Se l'intelligenza artificiale è paragonata a un viaggio da A a B, il cloud computing è un aeroporto o una stazione ferroviaria ad alta velocità, mentre l'edge computing è un taxi o un servizio di bike sharing. L'edge computing si colloca in prossimità di persone, oggetti o fonti di dati. Adotta una piattaforma aperta che integra funzionalità di archiviazione, elaborazione, accesso alla rete e core applicativi per fornire servizi agli utenti nelle vicinanze. Rispetto ai servizi di cloud computing distribuiti centralmente, l'edge computing risolve problemi come la latenza elevata e l'intenso traffico di convergenza, offrendo un supporto migliore per i servizi in tempo reale e ad alta intensità di banda.
Il successo di ChatGPT ha innescato una nuova ondata di sviluppo dell'intelligenza artificiale, accelerando la sua integrazione in un numero sempre maggiore di settori applicativi come l'industria, il commercio al dettaglio, le case intelligenti, le città intelligenti, ecc. Poiché una grande quantità di dati deve essere archiviata ed elaborata a livello applicativo, affidarsi esclusivamente al cloud non è più sufficiente a soddisfare le esigenze attuali; l'edge computing migliora l'ultimo miglio delle applicazioni di intelligenza artificiale. Nell'ambito della politica nazionale di sviluppo vigoroso dell'economia digitale, il cloud computing in Cina è entrato in una fase di sviluppo inclusivo, la domanda di edge computing è aumentata vertiginosamente e l'integrazione tra cloud edge e dispositivi finali è diventata un'importante direzione evolutiva per il futuro.
Il mercato dell'edge computing crescerà del 36,1% annuo nei prossimi cinque anni.
Il settore dell'edge computing è entrato in una fase di sviluppo costante, come dimostrano la graduale diversificazione dei fornitori di servizi, l'espansione del mercato e l'ulteriore ampliamento delle aree di applicazione. In termini di dimensioni del mercato, i dati del rapporto di monitoraggio di IDC mostrano che il mercato complessivo dei server per edge computing in Cina ha raggiunto i 3,31 miliardi di dollari nel 2021 e si prevede che crescerà a un tasso di crescita annuo composto (CAGR) del 22,2% dal 2020 al 2025. Sullivan prevede che il mercato dell'edge computing in Cina raggiungerà i 250,9 miliardi di RMB nel 2027, con un CAGR del 36,1% dal 2023 al 2027.
L'ecosistema dell'edge computing prospera.
L'edge computing si trova attualmente nella fase iniziale di sviluppo e i confini tra i diversi attori della filiera sono ancora relativamente sfumati. Per i singoli fornitori, è fondamentale considerare l'integrazione con gli scenari aziendali, nonché la capacità di adattarsi ai cambiamenti a livello tecnico e di garantire un elevato grado di compatibilità con le apparecchiature hardware, oltre alla capacità ingegneristica di portare a termine i progetti.
La filiera dell'edge computing è suddivisa in produttori di chip, produttori di algoritmi, produttori di dispositivi hardware e fornitori di soluzioni. I produttori di chip sviluppano principalmente chip aritmetici, dall'end-side all'edge-side fino al cloud-side. Oltre ai chip edge-side, sviluppano anche schede di accelerazione e piattaforme di sviluppo software di supporto. I produttori di algoritmi utilizzano algoritmi di visione artificiale come base per la creazione di algoritmi generici o personalizzati, e alcune aziende realizzano piattaforme per la creazione di algoritmi, la loro formazione e la loro distribuzione. I produttori di apparecchiature investono attivamente in prodotti per l'edge computing, e la tipologia di questi prodotti si sta costantemente arricchendo, fino a formare una suite completa di soluzioni edge computing, dal singolo chip all'intera macchina. I fornitori di soluzioni offrono software o soluzioni integrate hardware-software per settori specifici.
Le applicazioni del settore dell'edge computing accelerano
Nel campo delle città intelligenti
Attualmente, l'ispezione completa del patrimonio urbano viene comunemente effettuata manualmente, un metodo che presenta tuttavia problemi quali elevati tempi e costi di manodopera, dipendenza dal singolo individuo, scarsa copertura e frequenza delle ispezioni, e un controllo di qualità inadeguato. Allo stesso tempo, il processo di ispezione genera un'enorme quantità di dati, che tuttavia non vengono trasformati in risorse utili per la gestione aziendale. Applicando la tecnologia AI agli scenari di ispezione mobile, l'azienda ha creato un veicolo intelligente per l'ispezione urbana basato sull'IA, che adotta tecnologie come l'Internet delle cose, il cloud computing e gli algoritmi di IA, ed è dotato di apparecchiature professionali come telecamere ad alta definizione, display di bordo e server dedicati all'IA. Questo veicolo combina il meccanismo di ispezione "sistema intelligente + macchina intelligente + assistenza del personale", promuovendo la trasformazione della gestione urbana da un modello basato sul personale a uno basato sull'intelligenza meccanica, dal giudizio empirico all'analisi dei dati e dalla risposta passiva alla scoperta attiva.
Nel campo dei cantieri edili intelligenti
Le soluzioni intelligenti per cantieri edili basate sull'edge computing applicano la profonda integrazione della tecnologia AI al tradizionale lavoro di monitoraggio della sicurezza nel settore edile, posizionando un terminale di analisi AI edge in cantiere, completando la ricerca e lo sviluppo indipendenti di algoritmi di intelligenza artificiale visiva basati sulla tecnologia di analisi video intelligente, il rilevamento in tempo reale degli eventi da monitorare (ad esempio, rilevare se si indossa o meno il casco), fornendo servizi di identificazione dei punti di rischio per la sicurezza del personale, dell'ambiente e di altri aspetti, e prendendo l'iniziativa di identificare i fattori di rischio, la sorveglianza intelligente tramite AI, riducendo i costi di manodopera e soddisfacendo le esigenze di gestione della sicurezza del personale e delle proprietà nei cantieri edili.
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 cloud responsabile della gestione centralizzata e di parte dell'elaborazione dei dati, l'edge computing che si occupa principalmente dell'analisi dei dati e dell'elaborazione decisionale in locale, e l'end-side responsabile principalmente della raccolta dei dati aziendali.
In scenari specifici come il coordinamento veicolo-strada, gli incroci olografici, la guida autonoma e il traffico ferroviario, si accede a un gran numero di dispositivi eterogenei, i quali richiedono gestione degli accessi, gestione delle uscite, elaborazione degli allarmi e gestione delle operazioni e della manutenzione. L'edge computing può suddividere e conquistare, semplificare, fornire funzioni di conversione di protocollo tra livelli, realizzare un accesso unificato e stabile e persino il controllo collaborativo di dati eterogenei.
Nel campo della produzione industriale
Scenario di ottimizzazione del processo produttivo: Attualmente, un gran numero di sistemi di produzione discreta sono limitati dall'incompletezza dei dati e i calcoli relativi all'efficienza complessiva delle apparecchiature e ad altri indici risultano relativamente imprecisi, rendendo difficile l'ottimizzazione dell'efficienza. Una piattaforma di edge computing basata su un modello informativo delle apparecchiature consente la comunicazione orizzontale e verticale a livello semantico all'interno del sistema di produzione. Grazie a un meccanismo di elaborazione del flusso di dati in tempo reale, è possibile aggregare e analizzare un gran numero di dati in tempo reale provenienti dal campo, realizzando così una fusione di informazioni provenienti da più fonti di dati nella linea di produzione basata su modelli, fornendo un supporto dati efficace per il processo decisionale nel sistema di produzione discreta.
Scenario di manutenzione predittiva delle apparecchiature: La manutenzione delle apparecchiature industriali si divide in tre tipologie: manutenzione riparativa, manutenzione preventiva e manutenzione predittiva. La manutenzione riparativa rientra nella categoria della manutenzione ex post facto, mentre la manutenzione preventiva e predittiva rientrano nella categoria della manutenzione ex ante. La prima si basa su fattori quali tempo, prestazioni delle apparecchiature, condizioni del sito e altri elementi per la manutenzione ordinaria, e si avvale in gran parte dell'esperienza umana. La seconda, invece, si avvale della raccolta di dati da sensori, del monitoraggio in tempo reale dello stato operativo delle apparecchiature e dell'analisi dei dati basata su modelli industriali, per prevedere con precisione il momento in cui si verificherà un guasto.
Scenario di ispezione della qualità industriale: il campo dell'ispezione visiva industriale è stato il primo a introdurre la tradizionale forma di ispezione ottica automatica (AOI) nel campo dell'ispezione della qualità. Tuttavia, lo sviluppo dell'AOI finora ha presentato delle problematiche, in molti scenari complessi di rilevamento dei difetti e in altri ambiti. A causa della varietà dei tipi di difetti, dell'estrazione incompleta delle caratteristiche, della scarsa estensibilità degli algoritmi adattivi, dei frequenti aggiornamenti della linea di produzione e della mancanza di flessibilità nella migrazione degli algoritmi, i sistemi AOI tradizionali hanno faticato a soddisfare le esigenze di sviluppo della linea di produzione. Pertanto, la piattaforma di algoritmi di ispezione della qualità industriale basata sull'intelligenza artificiale, rappresentata dal deep learning e dal small sample learning, sta gradualmente sostituendo i tradizionali schemi di ispezione visiva. Tale piattaforma ha attraversato due fasi: algoritmi di apprendimento automatico classici e algoritmi di ispezione basati sul deep learning.
Data di pubblicazione: 08-ott-2023