Hvis kunstig intelligens blir sett på som en reise fra A til B, er Cloud Computing Service en flyplass eller høyhastighets jernbanestasjon, og Edge Computing er en taxi eller en delt sykkel. Edge Computing er nær siden av mennesker, ting eller datakilder. Den vedtar en åpen plattform som integrerer lagring, beregning, nettverkstilgang og applikasjonskjernefunksjoner for å tilby tjenester for brukere i nærheten. Sammenlignet med sentralt distribuerte Cloud Computing Services, løser Edge Computing problemer som lang latens og høy konvergensstrafikk, og gir bedre støtte for sanntids- og båndbredde-krevende tjenester.
Brannen til ChatGPT har satt av en ny bølge av AI -utvikling, og akselererer Sinking av AI til flere applikasjonsområder som industri, detaljhandel, smarte hjem, smarte byer, etc. En stor mengde data må lagres og beregnes ved applikasjonsenden, og å stole på skyen alene er ikke lenger i stand til å møte den faktiske etterspørselen, Edge -databehandlingen forbedrer det siste kilometeret på en bare applikasjon. Under den nasjonale politikken for kraftig å utvikle den digitale økonomien, har Kinas Cloud Computing gått inn i en periode med inkluderende utvikling, etterspørsel etter kantdata har økt, og integrasjonen av Cloud Edge og End har blitt en viktig evolusjonær retning i fremtiden.
Edge Computing Market for å vokse 36,1% CAGR i løpet av det neste femåret
Edge Computing Industry har gått inn i et stadium av jevn utvikling, noe som fremgår av den gradvise diversifiseringen av tjenesteleverandørene, den ekspanderende markedsstørrelsen og den videre utvidelsen av applikasjonsområder. Når det 36,1% fra 2023 til 2027.
Edge Computing Eco-Industry trives
Edge Computing er for tiden i det tidlige stadiet av utbruddet, og forretningsgrensene i bransjekjeden er relativt uklar. For individuelle leverandører er det nødvendig å vurdere integrasjonen med forretningsscenarier, og det er også nødvendig å ha muligheten til å tilpasse seg endringer i forretningsscenarier fra det tekniske nivået, og det er også nødvendig å sikre at det er en høy grad av kompatibilitet med maskinvareutstyr, så vel som ingeniørevnen til landprosjekter.
Edge Computing Industry Chain er delt inn i ChIP -leverandører, algoritmeleverandører, maskinvareenhetsprodusenter og løsningsleverandører. CHIP-leverandører utvikler for det meste aritmetiske brikker fra endesiden til kantsiden til skyside, og i tillegg til chips på kanten, utvikler de også akselerasjonskort og støtter programvareutviklingsplattformer. Algoritmeleverandører tar datamaskinvisjonsalgoritmer som kjernen for å bygge generelle eller tilpassede algoritmer, og det er også foretak som bygger algoritmesentre eller trening og push -plattformer. Utstyrsleverandører investerer aktivt i Edge Computing Products, og formen for kantdataprodukter blir konstant beriket, og danner gradvis en full stabel med kantberegningsprodukter fra brikken til hele maskinen. Løsningsleverandører tilbyr programvare eller programvare-hardt integrerte løsninger for spesifikke bransjer.
Kant databehandlingsapplikasjoner akselererer
Innen smart by
En omfattende inspeksjon av byeiendommer brukes foreløpig ofte i modus for manuell inspeksjon, og manuell inspeksjonsmodus har problemene med høye tidkrevende og arbeidskrevende kostnader, prosessavhengighet av individer, dårlig dekning og inspeksjonsfrekvens og dårlig kvalitetskontroll. Samtidig registrerte inspeksjonsprosessen en enorm mengde data, men disse dataressursene har ikke blitt omgjort til datafordeler for virksomhets empowerment. Ved å bruke AI-teknologi på mobilinspeksjonsscenarier, har bedriften skapt et urban styring AI Intelligent Inspection Vehicle, som vedtar teknologier som Internet of Things, Cloud Computing, AI-algoritmer, og bærer profesjonelt utstyr som høye definisjonskameraer, ombordskjermer, og AI-side-servere, og kombinerer inspeksjonsmekanismen til ombord på tavlen, og AI-personer. Det fremmer transformasjonen av bystyring fra personellintensiv til mekanisk intelligens, fra empirisk skjønn til dataanalyse, og fra passiv respons til aktiv oppdagelse.
Innen intelligent byggeplass
Edge Computing-Based Intelligent Construction Site Solutions Bruker den dype integrasjonen av AI-teknologi på det tradisjonelle sikkerhetsovervåkningsarbeidet for konstruksjonsindustrien, ved å plassere en Edge AI-analyseterminal på byggeplassen, fullføre den uavhengige forskningen og utviklingen av visuelle AI-algoritmer basert på intelligent videoanalyser og ikke-påpuller på heltid, på nytt for å være på nytt, og ikke være en sikkerhetsanalyse, Tjenester, og tar initiativ til identifisering av utrygge faktorer, AI Intelligent Guarding, sparer arbeidskraftskostnader, for å imøtekomme personell og eiendomssikkerhetsstyringsbehov for byggeplasser.
Innen intelligent transport
Sky-side-end-arkitektur har blitt det grunnleggende paradigmet for distribusjon av applikasjoner i den intelligente transportindustrien, med skysiden som er ansvarlig for sentralisert styring og en del av databehandlingen, og kantsiden som hovedsakelig gir kantsiden dataanalyse og beregningsavgjørelsesbehandling, og endesiden hovedsakelig ansvarlig for innsamling av forretningsdata.
I spesifikke scenarier som kjøretøyets koordinering, holografiske kryss, automatisk kjøring og jernbanetrafikk, er det et stort antall heterogene enheter som er tilgjengelig, og disse enhetene krever tilgangsstyring, exit management, alarmbehandling og drift og vedlikeholdsbehandling. Edge Computing kan dele og erobre, bli stor til liten, gi konverteringsfunksjoner på tvers av lag, oppnå enhetlig og stabil tilgang og til og med samarbeidskontroll av heterogene data.
Innen industriell produksjon
Produksjonsprosessoptimaliseringsscenario: For øyeblikket er et stort antall diskrete produksjonssystemer begrenset av ufullstendigheten av data, og den generelle utstyrseffektiviteten og andre indeksdataberegninger er relativt slurvete, noe som gjør det vanskelig å bruke for effektivitetsoptimalisering. Edge Computing Platform basert på utstyrsinformasjonsmodell for å oppnå semantisk nivåproduksjonssystem Horisontal kommunikasjon og vertikal kommunikasjon, basert på sanntids dataflytbehandlingsmekanisme for data for å samle og analysere et stort antall felt i sanntid, for å oppnå modellbasert produksjonslinje multi-datakildeinformasjonsfusjon, for å gi kraftig datastøtte for beslutningstaking i det diskrete produksjonssystemet.
Utstyr Forutsigende vedlikeholdsscenario: Vedlikehold av industrielt utstyr er delt inn i tre typer: Reparativt vedlikehold, forebyggende vedlikehold og prediktivt vedlikehold. Restorativt vedlikehold tilhører vedlikehold av facto, forebyggende vedlikehold og prediktivt vedlikehold tilhører ex-ante-vedlikehold, førstnevnte er basert på tid, utstyrsytelse, nettstedforhold og andre faktorer for regelmessig vedlikehold av utstyr, mer eller mindre basert på menneskelig erfaring, sistnevnte gjennom innsamling av sensordata, sanntidsovervåking av driftstilstanden.
Industriell kvalitetsinspeksjonsscenario: Industrial Vision Inspection Field er den første tradisjonelle automatiske optiske inspeksjonen (AOI) til kvalitetsinspeksjonsfeltet, men utviklingen av AOI hittil, i mange defektdeteksjon og andre komplekse scenarier, på grunn av manglene av en rekke typer, er ekstraksjonen uberettiget, tilpassende algorithms dårlig utvidbarhet, den produksjonslinjen er uopptrekk, tilpasning, tilpasning, tilpasning, tilpasning, til å få en rekke typer. Faktorer, det tradisjonelle AOI -systemet har vært vanskelig å imøtekomme utviklingen av produksjonslinjebehovet. Derfor er AI industriell kvalitetsinspeksjonsalgoritmeplattform representert ved dyp læring + liten prøvelæring gradvis erstatter det tradisjonelle visuelle inspeksjonsskjemaet, og AI industriell kvalitetsinspeksjonsplattform har gått gjennom to stadier av klassisk maskinlæringsalgoritmer og dyp læringsinspeksjonsalgoritmer.
Post Time: Oct-08-2023