Von Cloud -Diensten bis hin zu Edge Computing kommt AI zur "Last Meile"

Wenn künstliche Intelligenz als Reise von A nach B angesehen wird, ist der Cloud Computing Service ein Flughafen- oder Hochgeschwindigkeitsbahnhof, und Edge Computing ist ein Taxi oder ein gemeinsames Fahrrad. Edge Computing liegt nahe an der Seite von Menschen, Dingen oder Datenquellen. Es übernimmt eine offene Plattform, die Speicherfunktionen für Speicher-, Berechnung, Netzwerkzugriff und Anwendungskern integriert, um Dienste für Benutzer in der Nähe bereitzustellen. Im Vergleich zu zentral bereitgestellten Cloud-Computing-Diensten löst Edge Computing Probleme wie lange Latenz und hohen Konvergenzverkehr, und bietet eine bessere Unterstützung für Echtzeit- und Bandbreitendienste.

Das Feuer von Chatgpt hat eine neue Welle der KI -Entwicklung ausgelöst und das Untergang von KI in mehr Anwendungsbereiche wie Industrie, Einzelhandel, intelligente Häuser, intelligente Städte usw. beschleunigt. Eine große Menge an Daten muss gespeichert und berechnet werden. Am Ende des Anwendungsende werden nicht mehr in der Lage, die tatsächliche Nachfrage zu decken. Unter der nationalen Politik der energischen Entwicklung der digitalen Wirtschaft ist Chinas Cloud Computing in eine Zeit integrativer Entwicklung eingetreten, die Nachfrage von Edge Computing hat sich gestiegen und die Integration von Cloud Edge und End ist in Zukunft zu einer wichtigen evolutionären Richtung geworden.

Edge Computing-Markt um 36,1% CAGR in den nächsten fünf Jahren zu wachsen

Die Edge Computing -Industrie hat in ein Stadium der stetigen Entwicklung eingetreten, was sich durch die allmähliche Diversifizierung ihrer Dienstleister, die wachsende Marktgröße und die weitere Ausweitung der Anwendungsbereiche belegt. In Bezug auf die Marktgröße zeigen Daten aus dem Tracking -Bericht von IDC, dass die Gesamtmarktgröße von Edge -Computing -Servern in China im Jahr 2021 3,31 Mrd. USD erreichte und die Gesamtmarktgröße von Edge -Computing -Servern in China voraussichtlich mit einer zusammengesetzten jährlichen Wachstumsrate von 22% von 22% von 2020 bis 2025 wachsen wird. 36,1% von 2023 bis 2027.

Edge Computing Öko-Industrie gedeiht

Edge Computing befindet sich derzeit in der frühen Phase des Ausbruchs, und die Geschäftsgrenzen in der Branchenkette sind relativ unscharf. Für einzelne Anbieter ist es notwendig, die Integration in die Geschäftsszenarien zu berücksichtigen, und es ist auch erforderlich, sich an Änderungen der Geschäftsszenarien aus der technischen Ebene anzupassen. Es ist auch erforderlich, um sicherzustellen, dass ein hohes Maß an Kompatibilität mit Hardwareausrüstung sowie die technische Fähigkeit zur Landung von Projekten vorliegt.

Die Kette der Edge Computing -Industrie ist in ChIP -Anbieter, Algorithmus -Anbieter, Hersteller von Hardware -Geräten und Lösungsanbietern unterteilt. ChIP-Anbieter entwickeln hauptsächlich arithmetische Chips von End-Seite bis hin zu Cloud-Seite. Zusätzlich zu den Kanten-Seite-Chips entwickeln sie auch Beschleunigungskarten und unterstützen Softwareentwicklungsplattformen. Algorithmus -Anbieter nehmen Computer -Vision -Algorithmen als Kern für allgemeine oder maßgeschneiderte Algorithmen an, und es gibt auch Unternehmen, die Algorithmus -Einkaufszentren oder Trainings- und Push -Plattformen erstellen. Geräteanbieter investieren aktiv in Edge Computing -Produkte, und die Form von Edge Computing -Produkten ist ständig angereichert und bildet allmählich einen vollständigen Stapel von Edge -Computing -Produkten vom Chip bis zur gesamten Maschine. Lösungsanbieter bieten Software- oder Software-Hardware-integrierte Lösungen für bestimmte Branchen.

Anwendungen der Edge Computing -Industrie beschleunigen

Im Bereich der Smart City

Eine umfassende Inspektion der städtischen Immobilien wird derzeit häufig in der Art der manuellen Inspektion verwendet, und der manuelle Inspektionsmodus hat die Probleme mit hohen zeitaufwändigen und arbeitsintensiven Kosten, Prozessabhängigkeit von Personen, schlechter Abdeckung und Inspektionsfrequenz und schlechter Qualitätskontrolle. Gleichzeitig zeichnete der Inspektionsprozess eine große Menge an Daten auf, diese Datenressourcen wurden jedoch nicht in Datenvermögen für Unternehmensmächtigung umgewandelt. Durch die Anwendung von KI-Technologie auf mobile Inspektionsszenarien hat das Enterprise ein intelligentes Inspektionsfahrzeug der Urban Governance erstellt, das Technologien wie das Internet der Dinge, Cloud-Computing, AI-Algorithmen und professionelle Ausrüstung wie hochauflösende Kameras, Bord-Displays und AI-Nebenerhilfe und kombiniertes Intelligenz-System ”-Stelligen- und Intelligenz-System” anwendet. Es fördert die Transformation der städtischen Governance von Personalintensiv zu mechanischer Intelligenz, von empirischer Beurteilung zur Datenanalyse und von der passiven Reaktion auf aktive Entdeckung.

Auf dem Gebiet der intelligenten Baustelle

Edge computing-based intelligent construction site solutions apply the deep integration of AI technology to the traditional construction industry safety monitoring work, by placing an edge AI analysis terminal at the construction site, completing the independent research and development of visual AI algorithms based on intelligent video analytics technology, full-time detection of events to be detected (eg, detecting whether or not to wear a helmet), providing personnel, environment, security and other safety risk point identification and alarm reminder services, and Die Initiative zur Identifizierung unsicherer Faktoren, intelligentes KI, das Einsparen von Arbeitskräften, um die Bedürfnisse des Personals- und Eigentumssicherheitsmanagements von Baustellen zu erfüllen.

Im Bereich des intelligenten Transports

Die Cloud-Side-End-Architektur ist zum grundlegenden Paradigma für die Bereitstellung von Anwendungen in der intelligenten Transportbranche geworden, wobei die Cloud-Seite für das zentralisierte Management und einen Teil der Datenverarbeitung verantwortlich ist und die Edge-Seite hauptsächlich für die Verarbeitung von Datenanalysen und Berechnungen zur Bekämpfung von Daten zur Berechnung zur Verfügung stellt, und die Endseite, die hauptsächlich für die Erfassung von Geschäftsdaten verantwortlich ist.

In bestimmten Szenarien wie Fahrzeug-Straße, holographische Kreuzungen, automatischem Fahrverkehr und Schienenverkehr werden auf eine große Anzahl heterogener Geräte zugegriffen, und auf diese Geräte erfordern das Zugangsmanagement, die Ausgangsmanagement, die Alarmverarbeitung sowie die Betriebs- und Wartungsverarbeitung. Das Edge Computing kann sich dividieren und erobern, sich in kleiner in kleiner Weise verwandeln, verschenkte Protokollkonvertierungsfunktionen, einen einheitlichen und stabilen Zugriff und sogar die kollaborative Kontrolle heterogener Daten.

Im Bereich der industriellen Herstellung

Szenario der Produktionsprozessoptimierung: Derzeit ist eine große Anzahl diskreter Fertigungssysteme durch die Unvollständigkeit der Daten begrenzt, und die Effizienz der Gesamtausrüstung und andere Indexdatenberechnungen sind relativ schlampig, wodurch die Verwendung für die Effizienzoptimierung schwierig ist. Edge-Computing-Plattform basierend auf dem Geräteinformationsmodell zur Erreichung des semantischen Fertigungssystems Horizontaler Kommunikation und vertikale Kommunikation, basierend auf dem Echtzeitdatenflussverarbeitungsmechanismus, um eine große Anzahl von Felddaten für Felddaten zu aggregieren und zu analysieren, um modellbasierte Produktionslinien-Multi-Daten-Quellen-Informationsfusion zu erreichen, um leistungsfähige Datenunterstützung für die Entscheidungsfindung im Diskret-Fertigungssystem bereitzustellen.

Szenario der Ausrüstungsprädiktivwartung: Die Wartung der industriellen Geräte ist in drei Arten unterteilt: reparative Wartung, vorbeugende Wartung und Vorhersagewartung. Die restaurative Wartung gehört zur Ex-post-facto-Wartung, der vorbeugenden Wartung und zur Vorhersagewartung zur Ex-Ante-Wartung. Ersteres basiert auf Zeit, Leistung der Geräte, Standortbedingungen und anderen Faktoren für die regelmäßige Aufrechterhaltung der Ausrüstung, mehr oder weniger auf der Grundlage des menschlichen Erfahrungen, das vor der Erfassung von Sensordaten, die Echtzeitüberwachung, die den Betriebszustand auf der Grundlage des Industriemodells auf der Basis des Industriemodells und der angemessenen Vorhersage und des Versäumnisses, bei dem das Versäumnis der Analyse vorliegt.

Szenario der industriellen Qualitätsprüfung: Industrial Vision Inspection Field ist die erste traditionelle automatische optische Inspektion (AOI) in das Bereich der Qualitätsinspektion, aber die Entwicklung von AOI. In vielen Defekt -Erkennung und anderen komplexen Szenarien. Aufgrund der Defekte einer Vielzahl von Typen ist die Extraktion von Merkmale, die in der Flexibilität nicht mehr Migrationsanpassungsmigration ist. Faktoren, das traditionelle AOI -System war schwierig, die Entwicklung der Produktionslinienbedürfnisse zu erfüllen. Daher ersetzt die AI Industrial Quality Inspection Algorithmus Platform, die durch Deep Learning + Small Proben -Lernen dargestellt wird, das traditionelle visuelle Inspektionsschema nach und nach ersetzt, und die AI Industrial Quality Inspektionsplattform hat zwei Phasen klassischer Algorithmen für maschinelles Lernen und Algorithmen für Deep -Lern -Inspektion durchlaufen.

 


Postzeit: Okt-08-2023
WhatsApp Online -Chat!