Ако се вештачка интелигенција посматра као путовање од тачке А до тачке Б, услуга рачунарства у облаку је аеродром или станица брзе железнице, а рачунарство на рубу мреже је такси или дељени бицикл. Рачунарство на рубу мреже је близу људи, ствари или извора података. Оно усваја отворену платформу која интегрише могућности складиштења, рачунања, приступа мрежи и језгра апликације како би пружила услуге корисницима у близини. У поређењу са централно распоређеним услугама рачунарства у облаку, рачунарство на рубу мреже решава проблеме као што су дуга латенција и саобраћај високе конвергенције, пружајући бољу подршку за услуге у реалном времену и захтевне пропусне опсеге.
Ватра ChatGPT-а покренула је нови талас развоја вештачке интелигенције, убрзавајући продор вештачке интелигенције у више области примене као што су индустрија, малопродаја, паметни домови, паметни градови итд. Велика количина података мора се чувати и обрачунавати на крају апликације, а ослањање само на облак више није у стању да задовољи стварну потражњу, рачунарство на рубу мреже побољшава последњи километар апликација вештачке интелигенције. У оквиру националне политике снажног развоја дигиталне економије, рачунарство у облаку у Кини је ушло у период инклузивног развоја, потражња за рачунарством на рубу мреже је порасла, а интеграција руба и краја облака постала је важан еволутивни правац у будућности.
Тржиште edge computing-а ће расти по сложеној стопи раста од 36,1% у наредних пет година
Индустрија edge computing-а је ушла у фазу стабилног развоја, што доказује постепена диверзификација њених добављача услуга, растућа величина тржишта и даље ширење области примене. Што се тиче величине тржишта, подаци из IDC-овог извештаја о праћењу показују да је укупна величина тржишта edge computing сервера у Кини достигла 3,31 милијарду америчких долара у 2021. години, а очекује се да ће укупна величина тржишта edge computing сервера у Кини расти по просечној годишњој стопи раста од 22,2% од 2020. до 2025. године. Саливан предвиђа да ће величина тржишта edge computing-а у Кини достићи 250,9 милијарди RMB у 2027. години, са сложеном годишњом стопом раста од 36,1% од 2023. до 2027. године.
Еко-индустрија edge computing-а цвета
Рубно рачунарство је тренутно у раној фази епидемије, а пословне границе у индустријском ланцу су релативно нејасне. За појединачне добављаче, неопходно је размотрити интеграцију са пословним сценаријима, а такође је неопходно имати могућност прилагођавања променама у пословним сценаријима са техничког нивоа, а такође је неопходно осигурати висок степен компатибилности са хардверском опремом, као и инжењерске способности за реализацију пројеката.
Ланац индустрије edge computing-а подељен је на добављаче чипова, добављаче алгоритама, произвођаче хардверских уређаја и добављаче решења. Добављачи чипова углавном развијају аритметичке чипове од крајње стране до рубне стране до стране облака, а поред чипова на рубу, они такође развијају картице за убрзање и платформе за развој софтвера. Добављачи алгоритама узимају алгоритме рачунарског вида као језгро за изградњу општих или прилагођених алгоритама, а постоје и предузећа која граде центре за алгоритме или платформе за обуку и push. Добављачи опреме активно улажу у производе edge computing-а, а облик производа edge computing-а се стално обогаћује, постепено формирајући комплетан стек производа edge computing-а од чипа до целе машине. Добављачи решења пружају софтверска или софтверско-хардверска решења интегрисана за одређене индустрије.
Примене у индустрији edge computing-а се убрзавају
У области паметних градова
Свеобухватна инспекција урбане имовине тренутно се обично користи у режиму ручне инспекције, а режим ручне инспекције има проблеме великих трошкова који одузимају много времена и рада, зависности процеса од појединаца, лоше покривености и учесталости инспекција, као и лоше контроле квалитета. Истовремено, процес инспекције је забележио огромну количину података, али ти ресурси података нису трансформисани у податке за оснаживање пословања. Применом АИ технологије на сценарије мобилне инспекције, предузеће је створило интелигентно возило за инспекцију урбане управе засновано на АИ, које усваја технологије као што су Интернет ствари, рачунарство у облаку, АИ алгоритми и носи професионалну опрему као што су камере високе дефиниције, уграђени дисплеји и АИ бочни сервери, и комбинује механизам инспекције „интелигентни систем + интелигентна машина + помоћ особља“. Промовише трансформацију урбане управе од интелигенције која захтева много особља до механичке интелигенције, од емпиријске процене до анализе података и од пасивног одговора до активног откривања.
У области интелигентног градилишта
Интелигентна решења за градилишта заснована на edge computing-у примењују дубоку интеграцију AI технологије у традиционалне радове на праћењу безбедности у грађевинској индустрији, постављањем edge AI анализног терминала на градилишту, завршавањем независних истраживања и развоја визуелних AI алгоритама заснованих на интелигентној технологији видео аналитике, сталним откривањем догађаја који треба да се детектују (нпр. откривање да ли треба носити кацигу или не), пружањем услуга идентификације особља, животне средине, безбедности и других тачака безбедносних ризика и подсећања на аларме, и преузимањем иницијативе за идентификацију небезбедних фактора, AI интелигентно чување, уштеду трошкова радне снаге, како би се задовољиле потребе управљања безбедношћу особља и имовине на градилиштима.
У области интелигентног транспорта
Архитектура „cloud-side-end“-а постала је основна парадигма за распоређивање апликација у индустрији интелигентног транспорта, при чему је „cloud“ страна одговорна за централизовано управљање и део обраде података, „edge“ страна углавном пружа анализу података и обраду доношења одлука на edge-side, а „end“ страна је углавном одговорна за прикупљање пословних података.
У специфичним сценаријима као што су координација возила и пута, холографске раскрснице, аутоматска вожња и железнички саобраћај, постоји велики број хетерогених уређаја којима се приступа, а овим уређајима је потребно управљање приступом, управљање излазима, обрада аларма и обрада рада и одржавања. Рачунарство на рубу мреже може да подели и освоји, претвори велико у мало, обезбеди функције конверзије протокола између слојева, постигне јединствен и стабилан приступ, па чак и колаборативну контролу хетерогених података.
У области индустријске производње
Сценарио оптимизације производног процеса: Тренутно, велики број дискретних производних система је ограничен непотпуношћу података, а прорачуни укупне ефикасности опреме и других индексних података су релативно немарни, што отежава коришћење за оптимизацију ефикасности. Платформа за рубно рачунарство заснована на моделу информација о опреми за постизање хоризонталне и вертикалне комуникације производног система на семантичком нивоу, заснована на механизму обраде протока података у реалном времену за агрегирање и анализу великог броја података са терена у реалном времену, како би се постигла фузија информација из више извора података производне линије заснована на моделу, како би се обезбедила снажна подршка података за доношење одлука у дискретном производном систему.
Сценарио предиктивног одржавања опреме: Одржавање индустријске опреме подељено је на три врсте: репаративно одржавање, превентивно одржавање и предиктивно одржавање. Рестауративно одржавање спада у ex post facto одржавање, превентивно одржавање и предиктивно одржавање спадају у ex-ante одржавање, прво се заснива на времену, перформансама опреме, условима на локацији и другим факторима за редовно одржавање опреме, мање-више засновано на људском искуству, а друго кроз прикупљање података сензора, праћење радног стања опреме у реалном времену, засновано на индустријском моделу анализе података и тачно предвиђање када дође до квара.
Сценарио индустријске инспекције квалитета: област индустријске визуелне инспекције је први традиционални облик аутоматске оптичке инспекције (AOI) у области инспекције квалитета, али развој AOI до сада, у многим сценаријима откривања дефеката и другим сложеним дефекатима, због различитих врста дефеката, екстракција карактеристика је непотпуна, адаптивни алгоритми се слабо проширују, производна линија се често ажурира, миграција алгоритма није флексибилна и други фактори, традиционални AOI систем је тешко задовољио потребе развоја производне линије. Стога, платформа алгоритма индустријске инспекције квалитета са вештачком интелигенцијом, представљена дубоким учењем + учењем малих узорака, постепено замењује традиционалну шему визуелне инспекције, а платформа индустријске инспекције квалитета са вештачком интелигенцијом је прошла кроз две фазе: класичне алгоритме машинског учења и алгоритме инспекције дубоким учењем.
Време објаве: 08. окт. 2023.