Se l'intelligenza artificiale è considerata 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 storage, elaborazione, accesso alla rete e funzionalità core delle applicazioni 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 supporto migliore per i servizi in tempo reale e ad alta intensità di banda.
L'avvento di ChatGPT ha innescato una nuova ondata di sviluppo dell'IA, accelerandone l'affermarsi in più ambiti applicativi come l'industria, la vendita al dettaglio, le smart home, le smart city, ecc. Un'enorme quantità di dati deve essere archiviata ed elaborata a livello applicativo e, affidarsi esclusivamente al cloud, non è più in grado di soddisfare la domanda effettiva. L'edge computing migliora l'ultimo chilometro delle applicazioni di IA. Nell'ambito della politica nazionale di vigoroso sviluppo 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 cloud end è diventata un'importante direzione evolutiva per il futuro.
Il mercato dell'edge computing crescerà del 36,1% CAGR nei prossimi cinque anni
Il settore dell'edge computing è entrato in una fase di costante sviluppo, come dimostrato 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 report di monitoraggio di IDC mostrano che il mercato complessivo 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 a un tasso di crescita annuo composto 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'eco-industria dell'edge computing prospera
L'edge computing si trova attualmente nella fase iniziale dell'epidemia e i confini aziendali nella filiera sono relativamente sfumati. Per i singoli fornitori, è fondamentale considerare l'integrazione con gli scenari aziendali, nonché la capacità di adattarsi ai cambiamenti degli scenari aziendali a livello tecnico e garantire un elevato grado di compatibilità con le apparecchiature hardware, nonché la capacità ingegneristica di portare a termine i progetti.
La filiera dell'edge computing si suddivide in fornitori di chip, fornitori di algoritmi, produttori di dispositivi hardware e fornitori di soluzioni. I fornitori di chip sviluppano principalmente chip aritmetici dal lato end al lato edge fino al lato cloud e, oltre ai chip edge, sviluppano anche schede di accelerazione e supportano piattaforme di sviluppo software. I fornitori di algoritmi utilizzano gli algoritmi di computer vision come base per sviluppare algoritmi generici o personalizzati, e ci sono anche aziende che realizzano centri commerciali di algoritmi o piattaforme di training e push. I fornitori di apparecchiature investono attivamente in prodotti di edge computing e la tipologia di prodotti di edge computing si arricchisce costantemente, formando gradualmente una gamma completa di prodotti di edge computing, dal chip all'intera macchina. I fornitori di soluzioni forniscono soluzioni software o soluzioni integrate software-hardware per settori specifici.
Le applicazioni del settore edge computing accelerano
Nel campo della città intelligente
L'ispezione completa delle proprietà urbane è attualmente comunemente utilizzata in modalità manuale, ma quest'ultima presenta i problemi di elevati costi e tempi di lavorazione, dipendenza del processo dagli operatori, scarsa copertura e frequenza delle ispezioni e scarso controllo di qualità. Allo stesso tempo, il processo di ispezione ha registrato un'enorme quantità di dati, ma queste risorse non sono state trasformate in risorse di dati per l'empowerment aziendale. 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 of Things, il cloud computing, gli algoritmi AI e trasporta attrezzature professionali come telecamere ad alta definizione, display di bordo e server lato AI, combinando il meccanismo di ispezione di "sistema intelligente + macchina intelligente + assistenza del personale". Promuove la trasformazione della governance urbana da un'intensa attività di personale a un'intelligenza meccanica, dal giudizio empirico all'analisi dei dati e dalla risposta passiva alla scoperta attiva.
Nel campo dei cantieri intelligenti
Le soluzioni per cantieri edili 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 edge nel cantiere, completando la ricerca e lo sviluppo indipendenti di algoritmi AI visivi basati sulla tecnologia di analisi video intelligente, rilevamento a tempo pieno di eventi da rilevare (ad esempio, rilevare se indossare o meno un casco), fornendo servizi di identificazione e promemoria di allarme per il personale, l'ambiente, la sicurezza e altri punti di rischio per la sicurezza e prendendo l'iniziativa per l'identificazione di fattori non sicuri, protezione intelligente AI, 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 analisi dei dati edge e elaborazione delle decisioni di calcolo e il lato end principalmente responsabile della raccolta dei dati aziendali.
In scenari specifici come il coordinamento veicolo-strada, gli incroci olografici, la guida automatica e il traffico ferroviario, si accede a un gran numero di dispositivi eterogenei, che richiedono la gestione degli accessi, delle uscite, l'elaborazione degli allarmi e l'elaborazione delle operazioni e della manutenzione. L'edge computing può dividere e conquistare, trasformare il grande in piccolo, fornire funzioni di conversione di protocollo 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 discreta è limitato dall'incompletezza dei dati e l'efficienza complessiva delle apparecchiature e altri calcoli dei dati di indice sono relativamente imprecisi, 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 su un meccanismo di elaborazione del flusso di dati in tempo reale per aggregare e analizzare un gran numero di dati in tempo reale sul campo, per ottenere la fusione di informazioni multi-data source basata su modelli di linea di produzione, 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 si suddivide 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'esperienza umana, mentre la seconda si basa sulla raccolta di dati da sensori, sul monitoraggio in tempo reale dello stato operativo delle apparecchiature, basato sul modello industriale di analisi dei dati, e prevede con precisione il verificarsi di un guasto.
Scenario di ispezione della qualità industriale: il campo dell'ispezione visiva industriale è il primo campo di ispezione ottica automatica (AOI) tradizionale ad entrare nel campo dell'ispezione della qualità. Tuttavia, lo sviluppo dell'AOI finora, in molti scenari di rilevamento dei difetti e altri scenari complessi, a causa di difetti di vario tipo, estrazione delle caratteristiche incompleta, scarsa estensibilità degli algoritmi adattivi, frequenti aggiornamenti della linea di produzione, migrazione degli algoritmi non flessibile e altri fattori, ha reso difficile per il tradizionale sistema AOI soddisfare le esigenze di sviluppo della linea di produzione. Pertanto, la piattaforma di algoritmi di ispezione della qualità industriale AI rappresentata da apprendimento profondo + apprendimento a piccoli campioni sta gradualmente sostituendo il tradizionale schema di ispezione visiva e la piattaforma di ispezione della qualità industriale AI ha attraversato due fasi: algoritmi di apprendimento automatico classici e algoritmi di ispezione con apprendimento profondo.
Data di pubblicazione: 08-10-2023