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

שוק מחשוב הקצה יגדל ב-36.1% CAGR במהלך חמש השנים הקרובות

תעשיית מחשוב הקצה נכנסה לשלב של התפתחות מתמדת, כפי שמעידה הגיוון ההדרגתי של ספקי השירותים שלה, גודל השוק המתרחב והתרחבות נוספת של אזורי יישומים. במונחים של גודל שוק, נתונים מדוח המעקב של IDC מראים שגודל 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 בצמיחה שנתית מורכבת. שיעור של 22.2% מ-2020 עד 2025. סאליבן צופה שגודל השוק של מחשוב קצה בסין צפוי להגיע ל-250.9 מיליארד יואן ב-2027, עם CAGR של 36.1% מ-2023 עד 2027.

מחשוב קצה התעשייה האקולוגית משגשגת

מחשוב הקצה נמצא כעת בשלב מוקדם של ההתפרצות, והגבולות העסקיים בשרשרת התעשייה מטושטשים יחסית. עבור ספקים בודדים, יש צורך להתייחס לשילוב עם תרחישים עסקיים, וכן יש צורך ביכולת להסתגל לשינויים בתרחישים עסקיים מהרמה הטכנית, וכן יש צורך לוודא כי קיימת רמה גבוהה של תאימות לציוד חומרה, כמו גם היכולת ההנדסית להנחית פרויקטים.

שרשרת תעשיית מחשוב הקצה מחולקת לספקי שבבים, ספקי אלגוריתמים, יצרני מכשירי חומרה וספקי פתרונות. ספקי שבבים מפתחים בעיקר שבבים אריתמטיים מהקצה אל הקצה אל צד הענן, ומלבד שבבים בצד הקצה, הם מפתחים גם כרטיסי האצה ותומכים בפלטפורמות פיתוח תוכנה. ספקי אלגוריתמים לוקחים אלגוריתמי ראייה ממוחשבת כליבה לבניית אלגוריתמים כלליים או מותאמים אישית, ויש גם ארגונים שבונים קניוני אלגוריתמים או פלטפורמות הדרכה ודחיפה. ספקי ציוד משקיעים באופן פעיל במוצרי מחשוב קצה, והצורה של מוצרי מחשוב קצה מועשרת כל הזמן, ויוצרות בהדרגה ערימה מלאה של מוצרי מחשוב קצה מהשבב לכל המכונה. ספקי פתרונות מספקים פתרונות משולבי תוכנה או תוכנה-חומרה עבור תעשיות ספציפיות.

יישומי תעשיית מחשוב קצה מואצים

בתחום העיר החכמה

בדיקה מקיפה של רכוש עירוני נפוץ כיום במצב של בדיקה ידנית, ולמצב הבדיקה הידנית יש בעיות של עלויות שגוזלות זמן ועבודה גבוהות, תלות בתהליך ביחידים, כיסוי ותדירות בדיקה לקויה ואיכות ירודה. לִשְׁלוֹט. במקביל, תהליך הבדיקה רשם כמות עצומה של נתונים, אך משאבי הנתונים הללו לא הפכו לנכסי נתונים להעצמה עסקית. על ידי יישום טכנולוגיית בינה מלאכותית על תרחישי בדיקה ניידת, הארגון יצר רכב פיקוח חכם של ממשל עירוני בינה מלאכותית, המאמצת טכנולוגיות כגון האינטרנט של הדברים, מחשוב ענן, אלגוריתמי בינה מלאכותית, ונושא ציוד מקצועי כגון מצלמות בהבחנה גבוהה, על- צגי לוח, ושרתי צד AI, ומשלב את מנגנון הבדיקה של "מערכת חכמה + מכונה חכמה + סיוע לצוות". הוא מקדם את השינוי של ממשל עירוני ממודיעין עתיר כוח אדם למודיעין מכאני, משיפוט אמפירי לניתוח נתונים, ומתגובה פסיבית לגילוי אקטיבי.

בתחום אתר בנייה אינטליגנטי

פתרונות אתרי בנייה חכמים מבוססי מחשוב Edge מיישמים את האינטגרציה העמוקה של טכנולוגיית AI לעבודות ניטור הבטיחות המסורתיות של תעשיית הבנייה, על ידי הצבת מסוף ניתוח AI קצה באתר הבנייה, השלמת מחקר ופיתוח עצמאיים של אלגוריתמים AI חזותיים המבוססים על וידאו חכם. טכנולוגיית אנליטיקה, זיהוי במשרה מלאה של אירועים שיש לגלות (למשל, זיהוי אם לחבוש קסדה או לא), אספקת כוח אדם, סביבה, אבטחה ושירותי זיהוי נקודות סיכוני בטיחות אחרות ותזכורת אזעקה, ונקיטת יוזמה לזיהוי לא בטוחים גורמים, שמירה חכמה בינה מלאכותית, חיסכון בעלויות כוח אדם, כדי לענות על צורכי ניהול בטיחות כוח אדם ורכוש של אתרי בנייה.

בתחום התחבורה החכמה

ארכיטקטורת קצה ענן 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 והחלטות חישוב -עיבוד ביצוע, וצד הקצה אחראי בעיקר על איסוף הנתונים העסקיים.

בתרחישים ספציפיים כמו תיאום רכב-כביש, צמתים הולוגרפיים, נהיגה אוטומטית ותנועת רכבות, יש מספר רב של התקנים הטרוגניים שניגשים אליהם, והתקנים אלה דורשים ניהול גישה, ניהול יציאה, 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 משותפת בנתונים הטרוגניים.

בתחום הייצור התעשייתי

תרחיש אופטימיזציה של תהליכי ייצור: נכון לעכשיו, מספר רב של מערכות ייצור בדידות מוגבלות על ידי חוסר שלמות הנתונים, ויעילות הציוד הכוללת וחישובי נתוני אינדקס אחרים הם מרושלים יחסית, מה שמקשה על השימוש לאופטימיזציה של יעילות. פלטפורמת מחשוב Edge המבוססת על מודל מידע ציוד להשגת מערכת ייצור ברמה סמנטית תקשורת אופקית ותקשורת אנכית, המבוססת על מנגנון עיבוד זרימת נתונים בזמן אמת לצבירה וניתוח של מספר רב של נתוני שדה בזמן אמת, להשגת קו ייצור מבוסס מודל מיזוג מידע רב-נתוני, כדי לספק תמיכה עוצמתית בנתונים לקבלת החלטות במערכת הייצור הדיסקרטית.

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 שייכת לתחזוקה מוקדמת, הראשונה מבוססת על זמן, ביצועי ציוד, תנאי האתר וגורמים אחרים לתחזוקה שוטפת של ציוד, פחות או יותר על בסיס אנושי ניסיון, האחרון באמצעות איסוף נתוני חיישנים, ניטור בזמן אמת של מצב הפעולה של הציוד, בהתבסס על המודל התעשייתי של ניתוח נתונים, ולחזות במדויק מתי הכשל מתרחש.

תרחיש בדיקת איכות תעשייתית: שדה בדיקת ראייה תעשייתית הוא טופס הבדיקה האופטית האוטומטית (AOI) המסורתית הראשונה לתחום בדיקת האיכות, אך התפתחות ה-AOI עד כה, בגילוי פגמים רבים ובתרחישים מורכבים אחרים, עקב פגמים ממגוון של סוגים, חילוץ התכונות אינו שלם, אלגוריתמים אדפטיביים הרחבה גרועה, קו הייצור מתעדכן לעתים קרובות, העברת האלגוריתם אינה גמישה, וגורמים נוספים, מערכת ה-AOI המסורתית התקשתה לענות על הפיתוח של צורכי קו הייצור. לכן, פלטפורמת בדיקת האיכות התעשייתית של AI המיוצגת על ידי למידה עמוקה + למידה מדגמית קטנה מחליפה בהדרגה את ערכת הבדיקה החזותית המסורתית, ופלטפורמת בדיקת האיכות התעשייתית של AI עברה שני שלבים של אלגוריתמים קלאסיים של למידת מכונה ואלגוריתמי בדיקת למידה עמוקה.