Yapay zekâ A noktasından B noktasına bir yolculuk olarak kabul edilirse, bulut bilişim hizmeti bir havaalanı veya yüksek hızlı tren istasyonu, uç bilişim ise bir taksi veya paylaşımlı bisiklettir. Uç bilişim, insanların, nesnelerin veya veri kaynaklarının yakınındadır. Depolama, hesaplama, ağ erişimi ve uygulama çekirdeği yeteneklerini entegre eden açık bir platform benimseyerek, yakın çevredeki kullanıcılara hizmet sunar. Merkezi olarak dağıtılan bulut bilişim hizmetleriyle karşılaştırıldığında, uç bilişim uzun gecikme ve yüksek yakınsama trafiği gibi sorunları çözerek gerçek zamanlı ve bant genişliği gerektiren hizmetler için daha iyi destek sağlar.
ChatGPT'nin alevleri, yapay zeka geliştirmede yeni bir dalgayı tetikleyerek, yapay zekanın endüstri, perakende, akıllı evler, akıllı şehirler vb. gibi daha fazla uygulama alanına yayılmasını hızlandırdı. Uygulama tarafında büyük miktarda verinin depolanması ve hesaplanması gerekiyor ve yalnızca buluta güvenmek artık gerçek talebi karşılayamıyor. Uç bilişim, yapay zeka uygulamalarının son kilometresini iyileştiriyor. Dijital ekonomiyi güçlü bir şekilde geliştirme ulusal politikası kapsamında, Çin'in bulut bilişimi kapsayıcı bir gelişim dönemine girdi, uç bilişim talebi arttı ve bulut uç ve uç entegrasyonu gelecekte önemli bir evrimsel yön haline geldi.
Edge bilişim pazarının önümüzdeki beş yılda %36,1 bileşik yıllık büyüme oranıyla büyümesi bekleniyor
Uç bilişim sektörü, hizmet sağlayıcılarının kademeli olarak çeşitlenmesi, genişleyen pazar büyüklüğü ve uygulama alanlarının daha da genişlemesiyle kanıtlandığı üzere istikrarlı bir gelişim aşamasına girmiştir. Pazar büyüklüğü açısından, IDC'nin izleme raporundan elde edilen veriler, Çin'deki uç bilişim sunucularının toplam pazar büyüklüğünün 2021'de 3,31 milyar ABD dolarına ulaştığını ve Çin'deki uç bilişim sunucularının toplam pazar büyüklüğünün 2020'den 2025'e kadar %22,2'lik bir bileşik yıllık büyüme oranıyla büyümesinin beklendiğini göstermektedir. Sullivan, Çin'deki uç bilişim pazar büyüklüğünün 2027'de 250,9 milyar RMB'ye ulaşmasının ve 2023'ten 2027'ye kadar %36,1'lik bir bileşik yıllık büyüme oranına (CAGR) ulaşmasının beklendiğini tahmin etmektedir.
Edge bilişim eko-endüstrisi gelişiyor
Uç bilişim şu anda salgının erken aşamasında ve sektör zincirindeki iş sınırları nispeten belirsiz. Bireysel tedarikçiler için, iş senaryolarıyla entegrasyonun yanı sıra teknik düzeydeki iş senaryolarındaki değişikliklere uyum sağlama becerisine sahip olmak, donanım ekipmanlarıyla yüksek düzeyde uyumluluk sağlamak ve projeleri hayata geçirecek mühendislik becerisine sahip olmak gerekiyor.
Uç bilişim sektörü zinciri, çip tedarikçileri, algoritma tedarikçileri, donanım cihazı üreticileri ve çözüm sağlayıcıları olarak ayrılır. Çip tedarikçileri çoğunlukla uç taraftan uç tarafa ve bulut tarafına kadar aritmetik çipler geliştirir ve uç taraf çiplerine ek olarak hızlandırma kartları da geliştirir ve yazılım geliştirme platformlarını destekler. Algoritma tedarikçileri, genel veya özelleştirilmiş algoritmalar oluşturmak için bilgisayarlı görme algoritmalarını temel alır; ayrıca algoritma merkezleri veya eğitim ve itme platformları oluşturan işletmeler de vardır. Ekipman tedarikçileri uç bilişim ürünlerine aktif olarak yatırım yapmakta ve uç bilişim ürünlerinin yapısı sürekli olarak zenginleştirilmekte ve çipten tüm makineye kadar eksiksiz bir uç bilişim ürünleri yığını oluşturulmaktadır. Çözüm sağlayıcıları ise belirli sektörler için yazılım veya yazılım-donanım-entegre çözümler sunmaktadır.
Edge bilişim sektörü uygulamaları hızlanıyor
Akıllı şehir alanında
Kentsel mülklerin kapsamlı bir denetimi şu anda yaygın olarak manuel denetim yöntemiyle kullanılmaktadır ve manuel denetim yöntemi, yüksek zaman alıcı ve emek yoğun maliyetler, sürecin bireylere bağımlılığı, yetersiz kapsam ve denetim sıklığı ve düşük kalite kontrol gibi sorunlar barındırmaktadır. Aynı zamanda, denetim süreci büyük miktarda veri kaydetmiş, ancak bu veri kaynakları henüz işletmelerin güçlendirilmesi için veri varlıklarına dönüştürülmemiştir. İşletme, mobil denetim senaryolarına yapay zeka teknolojisini uygulayarak, Nesnelerin İnterneti, bulut bilişim, yapay zeka algoritmaları gibi teknolojileri benimseyen ve yüksek çözünürlüklü kameralar, yerleşik ekranlar ve yapay zeka yan sunucuları gibi profesyonel ekipmanlar taşıyan ve "akıllı sistem + akıllı makine + personel yardımı" denetim mekanizmasını birleştiren bir kentsel yönetişim yapay zeka akıllı denetim aracı oluşturmuştur. Bu araç, kentsel yönetişimin personel yoğunlukludan mekanik zekâya, deneysel yargıdan veri analizine ve pasif tepkiden aktif keşfe dönüşümünü desteklemektedir.
Akıllı şantiye alanında
Kenar bilişim tabanlı akıllı şantiye çözümleri, inşaat alanına bir kenar yapay zeka analiz terminali yerleştirerek, akıllı video analiz teknolojisine dayalı görsel yapay zeka algoritmalarının bağımsız araştırma ve geliştirmesini tamamlayarak, tespit edilecek olayların tam zamanlı tespiti (örneğin kask takılıp takılmaması gerektiğinin tespiti), personel, çevre, güvenlik ve diğer güvenlik risk noktalarının tespiti ve alarm hatırlatma hizmetlerinin sağlanması ve güvenli olmayan faktörlerin tespiti için inisiyatif alınması, yapay zeka akıllı koruma, insan gücü maliyetlerinden tasarruf sağlanması ve inşaat sahalarının personel ve mülk güvenlik yönetimi ihtiyaçlarının karşılanması yoluyla yapay zeka teknolojisinin geleneksel inşaat sektörü güvenlik izleme çalışmalarına derin entegrasyonunu uygular.
Akıllı ulaşım alanında
Bulut tarafı-uç mimarisi, akıllı ulaşım sektöründe uygulamaların dağıtımı için temel paradigma haline gelmiştir. Bulut tarafı merkezi yönetimden ve veri işlemenin bir kısmından sorumluyken, uç tarafı esas olarak uç taraf veri analizi ve hesaplama karar alma işlemlerini sağlarken, uç taraf esas olarak iş verilerinin toplanmasından sorumludur.
Araç-yol koordinasyonu, holografik kavşaklar, otomatik sürüş ve demiryolu trafiği gibi belirli senaryolarda, çok sayıda heterojen cihaza erişim sağlanır ve bu cihazlar erişim yönetimi, çıkış yönetimi, alarm işleme ve işletme ve bakım işlemleri gerektirir. Uç bilişim, böl ve yönet özelliğini kullanabilir, büyükleri küçüklere dönüştürebilir, katmanlar arası protokol dönüştürme işlevleri sağlayabilir, birleşik ve istikrarlı erişim sağlayabilir ve hatta heterojen verilerin iş birliğine dayalı kontrolünü sağlayabilir.
Endüstriyel üretim alanında
Üretim Süreci Optimizasyon Senaryosu: Günümüzde, çok sayıda ayrık üretim sistemi veri eksikliğiyle sınırlıdır ve genel ekipman verimliliği ve diğer endeks veri hesaplamaları nispeten özensizdir, bu da verimlilik optimizasyonu için kullanılmasını zorlaştırır. Ekipman bilgi modeline dayalı uç bilişim platformu, anlamsal düzeyde üretim sistemi yatay iletişimi ve gerçek zamanlı veri akışı işleme mekanizmasına dayalı dikey iletişimi sağlayarak çok sayıda saha gerçek zamanlı verisini toplayıp analiz eder, model tabanlı üretim hattı çoklu veri kaynaklı bilgi füzyonunu gerçekleştirir ve ayrık üretim sisteminde karar alma süreçlerine güçlü veri desteği sağlar.
Ekipman Öngörücü Bakım Senaryosu: Endüstriyel ekipman bakımı üç türe ayrılır: onarıcı bakım, önleyici bakım ve öngörücü bakım. Onarıcı bakım, sonradan yapılan bakıma, önleyici bakım ve öngörücü bakım ise önceden yapılan bakıma aittir. Önleyici bakım, ekipmanın düzenli bakımı için zamana, ekipman performansına, saha koşullarına ve diğer faktörlere dayanır; az çok insan deneyimine dayanır. Önleyici bakım ise sensör verilerinin toplanması, ekipmanın çalışma durumunun gerçek zamanlı izlenmesi, endüstriyel veri analizi modeline dayalı olarak ve arızanın ne zaman meydana geleceğini doğru bir şekilde tahmin ederek yapılır.
Endüstriyel kalite denetim senaryosu: Endüstriyel görsel denetim alanı, kalite denetim alanındaki ilk geleneksel otomatik optik denetim (AOI) türüdür, ancak AOI'nin bugüne kadarki gelişimi, birçok kusur tespiti ve diğer karmaşık senaryolarda, çeşitli türdeki kusurlar nedeniyle eksik özellik çıkarımı, uyarlanabilir algoritmaların zayıf genişletilebilirliği, üretim hattının sık sık güncellenmesi, algoritma geçişinin esnek olmaması ve diğer faktörler nedeniyle, geleneksel AOI sisteminin üretim hattının gelişim ihtiyaçlarını karşılaması zor olmuştur. Bu nedenle, derin öğrenme + küçük örneklem öğrenmesi ile temsil edilen yapay zeka endüstriyel kalite denetim algoritması platformu, geleneksel görsel denetim şemasının yerini yavaş yavaş almaktadır ve yapay zeka endüstriyel kalite denetim platformu, klasik makine öğrenimi algoritmaları ve derin öğrenme denetim algoritmaları olmak üzere iki aşamadan geçmiştir.
Gönderim zamanı: 08-Eki-2023