Se artefarita inteligenteco estas konsiderata kiel vojaĝo de A al B, nuba komputila servo estas flughaveno aŭ altrapida fervoja stacidomo, kaj Edge Computing estas taksio aŭ dividita biciklo. Edge -komputado estas proksima al la flanko de homoj, aferoj aŭ datumfontoj. Ĝi adoptas malferman platformon, kiu integras stokadon, komputadon, retan aliron kaj aplikajn kernajn kapablojn por provizi servojn al uzantoj en la najbareco. Kompare kun centre disfaligitaj nubaj komputilaj servoj, Edge Computing solvas problemojn kiel longa latencia kaj alta konverĝa trafiko, provizante pli bonan subtenon por realtempaj kaj bandaj postulataj servoj.
La fajro de ChatGPT ekigis novan ondon de AI -disvolviĝo, akcelante la enprofundigon de AI en pli da aplikaj areoj kiel industrio, podetala komerco, inteligentaj hejmoj, inteligentaj urboj, ktp. Granda kvanto da datumoj devas esti stokitaj kaj komputitaj ĉe la aplika fino, kaj fidi la nubon sole ne plu kapablas plenumi la efektivan postulon, rando -komputado plibonigas la lastan kilometron de AI -ai -aplikoj. Sub la nacia politiko de vigle disvolvi la ciferecan ekonomion, la nuba komputado de Ĉinio eniris periodon de inkluziva disvolviĝo, rando -komputila postulo pliiĝis, kaj la integriĝo de nuba rando kaj fino fariĝis grava evolua direkto en la estonteco.
Edge Computing Market por kreski 36.1% CAGR dum la venonta kvinjara
La Edge -komputila industrio eniris stadion de konstanta disvolviĝo, kiel pruvas la laŭgrada diversigo de ĝiaj servaj provizantoj, la ekspansia merkata grandeco kaj plia ekspansio de aplikaj areoj. Koncerne merkatan grandecon, datumoj de la spura raporto de IDC montras, ke la totala merkata grandeco de randaj komputilaj serviloj en Ĉinio atingis US $ 3,31 miliardojn en 2021, kaj la totala merkata grandeco de Edge Computing Servers en Ĉinio kreskos je kompona jara kresko de 22,2% de 2020. 36.1% de 2023 ĝis 2027.
Randa komputado eco-industrio prosperas
Edge -komputado estas nuntempe en la frua stadio de la eksplodo, kaj la komercaj limoj en la industria ĉeno estas relative fuŝaj. Por unuopaj vendistoj, necesas konsideri la integriĝon kun komercaj scenoj, kaj ankaŭ necesas havi la kapablon adaptiĝi al ŝanĝoj en komercaj scenoj de la teknika nivelo, kaj ankaŭ necesas certigi, ke ekzistas alta kongruo kun aparataj ekipaĵoj, kaj ankaŭ la inĝeniera kapablo por surteriĝi.
La rando -komputila industria ĉeno estas dividita en ĉifonajn vendistojn, algoritmajn vendistojn, fabrikantojn de aparatoj kaj solvajn provizantojn. ĈIP-vendistoj plejparte disvolvas aritmetikajn blatojn de fino-flanko ĝis rando-flanko ĝis nuba flanko, kaj aldone al randaj flankaj blatoj, ili ankaŭ disvolvas akcelajn kartojn kaj subtenas programajn disvolvajn platformojn. Algoritmaj vendistoj prenas komputilajn viziajn algoritmojn kiel la kernon por konstrui ĝeneralajn aŭ personecigitajn algoritmojn, kaj estas ankaŭ entreprenoj, kiuj konstruas algoritmajn centrojn aŭ trejnajn kaj puŝajn platformojn. Vendistoj de ekipaĵoj aktive investas en randaj komputilaj produktoj, kaj la formo de randaj komputilaj produktoj estas konstante riĉigita, iom post iom formante plenan stakon de randaj komputilaj produktoj de la blato ĝis la tuta maŝino. Solvaj provizantoj provizas programojn aŭ program-hardvajn integritajn solvojn por specifaj industrioj.
Edge Computing Industry Applications Accelerate
En la kampo de inteligenta urbo
Ampleksa inspektado de urbaj posedaĵoj estas nuntempe uzata en la maniero de mana inspektado, kaj la mana inspektadreĝimo havas la problemojn de alta tempo-konsumado kaj labor-intensaj kostoj, proceza dependeco de individuoj, malbona kovrado kaj inspekta ofteco, kaj malbona kvalito-kontrolo. Samtempe la inspektadprocezo registris grandegan kvanton da datumoj, sed ĉi tiuj datumaj rimedoj ne estis transformitaj al datumaj valoraĵoj por komerca povigo. Aplikante AI-teknologion al moveblaj inspektaj scenoj, la entrepreno kreis urban regadon AI Inteligenta Inspekta Veturilo, kiu adoptas teknologiojn kiel la interreto de aferoj, nuba komputado, AI-algoritmoj, kaj portas profesiajn ekipaĵojn kiel altdifinaj fotiloj, surŝipaj ekspozicioj, kaj AI-SISTEMO ". Ĝi antaŭenigas la transformon de urba regado de dungitaro-intensa al mekanika inteligenteco, de empiria juĝo ĝis datuma analizo kaj de pasiva respondo al aktiva malkovro.
En la kampo de inteligenta konstruaĵejo
Solvoj pri profunda integriĝo de AI-teknologio de AI Prenante la iniciaton al identigo de nesekuraj faktoroj, AI -inteligenta gardado, ŝparado de mano -kostoj, por plenumi la bezonojn de dungitaro kaj nemoveblaĵoj pri konstruaj retejoj.
En la kampo de inteligenta transporto
Nub-flanka arkitekturo fariĝis la baza paradigmo por la disfaldiĝo de aplikoj en la inteligenta transporta industrio, kun la nuba flanko respondeca pri centralizita administrado kaj parto de la datumtraktado, la rando-flanko ĉefe provizanta randan flankan datuman analizon kaj komputadan decidadon, kaj la fina flanko respondecas ĉefe pri la kolekto de komercaj datumoj.
En specifaj scenoj kiel veturila-vojo-kunordigo, holografiaj intersekciĝoj, aŭtomata veturado kaj fervoja trafiko, ekzistas multaj heterogenaj aparatoj aliritaj, kaj ĉi tiuj aparatoj postulas aliron-administradon, elirejan administradon, alarman pretigon kaj operacion kaj prizorgadon. Edge-komputado povas dividi kaj konkeri, igi grandan en malgrandan, provizi inter-tavolajn protokolajn konvertajn funkciojn, atingi unuigitan kaj stabilan aliron, kaj eĉ kunlaboran kontrolon de heterogenaj datumoj.
En la kampo de industria fabrikado
Scenaro pri Proceza Procezo -Optimumigo: Nuntempe, granda nombro da diskretaj fabrikaj sistemoj estas limigitaj de la nekompleteco de datumoj, kaj la totala ekipaĵa efikeco kaj aliaj indeksaj datumaj kalkuloj estas relative malrapidaj, malfaciligante la uzadon de efikeco. Edge-komputila platformo bazita sur ekipaĵa informa modelo por atingi semantikan nivelan fabrikan sistemon horizontala komunikado kaj vertikala komunikado, surbaze de realtempa datumfluo-prilaborado de mekanismo por agregi kaj analizi grandan nombron da kampaj realtempaj datumoj, por atingi model-produktan linion de mult-dataj informoj, por provizi potencajn datumajn subtenojn por decidiĝo en la diskreta fabrikada sistemo.
Ekipaĵo Antaŭdira Prizorgado -Scenaro: Prizorgado de industriaj ekipaĵoj estas dividita en tri specojn: riparado pri bontenado, preventa bontenado kaj prognoza bontenado. Restariga bontenado apartenas al post-facto-bontenado, preventa bontenado kaj prognoza bontenado apartenas al eksa prizorgado, la unua baziĝas sur tempo, ekipa agado, retejaj kondiĉoj kaj aliaj faktoroj por regula bontenado de ekipaĵo, pli-malpli surbaze de homa sperto, ĉi-lasta per la kolekto de sensilaj datumoj, realtempa monitorado de la funkciado de la ekipaĵo, surbaze de la industria modelo de datuma analizo, kaj preciza antaŭdiro de la ekipaĵo, surbaze de la industria modelo de datuma analizo, kaj preciza antaŭdiro de la ekipaĵo, surbaze de la industria modelo de datuma analizo, kaj precize, kaj precize de la ekipaĵo.
Industrial quality inspection scenario: industrial vision inspection field is the first traditional automatic optical inspection (AOI) form into the quality inspection field, but the development of AOI so far, in many defect detection and other complex scenarios, due to the defects of a variety of types, feature extraction is incomplete, adaptive algorithms poor extensibility, the production line is updated frequently, the algorithm migration is not Flekseblaj, kaj aliaj faktoroj, la tradicia AOI -sistemo malfacile plenumis la disvolviĝon de la produktadaj bezonoj. Tial, la AI -Industria Kvalita Inspekta Algoritma Platformo reprezentita de Profunda Lernado + Malgranda Specimena Lernado iom post iom anstataŭas la tradician vidan inspektan skemon, kaj la AI -Industria Kvalita Inspektado -Platformo trairis du stadiojn de klasikaj maŝinaj lernaj algoritmoj kaj profunda lernado -inspektaj algoritmoj.
Afiŝotempo: Okt-08-2023