Als kunstmatige intelligentie wordt beschouwd als een reis van A naar B, is cloudcomputing een luchthaven of een hogesnelheidstreinstation, en edge computing een taxi of een gedeelde fiets. Edge computing bevindt zich dicht bij mensen, dingen of databronnen. Het maakt gebruik van een open platform dat opslag, rekenkracht, netwerktoegang en applicatiekernfunctionaliteit integreert om diensten te leveren aan gebruikers in de buurt. Vergeleken met centraal geïmplementeerde cloudcomputingdiensten lost edge computing problemen op zoals lange latentie en hoog convergentieverkeer, en biedt het betere ondersteuning voor realtime en bandbreedte-intensieve diensten.
De explosie van ChatGPT heeft een nieuwe golf van AI-ontwikkeling ontketend, waardoor AI steeds meer toepassingsgebieden bereikt, zoals de industrie, de detailhandel, slimme huizen, slimme steden, enzovoort. Aan de applicatiekant moet een grote hoeveelheid data worden opgeslagen en verwerkt. Alleen op de cloud vertrouwen is niet langer voldoende om aan de werkelijke vraag te voldoen. Edge computing verbetert de laatste kilometer van AI-toepassingen. Onder het nationale beleid om de digitale economie krachtig te ontwikkelen, is China's cloud computing een periode van inclusieve ontwikkeling ingegaan. De vraag naar edge computing is sterk toegenomen en de integratie van cloud edge en end is een belangrijke evolutionaire richting geworden voor de toekomst.
Edge computing-markt zal de komende vijf jaar met 36,1% CAGR groeien
De edge computing-industrie bevindt zich in een fase van gestage ontwikkeling, zoals blijkt uit de geleidelijke diversificatie van haar dienstverleners, de groeiende marktomvang en de verdere uitbreiding van toepassingsgebieden. Wat betreft de marktomvang, tonen gegevens uit het trackingrapport van IDC aan dat de totale marktomvang van edge computing-servers in China in 2021 US$ 3,31 miljard bedroeg en dat de totale marktomvang van edge computing-servers in China naar verwachting zal groeien met een samengestelde jaarlijkse groei van 22,2% tussen 2020 en 2025. Sullivan voorspelt dat de marktomvang van edge computing in China naar verwachting in 2027 RMB 250,9 miljard zal bereiken, met een samengestelde jaarlijkse groei (CAGR) van 36,1% tussen 2023 en 2027.
Edge computing-eco-industrie bloeit
Edge computing bevindt zich momenteel in de beginfase van de uitbraak en de zakelijke grenzen binnen de industriële keten zijn relatief vaag. Voor individuele leveranciers is het noodzakelijk om de integratie met bedrijfsscenario's te overwegen, en om zich op technisch niveau aan te kunnen passen aan veranderingen in bedrijfsscenario's. Daarnaast is het noodzakelijk om te zorgen voor een hoge mate van compatibiliteit met hardware en de technische capaciteit om projecten binnen te halen.
De edge computing-industrie is onderverdeeld in chipleveranciers, algoritmeleveranciers, hardwarefabrikanten en solution providers. Chipleveranciers ontwikkelen voornamelijk rekenchips van end-side tot edge-side tot cloud-side, en naast edge-side chips ontwikkelen ze ook acceleratiekaarten en ondersteunende softwareontwikkelingsplatforms. Algoritmeleveranciers gebruiken computer vision-algoritmen als kern voor de ontwikkeling van algemene of aangepaste algoritmen, en er zijn ook bedrijven die algoritmecentra of trainings- en pushplatforms bouwen. Leveranciers van apparatuur investeren actief in edge computing-producten en de vorm van edge computing-producten wordt voortdurend uitgebreid, waardoor geleidelijk een volledige stack van edge computing-producten ontstaat, van chip tot complete machine. Solution providers bieden software of software-hardware-geïntegreerde oplossingen voor specifieke sectoren.
Toepassingen in de edge computing-industrie versnellen
Op het gebied van slimme steden
Een uitgebreide inspectie van stedelijk vastgoed wordt momenteel vaak gebruikt in de vorm van handmatige inspectie. Deze handmatige inspectie kent problemen zoals hoge tijdrovende en arbeidsintensieve kosten, procesafhankelijkheid van individuen, slechte dekking en inspectiefrequentie, en slechte kwaliteitscontrole. Tegelijkertijd registreerde het inspectieproces een enorme hoeveelheid data, maar deze databronnen zijn niet omgezet in databronnen die de bedrijfsvoering versterken. Door AI-technologie toe te passen op mobiele inspectiescenario's heeft de onderneming een intelligent AI-inspectievoertuig voor stedelijk bestuur gecreëerd, dat gebruikmaakt van technologieën zoals het Internet of Things (IoT), cloudcomputing en AI-algoritmen, en professionele apparatuur zoals high-definitioncamera's, ingebouwde displays en AI-side servers bevat, en het inspectiemechanisme van "intelligent systeem + intelligente machine + personeelsondersteuning" combineert. Het bevordert de transformatie van stedelijk bestuur van personeelsintensieve naar mechanische intelligentie, van empirische beoordeling naar data-analyse, en van passieve respons naar actieve ontdekking.
Op het gebied van intelligente bouwplaatsen
Intelligente oplossingen voor de bouwplaats op basis van edge computing passen de diepgaande integratie van AI-technologie toe op traditionele veiligheidsbewaking in de bouwsector. Dit gebeurt door een AI-analyseterminal met randtechnologie op de bouwplaats te plaatsen, onafhankelijk onderzoek en ontwikkeling van visuele AI-algoritmen op basis van intelligente videoanalysetechnologie uit te voeren, continue detectie van te detecteren gebeurtenissen (bijv. detecteren of er wel of geen helm moet worden gedragen), identificatie van personeel, omgeving, beveiliging en andere veiligheidsrisicopunten en alarmherinneringsservices te bieden en het initiatief te nemen tot identificatie van onveilige factoren, intelligente AI-bewaking, besparing op arbeidskosten en te voldoen aan de behoeften op het gebied van personeels- en eigendomsveiligheidsbeheer op bouwplaatsen.
Op het gebied van intelligent transport
Cloud-side-end-architectuur is het basisparadigma geworden voor de implementatie van applicaties in de intelligente transportsector, waarbij de cloudzijde verantwoordelijk is voor het gecentraliseerde beheer en een deel van de gegevensverwerking, terwijl de edgezijde voornamelijk zorgt voor de edge-side gegevensanalyse en de besluitvorming op basis van berekeningen, en de endzijde voornamelijk verantwoordelijk is voor het verzamelen van bedrijfsgegevens.
In specifieke scenario's zoals voertuig-wegcoördinatie, holografische kruispunten, automatisch rijden en spoorverkeer, wordt toegang verkregen tot een groot aantal heterogene apparaten. Deze apparaten vereisen toegangsbeheer, uitgangsbeheer, alarmverwerking en bedienings- en onderhoudsverwerking. Edge computing kan verdelen en heersen, groot in klein veranderen, cross-layer protocolconversiefuncties bieden, uniforme en stabiele toegang en zelfs gezamenlijke controle over heterogene data realiseren.
Op het gebied van industriële productie
Scenario voor optimalisatie van het productieproces: Momenteel worden veel discrete productiesystemen beperkt door onvolledige data. De algehele efficiëntie van de apparatuur en andere indexgegevensberekeningen zijn relatief slordig, waardoor ze moeilijk te gebruiken zijn voor efficiëntieoptimalisatie. Een edge computing-platform gebaseerd op een apparatuurinformatiemodel om horizontale en verticale communicatie op semantisch niveau binnen het productiesysteem te bereiken, gebaseerd op een realtime datastroomverwerkingsmechanisme om een grote hoeveelheid realtime velddata te aggregeren en analyseren. Dit resulteert in modelgebaseerde fusie van informatie uit meerdere databronnen binnen de productielijn en biedt krachtige dataondersteuning voor besluitvorming in het discrete productiesysteem.
Scenario voor voorspellend onderhoud van apparatuur: Onderhoud van industriële apparatuur wordt onderverdeeld in drie typen: reparatief onderhoud, preventief onderhoud en predictief onderhoud. Herstellend onderhoud valt onder ex post facto onderhoud, preventief onderhoud en predictief onderhoud vallen onder ex ante onderhoud. De eerste is gebaseerd op tijd, apparatuurprestaties, locatieomstandigheden en andere factoren voor regulier onderhoud van apparatuur, min of meer gebaseerd op menselijke ervaring, de laatste door het verzamelen van sensorgegevens, realtime monitoring van de operationele status van de apparatuur, gebaseerd op het industriële model van data-analyse, en het nauwkeurig voorspellen van het optreden van een storing.
Scenario voor industriële kwaliteitsinspectie: industriële visuele inspectie is de eerste traditionele vorm van automatische optische inspectie (AOI) binnen de kwaliteitsinspectie. De ontwikkeling van AOI tot nu toe heeft zich echter in veel defectdetectie- en andere complexe scenario's voorgedaan. Vanwege de verschillende soorten defecten, onvolledige kenmerkextractie, beperkte uitbreidbaarheid van adaptieve algoritmen, frequente updates van de productielijn, niet-flexibele algoritmemigratie en andere factoren, is het traditionele AOI-systeem moeilijk gebleken om aan de behoeften van de productielijn te voldoen. Daarom vervangt het AI-algoritmeplatform voor industriële kwaliteitsinspectie, vertegenwoordigd door deep learning en small sample learning, geleidelijk het traditionele visuele inspectieschema. Het AI-platform voor industriële kwaliteitsinspectie heeft twee fasen doorlopen: klassieke machine learning-algoritmen en deep learning-inspectiealgoritmen.
Plaatsingstijd: 08-10-2023