Yen kecerdasan buatan dianggep minangka perjalanan saka A menyang B, layanan komputasi awan yaiku bandara utawa stasiun sepur kanthi kecepatan tinggi, lan komputasi pinggiran yaiku taksi utawa sepeda sing dienggo bareng. Komputasi pinggiran cedhak karo sisih wong, barang, utawa sumber data. Iki nggunakake platform terbuka sing nggabungake panyimpenan, komputasi, akses jaringan, lan kemampuan inti aplikasi kanggo nyedhiyakake layanan kanggo pangguna ing sacedhake. Dibandhingake karo layanan komputasi awan sing disebarake kanthi terpusat, komputasi pinggiran ngrampungake masalah kayata latensi dawa lan lalu lintas konvergensi dhuwur, nyedhiyakake dhukungan sing luwih apik kanggo layanan wektu nyata lan nuntut bandwidth.
Geni ChatGPT wis micu gelombang anyar pangembangan AI, nyepetake kleleb AI menyang luwih akeh area aplikasi kayata industri, ritel, omah cerdas, kutha cerdas, lan liya-liyane. Akeh data sing kudu disimpen lan diitung ing sisih aplikasi, lan ngandelake awan wae ora bisa nyukupi panjaluk sing nyata, komputasi pinggiran nambah kilometer pungkasan aplikasi AI. Miturut kabijakan nasional kanggo ngembangake ekonomi digital kanthi kuat, komputasi awan China wis mlebu periode pangembangan inklusif, panjaluk komputasi pinggiran wis mundhak, lan integrasi awan pinggiran lan pungkasan wis dadi arah evolusi sing penting ing mangsa ngarep.
Pasar komputasi pinggiran bakal tuwuh 36,1% CAGR sajrone limang taun sabanjure
Industri komputasi pinggiran wis mlebu ing tahap perkembangan sing stabil, kaya sing dibuktekake dening diversifikasi bertahap saka panyedhiya layanan, ukuran pasar sing saya tambah, lan ekspansi luwih lanjut saka area aplikasi. Babagan ukuran pasar, data saka laporan pelacakan IDC nuduhake yen ukuran pasar sakabèhé server komputasi pinggiran ing China tekan US$3,31 milyar ing taun 2021, lan ukuran pasar sakabèhé server komputasi pinggiran ing China diarepake bakal tuwuh kanthi tingkat pertumbuhan tahunan gabungan 22,2% saka taun 2020 nganti 2025. Sullivan ngramalake ukuran pasar komputasi pinggiran ing China diarepake bakal tekan RMB 250,9 milyar ing taun 2027, kanthi CAGR 36,1% saka taun 2023 nganti 2027.
Eko-industri komputasi pinggiran saya maju
Komputasi pinggiran saiki lagi ana ing tahap awal wabah, lan wates bisnis ing rantai industri relatif kabur. Kanggo vendor individu, perlu nimbang integrasi karo skenario bisnis, lan uga perlu duwe kemampuan kanggo adaptasi karo owah-owahan ing skenario bisnis saka tingkat teknis, lan uga perlu kanggo mesthekake yen ana tingkat kompatibilitas sing dhuwur karo peralatan perangkat keras, uga kemampuan teknik kanggo ndharat proyek.
Rantai industri komputasi pinggiran dipérang dadi vendor chip, vendor algoritma, produsen piranti perangkat keras, lan panyedhiya solusi. Vendor chip biasane ngembangake chip aritmatika saka sisih ujung nganti sisih pinggiran nganti sisih awan, lan saliyane chip sisih pinggiran, dheweke uga ngembangake kertu akselerasi lan ndhukung platform pangembangan piranti lunak. Vendor algoritma njupuk algoritma visi komputer minangka inti kanggo mbangun algoritma umum utawa khusus, lan ana uga perusahaan sing mbangun mall algoritma utawa platform pelatihan lan push. Vendor peralatan aktif nandur modal ing produk komputasi pinggiran, lan wujud produk komputasi pinggiran terus-terusan diperkaya, mboko sithik mbentuk tumpukan lengkap produk komputasi pinggiran saka chip menyang kabeh mesin. Penyedia solusi nyedhiyakake solusi piranti lunak utawa piranti lunak-perangkat keras sing terintegrasi kanggo industri tartamtu.
Aplikasi industri komputasi pinggiran saya cepet
Ing babagan kutha cerdas
Inspeksi komprehensif properti kutha saiki umum digunakake ing mode inspeksi manual, lan mode inspeksi manual nduweni masalah biaya sing mbutuhake wektu akeh lan intensif tenaga kerja, katergantungan proses marang individu, jangkoan lan frekuensi inspeksi sing kurang, lan kontrol kualitas sing kurang. Ing wektu sing padha, proses inspeksi nyathet akeh data, nanging sumber daya data kasebut durung diowahi dadi aset data kanggo pemberdayaan bisnis. Kanthi ngetrapake teknologi AI kanggo skenario inspeksi seluler, perusahaan wis nggawe kendaraan inspeksi cerdas AI tata kelola kutha, sing nggunakake teknologi kayata Internet of Things, komputasi awan, algoritma AI, lan nggawa peralatan profesional kayata kamera definisi tinggi, tampilan on-board, lan server sisih AI, lan nggabungake mekanisme inspeksi "sistem cerdas + mesin cerdas + bantuan staf". Iki ningkatake transformasi tata kelola kutha saka intensif personel dadi intelijen mekanik, saka penilaian empiris dadi analisis data, lan saka respon pasif dadi panemuan aktif.
Ing bidang situs konstruksi cerdas
Solusi lokasi konstruksi cerdas berbasis komputasi pinggiran ngetrapake integrasi mendalam teknologi AI menyang karya pemantauan keamanan industri konstruksi tradisional, kanthi masang terminal analisis AI pinggiran ing lokasi konstruksi, ngrampungake riset lan pangembangan algoritma AI visual independen adhedhasar teknologi analitik video cerdas, deteksi wektu lengkap kedadeyan sing bakal dideteksi (kayata, ndeteksi apa kudu nganggo helm utawa ora), nyedhiyakake layanan identifikasi titik risiko keamanan lan pangeling alarm personel, lingkungan, keamanan lan liyane, lan njupuk inisiatif kanggo Identifikasi faktor sing ora aman, njaga cerdas AI, ngirit biaya tenaga kerja, kanggo nyukupi kabutuhan manajemen keamanan personel lan properti ing lokasi konstruksi.
Ing babagan transportasi cerdas
Arsitektur cloud-side-end wis dadi paradigma dhasar kanggo panyebaran aplikasi ing industri transportasi cerdas, kanthi sisih cloud tanggung jawab kanggo manajemen terpusat lan bagean saka pangolahan data, sisih pinggir utamane nyedhiyakake analisis data sisih pinggir lan pangolahan pengambilan keputusan komputasi, lan sisih pungkasan utamane tanggung jawab kanggo pangumpulan data bisnis.
Ing skenario tartamtu kaya koordinasi kendaraan-dalan, persimpangan holografik, nyopir otomatis, lan lalu lintas sepur, ana akeh piranti heterogen sing diakses, lan piranti kasebut mbutuhake manajemen akses, manajemen metu, pangolahan alarm, lan pangolahan operasi lan pangopènan. Komputasi pinggiran bisa mbagi lan nguwasani, ngowahi gedhe dadi cilik, nyedhiyakake fungsi konversi protokol lintas-lapisan, entuk akses terpadu lan stabil, lan malah kontrol kolaboratif data heterogen.
Ing babagan manufaktur industri
Skenario Optimasi Proses Produksi: Saiki, akeh sistem manufaktur diskrit sing diwatesi dening data sing ora lengkap, lan efisiensi peralatan sakabèhé lan pitungan data indeks liyané relatif ora rapi, saéngga angel digunakake kanggo optimalisasi efisiensi. Platform komputasi pinggiran adhedhasar model informasi peralatan kanggo entuk komunikasi horisontal sistem manufaktur tingkat semantik lan komunikasi vertikal, adhedhasar mekanisme pangolahan aliran data wektu nyata kanggo nglumpukake lan nganalisis akeh data wektu nyata lapangan, kanggo entuk fusi informasi sumber multi-data jalur produksi adhedhasar model, kanggo nyedhiyakake dhukungan data sing kuat kanggo nggawe keputusan ing sistem manufaktur diskrit.
Skenario Pangopènan Prediktif Peralatan: Pangopènan peralatan industri dipérang dadi telung jinis: pangopènan reparatif, pangopènan preventif, lan pangopènan prediktif. Pangopènan restoratif kalebu pangopènan ex post facto, pangopènan preventif, lan pangopènan prediktif kalebu pangopènan ex-ante, sing pertama adhedhasar wektu, kinerja peralatan, kondisi lokasi, lan faktor liyané kanggo pangopènan peralatan rutin, kurang luwih adhedhasar pengalaman manungsa, sing terakhir liwat pangumpulan data sensor, pemantauan wektu nyata saka kahanan operasi peralatan, adhedhasar model analisis data industri, lan prédhiksi kanthi akurat nalika kegagalan kedadeyan.
Skenario inspeksi kualitas industri: lapangan inspeksi visi industri minangka bentuk inspeksi optik otomatis (AOI) tradisional pertama menyang lapangan inspeksi kualitas, nanging pangembangan AOI nganti saiki, ing akeh deteksi cacat lan skenario kompleks liyane, amarga cacat saka macem-macem jinis, ekstraksi fitur ora lengkap, algoritma adaptif kurang ekstensibilitas, jalur produksi kerep dianyari, migrasi algoritma ora fleksibel, lan faktor liyane, sistem AOI tradisional wis angel kanggo nyukupi pangembangan kabutuhan jalur produksi. Mulane, platform algoritma inspeksi kualitas industri AI sing diwakili dening pembelajaran jero + pembelajaran sampel cilik mboko sithik ngganti skema inspeksi visual tradisional, lan platform inspeksi kualitas industri AI wis ngliwati rong tahapan algoritma pembelajaran mesin klasik lan algoritma inspeksi pembelajaran jero.
Wektu kiriman: 08-Okt-2023