Ако изкуственият интелект се разглежда като пътуване от точка А до точка Б, услугата за облачни изчисления е летище или високоскоростна жп гара, а периферните изчисления са такси или споделен велосипед. Периферните изчисления са близо до хора, неща или източници на данни. Те използват отворена платформа, която интегрира възможности за съхранение, изчисления, достъп до мрежата и основни приложни ядра, за да предоставя услуги на потребителите в близост. В сравнение с централно разположените услуги за облачни изчисления, периферните изчисления решават проблеми като дълга латентност и трафик с висока конвергенция, осигурявайки по-добра поддръжка за услуги в реално време и изискващи честотна лента.
Пожарът на ChatGPT предизвика нова вълна от развитие на изкуствения интелект, ускорявайки навлизането на ИИ в повече области на приложение, като промишленост, търговия на дребно, интелигентни домове, интелигентни градове и др. Голямо количество данни трябва да се съхраняват и изчисляват в края на приложението и разчитането само на облака вече не е в състояние да отговори на реалното търсене. Edge computing подобрява последния километър от ИИ приложенията. Съгласно националната политика за енергично развитие на цифровата икономика, облачните изчисления в Китай навлязоха в период на приобщаващо развитие, търсенето на edge computing се увеличи рязко, а интеграцията на облачните edge и end технологии се превърна във важна еволюционна посока в бъдеще.
Пазарът на периферни изчисления ще нарасне с 36,1% CAGR през следващите пет години
Индустрията за периферни изчисления навлезе в етап на стабилно развитие, както се вижда от постепенната диверсификация на доставчиците на услуги, разширяващия се пазарен размер и по-нататъшното разширяване на областите на приложение. По отношение на размера на пазара, данните от проследяващия доклад на IDC показват, че общият размер на пазара на сървъри за периферни изчисления в Китай е достигнал 3,31 милиарда щатски долара през 2021 г., а общият размер на пазара на сървъри за периферни изчисления в Китай се очаква да нарасне със сложен годишен темп на растеж от 22,2% от 2020 до 2025 г. Съливан прогнозира, че размерът на пазара на периферни изчисления в Китай се очаква да достигне 250,9 милиарда юана през 2027 г., със CAGR от 36,1% от 2023 до 2027 г.
Екоиндустрията на периферните изчисления процъфтява
Edge computing в момента е в ранен етап на епидемията, а бизнес границите в индустриалната верига са сравнително размити. За отделните доставчици е необходимо да обмислят интеграцията с бизнес сценариите, както и да имат способността да се адаптират към промените в бизнес сценариите от техническо ниво, а също така е необходимо да се гарантира висока степен на съвместимост с хардуерното оборудване, както и инженерните възможности за реализиране на проекти.
Веригата на индустрията за периферни изчисления е разделена на доставчици на чипове, доставчици на алгоритми, производители на хардуерни устройства и доставчици на решения. Производителите на чипове разработват предимно аритметични чипове от край до край до облак, и в допълнение към периферните чипове, те също така разработват карти за ускорение и поддържат платформи за разработка на софтуер. Доставчиците на алгоритми използват алгоритмите за компютърно зрение като основа за изграждане на общи или персонализирани алгоритми, а има и предприятия, които изграждат алгоритмични центрове или платформи за обучение и push. Доставчиците на оборудване активно инвестират в продукти за периферни изчисления, а формата на продуктите за периферни изчисления непрекъснато се обогатява, като постепенно се формира пълен набор от продукти за периферни изчисления от чипа до цялата машина. Доставчиците на решения предоставят софтуерни или софтуерно-хардуерно интегрирани решения за специфични индустрии.
Приложенията в индустрията за периферни изчисления се ускоряват
В областта на интелигентния град
Цялостната инспекция на градските имоти понастоящем се използва често в режим на ръчна инспекция, като режимът на ръчна инспекция е свързан с проблемите на високите времеемки и трудоемки разходи, зависимостта на процеса от отделни лица, лошото покритие и честотата на инспекциите, както и лошия контрол на качеството. В същото време процесът на инспекция регистрира огромно количество данни, но тези ресурси от данни не са трансформирани в активи от данни за овластяване на бизнеса. Чрез прилагане на AI технология към сценарии за мобилна инспекция, предприятието създаде интелигентно средство за инспекция с AI за градско управление, което използва технологии като Интернет на нещата, облачни изчисления, AI алгоритми и е снабдено с професионално оборудване като камери с висока разделителна способност, бордови дисплеи и AI странични сървъри, и комбинира механизма за инспекция „интелигентна система + интелигентна машина + помощ от персонал“. Това насърчава трансформацията на градското управление от персоналоемко към механично разузнаване, от емпирична преценка към анализ на данни и от пасивен отговор към активно откриване.
В областта на интелигентните строителни площадки
Решенията за интелигентни строителни обекти, базирани на периферни изчисления, прилагат дълбока интеграция на технологията с изкуствен интелект (AI) в традиционния мониторинг на безопасността в строителната индустрия, като поставят терминал за периферен AI анализ на строителната площадка, завършват независими изследвания и разработки на визуални AI алгоритми, базирани на интелигентна технология за видео анализ, откриват събития на пълен работен ден (напр. откриване дали да се носи каска), предоставят услуги за идентифициране на точки на риск за персонал, околна среда, сигурност и други рискове за безопасността и напомняне за аларми, както и поемат инициативата за идентифициране на опасни фактори, интелигентна охрана с изкуствен интелект, спестявайки разходи за работна ръка, за да отговорят на нуждите от управление на безопасността на персонала и имуществото на строителните обекти.
В областта на интелигентния транспорт
Архитектурата от страната на облака се е превърнала в основна парадигма за внедряване на приложения в индустрията за интелигентен транспорт, като облачната страна е отговорна за централизираното управление и част от обработката на данни, периферната страна осигурява основно анализ на данни и обработка на изчисления за вземане на решения, а крайната страна е отговорна основно за събирането на бизнес данни.
В специфични сценарии, като например координация между превозно средство и път, холографски кръстовища, автоматично шофиране и железопътен трафик, има голям брой разнородни устройства, до които се осъществява достъп, и тези устройства изискват управление на достъпа, управление на изходи, обработка на аларми и обработка на експлоатация и поддръжка. Edge computing може да разделя и завладява, да превръща голямото в малко, да осигурява функции за преобразуване на протоколи между слоеве, да постига унифициран и стабилен достъп и дори съвместен контрол на разнородни данни.
В областта на промишленото производство
Сценарий за оптимизация на производствения процес: В момента голям брой дискретни производствени системи са ограничени от непълнотата на данните, а общата ефективност на оборудването и други индексни изчисления на данни са сравнително небрежни, което затруднява използването им за оптимизация на ефективността. Платформа за периферни изчисления, базирана на информационен модел на оборудването, за постигане на хоризонтална и вертикална комуникация на производствената система на семантично ниво, базирана на механизъм за обработка на потоци от данни в реално време за агрегиране и анализ на голям брой полеви данни в реално време, за постигане на моделно базирано сливане на информация от множество източници на данни за производствената линия, за да се осигури мощна поддръжка на данни за вземане на решения в дискретната производствена система.
Сценарий за прогнозна поддръжка на оборудване: Поддръжката на промишлено оборудване се разделя на три вида: ремонтна поддръжка, превантивна поддръжка и прогнозна поддръжка. Възстановителната поддръжка принадлежи към последващата поддръжка, а превантивната поддръжка и прогнозната поддръжка принадлежат към предварителната поддръжка. Първата се основава на време, производителност на оборудването, условия на обекта и други фактори за редовна поддръжка на оборудването, повече или по-малко базирани на човешкия опит, а втората - чрез събиране на данни от сензори, наблюдение в реално време на работното състояние на оборудването, базирано на индустриалния модел на анализ на данни, и точно прогнозиране на момента на възникване на повредата.
Сценарий за индустриална проверка на качеството: областта на индустриалната визуална инспекция е първата традиционна форма на автоматична оптична инспекция (AOI) в областта на проверката на качеството. Но развитието на AOI досега, в много сценарии за откриване на дефекти и други сложни сценарии, поради дефекти от различни видове, извличането на характеристики е непълно, адаптивните алгоритми са с лоша разширяемост, производствената линия се актуализира често, миграцията на алгоритмите не е гъвкава и други фактори, традиционната AOI система е трудно да отговори на нуждите на развитието на производствената линия. Следователно, платформата за алгоритми за индустриална проверка на качеството с изкуствен интелект, представена от дълбоко обучение + обучение на малки извадки, постепенно замества традиционната схема за визуална инспекция, а платформата за индустриална проверка на качеството с изкуствен интелект е преминала през два етапа - класически алгоритми за машинно обучение и алгоритми за проверка с дълбоко обучение.
Време на публикуване: 08.08.2023 г.