Wann kënschtlech Intelligenz als Rees vun A op B ugesi gëtt, ass Cloud Computing Service e Fluchhafen oder Héichgeschwindeg Gare, a Rand Computing ass en Taxi oder e gemeinsame Vëlo. Edge Computing ass no bei der Säit vu Leit, Saachen oder Datenquellen. Et adoptéiert eng oppe Plattform déi Lagerung, Berechnung, Netzzougang, an Applikatioun Kärfäegkeeten integréiert fir Servicer fir Benotzer an der Géigend ze bidden. Am Verglach mat zentral ofgebaute Cloud Computing Servicer, léist Edge Computing Probleemer wéi laang Latenz an héije Konvergenzverkéier, bitt besser Ënnerstëtzung fir Echtzäit a Bandbreedung exigent Servicer.
D'Feier vum ChatGPT huet eng nei Welle vun der AI Entwécklung lancéiert, d'Senkung vun der AI a méi Applikatiounsberäicher wéi Industrie, Retail, Smart Haiser, Smart Stied, etc. Applikatioun Enn, a vertrauen op d'Wollek eleng ass net méi fäeg déi aktuell Nofro ze treffen, Edge Computing verbessert de leschte Kilometer vun AI Uwendungen. Ënnert der nationaler Politik fir d'digitale Wirtschaft kräfteg z'entwéckelen, ass China's Cloud Computing eng Period vun inklusiv Entwécklung agaangen, d'Rand Computing Nofro ass eropgaang, an d'Integratioun vu Cloud Rand an Enn ass eng wichteg evolutiv Richtung an der Zukunft ginn.
Edge Computing Maart fir 36.1% CAGR iwwer déi nächst fënnef Joer ze wuessen
D'Rand Computing Industrie ass an eng Etapp vu stänneger Entwécklung agaangen, wéi beweist duerch déi graduell Diversifikatioun vu senge Serviceprovider, der erweiderter Maartgréisst, an der weiderer Expansioun vun Uwendungsberäicher. Wat d'Maartgréisst ugeet, weisen Daten aus dem IDC Tracking Bericht datt d'Gesamtmaartgréisst vu Edge Computing Serveren a China US $ 3.31 Milliarde am Joer 2021 erreecht huet, an d'Gesamtmaartgréisst vun Edge Computing Serveren a China gëtt erwaart mat engem zesummegesate jährleche Wuesstum ze wuessen. Taux vun 22.2% vun 2020 bis 2025. De Sullivan prognostizéiert datt d'Maartgréisst vum Edge Computing a China erwaart gëtt RMB 250.9 Milliarde am Joer 2027 z'erreechen, mat engem CAGR vun 36.1% vun 2023 bis 2027.
Edge Computing Öko-Industrie bléift
Edge Computing ass de Moment an der éischter Etapp vum Ausbroch, an d'Geschäftsgrenzen an der Industriekette si relativ fuzzy. Fir eenzel Ubidder ass et néideg d'Integratioun mat Geschäftsszenarien ze berücksichtegen, an et ass och néideg d'Fäegkeet ze hunn fir Ännerungen an de Geschäftsszenarie vum techneschen Niveau unzepassen, an et ass och noutwendeg fir sécherzestellen datt et en héije Grad vun Kompatibilitéit mat Hardwareausrüstung, souwéi d'Ingenieurfäegkeet fir Projeten ze landen.
D'Rand Computing Industrie Kette ass opgedeelt an Chip Ubidder, Algorithmus Ubidder, Hardware Apparat Hiersteller, a Léisung Ubidder. Chip Verkeefer entwéckelen meeschtens arithmetesch Chips vun Enn-Säit bis Rand-Säit bis Cloud-Säit, an zousätzlech zu Rand-Säit Chips entwéckelen se och Beschleunigungskaarten an ënnerstëtzen Softwareentwécklungsplattformen. Algorithmus Verkeefer huelen Computer Visioun Algorithmen als Kär fir allgemeng oder personaliséiert Algorithmen ze bauen, an et ginn och Entreprisen déi Algorithmus Mallen oder Trainings- a Push-Plattformen bauen. Ausrüstungsverkeefer investéiere aktiv an Rand Computing Produkter, an d'Form vu Rand Computing Produkter gëtt stänneg beräichert, a bilden graduell e ganze Stack vu Rand Computing Produkter vum Chip op d'ganz Maschinn. Léisungsprovider bidden Software oder Software-Hardware-integréiert Léisunge fir spezifesch Industrien.
Edge Computing Industrie Uwendungen beschleunegen
Am Beräich vun Smart City
Eng ëmfaassend Inspektioun vun urban Immobilie gëtt am Moment allgemeng am Modus vun der manueller Inspektioun benotzt, an de manuelle Inspektiounsmodus huet d'Problemer vun héijen Zäit-opwänneg an Aarbechtsintensiv Käschten, Prozessabhängegkeet vun Individuen, schlechter Ofdeckung an Inspektiounsfrequenz, a schlecht Qualitéit kontrolléieren. Zur selwechter Zäit huet den Inspektiounsprozess eng enorm Quantitéit un Daten opgeholl, awer dës Dateressourcen goufen net an Dateverméigen fir d'Geschäftsermächtegung transforméiert. Duerch d'Applikatioun vun AI Technologie op mobil Inspektiounsszenarien, huet d'Entreprise en urban Gouvernance AI intelligent Inspektiounsauto erstallt, deen Technologien adoptéiert wéi Internet of Things, Cloud Computing, AI Algorithmen, a professionnell Ausrüstung wéi High-Definition Kameraen, on- Verwaltungsrot weist, an AI Säit Serveren, a kombinéiert der Inspektioun Mechanismus vun "intelligent System + intelligent Maschinn + Personal Hëllef". Et fördert d'Transformatioun vun der urbaner Gouvernance vu Personalintensiv op mechanesch Intelligenz, vun empireschen Uerteel bis Datenanalyse, a vu passiver Äntwert op aktiv Entdeckung.
Am Beräich vun intelligenten Chantier
Edge Computing-baséiert intelligente Bauplaz-Léisungen applizéieren déi déif Integratioun vun der AI Technologie op déi traditionell Bauindustrie Sécherheetsmonitoraarbecht, andeems en Rand AI Analyseterminal op der Bauplaz plazéiert, déi onofhängeg Fuerschung an Entwécklung vu visuellen AI Algorithmen ofgeschloss op intelligent Video baséiert. analytesch Technologie, Vollzäitdetektioun vun Eventer fir z'entdecken (zB, z'entdecken ob en Helm droen oder net), d'Personal, d'Ëmwelt, d'Sécherheet an aner Sécherheetsrisiko Punkt Identifikatioun an Alarm Erënnerung Servicer ubidden, an d'Initiativ huelen fir d'Identifikatioun vun onsécheren Faktoren, AI intelligent Bewaacher, spueren Aarbechtskäschte, fir d'Personal an d'Eegeschaftssécherheetsmanagement Bedierfnesser vu Bauplazen ze treffen.
Am Beräich vun intelligenten Transport
Cloud-Säit-Enn Architektur ass d'Basisparadigma fir den Détachement vun Uwendungen an der intelligenter Transportindustrie ginn, mat der Wollek Säit verantwortlech fir zentraliséiert Gestioun an en Deel vun der Dateveraarbechtung, d'Randsäit bitt haaptsächlech Rand-Säit Datenanalyse a Berechnungsentscheedung -making Veraarbechtung, an d'Enn Säit haaptsächlech verantwortlech fir d'Sammlung vun Affär Daten.
A spezifesche Szenarie wéi Gefier-Strooss Koordinatioun, holographesch Kräizungen, automatesch Fuere, a Schinneverkéier, ginn et eng grouss Zuel vun heterogenen Apparater zougänglech, an dës Apparater erfuerderen Zougangsmanagement, Ausgangsmanagement, Alarmveraarbechtung, an Operatioun an Ënnerhaltveraarbechtung. Edge Computing kann deelen an eroberen, grouss a kleng ginn, Cross-Layer Protokoll Konversiounsfunktiounen ubidden, vereenegt a stabilen Zougang erreechen, a souguer kollaborativ Kontroll vun heterogenen Donnéeën.
Am Beräich vun der industrieller Fabrikatioun
Produktiounsprozess Optimisatiounsszenario: Momentan sinn eng grouss Zuel vun diskreten Fabrikatiounssystemer duerch d'Onvollstännegkeet vun den Donnéeën limitéiert, an d'Gesamtausrüstungseffizienz an aner Indexdatenberechnunge si relativ sloppy, wat et schwéier mécht fir d'Effizienzoptimiséierung ze benotzen. Edge Computing Plattform baséiert op Ausrüstungsinformatiounsmodell fir semantescht Niveau Fabrikatiounssystem horizontal Kommunikatioun a vertikal Kommunikatioun z'erreechen, baséiert op Echtzäit Datefluss Veraarbechtungsmechanismus fir eng grouss Unzuel vun Feld Echtzäitdaten ze aggregéieren an ze analyséieren, fir Modellbaséiert Produktiounslinn z'erreechen Multi-Datenquell Informatiounsfusioun, fir mächteg Dateunterstëtzung fir Entscheedungsprozess am diskreten Fabrikatiounssystem ze bidden.
Ausrüstung Predictive Maintenance Szenario: Ënnerhalt vun industriellen Ausrüstung ass an dräi Zorte opgedeelt: reparativ Ënnerhalt, präventive Ënnerhalt, a predictive Maintenance. Restauréierend Ënnerhalt gehéiert zum ex post facto Ënnerhalt, präventiven Ënnerhalt, a prévisiven Ënnerhalt gehéieren zum ex-ante Ënnerhalt, de fréiere baséiert op Zäit, Ausrüstungsleistung, Sitebedéngungen an aner Faktore fir regelméisseg Ënnerhalt vun Ausrüstung, méi oder manner op mënschlech baséiert. Erfahrung, déi lescht duerch d'Sammlung vu Sensordaten, Echtzäit Iwwerwaachung vum Operatiounszoustand vun der Ausrüstung, baséiert op dem industrielle Modell vun der Datenanalyse, a präzis virauszesoen wann de Feeler geschitt.
Industriell Qualitéit Inspektioun Szenario: Industriell Visioun Inspektioun Terrain ass déi éischt traditionell automatesch opteschen Inspektioun (AOI) Form an der Qualitéit Inspektioun Terrain, mä d'Entwécklung vun AOI bis elo, a ville Defekt Detektioun an aner komplex Szenarie, wéinst de Mängel vun enger Villfalt vun Typen, Feature Extraktioun ass onkomplett, adaptiven Algorithmen schlecht Erweiterbarkeet, d'Produktiounslinn gëtt dacks aktualiséiert, d'Algorithmus Migratioun ass net flexibel, an aner Faktoren, den traditionellen AOI System war schwéier d'Entwécklung vun der Produktiounslinn Bedierfnesser ze treffen. Dofir ersetzt d'AI Industriequalitéit Inspektioun Algorithmus Plattform representéiert duerch Deep Learning + kleng Probe Léieren lues a lues den traditionelle visuellen Inspektiounsschema, an d'AI Industriequalitéit Inspektiounsplattform ass duerch zwou Etappe vu klassesche Maschinn Léieren Algorithmen an Deep Learning Inspektioun Algorithmen gaang.
Post Zäit: Okt-08-2023