Hvis kunstig intelligens betragtes som en rejse fra A til B, er Cloud Computing Service en lufthavn eller højhastigheds jernbanestation, og Edge Computing er en taxa eller en delt cykel. Edge computing er tæt på siden af mennesker, ting eller datakilder. Den vedtager en åben platform, der integrerer opbevaring, beregning, netværksadgang og applikationskernefunktioner til at levere tjenester til brugere i nærheden. Sammenlignet med centralt implementerede cloud computing-tjenester løser Edge Computing problemer såsom lang latenstid og høj konvergenstrafik, hvilket giver bedre støtte til tjenester i realtid og båndbredde.
Branden af Chatgpt har sat en ny bølge af AI -udvikling, der fremskynder synken af AI til flere applikationsområder såsom industri, detailhandel, smarte hjem, smarte byer osv. En stor mængde data skal gemmes og beregnes ved applikationsafslutningen, og at stole på skyen alene er ikke længere i stand til at imødekomme den faktiske efterspørgsel, kantberegning forbedrer den sidste kilometer af AI -applikationer. I henhold til den nationale politik om kraftigt udvikling af den digitale økonomi er Kinas cloud computing gået ind i en periode med inkluderende udvikling, Edge Computing -efterspørgslen er steget, og integrationen af Cloud Edge og End er blevet en vigtig evolutionær retning i fremtiden.
Edge Computing Market for at vokse 36,1% CAGR i løbet af de næste femårige
Edge Computing Industry er gået ind i et stadium af stabil udvikling, som det fremgår af den gradvise diversificering af sine tjenesteudbydere, den voksende markedsstørrelse og den yderligere udvidelse af applikationsområderne. Med hensyn til markedsstørrelse viser data fra IDCs sporingsrapport, at den samlede markedsstørrelse på kantcomputeringsservere i Kina nåede 3,31 mia. US 36,1% fra 2023 til 2027.
Edge Computing Eco-branche trives
Edge Computing er i øjeblikket i det tidlige stadium af udbruddet, og forretningsgrænserne i industrikæden er relativt uklar. For individuelle leverandører er det nødvendigt at overveje integrationen med forretningsscenarier, og det er også nødvendigt at have evnen til at tilpasse sig ændringer i forretningsscenarier fra det tekniske niveau, og det er også nødvendigt at sikre, at der er en høj grad af kompatibilitet med hardwareudstyr såvel som den tekniske evne til at lande projekter.
Edge Computing Industry Chain er opdelt i ChIP -leverandører, algoritme -leverandører, producenter af hardwareenheder og udbydere af løsninger. ChIP-leverandører udvikler for det meste aritmetiske chips fra slutside til kantside til skytside, og ud over kant-side-chips udvikler de også accelerationskort og understøtter softwareudviklingsplatforme. Algoritme -leverandører tager computervisionsalgoritmer som kernen til at opbygge generelle eller tilpassede algoritmer, og der er også virksomheder, der bygger algoritmecentre eller trænings- og push -platforme. Udstyrsleverandører investerer aktivt i Edge Computing -produkter, og formen af Edge Computing -produkter er konstant beriget, hvilket gradvist danner en komplet stak kantcomputerprodukter fra chippen til hele maskinen. Løsningsudbydere leverer software eller software-hardware-integrerede løsninger til specifikke industrier.
Edge Computing Industry Applications Accelerate
Inden for Smart City
En omfattende inspektion af byejendom bruges i øjeblikket ofte i form af manuel inspektion, og den manuelle inspektionstilstand har problemer med høje tidskrævende og arbejdskrævende omkostninger, procesafhængighed af enkeltpersoner, dårlig dækning og inspektionsfrekvens og kontrol af dårlig kvalitet. På samme tid registrerede inspektionsprocessen en enorm mængde data, men disse dataressourcer er ikke omdannet til dataaktiver til erhvervsmæssig empowerment. Ved at anvende AI-teknologi til mobilinspektionsscenarier har virksomheden skabt en bystyring AI intelligent inspektionskøretøj, der vedtager teknologier som Internet of Things, Cloud Computing, AI-algoritmer og bærer professionelt udstyr, såsom high-definition-kameraer, ombordskærme og AI-side-servere, og kombinerer inspektionsmekanismen af "Intelligent System + Intelligent Machine + Personal Assistance". Det fremmer omdannelsen af bystyring fra personaleintensiv til mekanisk intelligens, fra empirisk vurdering til dataanalyse og fra passiv respons til aktiv opdagelse.
Inden for intelligent byggeplads
Edge Computing-baserede intelligente byggepladsløsninger Anvender den dybe integration af AI-teknologi til det traditionelle overvågningsarbejde i byggebranchen, ved at placere en kant AI-analyse terminal på byggepladsen, afslutte den uafhængige forskning og udvikling af visuelle AI-algoritmer baseret på intelligent videoanalytisk teknologi, fuldtidsdetektion af begivenheder, der skal opdages (EG, der registrerer, om man ikke er slid på at have en helmet), hvilket Påmindelsestjenester og at tage initiativet til identifikation af usikre faktorer, AI intelligent beskyttelse, spare arbejdskraftomkostninger, for at imødekomme personale- og ejendomssikkerhedsstyringsbehov på byggepladser.
Inden for intelligent transport
Sky-side-ende-arkitektur er blevet det grundlæggende paradigme for implementering af applikationer i den intelligente transportindustri, med skylesiden, der er ansvarlig for centraliseret styring og en del af databehandlingen, kantens side hovedsageligt tilvejebragt kant-side-dataanalyse og beregningsbeslutningsbehandling og slutsiden hovedsageligt ansvarlig for indsamlingen af forretningsdata.
I specifikke scenarier, såsom koordinering af køretøjets vej, holografiske kryds, automatisk kørsel og jernbanetrafik, er der et stort antal heterogene enheder, der er tilgængelige, og disse enheder kræver adgangsstyring, exit-styring, alarmbehandling og drift og vedligeholdelsesbehandling. Edge Computing kan opdele og erobre, forvandle stort til små, give tværslagsprotokolkonverteringsfunktioner, opnå samlet og stabil adgang og endda samarbejdsbekæmpelse af heterogene data.
Inden for industriel fremstilling
Produktionsprocesoptimeringsscenarie: I øjeblikket er et stort antal diskrete fremstillingssystemer begrænset af ufuldstændigheden af data, og den overordnede udstyrseffektivitet og andre indeksdatakeregninger er relativt slurvede, hvilket gør det vanskeligt at bruge til effektivitetsoptimering. Edge Computing Platform baseret på udstyrsinformationsmodel for at opnå semantisk niveau fremstillingssystem vandret kommunikation og lodret kommunikation, baseret på realtidsdataflowbehandlingsmekanisme til at samle og analysere et stort antal felt realtidsdata, for at opnå modelbaseret produktionslinje multi-data-kildeinformationsfusion, for at yde kraftfuld datastøtte til beslutningstagning i det diskrete fremstillingssystem.
Udstyr Forudsigeligt vedligeholdelsesscenarie: Vedligeholdelse af industrielt udstyr er opdelt i tre typer: reparativ vedligeholdelse, forebyggende vedligeholdelse og forudsigelig vedligeholdelse. Genoprettende vedligeholdelse hører til ex post facto vedligeholdelse, forebyggende vedligeholdelse og forudsigelig vedligeholdelse hører til ex-ante vedligeholdelse, førstnævnte er baseret på tid, udstyrsydelse, stedbetingelser og andre faktorer til regelmæssig vedligeholdelse af udstyr, mere eller mindre baseret på menneskelig erfaring, sidstnævnte gennem indsamling af sensordata, realtidsovervågning af operationstilstanden for udstyret, baseret på den industrielle model for dataanalyse, og det er præcist, når fiaskoen forekommer.
INDUSTRIAL Kvalitetsinspektionsscenarie: Industrial Vision Inspection Field er den første traditionelle automatiske optiske inspektionsformular (AOI) i feltet Kvalitetsinspektion, men udviklingen af AOI indtil videre, i mange defektdetektion og andre komplekse scenarier, på grund af defekterne af en række forskellige typer, er funktionen ikke ufuldstændig, adaptive algoritmer, den traditionelle udvidelse, produktionslinjen er opdateret ofte, algoritmen er ikke fleksible, og andre faktor, den traditionelle udvidelse, den produktionsgrænse, den produktionslinje er opdateret ofte, algoritmi AOI -systemet har været vanskeligt at imødekomme udviklingen af produktionslinjens behov. Derfor erstatter AI industriel kvalitetsinspektionsalgoritmeplatform repræsenteret ved dyb læring + lille prøvelæring gradvist den traditionelle visuelle inspektionsordning, og AI -industrikvalitetsinspektionsplatformen har gennemgået to faser af klassiske maskinlæringsalgoritmer og dyb læringsinspektionsalgoritmer.
Posttid: Okt-08-2023