ღრუბლოვანი სერვისებიდან Edge Computing-მდე, ხელოვნური ინტელექტი „ბოლო მილამდე“ მოდის

Edge Computing-ის ბაზარი მომდევნო ხუთი წლის განმავლობაში 36.1%-იან CAGR-ს გაიზრდება

Edge Computing-ის ინდუსტრია სტაბილური განვითარების ეტაპზე შევიდა, რასაც მოწმობს მისი მომსახურების მიმწოდებლების თანდათანობითი დივერსიფიკაცია, ბაზრის გაფართოება და გამოყენების სფეროების შემდგომი გაფართოება. ბაზრის ზომის თვალსაზრისით, IDC-ის თვალთვალის ანგარიშის მონაცემები აჩვენებს, რომ ჩინეთში Edge Computing სერვერების ბაზრის საერთო ზომამ 2021 წელს 3.31 მილიარდ აშშ დოლარს მიაღწია და ჩინეთში Edge Computing სერვერების ბაზრის საერთო ზომა, სავარაუდოდ, 2020 წლიდან 2025 წლამდე 22.2%-იანი წლიური ზრდის ტემპით გაიზრდება. სალივანის პროგნოზით, ჩინეთში Edge Computing-ის ბაზრის ზომა, სავარაუდოდ, 2027 წელს 250.9 მილიარდ იუანს მიაღწევს, ხოლო 2023 წლიდან 2027 წლამდე 36.1%-იანი CAGR-ით.

Edge Computing-ის ეკოინდუსტრია აყვავდება

Edge Computing ამჟამად აფეთქების ადრეულ ეტაპზეა და ინდუსტრიულ ჯაჭვში ბიზნეს საზღვრები შედარებით ბუნდოვანია. ინდივიდუალური მომწოდებლებისთვის აუცილებელია ბიზნეს სცენარებთან ინტეგრაციის გათვალისწინება და ასევე აუცილებელია ბიზნეს სცენარებში ცვლილებებთან ტექნიკური დონიდან ადაპტაციის უნარი, ასევე აუცილებელია იმის უზრუნველყოფა, რომ აპარატურულ აღჭურვილობასთან თავსებადობის მაღალი ხარისხი იყოს, ასევე პროექტების განხორციელების საინჟინრო შესაძლებლობები.

Edge Computing-ის ინდუსტრიის ჯაჭვი დაყოფილია ჩიპების მომწოდებლებად, ალგორითმების მომწოდებლებად, აპარატურული მოწყობილობების მწარმოებლებად და გადაწყვეტილებების მომწოდებლებად. ჩიპების მომწოდებლები ძირითადად ავითარებენ არითმეტიკულ ჩიპებს ბოლო მხრიდან კიდემდე და შემდეგ ღრუბლოვან მხარეს და კიდემდე მხარის ჩიპების გარდა, ისინი ასევე ავითარებენ აჩქარების ბარათებს და მხარს უჭერენ პროგრამული უზრუნველყოფის შემუშავების პლატფორმებს. ალგორითმის მომწოდებლები კომპიუტერული ხედვის ალგორითმებს იყენებენ ზოგადი ან მორგებული ალგორითმების შესაქმნელად და ასევე არსებობენ საწარმოები, რომლებიც ქმნიან ალგორითმულ ცენტრებს ან სასწავლო და პოპულარიზაციის პლატფორმებს. აღჭურვილობის მომწოდებლები აქტიურად დებენ ინვესტიციებს Edge Computing-ის პროდუქტებში და Edge Computing-ის პროდუქტების ფორმა მუდმივად მდიდრდება, თანდათანობით ყალიბდება Edge Computing-ის პროდუქტების სრული დასტა ჩიპიდან მთელ მანქანამდე. გადაწყვეტილებების მომწოდებლები კონკრეტული ინდუსტრიებისთვის უზრუნველყოფენ პროგრამულ ან პროგრამულ-აპარატულ ინტეგრირებულ გადაწყვეტილებებს.

Edge Computing ინდუსტრიის აპლიკაციები აჩქარებს

ჭკვიანი ქალაქის სფეროში

ურბანული ქონების ყოვლისმომცველი შემოწმება ამჟამად ფართოდ გამოიყენება ხელით შემოწმების რეჟიმში, ხოლო ხელით შემოწმების რეჟიმს აქვს მაღალი დროისა და შრომის ინტენსიური ხარჯების, ინდივიდებზე პროცესის დამოკიდებულების, დაბალი დაფარვისა და შემოწმების სიხშირის და დაბალი ხარისხის კონტროლის პრობლემები. ამავდროულად, შემოწმების პროცესმა ჩაწერა მონაცემების უზარმაზარი რაოდენობა, მაგრამ ეს მონაცემთა რესურსები არ გადაიქცა ბიზნესის გაძლიერებისთვის საჭირო მონაცემთა აქტივებად. მობილური შემოწმების სცენარებში ხელოვნური ინტელექტის ტექნოლოგიის გამოყენებით, საწარმომ შექმნა ურბანული მმართველობის ხელოვნური ინტელექტის ინტელექტუალური შემოწმების საშუალება, რომელიც იყენებს ისეთ ტექნოლოგიებს, როგორიცაა ნივთების ინტერნეტი, ღრუბლოვანი ტექნოლოგიები, ხელოვნური ინტელექტის ალგორითმები და მოიცავს პროფესიონალურ აღჭურვილობას, როგორიცაა მაღალი გარჩევადობის კამერები, ბორტ დისპლეები და ხელოვნური ინტელექტის გვერდითი სერვერები და აერთიანებს „ინტელექტუალური სისტემის + ინტელექტუალური მანქანის + პერსონალის დახმარების“ შემოწმების მექანიზმს. ეს ხელს უწყობს ურბანული მმართველობის ტრანსფორმაციას პერსონალზე დაფუძნებულიდან მექანიკურ ინტელექტზე, ემპირიული განსჯიდან მონაცემთა ანალიზზე და პასიური რეაგირებიდან აქტიურ აღმოჩენაზე.

ინტელექტუალური სამშენებლო მოედნის სფეროში

Edge Computing-ზე დაფუძნებული ინტელექტუალური სამშენებლო მოედნის გადაწყვეტილებები იყენებს ხელოვნური ინტელექტის ტექნოლოგიის ღრმა ინტეგრაციას ტრადიციული სამშენებლო ინდუსტრიის უსაფრთხოების მონიტორინგის სამუშაოებში, სამშენებლო მოედანზე Edge AI ანალიზის ტერმინალის განთავსებით, ინტელექტუალური ვიდეო ანალიტიკის ტექნოლოგიაზე დაფუძნებული ვიზუალური ხელოვნური ინტელექტის ალგორითმების დამოუკიდებელი კვლევისა და შემუშავების დასრულებით, აღმოსაჩენი მოვლენების სრული დროით აღმოჩენით (მაგ., ჩაფხუტის ტარების ან არ ტარების დადგენა), პერსონალის, გარემოს, უსაფრთხოების და სხვა უსაფრთხოების რისკის წერტილების იდენტიფიკაციისა და განგაშის შეხსენების სერვისების უზრუნველყოფით და სახიფათო ფაქტორების იდენტიფიცირების ინიციატივით, ხელოვნური ინტელექტის ინტელექტუალური დაცვით, ადამიანური რესურსების ხარჯების დაზოგვით, სამშენებლო ობიექტების პერსონალისა და ქონების უსაფრთხოების მართვის საჭიროებების დასაკმაყოფილებლად.

ინტელექტუალური ტრანსპორტის სფეროში

ღრუბლოვანი მხარის არქიტექტურა ინტელექტუალური ტრანსპორტის ინდუსტრიაში აპლიკაციების განლაგების ძირითად პარადიგმად იქცა, სადაც ღრუბლოვანი მხარე პასუხისმგებელია ცენტრალიზებულ მართვასა და მონაცემთა დამუშავების ნაწილზე, კიდის მხარე ძირითადად უზრუნველყოფს კიდის მხარის მონაცემთა ანალიზს და გამოთვლითი გადაწყვეტილების მიღების დამუშავებას, ხოლო ბოლო მხარე ძირითადად პასუხისმგებელია ბიზნეს მონაცემების შეგროვებაზე.

კონკრეტულ სცენარებში, როგორიცაა სატრანსპორტო საშუალება-გზის კოორდინაცია, ჰოლოგრაფიული გზაჯვარედინი, ავტომატური მართვა და რკინიგზის მოძრაობა, წვდომა ხდება დიდი რაოდენობით ჰეტეროგენულ მოწყობილობებზე და ამ მოწყობილობებს სჭირდებათ წვდომის მართვა, გასასვლელის მართვა, სიგნალიზაციის დამუშავება და ექსპლუატაციისა და ტექნიკური მომსახურების დამუშავება. Edge Computing-ს შეუძლია გაყოს და დაიპყროს, დიდი პატარად აქციოს, უზრუნველყოს ჯვარედინი პროტოკოლის გარდაქმნის ფუნქციები, მიაღწიოს ერთიან და სტაბილურ წვდომას და ჰეტეროგენული მონაცემების თანამშრომლობით კონტროლსაც კი.

სამრეწველო წარმოების სფეროში

წარმოების პროცესის ოპტიმიზაციის სცენარი: ამჟამად, დისკრეტული წარმოების სისტემების დიდი რაოდენობა შეზღუდულია მონაცემების არასრულყოფილებით, ხოლო აღჭურვილობის საერთო ეფექტურობისა და სხვა ინდექსის მონაცემების გამოთვლები შედარებით არაზუსტია, რაც ართულებს მათ გამოყენებას ეფექტურობის ოპტიმიზაციისთვის. აღჭურვილობის საინფორმაციო მოდელზე დაფუძნებული Edge Computing პლატფორმა უზრუნველყოფს სემანტიკური დონის წარმოების სისტემის ჰორიზონტალურ და ვერტიკალურ კომუნიკაციას, რეალურ დროში მონაცემთა ნაკადის დამუშავების მექანიზმზე დაფუძნებულს, რათა აგრეგირდეს და გაანალიზოს დიდი რაოდენობით ველის რეალურ დროში მონაცემები, მიაღწიოს მოდელზე დაფუძნებულ წარმოების ხაზის მრავალმონაცემთა წყაროს ინფორმაციის შერწყმას, რათა უზრუნველყოს მყარი მონაცემთა მხარდაჭერა დისკრეტული წარმოების სისტემაში გადაწყვეტილების მისაღებად.

აღჭურვილობის პროგნოზირებადი ტექნიკური მომსახურების სცენარი: სამრეწველო აღჭურვილობის ტექნიკური მომსახურება იყოფა სამ ტიპად: რეპარაციული ტექნიკური მომსახურება, პრევენციული ტექნიკური მომსახურება და პროგნოზირებადი ტექნიკური მომსახურება. აღდგენითი ტექნიკური მომსახურება მიეკუთვნება ფაქტობრივ ტექნიკურ მომსახურებას, პრევენციულ ტექნიკურ მომსახურებას, ხოლო პროგნოზირებადი ტექნიკური მომსახურება - წინასწარ ტექნიკურ მომსახურებას. პირველი ეფუძნება დროს, აღჭურვილობის მუშაობას, ობიექტის პირობებს და აღჭურვილობის რეგულარული ტექნიკური მომსახურების სხვა ფაქტორებს, მეტ-ნაკლებად ადამიანის გამოცდილებას, ხოლო მეორე - სენსორული მონაცემების შეგროვების, აღჭურვილობის მუშაობის მდგომარეობის რეალურ დროში მონიტორინგის, მონაცემთა ანალიზის სამრეწველო მოდელის საფუძველზე და აზუსტებს გაუმართაობის წარმოშობის დროს.

სამრეწველო ხარისხის შემოწმების სცენარი: სამრეწველო ხედვის შემოწმების ველი ხარისხის შემოწმების სფეროში პირველი ტრადიციული ავტომატური ოპტიკური შემოწმების (AOI) ფორმაა, თუმცა AOI-ს დღემდე შემუშავების პროცესში, დეფექტების აღმოჩენისა და სხვა რთული სცენარების უმეტესობაში, სხვადასხვა ტიპის დეფექტების გამო, მახასიათებლების ამოღება არასრულია, ადაპტური ალგორითმები ცუდად გაფართოებულია, წარმოების ხაზი ხშირად განახლდება, ალგორითმების მიგრაცია არ არის მოქნილი და სხვა ფაქტორების გამო, ტრადიციული AOI სისტემას უჭირს წარმოების ხაზის განვითარების საჭიროებების დაკმაყოფილება. ამიტომ, ღრმა სწავლებით + მცირე ნიმუშის სწავლებით წარმოდგენილი ხელოვნური ინტელექტის სამრეწველო ხარისხის შემოწმების ალგორითმის პლატფორმა თანდათან ცვლის ტრადიციულ ვიზუალური შემოწმების სქემას და ხელოვნური ინტელექტის სამრეწველო ხარისხის შემოწმების პლატფორმამ გაიარა კლასიკური მანქანური სწავლების ალგორითმებისა და ღრმა სწავლების შემოწმების ალგორითმების ორი ეტაპი.