Betrachtet man künstliche Intelligenz als eine Reise von A nach B, ist Cloud Computing ein Flughafen oder ein Hochgeschwindigkeitsbahnhof, und Edge Computing ein Taxi oder ein Leihfahrrad. Edge Computing ist eng mit Menschen, Dingen oder Datenquellen verbunden. Es nutzt eine offene Plattform, die Speicher, Rechenleistung, Netzwerkzugriff und Kernfunktionen integriert, um Dienste für Nutzer in der Nähe bereitzustellen. Im Vergleich zu zentral bereitgestellten Cloud Computing-Diensten löst Edge Computing Probleme wie lange Latenzzeiten und hohen Konvergenzverkehr und bietet eine bessere Unterstützung für Echtzeit- und bandbreitenintensive Dienste.
Der Erfolg von ChatGPT hat eine neue Welle der KI-Entwicklung ausgelöst und den Einzug von KI in weitere Anwendungsbereiche wie Industrie, Einzelhandel, Smart Homes und Smart Cities beschleunigt. Große Datenmengen müssen anwendungsseitig gespeichert und verarbeitet werden. Die Cloud allein kann den tatsächlichen Bedarf nicht mehr decken. Edge Computing verbessert den letzten Kilometer der KI-Anwendungen. Im Rahmen der nationalen Politik zur energischen Entwicklung der digitalen Wirtschaft befindet sich Chinas Cloud Computing in einer Phase der integrativen Entwicklung. Die Nachfrage nach Edge Computing ist stark gestiegen, und die Integration von Cloud Edge und End ist zu einer wichtigen Entwicklungsrichtung für die Zukunft geworden.
Der Edge-Computing-Markt wird in den nächsten fünf Jahren um 36,1 % jährlich wachsen
Die Edge-Computing-Branche befindet sich in einer Phase stetiger Entwicklung, was sich in der schrittweisen Diversifizierung ihrer Dienstleister, dem wachsenden Markt und der weiteren Ausweitung der Anwendungsbereiche zeigt. Daten aus dem Tracking-Bericht von IDC zeigen, dass der Gesamtmarkt für Edge-Computing-Server in China im Jahr 2021 3,31 Milliarden US-Dollar erreichte. Von 2020 bis 2025 wird für den Gesamtmarkt für Edge-Computing-Server in China eine durchschnittliche jährliche Wachstumsrate von 22,2 % erwartet. Sullivan prognostiziert, dass der Markt für Edge-Computing in China im Jahr 2027 voraussichtlich 250,9 Milliarden RMB erreichen wird, mit einer durchschnittlichen jährlichen Wachstumsrate von 36,1 % von 2023 bis 2027.
Edge-Computing-Ökoindustrie floriert
Edge Computing befindet sich derzeit in der Anfangsphase, und die Geschäftsgrenzen in der Industriekette sind relativ unscharf. Einzelne Anbieter müssen die Integration in Geschäftsszenarien berücksichtigen und sich auf technischer Ebene an veränderte Geschäftsszenarien anpassen können. Zudem ist eine hohe Kompatibilität mit der Hardware sowie die Fähigkeit zur Projektabwicklung sicherzustellen.
Die Edge-Computing-Branchenkette gliedert sich in Chip-Anbieter, Algorithmen-Anbieter, Hardware-Gerätehersteller und Lösungsanbieter. Chip-Anbieter entwickeln hauptsächlich Rechenchips von der End- über die Edge- bis zur Cloud-Seite. Neben Edge-Chips entwickeln sie auch Beschleunigungskarten und unterstützen Software-Entwicklungsplattformen. Algorithmen-Anbieter nutzen Computer-Vision-Algorithmen als Grundlage für die Entwicklung allgemeiner oder kundenspezifischer Algorithmen. Darüber hinaus entwickeln Unternehmen Algorithmen-Malls sowie Trainings- und Push-Plattformen. Geräteanbieter investieren aktiv in Edge-Computing-Produkte, und die Form der Edge-Computing-Produkte wird ständig erweitert, sodass sich nach und nach ein umfassendes Spektrum an Edge-Computing-Produkten vom Chip bis zur gesamten Maschine entwickelt. Lösungsanbieter bieten Software- oder Software-Hardware-integrierte Lösungen für spezifische Branchen an.
Edge-Computing-Industrieanwendungen beschleunigen
Im Bereich Smart City
Eine umfassende Inspektion von städtischem Eigentum erfolgt derzeit üblicherweise manuell. Diese manuelle Inspektion ist mit hohen zeit- und arbeitsintensiven Kosten, der Abhängigkeit von einzelnen Personen, geringer Abdeckung und Inspektionshäufigkeit sowie mangelnder Qualitätskontrolle verbunden. Gleichzeitig erfasst der Inspektionsprozess enorme Datenmengen, die jedoch nicht in geschäftsfördernde Daten umgewandelt werden. Durch den Einsatz von KI-Technologie in mobilen Inspektionsszenarien hat das Unternehmen ein intelligentes KI-Inspektionsfahrzeug für die Stadtverwaltung entwickelt. Es nutzt Technologien wie das Internet der Dinge, Cloud Computing und KI-Algorithmen und verfügt über professionelle Ausrüstung wie hochauflösende Kameras, integrierte Displays und KI-Server. Es kombiniert den Inspektionsmechanismus „intelligentes System + intelligente Maschine + Personalunterstützung“. Es fördert den Wandel der Stadtverwaltung von personalintensiver zu maschineller Intelligenz, von empirischer Beurteilung zu Datenanalyse und von passiver Reaktion zu aktiver Entdeckung.
Im Bereich der intelligenten Baustelle
Auf Edge Computing basierende intelligente Baustellenlösungen wenden die tiefe Integration von KI-Technologie auf die traditionelle Sicherheitsüberwachungsarbeit der Bauindustrie an, indem sie ein Edge-KI-Analyseterminal auf der Baustelle platzieren, die unabhängige Forschung und Entwicklung von visuellen KI-Algorithmen auf Basis intelligenter Videoanalysetechnologie abschließen, zu erkennende Ereignisse rund um die Uhr erkennen (z. B. erkennen, ob ein Helm getragen werden soll oder nicht), Identifikations- und Alarmerinnerungsdienste für Personal, Umgebung, Sicherheit und andere Sicherheitsrisikopunkte bereitstellen und die Initiative zur Identifikation unsicherer Faktoren und intelligenter KI-Bewachung ergreifen, Personalkosten sparen und so den Sicherheitsanforderungen von Baustellen an Personal und Eigentum gerecht werden.
Im Bereich des intelligenten Verkehrs
Die Cloud-Side-End-Architektur hat sich zum grundlegenden Paradigma für die Bereitstellung von Anwendungen in der intelligenten Transportbranche entwickelt. Dabei ist die Cloud-Seite für die zentrale Verwaltung und einen Teil der Datenverarbeitung verantwortlich, die Edge-Seite stellt hauptsächlich die Edge-Datenanalyse und die Berechnungs- und Entscheidungsverarbeitung bereit und die End-Seite ist hauptsächlich für die Erfassung der Geschäftsdaten verantwortlich.
In bestimmten Szenarien wie der Fahrzeug-Straßen-Koordination, holografischen Kreuzungen, autonomem Fahren und dem Schienenverkehr wird auf eine große Anzahl heterogener Geräte zugegriffen. Diese Geräte erfordern Zugriffsverwaltung, Ausgangsverwaltung, Alarmverarbeitung sowie Betriebs- und Wartungsverarbeitung. Edge Computing kann teilen und erobern, Großes in Kleines verwandeln, schichtübergreifende Protokollkonvertierungsfunktionen bereitstellen, einen einheitlichen und stabilen Zugriff und sogar die gemeinsame Kontrolle heterogener Daten ermöglichen.
Im Bereich der industriellen Fertigung
Szenario der Produktionsprozessoptimierung: Derzeit sind viele diskrete Fertigungssysteme durch unvollständige Daten eingeschränkt, und die Berechnungen der Gesamtanlageneffizienz und anderer Indexdaten sind relativ schlampig, was ihre Nutzung zur Effizienzoptimierung erschwert. Eine Edge-Computing-Plattform basiert auf einem Anlageninformationsmodell, um eine horizontale und vertikale Kommunikation auf semantischer Ebene im Fertigungssystem zu erreichen, und basiert auf einem Echtzeit-Datenflussverarbeitungsmechanismus, um eine große Menge an Echtzeitdaten aus dem Feld zu aggregieren und zu analysieren, um eine modellbasierte Informationsfusion aus mehreren Datenquellen der Produktionslinie zu erreichen und eine leistungsstarke Datenunterstützung für die Entscheidungsfindung im diskreten Fertigungssystem bereitzustellen.
Szenario der vorausschauenden Gerätewartung: Die Wartung von Industrieanlagen wird in drei Arten unterteilt: reparierende Wartung, vorbeugende Wartung und vorausschauende Wartung. Wiederherstellende Wartung gehört zur nachträglichen Wartung, vorbeugende Wartung und vorausschauende Wartung zur vorausschauenden Wartung. Erstere basiert auf Zeit, Geräteleistung, Standortbedingungen und anderen Faktoren für die regelmäßige Wartung von Geräten und basiert mehr oder weniger auf menschlicher Erfahrung. Letztere nutzt die Erfassung von Sensordaten, die Echtzeitüberwachung des Betriebszustands der Geräte auf Grundlage des industriellen Datenanalysemodells und die genaue Vorhersage von Fehlern.
Szenario der industriellen Qualitätsprüfung: Die industrielle Sichtprüfung ist die erste Form der traditionellen automatischen optischen Prüfung (AOI) im Bereich der Qualitätsprüfung. Die bisherige Entwicklung der AOI hat jedoch in vielen komplexen Szenarien zur Fehlererkennung und anderen komplexen Szenarien aufgrund der Vielzahl von Fehlerarten, der unvollständigen Merkmalsextraktion, der schlechten Erweiterbarkeit adaptiver Algorithmen, häufiger Aktualisierungen der Produktionslinie, der mangelnden Flexibilität bei der Algorithmusmigration und anderer Faktoren dazu geführt, dass das traditionelle AOI-System den Entwicklungsanforderungen der Produktionslinie nur schwer gerecht werden konnte. Daher ersetzt die KI-Plattform für Algorithmen zur industriellen Qualitätsprüfung, die auf Deep Learning und Lernen kleiner Stichproben basiert, allmählich das traditionelle visuelle Prüfverfahren. Die KI-Plattform für die industrielle Qualitätsprüfung hat zwei Phasen durchlaufen: klassische Algorithmen für maschinelles Lernen und Deep-Learning-Prüfalgorithmen.
Beitragszeit: 08.10.2023