Wenn künstliche Intelligenz als eine Reise von A nach B betrachtet wird, ist Cloud-Computing-Dienst ein Flughafen oder Hochgeschwindigkeitsbahnhof und Edge-Computing ein Taxi oder ein gemeinsames Fahrrad. Edge Computing ist nah an der Seite von Menschen, Dingen oder Datenquellen. Es nutzt eine offene Plattform, die Speicher-, Rechen-, Netzwerkzugriffs- und Anwendungskernfunktionen integriert, um Dienste für Benutzer in der Umgebung 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 bandbreitenintensive Dienste.
Der Brand von ChatGPT hat eine neue Welle der KI-Entwicklung ausgelöst und das Eindringen von KI in weitere Anwendungsbereiche wie Industrie, Einzelhandel, Smart Homes, Smart Cities usw. beschleunigt. Eine große Datenmenge muss dort gespeichert und berechnet werden Da sich die Cloud am Ende der Anwendung nicht mehr allein decken kann, um den tatsächlichen Bedarf zu decken, verbessert Edge Computing den letzten Kilometer von KI-Anwendungen. Im Rahmen der nationalen Politik der energischen Entwicklung der digitalen Wirtschaft ist Chinas Cloud-Computing in eine Phase der integrativen Entwicklung eingetreten, die Nachfrage nach Edge-Computing ist stark gestiegen und die Integration von Cloud-Edge und -End ist zu einer wichtigen Entwicklungsrichtung in der Zukunft geworden.
Der Edge-Computing-Markt wird in den nächsten fünf Jahren um 36,1 % CAGR wachsen
Die Edge-Computing-Branche ist in eine Phase stetiger Entwicklung eingetreten, was sich an der schrittweisen Diversifizierung ihrer Dienstleister, der wachsenden Marktgröße und der weiteren Ausweitung der Anwendungsbereiche zeigt. 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 Milliarden US-Dollar erreichte und die Gesamtmarktgröße von Edge-Computing-Servern in China voraussichtlich mit einem durchschnittlichen jährlichen Wachstum wachsen wird Rate von 22,2 % von 2020 bis 2025. Sullivan prognostiziert, dass die Marktgröße von Edge Computing in China im Jahr 2027 voraussichtlich 250,9 Milliarden RMB erreichen wird, mit einem CAGR von 36,1 % von 2023 bis 2027.
Die Edge-Computing-Ökobranche floriert
Edge Computing befindet sich derzeit in einem frühen Stadium des Ausbruchs und die Geschäftsgrenzen in der Industriekette sind relativ unklar. Für einzelne Anbieter ist es notwendig, die Integration mit Geschäftsszenarien zu berücksichtigen, und es ist auch notwendig, auf technischer Ebene über die Fähigkeit zu verfügen, sich an Änderungen in Geschäftsszenarien anzupassen, und es muss auch sichergestellt werden, dass ein hohes Maß an vorhanden ist Kompatibilität mit Hardware-Geräten sowie die technische Fähigkeit, Projekte zu realisieren.
Die Edge-Computing-Industriekette ist in Chip-Anbieter, Algorithmen-Anbieter, Hardware-Gerätehersteller und Lösungsanbieter unterteilt. Chiphersteller entwickeln hauptsächlich arithmetische Chips von der Endseite über die Edge-Seite bis zur Cloud-Seite. Zusätzlich zu den Edge-Side-Chips entwickeln sie auch Beschleunigungskarten und unterstützen Softwareentwicklungsplattformen. Algorithmenanbieter nutzen Computer-Vision-Algorithmen als Kern für die Erstellung allgemeiner oder angepasster Algorithmen, und es gibt auch Unternehmen, die Algorithmen-Malls oder Schulungs- und Push-Plattformen erstellen. Gerätehersteller investieren aktiv in Edge-Computing-Produkte, und die Form der Edge-Computing-Produkte wird ständig erweitert, sodass nach und nach ein vollständiger Stapel von Edge-Computing-Produkten vom Chip bis zur gesamten Maschine entsteht. Lösungsanbieter bieten Software oder Software-Hardware-integrierte Lösungen für bestimmte Branchen an.
Anwendungen der Edge-Computing-Branche nehmen zu
Im Bereich Smart City
Eine umfassende Inspektion städtischen Eigentums wird derzeit häufig im Modus der manuellen Inspektion durchgeführt, und der manuelle Inspektionsmodus weist die Probleme hoher zeitaufwändiger und arbeitsintensiver Kosten, Prozessabhängigkeit von Einzelpersonen, schlechter Abdeckung und Inspektionshäufigkeit sowie schlechter Qualität auf Kontrolle. Gleichzeitig wurden im Inspektionsprozess große Datenmengen erfasst, diese Datenressourcen wurden jedoch nicht in Datenbestände zur Stärkung des Unternehmens umgewandelt. Durch die Anwendung der KI-Technologie auf mobile Inspektionsszenarien hat das Unternehmen ein intelligentes KI-Inspektionsfahrzeug für die Stadtverwaltung geschaffen, das Technologien wie das Internet der Dinge, Cloud Computing und KI-Algorithmen nutzt und professionelle Ausrüstung wie hochauflösende Kameras, On-Demand-Kameras usw. mit sich führt. Board-Displays und KI-seitige Server und kombiniert den Inspektionsmechanismus „intelligentes System + intelligente Maschine + Personalunterstützung“. Es fördert den Wandel der Stadtverwaltung von personalintensiver hin zu mechanischer Intelligenz, von empirischer Beurteilung zu Datenanalyse und von passiver Reaktion zu aktiver Entdeckung.
Im Bereich der intelligenten Baustelle
Edge-Computing-basierte intelligente Baustellenlösungen nutzen die tiefe Integration der KI-Technologie in die traditionelle Sicherheitsüberwachungsarbeit der Bauindustrie, indem sie ein Edge-KI-Analyseterminal auf der Baustelle platzieren und so die unabhängige Forschung und Entwicklung visueller KI-Algorithmen auf Basis intelligenter Videos abschließen Analysetechnologie, Vollzeiterkennung von zu erkennenden Ereignissen (z. B. Erkennung, ob ein Helm getragen werden soll oder nicht), Bereitstellung von Personal-, Umgebungs-, Sicherheits- und anderen Sicherheitsrisikopunkten sowie Alarmerinnerungsdiensten und Ergreifen der Initiative zur Identifizierung von unsicheren Orten Faktoren, intelligente KI-Bewachung, Einsparung von Personalkosten, um den Personal- und Eigentumssicherheitsmanagementanforderungen von Baustellen gerecht zu werden.
Im Bereich intelligenter Transport
Die Cloud-Side-End-Architektur ist zum grundlegenden Paradigma für die Bereitstellung von Anwendungen in der intelligenten Transportbranche geworden, wobei die Cloud-Seite für die zentrale Verwaltung und einen Teil der Datenverarbeitung verantwortlich ist, während die Edge-Seite hauptsächlich für die Edge-seitige Datenanalyse und Berechnungsentscheidung sorgt -Machende Verarbeitung, und die Endseite ist hauptsächlich für die Erhebung von Geschäftsdaten verantwortlich.
In bestimmten Szenarien wie Fahrzeug-Straßen-Koordination, holographischen Kreuzungen, automatischem Fahren und Schienenverkehr wird auf eine große Anzahl heterogener Geräte zugegriffen, und diese Geräte erfordern Zugangsverwaltung, Ausgangsverwaltung, Alarmverarbeitung sowie Betriebs- und Wartungsverarbeitung. Edge Computing kann teilen und erobern, aus Großem Kleines machen, schichtübergreifende Protokollkonvertierungsfunktionen bereitstellen, einen einheitlichen und stabilen Zugriff und sogar eine kollaborative Kontrolle heterogener Daten erreichen.
Im Bereich der industriellen Fertigung
Szenario zur Optimierung des Produktionsprozesses: Derzeit sind viele diskrete Fertigungssysteme durch die Unvollständigkeit der Daten eingeschränkt, und die Berechnung der Gesamtanlageneffizienz und anderer Indexdaten ist relativ schlampig, was die Verwendung zur Effizienzoptimierung erschwert. Die Edge-Computing-Plattform basiert auf einem Geräteinformationsmodell, um eine horizontale und vertikale Kommunikation des Fertigungssystems auf semantischer Ebene zu erreichen. Sie basiert auf einem Echtzeit-Datenflussverarbeitungsmechanismus, um eine große Anzahl von Felddaten in Echtzeit zu aggregieren und zu analysieren und eine modellbasierte Produktionslinie zu erreichen Informationsfusion aus mehreren Datenquellen, um leistungsstarke Datenunterstützung für die Entscheidungsfindung im diskreten Fertigungssystem bereitzustellen.
Szenario der vorausschauenden Wartung von Geräten: Die Wartung von Industrieanlagen wird in drei Arten unterteilt: reparierende Wartung, vorbeugende Wartung und vorausschauende Wartung. Die restaurative Wartung gehört zur Ex-post-Wartung, die vorbeugende Wartung und die vorausschauende Wartung gehören zur Ex-ante-Wartung. Erstere basiert auf Zeit, Geräteleistung, Standortbedingungen und anderen Faktoren für die regelmäßige Wartung der Geräte und basiert mehr oder weniger auf Menschen Erfahrung, letzteres durch die Erfassung von Sensordaten, Echtzeitüberwachung des Betriebszustands der Ausrüstung, basierend auf dem industriellen Modell der Datenanalyse, und genaue Vorhersage, wann der Fehler auftritt.
Szenario der industriellen Qualitätsprüfung: Die industrielle Bildprüfung ist die erste Form der traditionellen automatischen optischen Inspektion (AOI) im Bereich der Qualitätsprüfung. Die bisherige Entwicklung von AOI ist jedoch auf viele Fehlererkennungsszenarien und andere komplexe Szenarien zurückzuführen, die auf eine Vielzahl von Fehlern zurückzuführen sind Die Anzahl der Typen ist unvollständig, die Merkmalsextraktion ist unvollständig, der adaptive Algorithmus ist schlecht erweiterbar, die Produktionslinie wird häufig aktualisiert, die Algorithmusmigration ist nicht flexibel und andere Faktoren haben dazu geführt, dass das herkömmliche AOI-System die Entwicklungsanforderungen der Produktionslinie nur schwer erfüllen konnte. Daher ersetzt die KI-Plattform für industrielle Qualitätsprüfungen, die durch Deep Learning + Lernen kleiner Stichproben dargestellt wird, nach und nach das traditionelle visuelle Prüfschema, und die KI-Plattform für industrielle Qualitätsprüfungen hat zwei Stufen klassischer Algorithmen für maschinelles Lernen und Prüfalgorithmen für tiefes Lernen durchlaufen.
Zeitpunkt der Veröffentlichung: 08.10.2023