თუ ხელოვნური ინტელექტი განიხილება, როგორც მოგზაურობა A-დან B-მდე, ღრუბლოვანი გამოთვლითი სერვისი არის აეროპორტი ან მაღალსიჩქარიანი რკინიგზის სადგური, ხოლო ზღვარზე გამოთვლა არის ტაქსი ან საერთო ველოსიპედი.Edge Computing ახლოს არის ადამიანების, ნივთების ან მონაცემთა წყაროების გვერდით.იგი იღებს ღია პლატფორმას, რომელიც აერთიანებს საცავის, გამოთვლის, ქსელის წვდომას და აპლიკაციის ძირითად შესაძლებლობებს, რათა უზრუნველყოს სერვისები ახლომდებარე მომხმარებლებისთვის.ცენტრალურად განლაგებულ ღრუბლოვან გამოთვლით სერვისებთან შედარებით, edge computing წყვეტს ისეთ პრობლემებს, როგორიცაა ხანგრძლივი შეყოვნება და მაღალი კონვერგენციის ტრაფიკი, უზრუნველყოფს უკეთეს მხარდაჭერას რეალურ დროში და გამტარუნარიანობის მომთხოვნი სერვისებისთვის.
ChatGPT-ის ხანძარმა გამოიწვია ხელოვნური ინტელექტის განვითარების ახალი ტალღა, რამაც დააჩქარა ხელოვნური ინტელექტის ჩაძირვა უფრო აპლიკაციის სფეროებში, როგორიცაა ინდუსტრია, საცალო ვაჭრობა, ჭკვიანი სახლები, ჭკვიანი ქალაქები და ა.შ. აპლიკაციის დასრულება და მხოლოდ ღრუბელზე დაყრდნობით ვეღარ აკმაყოფილებენ რეალურ მოთხოვნილებას, edge computing აუმჯობესებს ხელოვნური ინტელექტის აპლიკაციების ბოლო კილომეტრს.ციფრული ეკონომიკის ენერგიული განვითარების ეროვნული პოლიტიკის პირობებში, ჩინეთის ღრუბლოვანი გამოთვლები შევიდა ინკლუზიური განვითარების პერიოდში, გაიზარდა მოთხოვნა ზღვრულ გამოთვლებზე და ღრუბლის კიდეების და ბოლოების ინტეგრაცია გახდა მნიშვნელოვანი ევოლუციური მიმართულება მომავალში.
Edge კომპიუტერული ბაზარი გაიზრდება 36.1% CAGR მომდევნო ხუთი წლის განმავლობაში
Edge Computing ინდუსტრია შევიდა სტაბილური განვითარების ეტაპზე, რასაც მოწმობს მისი სერვისების პროვაიდერების თანდათანობითი დივერსიფიკაცია, ბაზრის გაფართოება და გამოყენების სფეროების შემდგომი გაფართოება.ბაზრის ზომის თვალსაზრისით, IDC-ის თვალთვალის ანგარიშიდან მიღებული მონაცემები აჩვენებს, რომ ჩინეთში გამოთვლითი სერვერების საერთო საბაზრო ზომამ მიაღწია 3,31 მილიარდ აშშ დოლარს 2021 წელს, ხოლო ჩინეთში გამოთვლითი სერვერების საერთო ბაზრის ზომა, სავარაუდოდ, გაიზრდება რთული წლიური ზრდით. განაკვეთი 22.2% 2020 წლიდან 2025 წლამდე. სალივანი პროგნოზირებს, რომ ჩინეთში უპირატესი გამოთვლების ბაზრის ზომა 2027 წელს 250.9 მილიარდ RMB-ს მიაღწევს, CAGR 36.1%-ით 2023 წლიდან 2027 წლამდე.
Edge computing ეკო ინდუსტრია აყვავდება
Edge computing ამჟამად დაავადების გავრცელების ადრეულ ეტაპზეა და ინდუსტრიის ჯაჭვში ბიზნესის საზღვრები შედარებით ბუნდოვანია.ცალკეული მოვაჭრეებისთვის აუცილებელია ბიზნეს სცენარებთან ინტეგრაციის გათვალისწინება, ასევე აუცილებელია ტექნიკური დონიდან ბიზნეს სცენარების ცვლილებებთან ადაპტაციის უნარი და ასევე აუცილებელია იმის უზრუნველყოფა, რომ არსებობს მაღალი ხარისხი. თავსებადობა ტექნიკის აღჭურვილობასთან, ისევე როგორც საინჟინრო უნარები მიწის პროექტებზე.
Edge Computing ინდუსტრიის ჯაჭვი იყოფა ჩიპების მომწოდებლებად, ალგორითმის გამყიდველებად, აპარატურის მოწყობილობების მწარმოებლებად და გადაწყვეტილებების პროვაიდერებად.ჩიპების გამყიდველები ძირითადად ავითარებენ არითმეტიკულ ჩიპებს ბოლოდან კიდეების მხარეს ღრუბლოვან მხარეს, და გვერდითი ჩიპების გარდა, ისინი ასევე ავითარებენ აჩქარების ბარათებს და მხარს უჭერენ პროგრამული უზრუნველყოფის განვითარების პლატფორმებს.ალგორითმის გამყიდველები იღებენ კომპიუტერული ხედვის ალგორითმებს, როგორც ბირთვს ზოგადი ან მორგებული ალგორითმების შესაქმნელად, ასევე არის საწარმოები, რომლებიც აშენებენ ალგორითმის სავაჭრო ცენტრებს ან სასწავლო და დააყენებს პლატფორმებს.აღჭურვილობის გამყიდველები აქტიურად ახორციელებენ ინვესტიციებს ზღვარზე გამოთვლის პროდუქტებში, ხოლო ზღვრული გამოთვლითი პროდუქტების ფორმა მუდმივად გამდიდრებულია, თანდათანობით აყალიბებს ზღვარზე გამოთვლითი პროდუქტების სრულ დასტას ჩიპიდან მთელ მანქანამდე.გადაწყვეტილებების პროვაიდერები აწვდიან პროგრამულ უზრუნველყოფას ან პროგრამულ აპარატურაზე ინტეგრირებულ გადაწყვეტილებებს კონკრეტული ინდუსტრიებისთვის.
Edge Computing ინდუსტრიის აპლიკაციები აჩქარებს
ჭკვიანი ქალაქის სფეროში
ურბანული ქონების ყოვლისმომცველი ინსპექტირება ამჟამად ჩვეულებრივ გამოიყენება ხელით შემოწმების რეჟიმში, ხოლო ხელით შემოწმების რეჟიმს აქვს მაღალი შრომატევადი და შრომატევადი ხარჯების, პროცესის ინდივიდებზე დამოკიდებულების, ცუდი დაფარვისა და ინსპექტირების სიხშირის და ცუდი ხარისხის პრობლემები. კონტროლი.ამავდროულად, ინსპექტირების პროცესში დაფიქსირდა დიდი რაოდენობით მონაცემები, მაგრამ ეს მონაცემთა რესურსები არ გადაკეთებულა მონაცემთა აქტივებად ბიზნესის გაძლიერებისთვის.AI ტექნოლოგიის გამოყენებით მობილური ინსპექტირების სცენარებში, საწარმომ შექმნა ურბანული მმართველობის AI ინტელექტუალური ინსპექტირების მანქანა, რომელიც იყენებს ისეთ ტექნოლოგიებს, როგორიცაა ნივთების ინტერნეტი, ღრუბლოვანი გამოთვლები, AI ალგორითმები და ატარებს პროფესიონალურ აღჭურვილობას, როგორიცაა მაღალი გარჩევადობის კამერები. დაფის დისპლეები და AI გვერდითი სერვერები და აერთიანებს "ინტელექტუალური სისტემა + ინტელექტუალური მანქანა + პერსონალის დახმარება" შემოწმების მექანიზმს.ის ხელს უწყობს ურბანული მმართველობის ტრანსფორმაციას პერსონალის ინტენსიური ტექნიკიდან მექანიკურ ინტელექტზე, ემპირიული განსჯიდან მონაცემთა ანალიზამდე და პასიური პასუხიდან აქტიურ აღმოჩენამდე.
ინტელექტუალური სამშენებლო მოედნის სფეროში
Edge Computing-ზე დაფუძნებული ინტელექტუალური სამშენებლო მოედნის გადაწყვეტილებები იყენებს ხელოვნური ინტელექტის ტექნოლოგიის ღრმა ინტეგრაციას სამშენებლო ინდუსტრიის უსაფრთხოების ტრადიციული მონიტორინგის სამუშაოებში, სამშენებლო ობიექტზე განათავსებს AI ანალიზის ტერმინალს, ასრულებს დამოუკიდებელი კვლევისა და ვიზუალური AI ალგორითმების განვითარებას, რომელიც დაფუძნებულია ინტელექტუალურ ვიდეოზე. ანალიტიკური ტექნოლოგია, გამოვლენილი მოვლენების სრული დროით გამოვლენა (მაგ. ჩაფხუტის ტარება თუ არა), პერსონალის, გარემოს, უსაფრთხოების და უსაფრთხოების სხვა რისკ წერტილების იდენტიფიკაციისა და განგაშის შეხსენების სერვისების მიწოდება და სახიფათოების იდენტიფიცირების ინიციატივის აღება. ფაქტორები, ხელოვნური ხელოვნური ინტელექტუალური დაცვა, შრომითი ძალის ხარჯების დაზოგვა, სამშენებლო უბნების პერსონალისა და ქონების უსაფრთხოების მართვის საჭიროებების დასაკმაყოფილებლად.
ინტელექტუალური ტრანსპორტის სფეროში
Cloud-side-end არქიტექტურა გახდა ძირითადი პარადიგმა ინტელექტუალური სატრანსპორტო ინდუსტრიაში აპლიკაციების განლაგებისთვის, ღრუბლის მხარე პასუხისმგებელია ცენტრალიზებულ მენეჯმენტზე და მონაცემთა დამუშავების ნაწილზე. -დამუშავების დამუშავება და საბოლოო მხარე ძირითადად პასუხისმგებელია ბიზნეს მონაცემების შეგროვებაზე.
კონკრეტულ სცენარებში, როგორიცაა ავტომობილი-გზის კოორდინაცია, ჰოლოგრაფიული კვეთა, ავტომატური მართვა და სარკინიგზო მოძრაობა, არსებობს დიდი რაოდენობით ჰეტეროგენული მოწყობილობების წვდომა და ამ მოწყობილობებს ესაჭიროებათ წვდომის მართვა, გასვლის მართვა, განგაშის დამუშავება და ექსპლუატაციისა და ტექნიკური დამუშავება.Edge Computing-ს შეუძლია დაყოს და დაიპყროს, დიდი გადააქციოს პატარად, უზრუნველყოს პროტოკოლის ჯვარედინი კონვერტაციის ფუნქციები, მიაღწიოს ერთიან და სტაბილურ წვდომას და ჰეტეროგენული მონაცემების თანამშრომლობით კონტროლსაც კი.
სამრეწველო წარმოების დარგში
წარმოების პროცესის ოპტიმიზაციის სცენარი: ამჟამად, დისკრეტული წარმოების სისტემების დიდი რაოდენობა შეზღუდულია მონაცემების არასრულყოფილებით, ხოლო აღჭურვილობის საერთო ეფექტურობა და სხვა ინდექსის მონაცემების გამოთვლები შედარებით დაუდევარია, რაც ართულებს ეფექტურობის ოპტიმიზაციისთვის გამოყენებას.Edge გამოთვლითი პლატფორმა, რომელიც დაფუძნებულია აღჭურვილობის საინფორმაციო მოდელზე სემანტიკური დონის წარმოების სისტემის ჰორიზონტალური კომუნიკაციისა და ვერტიკალური კომუნიკაციის მისაღწევად, რეალურ დროში მონაცემთა ნაკადის დამუშავების მექანიზმზე დაფუძნებული, დიდი რაოდენობის საველე რეალურ დროში მონაცემების აგრეგაციისა და ანალიზისთვის, მოდელზე დაფუძნებული საწარმოო ხაზის მისაღწევად. მრავალ მონაცემთა წყაროს ინფორმაციის შერწყმა, დისკრეტული წარმოების სისტემაში გადაწყვეტილების მიღების მძლავრი მონაცემთა მხარდაჭერის უზრუნველსაყოფად.
აღჭურვილობის პროგნოზირებადი მოვლა-პატრონობის სცენარი: სამრეწველო აღჭურვილობის მოვლა იყოფა სამ ტიპად: რეპარაციული მოვლა, პრევენციული შენარჩუნება და პროგნოზირებადი მოვლა.აღდგენითი მოვლა განეკუთვნება პოსტ ფაქტო მოვლას, პრევენციულ მოვლას და პროგნოზირებად მოვლას განეკუთვნება ადრინდელ მოვლა-პატრონობას, პირველი ეფუძნება დროს, აღჭურვილობის მუშაობას, უბნის პირობებს და სხვა ფაქტორებს აღჭურვილობის რეგულარული მოვლა-პატრონობისთვის, მეტ-ნაკლებად დაფუძნებული ადამიანზე. გამოცდილება, ეს უკანასკნელი სენსორული მონაცემების შეგროვებით, აღჭურვილობის ოპერაციული მდგომარეობის რეალურ დროში მონიტორინგს, მონაცემთა ანალიზის სამრეწველო მოდელზე დაყრდნობით და ზუსტად პროგნოზირებს, როდის მოხდება მარცხი.
სამრეწველო ხარისხის შემოწმების სცენარი: სამრეწველო ხედვის ინსპექტირების ველი არის პირველი ტრადიციული ავტომატური ოპტიკური ინსპექტირების (AOI) ფორმა ხარისხის შემოწმების ველში, მაგრამ AOI-ის განვითარება ჯერჯერობით, დეფექტების გამოვლენისა და სხვა რთული სცენარების დროს, სხვადასხვა სახის დეფექტების გამო. ტიპების, მახასიათებლების მოპოვება არასრულია, ადაპტური ალგორითმები ცუდი გაფართოება, საწარმოო ხაზი ხშირად განახლებულია, ალგორითმის მიგრაცია არ არის მოქნილი და სხვა ფაქტორები, ტრადიციული AOI სისტემა რთული იყო საწარმოო ხაზის განვითარების საჭიროებების დაკმაყოფილება.ამრიგად, ხელოვნური ინტელექტის სამრეწველო ხარისხის შემოწმების ალგორითმის პლატფორმა, რომელიც წარმოდგენილია ღრმა სწავლებით + მცირე ნიმუშის სწავლით, თანდათან ანაცვლებს ვიზუალური შემოწმების ტრადიციულ სქემას და ხელოვნური ინტელექტის სამრეწველო ხარისხის შემოწმების პლატფორმა გაიარა კლასიკური მანქანათმცოდნეობის ალგორითმებისა და ღრმა სწავლების ინსპექტირების ალგორითმების ორ ეტაპად.
გამოქვეყნების დრო: ოქტ-08-2023