Se artefarita inteligenteco estas rigardata kiel vojaĝo de A al B, nuba komputiko servo estas flughaveno aŭ altrapida fervoja stacio, kaj randa komputado estas taksio aŭ komuna biciklo. Randa komputado estas proksima al la flanko de homoj, aferoj aŭ datumfontoj. Ĝi adoptas malferman platformon, kiu integras stokadon, komputadon, retaliron kaj aplikajn kernkapablojn por provizi servojn por uzantoj en la najbareco. Kompare kun centre deplojitaj nubaj komputikoservoj, randa komputado solvas problemojn kiel longan latentecon kaj altan konverĝan trafikon, provizante pli bonan subtenon por realtempaj kaj bendolarĝ-postulaj servoj.
La fajro de ChatGPT estigis novan ondon de AI-disvolviĝo, akcelante la sinkigon de AI en pli da aplikaĵareoj kiel ekzemple industrio, podetala komerco, inteligentaj hejmoj, inteligentaj urboj, ktp. Granda kvanto da datumoj devas esti stokita kaj komputita ĉe la aplikaĵo fino, kaj fidante je la nubo sole ne plu kapablas renkonti la realan postulon, randa komputado plibonigas la lastan kilometron da AI-aplikoj. Sub la nacia politiko de vigle disvolvado de la cifereca ekonomio, la nuba komputado de Ĉinio eniris periodon de inkluziva disvolvado, la postulo de randa komputado pliiĝis, kaj la integriĝo de la nuba rando kaj fino fariĝis grava evolua direkto en la estonteco.
Randa komputika merkato kreskos 36.1% CAGR dum la venontaj kvin jaroj
La randa komputika industrio eniris en etapon de konstanta evoluo, kiel pruvas la laŭpaŝa diversigo de siaj servaj provizantoj, la vastiĝanta merkatgrandeco kaj la plia vastiĝo de aplikaj areoj. Koncerne merkatgrandon, datumoj de la spurraporto de IDC montras, ke la totala merkatgrando de randaj komputikaj serviloj en Ĉinio atingis 3,31 miliardojn da usonaj dolaroj en 2021, kaj la totala merkatgrandeco de randaj komputikaj serviloj en Ĉinio estas atendita kreskos je kunmetita jarkresko. indico de 22,2% de 2020 ĝis 2025. Sullivan antaŭvidas, ke la merkata grandeco de randa komputado en Ĉinio atendas atingi 250,9 miliardojn RMB en 2027, kun CAGR de 36,1% de 2023 ĝis 2027.
Edge komputika eko-industrio prosperas
Randa komputado estas nuntempe en la frua stadio de la eksplodo, kaj la komercaj limoj en la industria ĉeno estas relative malklaraj. Por individuaj vendistoj, necesas konsideri la integriĝon kun komercaj scenaroj, kaj ankaŭ necesas havi la kapablon adaptiĝi al ŝanĝoj en komercaj scenaroj de la teknika nivelo, kaj ankaŭ necesas certigi, ke ekzistas alta grado de. kongruo kun aparataro ekipaĵo, same kiel la inĝenieristiko kapablo alteriĝi projektoj.
La randa komputika industrioĉeno estas dividita en blatajn vendistojn, algoritmojn, aparatajn fabrikistojn kaj solvprovizantojn. Vendistoj de blatoj plejparte disvolvas aritmetikajn blatojn de finflanko al rando-flanko al nubo-flanko, kaj krom rand-flanko-fritoj, ili ankaŭ disvolvas akcelajn kartojn kaj subtenas softvarajn platformojn. Algoritmaj vendistoj prenas komputilviziajn algoritmojn kiel la kernon por konstrui ĝeneralajn aŭ personecigitajn algoritmojn, kaj ekzistas ankaŭ entreprenoj, kiuj konstruas algoritmojn aŭ trejnajn kaj puŝajn platformojn. Ekipaĵvendistoj aktive investas en randaj komputikaj produktoj, kaj la formo de randaj komputikaj produktoj konstante pliriĉiĝas, iom post iom formante plenan stakon de randaj komputikaj produktoj de la blato ĝis la tuta maŝino. Solvoprovizantoj disponigas softvarojn aŭ programar-hardvaro-integrajn solvojn por specifaj industrioj.
Aplikoj de la industrio de Edge komputika akcelas
En la kampo de inteligenta urbo
Ampleksa inspektado de urba posedaĵo estas nuntempe kutime uzata en la reĝimo de mana inspektado, kaj la mana inspekta reĝimo havas la problemojn de altaj tempopostulaj kaj laborintensaj kostoj, proceza dependeco de individuoj, malbona kovrado kaj inspekta frekvenco, kaj malbona kvalito. kontrolo. Samtempe la inspekta procezo registris grandegan kvanton da datumoj, sed ĉi tiuj datumresursoj ne estis transformitaj en datumaktivaĵojn por komerca povigo. Aplikante AI-teknologion al moveblaj inspektaj scenaroj, la entrepreno kreis urban regadon AI inteligentan inspektan veturilon, kiu adoptas teknologiojn kiel la Interreto de Aĵoj, nuba komputado, AI-algoritmoj, kaj portas profesiajn ekipaĵojn kiel altdifinajn fotilojn, sur- tabulo ekranoj, kaj AI flankaj serviloj, kaj kombinas la inspekta mekanismo de "inteligenta sistemo + inteligenta maŝino + kunlaborantaro helpo". Ĝi antaŭenigas la transformon de urba administrado de personar-intensa ĝis mekanika inteligenteco, de empiria juĝo ĝis datuma analizo, kaj de pasiva respondo ĝis aktiva malkovro.
En la kampo de inteligenta konstruejo
La solvoj de inteligentaj konstruejoj bazitaj sur randa komputado aplikas la profundan integriĝon de AI-teknologio al la tradicia konstrua industrio sekureca monitora laboro, metante randan AI-analizan terminalon ĉe la konstruejo, kompletigante la sendependan esploradon kaj disvolviĝon de vidaj AI-algoritmoj bazitaj sur inteligenta video. analitika teknologio, plentempa detekto de eventoj detekteblaj (ekz., detektado ĉu aŭ ne porti kaskon), provizante personaron, medion, sekurecon kaj aliajn sekurecajn riskpunktajn identigon kaj alarmajn memorigilojn, kaj prenante la iniciaton al Identigo de nesekuraj faktoroj, AI inteligenta gardado, ŝparado de laborfortaj kostoj, por renkonti la bezonojn pri administrado pri dungitaro kaj posedaĵo de konstruejoj.
En la kampo de inteligenta transporto
Nub-flanka arkitekturo fariĝis la baza paradigmo por la deplojo de aplikoj en la inteligenta transporta industrio, kun la nubo-flanko respondeca por centralizita administrado kaj parto de la datumtraktado, la rando-flanko ĉefe provizante rand-flankan datuman analizon kaj komputaddecidon. -farado prilaborado, kaj la fino flanko ĉefe respondeca por la kolekto de komercaj datumoj.
En specifaj scenaroj kiel ekzemple veturilo-voja kunordigo, holografiaj intersekciĝoj, aŭtomata veturado kaj fervoja trafiko, ekzistas granda nombro da heterogenaj aparatoj aliritaj, kaj tiuj aparatoj postulas aliradministradon, eliradministradon, alarmpretigon kaj operacion kaj prizorgadon. Randa komputado povas dividi kaj konkeri, fariĝi granda en malgrandan, provizi transtavolajn protokolajn konvertajn funkciojn, atingi unuigitan kaj stabilan aliron, kaj eĉ kunlaboran kontrolon de heterogenaj datumoj.
En la kampo de industria fabrikado
Produktadproceza Optimumigo-Scenaro: Nuntempe, granda nombro da diskretaj produktadsistemoj estas limigitaj per la nekompleteco de datenoj, kaj la totala ekipaĵefikeco kaj aliaj indeksaj datenkalkuloj estas relative malzorgaj, igante ĝin malfacila uzi por efikecoptimumigo. Edge komputika platformo bazita sur ekipaĵa informo-modelo por atingi semantikan nivelan fabrikan sistemon horizontalan komunikadon kaj vertikalan komunikadon, bazitan sur realtempa datumflua prilaborado-mekanismo por kunigi kaj analizi grandan nombron da kampo realtempaj datumoj, por atingi modelo-bazitan produktadon. mult-datuma fonto-informfuzio, por disponigi potencan datumsubtenon por decidofarado en la diskreta produktadsistemo.
Equipment Predictive Maintenance Scenario: Prizorgado de industria ekipaĵo estas dividita en tri tipojn: ripara prizorgado, preventa prizorgado kaj prognoza prizorgado. Restora prizorgado apartenas al eks-post-fakta prizorgado, preventa prizorgado kaj antaŭdira bontenado apartenas al eks-antaŭa prizorgado, la unua baziĝas sur tempo, ekipaĵa agado, ejokondiĉoj kaj aliaj faktoroj por regula prizorgado de ekipaĵo, pli-malpli bazitaj sur homaj. sperto, ĉi-lasta tra la kolekto de sensilo datumoj, realtempa monitorado de la funkcianta stato de la teamo, bazita sur la industria modelo de datumoj analizo, kaj precize antaŭdiri kiam la fiasko okazas.
Industria kvalita inspekta scenaro: industria vizio inspekta kampo estas la unua tradicia aŭtomata optika inspektado (AOI) formo en la kvaliton inspekta kampo, sed la disvolviĝo de AOI ĝis nun, en multaj difekto detekto kaj aliaj kompleksaj scenaroj, pro la difektoj de vario. de tipoj, trajto eltiro estas nekompleta, adapta algoritmoj malriĉa extensibleco, la produktado linio estas ĝisdatigita ofte, la algoritmo migrado ne estas fleksebla, kaj aliaj faktoroj, la tradicia AOI sistemo estis malfacile renkonti la disvolviĝo de la produktado linio bezonoj. Sekve, la platformo de algoritmo de inspektado de industria kvalito de AI reprezentita de profunda lernado + malgranda specimena lernado iom post iom anstataŭigas la tradician vidan inspektan skemon, kaj la platformo de inspektado de industria kvalito de AI trapasis du stadiojn de klasikaj algoritmoj de maŝinlernado kaj algoritmoj de inspektado de profunda lernado.
Afiŝtempo: Oct-08-2023