Yapay zeka, A'dan B'ye bir yolculuk olarak kabul edilirse, bulut bilişim hizmeti bir havaalanı veya hızlı tren istasyonudur, uç bilişim ise bir taksi veya ortak bisiklettir. Edge bilişim insanların, nesnelerin veya veri kaynaklarının yanına yakındır. Çevredeki kullanıcılara hizmet sağlamak için depolama, hesaplama, ağ erişimi ve uygulama çekirdeği yeteneklerini birleştiren açık bir platformu benimser. Merkezi olarak dağıtılan bulut bilişim hizmetleriyle karşılaştırıldığında uç bilişim, uzun gecikme süresi ve yüksek yakınsama trafiği gibi sorunları çözerek gerçek zamanlı ve bant genişliği gerektiren hizmetler için daha iyi destek sağlar.
ChatGPT'nin ateşi, yapay zekanın endüstri, perakende, akıllı evler, akıllı şehirler vb. gibi daha fazla uygulama alanına girmesini hızlandırarak yeni bir yapay zeka geliştirme dalgasını başlattı. Büyük miktarda verinin aynı anda depolanması ve hesaplanması gerekiyor. uygulama sonu ve yalnızca buluta güvenmenin artık gerçek talebi karşılayamaması nedeniyle uç bilişim, yapay zeka uygulamalarının son kilometresini iyileştiriyor. Dijital ekonomiyi güçlü bir şekilde geliştirmeye yönelik ulusal politika kapsamında, Çin'in bulut bilişimi kapsayıcı bir gelişim dönemine girdi, uç bilişim talebi arttı ve bulut kenarı ve uçunun entegrasyonu gelecekte önemli bir evrimsel yön haline geldi.
Edge bilişim pazarı önümüzdeki beş yılda %36,1 yıllık bileşik büyüme oranıyla büyüyecek
Edge bilişim endüstrisi, hizmet sağlayıcılarının kademeli olarak çeşitlenmesi, genişleyen pazar büyüklüğü ve uygulama alanlarının daha da genişlemesiyle kanıtlandığı gibi istikrarlı bir gelişme aşamasına girmiştir. Pazar büyüklüğü açısından, IDC'nin izleme raporundan elde edilen veriler, Çin'deki uç bilişim sunucularının genel pazar boyutunun 2021'de 3,31 milyar ABD dolarına ulaştığını ve Çin'deki uç bilişim sunucularının genel pazar boyutunun bileşik yıllık büyümeyle büyümesinin beklendiğini gösteriyor Sullivan, Çin'deki sınır bilişim pazar büyüklüğünün 2023'ten 2027'ye kadar %36,1'lik bir Bileşik Büyüme Oranı (CAGR) ile 2027'de 250,9 milyar RMB'ye ulaşmasının beklendiğini tahmin ediyor.
Edge bilişim eko-endüstrisi gelişiyor
Edge bilişim şu anda salgının erken aşamasında ve endüstri zincirindeki iş sınırları nispeten belirsiz. Bireysel satıcılar için, iş senaryoları ile entegrasyonun dikkate alınması ve ayrıca iş senaryolarındaki değişikliklere teknik düzeyden uyum sağlama yeteneğine sahip olunması ve aynı zamanda yüksek derecede bir uyumun sağlanması da gereklidir. donanım ekipmanlarıyla uyumluluğun yanı sıra projelere mühendislik yeteneği.
Edge bilişim endüstrisi zinciri; çip satıcılarına, algoritma satıcılarına, donanım cihazı üreticilerine ve çözüm sağlayıcılara bölünmüştür. Çip satıcıları çoğunlukla uç taraftan kenar tarafa ve bulut tarafına kadar aritmetik çipler geliştiriyor ve uç taraftaki çiplerin yanı sıra hızlandırma kartları da geliştiriyor ve yazılım geliştirme platformlarını destekliyorlar. Algoritma satıcıları, genel veya özelleştirilmiş algoritmalar oluşturmak için bilgisayarlı görme algoritmalarını temel olarak alır ve ayrıca algoritma alışveriş merkezleri veya eğitim ve itme platformları oluşturan işletmeler de vardır. Ekipman satıcıları aktif olarak uç bilişim ürünlerine yatırım yapıyor ve uç bilişim ürünlerinin biçimi sürekli olarak zenginleştiriliyor, yavaş yavaş çipten tüm makineye kadar tam bir uç bilişim ürünleri yığını oluşuyor. Çözüm sağlayıcılar belirli sektörlere yönelik yazılım veya yazılım-donanım entegreli çözümler sunar.
Edge bilişim sektörü uygulamaları hızlanıyor
Akıllı şehir alanında
Kentsel mülklerin kapsamlı bir denetimi şu anda manuel inceleme modunda yaygın olarak kullanılmaktadır ve manuel inceleme modu, yüksek zaman alıcı ve emek yoğun maliyetler, bireylere süreç bağımlılığı, zayıf kapsam ve denetim sıklığı ve düşük kalite gibi sorunlara sahiptir. kontrol. Aynı zamanda denetim sürecinde büyük miktarda veri kaydedildi ancak bu veri kaynakları, işletmenin güçlendirilmesi için veri varlıklarına dönüştürülmedi. İşletme, yapay zeka teknolojisini mobil denetim senaryolarına uygulayarak, Nesnelerin İnterneti, bulut bilişim, yapay zeka algoritmaları gibi teknolojileri benimseyen ve yüksek çözünürlüklü kameralar gibi profesyonel ekipmanları üzerinde taşıyan bir kentsel yönetişim yapay zeka akıllı denetim aracı yarattı. pano ekranları ve yapay zeka yan sunucuları ile "akıllı sistem + akıllı makine + personel yardımı" denetim mekanizmasını birleştirir. Kentsel yönetişimin personel yoğunluğundan mekanik zekaya, ampirik yargıdan veri analizine ve pasif tepkiden aktif keşfe dönüşümünü teşvik eder.
Akıllı şantiye alanında
Kenar bilişim tabanlı akıllı şantiye çözümleri, şantiyeye bir uç yapay zeka analiz terminali yerleştirerek, akıllı videoya dayalı görsel yapay zeka algoritmalarının bağımsız araştırma ve geliştirmesini tamamlayarak yapay zeka teknolojisinin geleneksel inşaat sektörü güvenlik izleme çalışmalarına derin entegrasyonunu uygular. analitik teknolojisi, tespit edilecek olayların tam zamanlı tespiti (örneğin, kask takıp takmamanın tespit edilmesi), personel, çevre, güvenlik ve diğer güvenlik riski noktalarının tanımlanması ve alarm hatırlatma hizmetlerinin sağlanması ve güvensiz durumların belirlenmesi için inisiyatif alınması Şantiyelerin personel ve mülk güvenliği yönetimi ihtiyaçlarını karşılamak için faktörler, yapay zeka akıllı koruma, insan gücü maliyetlerinden tasarruf.
Akıllı ulaşım alanında
Bulut tarafı uç mimarisi, akıllı ulaşım endüstrisindeki uygulamaların dağıtımı için temel paradigma haline geldi; bulut tarafı merkezi yönetimden ve veri işlemenin bir kısmından sorumluyken, uç tarafı esas olarak uç tarafı veri analizi ve hesaplama kararları sağlıyor -işleme yapma ve son taraf esas olarak iş verilerinin toplanmasından sorumludur.
Araç-yol koordinasyonu, holografik kavşaklar, otomatik sürüş ve demiryolu trafiği gibi spesifik senaryolarda çok sayıda heterojen cihaza erişilmekte ve bu cihazlar erişim yönetimi, çıkış yönetimi, alarm işleme, işletme ve bakım işlemlerini gerektirmektedir. Edge bilişim bölebilir ve yönetebilir, büyükten küçüğe dönüşebilir, katmanlar arası protokol dönüştürme işlevleri sağlayabilir, birleşik ve istikrarlı erişim elde edebilir ve hatta heterojen veriler üzerinde işbirliğine dayalı kontrol sağlayabilir.
Endüstriyel üretim alanında
Üretim Süreci Optimizasyon Senaryosu: Şu anda, çok sayıda ayrık üretim sistemi verilerin eksikliği nedeniyle sınırlıdır ve genel ekipman verimliliği ve diğer endeks verileri hesaplamaları nispeten özensizdir, bu da verimlilik optimizasyonu için kullanmayı zorlaştırmaktadır. Model tabanlı üretim hattı elde etmek için çok sayıda gerçek zamanlı saha verisini toplamak ve analiz etmek için gerçek zamanlı veri akışı işleme mekanizmasına dayanan semantik düzeyde üretim sistemi yatay iletişim ve dikey iletişim elde etmek için ekipman bilgi modeline dayalı uç bilgi işlem platformu Ayrık üretim sisteminde karar alma için güçlü veri desteği sağlamak üzere çoklu veri kaynağı bilgilerinin birleştirilmesi.
Ekipman Kestirimci Bakım Senaryosu: Endüstriyel ekipmanın bakımı üç türe ayrılır: onarıcı bakım, önleyici bakım ve kestirimci bakım. Onarıcı bakım, fiili bakıma aittir, önleyici bakım ve önleyici bakım ise, önceden bakıma aittir; bunlardan ilki, zamana, ekipman performansına, saha koşullarına ve ekipmanın düzenli bakımı için diğer faktörlere dayanır ve az çok insana dayalıdır. İkincisi, sensör verilerinin toplanması, endüstriyel veri analizi modeline dayalı olarak ekipmanın çalışma durumunun gerçek zamanlı izlenmesi ve arızanın ne zaman meydana geldiğini doğru bir şekilde tahmin etme yoluyla deneyim.
Endüstriyel kalite kontrol senaryosu: endüstriyel görsel denetim alanı, kalite kontrol alanına giren ilk geleneksel otomatik optik denetim (AOI) formudur, ancak çeşitli kusurlardan dolayı birçok kusur tespiti ve diğer karmaşık senaryolarda AOI'nin şu ana kadar geliştirilmesi Türlerin çeşitliliği, özellik çıkarmanın eksik olması, uyarlanabilir algoritmaların genişletilebilirliğinin zayıf olması, üretim hattının sık sık güncellenmesi, algoritma geçişinin esnek olmaması ve diğer faktörler, geleneksel AOI sisteminin üretim hattının gelişimini karşılamasının zor olması. Bu nedenle, derin öğrenme + küçük örnek öğrenme ile temsil edilen AI endüstriyel kalite kontrol algoritması platformu, yavaş yavaş geleneksel görsel denetim şemasının yerini alıyor ve AI endüstriyel kalite kontrol platformu, klasik makine öğrenme algoritmalarının ve derin öğrenme inceleme algoritmalarının iki aşamasından geçti.
Gönderim zamanı: Ekim-08-2023