Якщо розглядати штучний інтелект як подорож з пункту А до пункту Б, то хмарні обчислення – це аеропорт або швидкісна залізнична станція, а периферійні обчислення – це таксі або спільний велосипед. Периферійні обчислення знаходяться поруч із людьми, речами або джерелами даних. Вони використовують відкриту платформу, яка інтегрує можливості зберігання даних, обчислень, доступу до мережі та ядра додатків для надання послуг користувачам поблизу. Порівняно з централізовано розгорнутими хмарними обчисленнями, периферійні обчислення вирішують такі проблеми, як велика затримка та висока конвергенція трафіку, забезпечуючи кращу підтримку послуг у режимі реального часу та вимогливих до пропускної здатності.
Пожежа ChatGPT спричинила нову хвилю розвитку штучного інтелекту, прискорюючи проникнення ШІ в інші сфери застосування, такі як промисловість, роздрібна торгівля, розумні будинки, розумні міста тощо. Велику кількість даних потрібно зберігати та обчислювати на кінці застосування, і покладатися лише на хмару більше не в змозі задовольнити фактичний попит, периферійні обчислення покращують останній кілометр застосувань ШІ. Відповідно до національної політики енергійного розвитку цифрової економіки, хмарні обчислення в Китаї вступили в період інклюзивного розвитку, попит на периферійні обчислення різко зріс, а інтеграція хмарних периферійних та кінцевих пристроїв стала важливим еволюційним напрямком у майбутньому.
Ринок периферійних обчислень зростатиме на 36,1% у середньому протягом наступних п'яти років
Індустрія периферійних обчислень вступила в стадію стабільного розвитку, про що свідчить поступова диверсифікація постачальників послуг, розширення ринку та подальше розширення сфер застосування. Що стосується розміру ринку, дані звіту IDC показують, що загальний розмір ринку серверів периферійних обчислень у Китаї досяг 3,31 млрд доларів США у 2021 році, і очікується, що загальний розмір ринку серверів периферійних обчислень у Китаї зростатиме зі сукупним річним темпом зростання 22,2% з 2020 по 2025 рік. Салліван прогнозує, що розмір ринку периферійних обчислень у Китаї досягне 250,9 млрд юанів у 2027 році зі середньорічним темпом зростання 36,1% з 2023 по 2027 рік.
Еко-індустрія периферійних обчислень процвітає
Периферійні обчислення наразі перебувають на ранній стадії спалаху, а бізнес-межі в галузевому ланцюжку є відносно розмитими. Для окремих постачальників необхідно враховувати інтеграцію з бізнес-сценаріями, а також мати здатність адаптуватися до змін у бізнес-сценаріях з технічного рівня, а також забезпечити високий ступінь сумісності з апаратним забезпеченням, а також інженерні можливості для реалізації проектів.
Ланцюжок індустрії периферійних обчислень поділяється на постачальників чіпів, постачальників алгоритмів, виробників апаратних пристроїв та постачальників рішень. Постачальники чіпів здебільшого розробляють арифметичні чіпи від кінцевої сторони до периферійної сторони та хмари, і, окрім периферійних чіпів, вони також розробляють карти прискорення та підтримують платформи розробки програмного забезпечення. Постачальники алгоритмів беруть алгоритми комп'ютерного зору як основу для побудови загальних або індивідуальних алгоритмів, а також є підприємства, які створюють центри алгоритмів або навчальні та push-платформи. Постачальники обладнання активно інвестують у продукти периферійних обчислень, і форма продуктів периферійних обчислень постійно збагачується, поступово формуючи повний стек продуктів периферійних обчислень від чіпа до цілої машини. Постачальники рішень надають програмне забезпечення або інтегровані програмно-апаратні рішення для конкретних галузей.
Застосування в галузі периферійних обчислень прискорюється
У сфері розумного міста
Комплексна перевірка міської власності наразі зазвичай використовується в режимі ручної перевірки, і режим ручної перевірки має проблеми високої трудомісткості та витрат часу, залежності процесу від окремих осіб, низького охоплення та частоти перевірок, а також низького контролю якості. Водночас процес перевірки реєструє величезну кількість даних, але ці ресурси даних не перетворюються на активи даних для розширення можливостей бізнесу. Застосовуючи технологію штучного інтелекту до сценаріїв мобільної перевірки, підприємство створило інтелектуальний інспекційний засіб міського управління на основі штучного інтелекту, який використовує такі технології, як Інтернет речей, хмарні обчислення, алгоритми штучного інтелекту, та оснащений професійним обладнанням, таким як камери високої чіткості, бортові дисплеї та бічні сервери штучного інтелекту, і поєднує механізм перевірки «інтелектуальна система + інтелектуальна машина + допомога персоналу». Це сприяє трансформації міського управління від персоналомісткого до механічного інтелекту, від емпіричного судження до аналізу даних, від пасивного реагування до активного виявлення.
У сфері інтелектуального будівельного майданчика
Інтелектуальні рішення для будівельних майданчиків на основі периферійних обчислень застосовують глибоку інтеграцію технології штучного інтелекту в традиційні роботи з моніторингу безпеки будівельної галузі, розміщуючи на будівельному майданчику термінал периферійного аналізу на основі штучного інтелекту, завершуючи незалежні дослідження та розробки візуальних алгоритмів штучного інтелекту на основі інтелектуальної технології відеоаналітики, постійно виявляючи події, що підлягають виявленню (наприклад, визначаючи, чи потрібно носити шолом), надаючи послуги ідентифікації точок ризику для персоналу, навколишнього середовища, безпеки та інших факторів безпеки та нагадування про тривогу, а також беручи на себе ініціативу щодо виявлення небезпечних факторів, інтелектуального захисту на основі штучного інтелекту, заощаджуючи витрати на робочу силу, щоб задовольнити потреби в управлінні безпекою персоналу та майна на будівельних майданчиках.
У сфері інтелектуального транспорту
Хмарна архітектура стала базовою парадигмою для розгортання додатків в галузі інтелектуального транспорту, де хмарна сторона відповідає за централізоване управління та частину обробки даних, периферійна сторона в основному забезпечує аналіз даних та обчислювальну обробку рішень на периферії, а кінцева сторона в основному відповідає за збір бізнес-даних.
У певних сценаріях, таких як координація руху транспортних засобів та дороги, голографічні перехрестя, автоматичне керування та залізничний рух, здійснюється доступ до великої кількості різнорідних пристроїв, і ці пристрої потребують управління доступом, управління виходами, обробки тривог, а також обробки операцій та технічного обслуговування. Периферійні обчислення можуть розділяти та підкорювати, перетворювати велике на мале, забезпечувати функції міжрівневого перетворення протоколів, досягати уніфікованого та стабільного доступу та навіть спільного керування різнорідними даними.
У сфері промислового виробництва
Сценарій оптимізації виробничого процесу: Наразі велика кількість дискретних виробничих систем обмежена неповнотою даних, а загальна ефективність обладнання та інші розрахунки індексних даних є відносно недбалими, що ускладнює її використання для оптимізації ефективності. Платформа периферійних обчислень, заснована на інформаційній моделі обладнання, для досягнення горизонтального та вертикального зв'язку виробничої системи на семантичному рівні, заснована на механізмі обробки потоку даних у реальному часі для агрегації та аналізу великої кількості польових даних у реальному часі, для досягнення об'єднання інформації з кількох джерел даних виробничої лінії на основі моделі, для забезпечення потужної підтримки даних для прийняття рішень у дискретній виробничій системі.
Сценарій прогнозного обслуговування обладнання: Технічне обслуговування промислового обладнання поділяється на три типи: ремонтне обслуговування, профілактичне обслуговування та прогнозне обслуговування. Відновлювальне обслуговування належить до постфактумного обслуговування, профілактичне обслуговування та прогнозне обслуговування належать до попереднього обслуговування. Перше базується на часі, продуктивності обладнання, умовах на місці та інших факторах для регулярного обслуговування обладнання, більш-менш на людському досвіді, друге - на зборі даних датчиків, моніторингу робочого стану обладнання в режимі реального часу, на основі промислової моделі аналізу даних та точного прогнозування виникнення відмови.
Сценарій промислового контролю якості: галузь промислового візуального контролю є першою традиційною формою автоматичного оптичного контролю (AOI) у галузі контролю якості, але розвиток AOI досі спостерігається у багатьох сценаріях виявлення дефектів та інших складних сценаріях, через дефекти різних типів, вилучення ознак є неповним, адаптивні алгоритми мають погану розширюваність, виробничу лінію часто оновлюють, міграцію алгоритмів негнучкують та інші фактори, традиційній системі AOI важко задовольнити потреби розвитку виробничої лінії. Тому платформа алгоритмів промислового контролю якості зі штучним інтелектом, представлена глибоким навчанням + навчанням за допомогою невеликої вибірки, поступово замінює традиційну схему візуального контролю, і платформа промислового контролю якості зі штучним інтелектом пройшла два етапи: класичні алгоритми машинного навчання та алгоритми глибокого навчання.
Час публікації: 08 жовтня 2023 р.