משירותי ענן ועד מחשוב קצה, בינה מלאכותית מגיעה ל"מייל האחרון"

שוק מחשוב הקצה צפוי לגדול בקצב צמיחה שנתי ממוצע (CAGR) של 36.1% בחמש השנים הבאות

תעשיית מחשוב הקצה נכנסה לשלב של התפתחות יציבה, כפי שמעידים הגיוון ההדרגתי של ספקי השירותים שלה, גודל השוק המתרחב וההתרחבות הנוספת של תחומי היישומים. מבחינת גודל השוק, נתונים מדוח המעקב של IDC מראים כי גודל השוק הכולל של שרתי מחשוב קצה בסין הגיע ל-3.31 מיליארד דולר בשנת 2021, וגודל השוק הכולל של שרתי מחשוב קצה בסין צפוי לגדול בקצב צמיחה שנתי מצטבר של 22.2% בין השנים 2020 ל-2025. סאליבן צופה כי גודל שוק מחשוב הקצה בסין צפוי להגיע ל-250.9 מיליארד יואן בשנת 2027, עם קצב צמיחה שנתי מצטבר (CAGR) של 36.1% בין השנים 2023 ל-2027.

תעשיית האקולוגיה של מחשוב קצה משגשגת

מחשוב קצה נמצא כעת בשלב מוקדם של ההתפרצות, וגבולות העסקים בשרשרת התעשייה מטושטשים יחסית. עבור ספקים בודדים, יש צורך לשקול את האינטגרציה עם תרחישי עסקים, ויש צורך גם ביכולת להסתגל לשינויים בתרחישי עסקים ברמה הטכנית, ויש צורך גם להבטיח רמה גבוהה של תאימות עם ציוד חומרה, כמו גם יכולת הנדסית להנחית פרויקטים.

שרשרת תעשיית מחשוב הקצה מחולקת לספקי שבבים, ספקי אלגוריתמים, יצרני התקני חומרה וספקי פתרונות. ספקי שבבים מפתחים בעיקר שבבים אריתמטיים מקצה הקצה, דרך קצה הקצה ועד ענן הקצה, ובנוסף לשבבים מקצה הקצה, הם גם מפתחים כרטיסי האצה ופלטפורמות פיתוח תוכנה תומכות. ספקי אלגוריתמים משתמשים באלגוריתמים של ראייה ממוחשבת כליבה לבניית אלגוריתמים כלליים או מותאמים אישית, וישנם גם ארגונים שבונים קניוני אלגוריתמים או פלטפורמות הדרכה ודחיפה. ספקי ציוד משקיעים באופן פעיל במוצרי מחשוב קצה, וצורת מוצרי מחשוב הקצה מתעשרת כל הזמן, ויוצרת בהדרגה מערך מלא של מוצרי מחשוב קצה, מהשבב ועד למכונה כולה. ספקי פתרונות מספקים תוכנה או פתרונות משולבים של תוכנה וחומרה עבור תעשיות ספציפיות.

יישומי תעשיית מחשוב קצה מאיצים

בתחום העיר החכמה

בדיקה מקיפה של נכסים עירוניים נפוצה כיום בשיטת בדיקה ידנית, ומצב הבדיקה הידני סובל מבעיות של עלויות גוזלות זמן ועבודה, תלות בתהליך באנשים פרטיים, כיסוי ותדירות בדיקה ירודות ובקרת איכות ירודה. במקביל, תהליך הבדיקה רשם כמות עצומה של נתונים, אך משאבי נתונים אלה לא הומרו לנכסי נתונים להעצמת עסקים. על ידי יישום טכנולוגיית בינה מלאכותית בתרחישי בדיקה ניידים, הארגון יצר רכב בדיקה חכם מבוסס בינה מלאכותית לממשל עירוני, המאמץ טכנולוגיות כמו האינטרנט של הדברים, מחשוב ענן, אלגוריתמי בינה מלאכותית, ונושא ציוד מקצועי כמו מצלמות ברזולוציה גבוהה, צגים מובנים ושרתי צד של בינה מלאכותית, ומשלב את מנגנון הבדיקה של "מערכת חכמה + מכונה חכמה + סיוע לצוות". זה מקדם את השינוי של הממשל העירוני מבינה עתירת כוח אדם לבינה מכנית, משיפוט אמפירי לניתוח נתונים, ומתגובה פסיבית לגילוי אקטיבי.

בתחום אתרי בנייה חכמים

פתרונות אתרי בנייה חכמים מבוססי מחשוב קצה מיישמים את האינטגרציה העמוקה של טכנולוגיית בינה מלאכותית בעבודת ניטור הבטיחות המסורתית של תעשיית הבנייה, על ידי הצבת מסוף ניתוח בינה מלאכותית קצה באתר הבנייה, השלמת מחקר ופיתוח עצמאיים של אלגוריתמים חזותיים של בינה מלאכותית המבוססים על טכנולוגיית ניתוח וידאו חכמה, זיהוי אירועים במשרה מלאה (למשל, זיהוי האם לחבוש קסדה או לא), מתן שירותי זיהוי נקודות סיכון בטיחותיות ושירותי תזכורת לאזעקה לעובדים, סביבה, אבטחה ונקודות סיכון בטיחותיות אחרות, ולקיחת יוזמה לזיהוי גורמים לא בטוחים, שמירה חכמה מבוססת בינה מלאכותית, חיסכון בעלויות כוח אדם, כדי לענות על צרכי ניהול בטיחות כוח האדם והרכוש של אתרי בנייה.

בתחום התחבורה החכמה

ארכיטקטורת צד-הענן הפכה לפרדיגמה הבסיסית לפריסת יישומים בתעשיית התחבורה החכמה, כאשר צד הענן אחראי על ניהול מרכזי וחלק מעיבוד הנתונים, צד הקצה מספק בעיקר ניתוח נתונים בצד הקצה ועיבוד קבלת החלטות חישוביות, וצד הקצה אחראי בעיקר על איסוף נתוני עסקים.

בתרחישים ספציפיים כגון תיאום רכב-כביש, צמתים הולוגרפיים, נהיגה אוטומטית ותנועת רכבות, קיים מספר רב של התקנים הטרוגניים אליהם ניתן לגשת, והתקנים אלה דורשים ניהול גישה, ניהול יציאות, עיבוד אזעקות ועיבוד תפעול ותחזוקה. מחשוב קצה יכול לחלק ולכבוש, להפוך גדול לקטן, לספק פונקציות המרה של פרוטוקולים בין שכבות, להשיג גישה אחידה ויציבה, ואפילו שליטה שיתופית בנתונים הטרוגניים.

בתחום הייצור התעשייתי

תרחיש אופטימיזציה של תהליך הייצור: נכון לעכשיו, מספר רב של מערכות ייצור בדידות מוגבלות עקב חוסר שלמות של נתונים, וחישובי יעילות הציוד הכוללת ונתוני אינדקס אחרים רשלניים יחסית, מה שמקשה על השימוש בהן לאופטימיזציה של יעילות. פלטפורמת מחשוב קצה המבוססת על מודל מידע על ציוד כדי להשיג תקשורת אופקית ותקשורת אנכית במערכת ייצור ברמה הסמנטית, המבוססת על מנגנון עיבוד זרימת נתונים בזמן אמת כדי לאגד ולנתח מספר רב של נתונים בזמן אמת בשטח, כדי להשיג מיזוג מידע של מקורות נתונים מרובים מקו ייצור מבוססי מודל, כדי לספק תמיכה חזקה בנתונים לקבלת החלטות במערכת הייצור הבדידות.

תרחיש תחזוקה חזויה של ציוד: תחזוקה של ציוד תעשייתי מחולקת לשלושה סוגים: תחזוקה מתקנת, תחזוקה מונעת ותחזוקה חזויה. תחזוקה משקמת שייכת לתחזוקה לאחר מעשה, תחזוקה מונעת ותחזוקה חזויה שייכות לתחזוקה מראש. הראשונה מבוססת על זמן, ביצועי ציוד, תנאי אתר וגורמים אחרים לתחזוקה שוטפת של ציוד, פחות או יותר בהתבסס על ניסיון אנושי, השנייה באמצעות איסוף נתוני חיישנים, ניטור בזמן אמת של מצב הפעולה של הציוד, בהתבסס על מודל תעשייתי של ניתוח נתונים, וחיזוי מדויק של מועד התרחשות הכשל.

תרחיש בדיקת איכות תעשייתית: תחום בדיקת הראייה התעשייתית הוא צורת הבדיקה האופטית האוטומטית (AOI) המסורתית הראשונה בתחום בדיקת האיכות, אך התפתחות ה-AOI עד כה, בתרחישים מורכבים רבים של גילוי פגמים, עקב מגוון סוגים של פגמים, חילוץ תכונות חלקי, אלגוריתמים אדפטיביים בעלי יכולת הרחבה נמוכה, קו הייצור מתעדכן לעתים קרובות, העברת האלגוריתמים אינה גמישה וגורמים נוספים, מערכת ה-AOI המסורתית התקשתה לעמוד בדרישות פיתוח קו הייצור. לכן, פלטפורמת אלגוריתמי בדיקת האיכות התעשייתית של בינה מלאכותית, המיוצגת על ידי למידה עמוקה + למידה מדגמית קטנה, מחליפה בהדרגה את תוכנית הבדיקה החזותית המסורתית, ופלטפורמת בדיקת האיכות התעשייתית של בינה מלאכותית עברה שני שלבים: אלגוריתמי למידת מכונה קלאסיים ואלגוריתמי בדיקת למידה עמוקה.