Če umetno inteligenco razumemo kot potovanje od A do B, je storitev računalništva v oblaku letališče ali hitra železniška postaja, robno računalništvo pa je taksi ali skupno kolo.Robno računalništvo je blizu ljudi, stvari ali virov podatkov.Sprejema odprto platformo, ki združuje shranjevanje, računanje, dostop do omrežja in zmogljivosti jedra aplikacij za zagotavljanje storitev za uporabnike v bližini.V primerjavi s centralno razporejenimi storitvami računalništva v oblaku robno računalništvo rešuje težave, kot sta dolga zakasnitev in visok konvergenčni promet, ter zagotavlja boljšo podporo za storitve, ki zahtevajo realni čas in pasovno širino.
Ogenj ChatGPT je sprožil nov val razvoja umetne inteligence in pospešil prodiranje umetne inteligence na več aplikacijskih področij, kot so industrija, maloprodaja, pametni domovi, pametna mesta itd. Veliko količino podatkov je treba shraniti in izračunati na na koncu aplikacije in samo zanašanje na oblak ne more več zadovoljiti dejanskega povpraševanja, robno računalništvo izboljša zadnji kilometer aplikacij AI.V skladu z nacionalno politiko močnega razvoja digitalnega gospodarstva je kitajsko računalništvo v oblaku vstopilo v obdobje vključujočega razvoja, povpraševanje po robnem računalništvu se je povečalo, integracija roba in konca oblaka pa je postala pomembna evolucijska smer v prihodnosti.
Trg robnega računalništva bo v naslednjih petih letih zrasel za 36,1 % CAGR
Industrija robnega računalništva je vstopila v fazo stalnega razvoja, kar dokazujejo postopna diverzifikacija ponudnikov storitev, vse večja velikost trga in nadaljnje širjenje področij uporabe.Kar zadeva velikost trga, podatki iz poročila o sledenju IDC kažejo, da je celotna velikost trga strežnikov robnega računalništva na Kitajskem leta 2021 dosegla 3,31 milijarde USD, skupna velikost trga strežnikov robnega računalništva na Kitajskem pa naj bi rasla s skupno letno rastjo. stopnja 22,2 % od leta 2020 do 2025. Sullivan napoveduje, da bo velikost trga robnega računalništva na Kitajskem leta 2027 dosegla 250,9 milijarde RMB, s CAGR 36,1 % od leta 2023 do 2027.
Ekološka industrija robnega računalništva uspeva
Robno računalništvo je trenutno v zgodnji fazi izbruha, poslovne meje v panožni verigi pa so razmeroma nejasne.Pri posameznih prodajalcih je treba upoštevati integracijo s poslovnimi scenariji, potrebna pa je tudi sposobnost prilagajanja spremembam poslovnih scenarijev s tehnične ravni, prav tako je treba zagotoviti visoko stopnjo združljivost s strojno opremo, kot tudi inženirska sposobnost za izvedbo projektov.
Industrijska veriga robnega računalništva je razdeljena na prodajalce čipov, prodajalce algoritmov, proizvajalce strojne opreme in ponudnike rešitev.Prodajalci čipov večinoma razvijajo aritmetične čipe od end-side do edge-side do cloud-side, poleg čipov edge-side pa razvijajo tudi pospeševalne kartice in podpirajo platforme za razvoj programske opreme.Prodajalci algoritmov jemljejo algoritme računalniškega vida kot jedro za izdelavo splošnih ali prilagojenih algoritmov, obstajajo pa tudi podjetja, ki gradijo algoritmske centre ali platforme za usposabljanje in potiskanje.Prodajalci opreme aktivno vlagajo v izdelke za robno računalništvo, oblika izdelkov za robno računalništvo pa se nenehno bogati in postopoma oblikuje celoten nabor izdelkov za robno računalništvo od čipa do celotnega stroja.Ponudniki rešitev ponujajo programsko ali programsko-strojno integrirane rešitve za določene industrije.
Industrijske aplikacije robnega računalništva pospešijo
Na področju pametnega mesta
Celovit pregled mestnega premoženja se trenutno pogosto uporablja v načinu ročnega pregleda, pri čemer ima ročni pregled težave z dolgotrajnimi in delovno intenzivnimi stroški, odvisnostjo postopka od posameznikov, slabo pokritostjo in pogostostjo pregledov ter slabo kakovostjo. nadzor.Hkrati je v inšpekcijskem procesu zabeležena ogromna količina podatkov, vendar ti podatkovni viri niso preoblikovani v podatkovna sredstva za opolnomočenje poslovanja.Z uporabo tehnologije umetne inteligence za scenarije mobilnega inšpekcijskega pregleda je podjetje ustvarilo inteligentno inšpekcijsko vozilo z umetno inteligenco za urbano upravljanje, ki sprejema tehnologije, kot so internet stvari, računalništvo v oblaku, algoritmi umetne inteligence, in nosi profesionalno opremo, kot so kamere visoke ločljivosti, zaslone plošče in stranske strežnike z umetno inteligenco ter združuje inšpekcijski mehanizem "inteligentni sistem + inteligentni stroj + pomoč osebju".Spodbuja preobrazbo urbanega upravljanja iz kadrovsko intenzivnega v mehansko inteligenco, od empirične presoje k analizi podatkov in od pasivnega odzivanja k aktivnemu odkrivanju.
Na področju inteligentnega gradbišča
Inteligentne rešitve za gradbišče, ki temeljijo na robnem računalniku, uporabljajo globoko integracijo tehnologije umetne inteligence v tradicionalnem delu nadzora varnosti v gradbeništvu, tako da na gradbišču postavijo robni terminal za analizo umetne inteligence, s čimer dokončajo neodvisno raziskavo in razvoj algoritmov vizualne umetne inteligence, ki temeljijo na inteligentnem videu. analitično tehnologijo, stalno zaznavanje dogodkov, ki jih je treba zaznati (npr. zaznavanje, ali je treba nositi čelado ali ne), zagotavljanje osebja, okolja, varnosti in drugih varnostnih tveganih točk za identifikacijo in alarmne opomnike ter prevzemanje pobude za identifikacijo nevarnih dejavniki, inteligentno varovanje z umetno inteligenco, prihranek stroškov delovne sile, za izpolnitev potreb po upravljanju varnosti osebja in premoženja na gradbiščih.
Na področju inteligentnega transporta
Arhitektura oblačne strani je postala osnovna paradigma za uvajanje aplikacij v industriji inteligentnega transporta, pri čemer je oblačna stran odgovorna za centralizirano upravljanje in del obdelave podatkov, robna stran pa v glavnem zagotavlja analizo podatkov na robni strani in odločitve o izračunu. -izdelava obdelave, končna stran pa je odgovorna predvsem za zbiranje poslovnih podatkov.
V posebnih scenarijih, kot so koordinacija vozila in ceste, holografska križišča, samodejna vožnja in železniški promet, je dostopno veliko število heterogenih naprav in te naprave zahtevajo upravljanje dostopa, upravljanje izhodov, obdelavo alarmov ter obdelavo delovanja in vzdrževanja.Robno računalništvo lahko razdeli in osvoji, spremeni veliko v majhno, zagotovi funkcije pretvorbe protokolov med plastmi, doseže enoten in stabilen dostop ter celo skupen nadzor nad heterogenimi podatki.
Na področju industrijske proizvodnje
Scenarij optimizacije proizvodnega procesa: Trenutno je veliko število diskretnih proizvodnih sistemov omejeno zaradi nepopolnosti podatkov, splošna učinkovitost opreme in izračuni drugih podatkov o indeksih pa so razmeroma površni, zaradi česar jih je težko uporabiti za optimizacijo učinkovitosti.Robna računalniška platforma, ki temelji na informacijskem modelu opreme za doseganje horizontalne in vertikalne komunikacije proizvodnega sistema na semantični ravni, ki temelji na mehanizmu za obdelavo pretoka podatkov v realnem času za združevanje in analizo velikega števila terenskih podatkov v realnem času, za doseganje proizvodne linije na podlagi modela fuzija informacij z več viri podatkov, da se zagotovi zmogljiva podatkovna podpora za odločanje v diskretnem proizvodnem sistemu.
Scenarij predvidenega vzdrževanja opreme: Vzdrževanje industrijske opreme je razdeljeno na tri vrste: popravljalno vzdrževanje, preventivno vzdrževanje in predvideno vzdrževanje.Obnovitveno vzdrževanje spada v naknadno vzdrževanje, preventivno vzdrževanje in predvideno vzdrževanje spada v predhodno vzdrževanje, prvo temelji na času, zmogljivosti opreme, pogojih na lokaciji in drugih dejavnikih za redno vzdrževanje opreme, ki bolj ali manj temeljijo na človeških izkušnje, slednji z zbiranjem senzorskih podatkov, spremljanjem stanja delovanja opreme v realnem času, na podlagi industrijskega modela analize podatkov, in natančno predvidijo, kdaj pride do okvare.
Scenarij inšpekcijskega pregleda industrijske kakovosti: polje inšpekcijskega pregleda industrijskega vida je prva oblika tradicionalne avtomatske optične inšpekcije (AOI) na področju inšpekcijskega nadzora kakovosti, vendar je dosedanji razvoj AOI v številnih scenarijih odkrivanja napak in drugih zapletenih scenarijev zaradi pomanjkljivosti različnih vrst, ekstrakcija funkcij je nepopolna, prilagodljivi algoritmi slaba razširljivost, proizvodna linija se pogosto posodablja, migracija algoritmov ni prilagodljiva in drugi dejavniki, tradicionalni sistem AOI je težko izpolnil razvoj potreb proizvodne linije.Zato platforma algoritma za inšpekcijo industrijske kakovosti z umetno inteligenco, ki jo predstavlja globoko učenje + učenje z majhnim vzorcem, postopoma nadomešča tradicionalno shemo vizualnega nadzora, platforma za inšpekcijo industrijske kakovosti z umetno inteligenco pa je šla skozi dve stopnji algoritmov klasičnega strojnega učenja in algoritmov za globoko učenje.
Čas objave: 8. oktober 2023