, поступово замінює традиційну схему візуального контролю, а платформа інспекції промислової якості штучного інтелекту пройшла два етапи класичних алгоритмів машинного навчання та алгоритмів інспекції глибокого навчання.
Час публікації: 8 жовтня 2023 р