Yapay zeka A noktasından B noktasına bir yolculuk olarak kabul edilirse, bulut bilişim hizmeti bir havaalanı veya yüksek hızlı tren istasyonudur ve uç bilişim bir taksi veya paylaşımlı bir bisiklettir. Uç bilişim, insanların, nesnelerin veya veri kaynaklarının yanındadır. Depolama, hesaplama, ağ erişimi ve uygulama çekirdek yeteneklerini entegre eden açık bir platformu benimser ve çevredeki kullanıcılara hizmet sağlar. 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 ateşi, AI geliştirmede yeni bir dalga başlattı ve AI'nın endüstri, perakende, akıllı evler, akıllı şehirler vb. gibi daha fazla uygulama alanına yayılmasını hızlandırdı. Büyük miktarda verinin uygulama tarafında depolanması ve hesaplanması gerekiyor ve yalnızca buluta güvenmek artık gerçek talebi karşılayamıyor, uç bilişim AI uygulamalarının son kilometresini iyileştiriyor. Dijital ekonomiyi güçlü bir şekilde geliştirme ulusal politikası altında, Çin'in bulut bilişimi kapsayıcı bir geliştirme 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 oranına ulaşması bekleniyor
Edge 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 alınan veriler, Çin'deki edge bilişim sunucularının genel pazar büyüklüğünün 2021'de 3,31 milyar ABD dolarına ulaştığını ve Çin'deki edge bilişim sunucularının genel pazar büyüklüğünün 2020'den 2025'e kadar %22,2'lik bir bileşik yıllık büyüme oranıyla büyümesinin beklendiğini göstermektedir. Sullivan, Çin'deki edge bilişim pazar büyüklüğünün 2027'de 250,9 milyar RMB'ye ulaşmasının beklendiğini ve 2023'ten 2027'ye kadar %36,1'lik bir bileşik yıllık büyüme oranına sahip olacağını 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 senaryolarıyla entegrasyonu göz önünde bulundurmak gerekir ve ayrıca teknik düzeyden iş senaryolarındaki değişikliklere uyum sağlama yeteneğine sahip olmak gerekir ve ayrıca donanım ekipmanıyla yüksek derecede uyumluluğun yanı sıra projeleri elde etmek için mühendislik yeteneğinin sağlanması gerekir.
Edge bilişim sektörü zinciri, çip satıcıları, algoritma satıcıları, donanım aygıtı üreticileri ve çözüm sağlayıcıları olarak ayrılmıştır. Çip satıcıları çoğunlukla uçtan uca ve buluta kadar aritmetik çipler geliştirir ve edge-side çiplerine ek olarak hızlandırma kartları da geliştirir ve yazılım geliştirme platformlarını destekler. Algoritma satıcıları, genel veya özelleştirilmiş algoritmalar oluşturmak için bilgisayarlı görüş algoritmalarını temel alır ve algoritma merkezleri veya eğitim ve itme platformları oluşturan işletmeler de vardır. Ekipman satıcıları edge bilişim ürünlerine aktif olarak yatırım yapmaktadır ve edge bilişim ürünlerinin biçimi sürekli olarak zenginleştirilmekte ve çipten tüm makineye kadar kademeli olarak tam bir edge bilişim ürünleri yığını oluşturmaktadır. Çözüm sağlayıcıları, belirli sektörler için yazılım veya yazılım-donanım-entegre çözümler sunmaktadır.
Edge bilişim sektörü uygulamaları hızlanıyor
Akıllı şehir alanında
Kentsel mülkün kapsamlı bir incelemesi şu anda genellikle manuel inceleme modunda kullanılıyor ve manuel inceleme modu, yüksek zaman alıcı ve emek yoğun maliyetler, bireylere yönelik süreç bağımlılığı, zayıf kapsam ve inceleme sıklığı ve zayıf kalite kontrolü sorunlarına sahip. Aynı zamanda inceleme süreci çok miktarda veri kaydetti, ancak bu veri kaynakları iş güçlendirmesi için veri varlıklarına dönüştürülmedi. İşletme, mobil inceleme senaryolarına AI teknolojisini uygulayarak, Nesnelerin İnterneti, bulut bilişim, AI algoritmaları gibi teknolojileri benimseyen ve yüksek çözünürlüklü kameralar, yerleşik ekranlar ve AI yan sunucuları gibi profesyonel ekipmanlar taşıyan ve "akıllı sistem + akıllı makine + personel yardımı" inceleme mekanizmasını birleştiren bir kentsel yönetim AI akıllı inceleme aracı yarattı. Kentsel yönetimin personel yoğunlukludan mekanik zekaya, deneysel yargıdan veri analizine ve pasif tepkiden aktif keşfe dönüşümünü teşvik ediyor.
Akıllı şantiye alanında
Kenar bilişim tabanlı akıllı şantiye çözümleri, inşaat alanına bir kenar yapay zeka analiz terminali yerleştirerek, akıllı video analitiği teknolojisine dayalı görsel yapay zeka algoritmalarının bağımsız araştırma ve geliştirmesini tamamlayarak, tespit edilmesi gereken olayların tam zamanlı tespiti (örneğin kask takılıp takılmaması gerektiğinin tespiti), personel, çevre, güvenlik ve diğer güvenlik risk noktası tanımlama ve alarm hatırlatma hizmetleri sağlayarak ve güvenli olmayan faktörlerin tespiti için inisiyatif alarak, yapay zeka akıllı koruma sağlayarak, iş gücü maliyetlerinden tasarruf ederek, inşaat sahalarının personel ve mülk güvenlik yönetimi ihtiyaçlarını karşılayarak 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 sağlar ve uç taraf ise esas olarak iş verilerinin toplanmasından sorumludur.
Araç-yol koordinasyonu, holografik kavşaklar, otomatik sürüş ve raylı trafik gibi belirli senaryolarda, çok sayıda heterojen cihaza erişilir ve bu cihazlar erişim yönetimi, çıkış yönetimi, alarm işleme ve operasyon ve bakım işleme gerektirir. Edge computing böl ve yönet, büyükleri küçüğe dönüştür, katmanlar arası protokol dönüştürme işlevleri sağlayabilir, birleşik ve istikrarlı erişim sağlayabilir ve hatta heterojen verilerin işbirlikçi kontrolünü sağlayabilir.
Endüstriyel üretim alanında
Üretim Süreci Optimizasyon Senaryosu: Şu anda, çok sayıda ayrı üretim sistemi veri eksikliğiyle sınırlıdır ve genel ekipman verimliliği ve diğer endeks veri hesaplamaları nispeten özensizdir, bu da verimlilik optimizasyonu için kullanılmasını zorlaştırır. Semantik düzeyde üretim sistemi yatay iletişimi ve dikey iletişimi elde etmek için ekipman bilgi modeline dayalı uç bilgi işlem platformu, çok sayıda saha gerçek zamanlı verisini toplamak ve analiz etmek için gerçek zamanlı veri akışı işleme mekanizmasına dayalı, model tabanlı üretim hattı çoklu veri kaynağı bilgi füzyonunu elde etmek, ayrı üretim sisteminde karar alma için güçlü veri desteği sağlamak.
Ekipman Tahmini Bakım Senaryosu: Endüstriyel ekipmanların bakımı üç türe ayrılır: onarıcı bakım, önleyici bakım ve tahmini bakım. Onarıcı bakım, ex post facto bakıma, önleyici bakım ve tahmini bakım ise ex-ante bakıma aittir, ilki zamana, ekipman performansına, saha koşullarına ve ekipmanın düzenli bakımı için diğer faktörlere dayanır, az çok insan deneyimine dayanır, ikincisi ise sensör verilerinin toplanması, ekipmanın çalışma durumunun gerçek zamanlı izlenmesi, veri analizinin endüstriyel modeline dayanır ve arızanın ne zaman meydana geldiğini doğru bir şekilde tahmin eder.
Endüstriyel kalite denetim senaryosu: endüstriyel görsel denetim alanı, kalite denetim alanına giren ilk geleneksel otomatik optik denetim (AOI) biçimidir, ancak AOI'nin şu ana kadarki gelişimi, birçok kusur tespiti ve diğer karmaşık senaryolarda, çeşitli türlerdeki kusurlar nedeniyle, özellik çıkarma eksiktir, uyarlanabilir algoritmalar zayıf genişletilebilirlik, üretim hattı sık sık güncellenir, algoritma geçişi esnek değildir ve diğer faktörler, geleneksel AOI sisteminin üretim hattı ihtiyaçlarının gelişimini karşılaması zor olmuştur. Bu nedenle, derin öğrenme + küçük örnek öğrenme ile temsil edilen AI endüstriyel kalite denetim algoritması platformu, geleneksel görsel denetim şemasının yerini yavaş yavaş almaktadır ve AI endüstriyel kalite denetim platformu, klasik makine öğrenimi algoritmaları ve derin öğrenme denetim algoritmalarının iki aşamasından geçmiştir.
Gönderi zamanı: 08-Eki-2023