Se l’intelligenza artificiale è considerata come un viaggio da A a B, il servizio di cloud computing è un aeroporto o una stazione ferroviaria ad alta velocità e l’edge computing è un taxi o una bicicletta condivisa. L’edge computing è vicino a persone, cose o fonti di dati. Adotta una piattaforma aperta che integra funzionalità di archiviazione, calcolo, accesso alla rete e applicazioni principali per fornire servizi agli utenti nelle vicinanze. Rispetto ai servizi di cloud computing distribuiti centralmente, l’edge computing risolve problemi come la lunga latenza e l’elevata convergenza del traffico, fornendo un migliore supporto per i servizi in tempo reale e che richiedono molta larghezza di banda.
L'incendio di ChatGPT ha innescato una nuova ondata di sviluppo dell'intelligenza artificiale, accelerando l'affondamento dell'intelligenza artificiale in più aree di applicazione come l'industria, la vendita al dettaglio, le case intelligenti, le città intelligenti, ecc. È necessario archiviare ed elaborare una grande quantità di dati fine applicazione, e fare affidamento solo sul cloud non è più in grado di soddisfare la domanda effettiva, l’edge computing migliora l’ultimo chilometro delle applicazioni AI. Nell’ambito della politica nazionale di vigoroso sviluppo dell’economia digitale, il cloud computing cinese è entrato in un periodo di sviluppo inclusivo, la domanda di edge computing è aumentata e l’integrazione del cloud edge and end è diventata un’importante direzione evolutiva in futuro.
Il mercato dell’edge computing crescerà con un CAGR del 36,1% nei prossimi cinque anni
Il settore dell’edge computing è entrato in una fase di costante sviluppo, come evidenziato dalla graduale diversificazione dei suoi fornitori di servizi, dall’espansione delle dimensioni del mercato e dall’ulteriore espansione delle aree di applicazione. In termini di dimensioni del mercato, i dati del rapporto di monitoraggio di IDC mostrano che la dimensione complessiva del mercato dei server di edge computing in Cina ha raggiunto i 3,31 miliardi di dollari nel 2021 e si prevede che la dimensione complessiva del mercato dei server di edge computing in Cina crescerà con una crescita annuale composta. tasso del 22,2% dal 2020 al 2025. Sullivan prevede che la dimensione del mercato dell’edge computing in Cina dovrebbe raggiungere i 250,9 miliardi di RMB nel 2027, con un CAGR del 36,1% dal 2023 al 2027.
L’ecoindustria dell’edge computing prospera
L’edge computing è attualmente nella fase iniziale dell’epidemia e i confini aziendali nella catena industriale sono relativamente confusi. Per i singoli fornitori è necessario considerare l'integrazione con gli scenari aziendali, ed è inoltre necessario avere la capacità di adattarsi ai cambiamenti degli scenari aziendali dal livello tecnico, ed è inoltre necessario garantire che vi sia un elevato grado di compatibilità con le apparecchiature hardware, nonché la capacità ingegneristica di realizzare progetti.
La catena del settore dell’edge computing è suddivisa in fornitori di chip, fornitori di algoritmi, produttori di dispositivi hardware e fornitori di soluzioni. I fornitori di chip sviluppano principalmente chip aritmetici dall'end-side all'edge-side fino al cloud-side e, oltre ai chip edge-side, sviluppano anche schede di accelerazione e supportano piattaforme di sviluppo software. I fornitori di algoritmi utilizzano gli algoritmi di visione artificiale come nucleo per creare algoritmi generali o personalizzati, e ci sono anche aziende che costruiscono centri commerciali di algoritmi o piattaforme di formazione e push. I fornitori di apparecchiature stanno investendo attivamente in prodotti di edge computing e la forma dei prodotti di edge computing è costantemente arricchita, formando gradualmente uno stack completo di prodotti di edge computing dal chip all'intera macchina. I fornitori di soluzioni forniscono soluzioni software o integrate software-hardware per settori specifici.
Le applicazioni del settore dell’edge computing accelerano
Nel campo delle città intelligenti
Un'ispezione completa delle proprietà urbane è attualmente comunemente utilizzata nella modalità di ispezione manuale, e la modalità di ispezione manuale presenta i problemi di costi elevati in termini di tempo e manodopera, dipendenza del processo dagli individui, scarsa copertura e frequenza di ispezione e scarsa qualità controllare. Allo stesso tempo, il processo di ispezione ha registrato un’enorme quantità di dati, ma queste risorse di dati non sono state trasformate in risorse di dati per il potenziamento del business. Applicando la tecnologia AI a scenari di ispezione mobile, l'azienda ha creato un veicolo di ispezione intelligente AI per la governance urbana, che adotta tecnologie come l'Internet delle cose, il cloud computing, algoritmi AI e trasporta attrezzature professionali come telecamere ad alta definizione, dispositivi on-line. display di bordo e server laterali AI e combina il meccanismo di ispezione di "sistema intelligente + macchina intelligente + assistenza del personale". Promuove la trasformazione della governance urbana da un’attività ad alta intensità di personale a un’intelligenza meccanica, dal giudizio empirico all’analisi dei dati e dalla risposta passiva alla scoperta attiva.
Nel campo del cantiere intelligente
Le soluzioni di cantiere intelligenti basate sull'edge computing applicano la profonda integrazione della tecnologia AI al tradizionale lavoro di monitoraggio della sicurezza del settore edile, posizionando un terminale di analisi AI all'avanguardia nel cantiere, completando la ricerca e lo sviluppo indipendenti di algoritmi di intelligenza artificiale visiva basati su video intelligenti tecnologia di analisi, rilevamento a tempo pieno degli eventi da rilevare (ad esempio, rilevamento se indossare o meno un casco), fornitura di servizi di identificazione di punti di rischio e promemoria di allarmi per personale, ambiente, sicurezza e altri rischi per la sicurezza e adozione di iniziative per l'identificazione di eventi non sicuri fattori, protezione intelligente dell'intelligenza artificiale, risparmio sui costi di manodopera, per soddisfare le esigenze di gestione della sicurezza del personale e delle proprietà dei cantieri.
Nel campo dei trasporti intelligenti
L'architettura cloud-side-end è diventata il paradigma di base per l'implementazione di applicazioni nel settore dei trasporti intelligenti, con il lato cloud responsabile della gestione centralizzata e di parte dell'elaborazione dei dati, il lato edge che fornisce principalmente l'analisi dei dati edge e le decisioni di calcolo -elaborazione del processo e il lato finale principalmente responsabile della raccolta dei dati aziendali.
In scenari specifici come il coordinamento veicolo-strada, le intersezioni olografiche, la guida automatica e il traffico ferroviario, si accede a un gran numero di dispositivi eterogenei e questi dispositivi richiedono la gestione degli accessi, la gestione delle uscite, l'elaborazione degli allarmi e l'elaborazione del funzionamento e della manutenzione. L’edge computing può dividere e conquistare, trasformare il grande in piccolo, fornire funzioni di conversione di protocolli multilivello, ottenere un accesso unificato e stabile e persino il controllo collaborativo di dati eterogenei.
Nel campo della produzione industriale
Scenario di ottimizzazione del processo di produzione: attualmente, un gran numero di sistemi di produzione discreti sono limitati dall'incompletezza dei dati e l'efficienza complessiva delle apparecchiature e i calcoli di altri dati indice sono relativamente approssimativi, rendendone difficile l'utilizzo per l'ottimizzazione dell'efficienza. Piattaforma di edge computing basata sul modello di informazioni sulle apparecchiature per raggiungere la comunicazione orizzontale e verticale del sistema di produzione a livello semantico, basata sul meccanismo di elaborazione del flusso di dati in tempo reale per aggregare e analizzare un gran numero di dati sul campo in tempo reale, per ottenere una linea di produzione basata su modello fusione di informazioni provenienti da fonti multiple di dati, per fornire un potente supporto dati per il processo decisionale nel sistema di produzione discreta.
Scenario di manutenzione predittiva delle apparecchiature: la manutenzione delle apparecchiature industriali è divisa in tre tipologie: manutenzione riparativa, manutenzione preventiva e manutenzione predittiva. La manutenzione riparativa appartiene alla manutenzione ex post facto, la manutenzione preventiva e la manutenzione predittiva appartengono alla manutenzione ex ante, la prima si basa sul tempo, sulle prestazioni delle apparecchiature, sulle condizioni del sito e su altri fattori per la manutenzione regolare delle apparecchiature, più o meno basati sull'intervento umano. esperienza, quest'ultima attraverso la raccolta di dati dei sensori, il monitoraggio in tempo reale dello stato operativo delle apparecchiature, basato sul modello industriale di analisi dei dati, e prevedere con precisione quando si verifica il guasto.
Scenario di ispezione della qualità industriale: il campo di ispezione della visione industriale è la prima forma tradizionale di ispezione ottica automatica (AOI) nel campo dell'ispezione di qualità, ma lo sviluppo di AOI finora, in molti rilevamenti di difetti e altri scenari complessi, a causa dei difetti di una varietà di tipi, l'estrazione delle funzionalità è incompleta, gli algoritmi adattivi hanno scarsa estensibilità, la linea di produzione viene aggiornata frequentemente, la migrazione degli algoritmi non è flessibile e altri fattori, il tradizionale sistema AOI ha avuto difficoltà a soddisfare lo sviluppo delle esigenze della linea di produzione. Pertanto, la piattaforma dell'algoritmo di ispezione della qualità industriale AI rappresentata dal deep learning + apprendimento di piccoli campioni sta gradualmente sostituendo il tradizionale schema di ispezione visiva e la piattaforma di ispezione della qualità industriale AI ha attraversato due fasi degli algoritmi classici di machine learning e degli algoritmi di ispezione del deep learning.
Orario di pubblicazione: 08-ottobre-2023