Se artefarita inteligenteco estas rigardata kiel vojaĝo de A al B, nuba komputado estas flughaveno aŭ rapidtrajna stacidomo, kaj randa komputado estas taksio aŭ kunhavita biciklo. Randa komputado estas proksima al homoj, objektoj aŭ datenfontoj. Ĝi adoptas malferman platformon, kiu integras stokadon, komputadon, retaliron kaj aplikaĵajn kernajn kapablojn por provizi servojn por uzantoj en la ĉirkaŭaĵo. Kompare kun centre deplojitaj nubaj komputaj servoj, randa komputado solvas problemojn kiel longa latenteco kaj alta konverĝa trafiko, provizante pli bonan subtenon por realtempaj kaj bendolarĝ-postulaj servoj.
La incendio de ChatGPT ekigis novan ondon de artefarita inteligenteco (AI), akcelante la enprofundiĝon de AI en pliajn aplikajn areojn kiel industrio, podetala komerco, inteligentaj hejmoj, inteligentaj urboj, ktp. Granda kvanto da datumoj devas esti stokitaj kaj komputitaj ĉe la aplikaĵa fino, kaj fidi nur je la nubo jam ne plu povas kontentigi la faktan postulon, randa komputado plibonigas la lastan kilometron de AI-aplikaĵoj. Sub la nacia politiko de vigla disvolviĝo de la cifereca ekonomio, la ĉina nuba komputado eniris periodon de inkluziva disvolviĝo, la postulo pri randa komputado ŝprucis, kaj la integriĝo de nubaj randaj kaj finaj komputiloj fariĝis grava evolua direkto en la estonteco.
La merkato de randkomputiko kreskos je 36.1% jara kreskorapideco dum la venontaj kvin jaroj.
La industrio de randa komputado eniris fazon de stabila disvolviĝo, kiel pruvas la laŭgrada diversigo de ĝiaj servoprovizantoj, la kreskanta merkata grandeco, kaj la plia vastiĝo de aplikaĵaj areoj. Rilate al merkata grandeco, datumoj el la spura raporto de IDC montras, ke la totala merkata grandeco de randaj komputaj serviloj en Ĉinio atingis 3,31 miliardojn da usonaj dolaroj en 2021, kaj la totala merkata grandeco de randaj komputaj serviloj en Ĉinio kreskos je jara kreskorapideco de 22,2% de 2020 ĝis 2025. Sullivan antaŭvidas, ke la merkata grandeco de randa komputado en Ĉinio atingos 250,9 miliardojn da juanoj en 2027, kun jara kreskorapideco de 36,1% de 2023 ĝis 2027.
Randkomputika eko-industrio prosperas
Randa komputado nuntempe estas en la frua stadio de la epidemio, 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 kongrueco kun aparatara ekipaĵo, same kiel la inĝeniera kapablo por efektivigi projektojn.
La ĉeno de randkomputika industrio estas dividita en ĉipvendistojn, algoritmvendistojn, aparatarproduktantojn kaj solvoprovizantojn. Ĉipvendistoj plejparte disvolvas aritmetikajn ĉipojn de fina flanko ĝis randa flanko ĝis nuba flanko, kaj krom randflankaj ĉipoj, ili ankaŭ disvolvas akcelkartojn kaj subtenas programarajn disvolvajn platformojn. Algoritmvendistoj prenas komputilvidajn algoritmojn kiel la kernon por konstrui ĝeneralajn aŭ personecigitajn algoritmojn, kaj ekzistas ankaŭ entreprenoj, kiuj konstruas algoritmajn butikcentrojn aŭ trejnajn kaj puŝajn platformojn. Ekipaĵvendistoj aktive investas en randkomputikajn produktojn, kaj la formo de randkomputikaj produktoj konstante riĉiĝas, iom post iom formante plenan stakon de randkomputikaj produktoj de la ĉipo ĝis la tuta maŝino. Solvoprovizantoj provizas programaron aŭ programar-aparatar-integrajn solvojn por specifaj industrioj.
Aplikoj de randkomputiko en la industrio akceliĝas
En la kampo de inteligenta urbo
Ampleksa inspektado de urbaj posedaĵoj estas nuntempe ofte uzata per mana inspektado, kaj la mana inspektada 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 datumajn aktivaĵojn por povigo de entreprenoj. Aplikante artefaritan inteligentecon (AI) al moveblaj inspektaj scenaroj, la entrepreno kreis urban administradon kun AI-inteligenta inspekta veturilo, kiu uzas teknologiojn kiel la Interreto de Aĵoj, nuba komputado, AI-algoritmoj, kaj portas profesian ekipaĵon kiel altdifinajn fotilojn, enkonstruitajn ekranojn kaj AI-flankajn servilojn, kaj kombinas la inspektan mekanismon de "inteligenta sistemo + inteligenta maŝino + dungitara helpo". Ĝi antaŭenigas la transformon de urba administrado de dungitar-intensa al mekanika inteligenteco, de empiria juĝo al datumanalizo, kaj de pasiva respondo al aktiva malkovro.
En la kampo de inteligenta konstruejo
Inteligentaj konstruejoj bazitaj sur randa komputado aplikas la profundan integriĝon de AI-teknologio al la tradicia sekureca monitorada laboro en la konstruindustrio, metante randan AI-analizan terminalon ĉe la konstruejo, kompletigante la sendependan esploradon kaj disvolvon de vidaj AI-algoritmoj bazitaj sur inteligenta videanalitika teknologio, plentempa detekto de detektotaj eventoj (ekz., detektado ĉu porti kaskon aŭ ne), provizante servojn por identigi kaj memorigi alarmojn pri personaro, medio, sekureco kaj aliaj sekurecaj riskopunktoj, kaj prenante la iniciaton por identigi nesekurajn faktorojn, AI-inteligentan gardadon, ŝparante laborfortajn kostojn, por kontentigi la bezonojn pri personaro kaj posedaĵa sekureca administrado de konstruejoj.
En la kampo de inteligenta transporto
Nuba-flanka-fina arkitekturo fariĝis la baza paradigmo por la deplojo de aplikoj en la inteligenta transportindustrio, kun la nuba flanko respondeca pri centralizita administrado kaj parto de la datumprilaborado, la randa flanko ĉefe provizanta randflankan datumanalizon kaj komputadan decidofaradon, kaj la fina flanko ĉefe respondeca pri la kolektado de komercaj datumoj.
En specifaj scenaroj kiel veturil-voja kunordigo, holografiaj intersekciĝoj, aŭtomata veturado kaj fervoja trafiko, ekzistas granda nombro da heterogenaj aparatoj alireblaj, kaj ĉi tiuj aparatoj postulas aliradministradon, elirejadministradon, alarmprilaboradon kaj funkciigan kaj prizorgadan prilaboradon. Randa komputado povas dividi kaj konkeri, transformi grandan 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
Scenaro por Optimumigo de Produktada Procezo: Nuntempe, granda nombro da diskretaj fabrikadsistemoj estas limigitaj pro la nekompleteco de datumoj, kaj la ĝenerala kalkulo de ekipaĵa efikeco kaj aliaj indicdatumoj estas relative malzorgemaj, malfaciligante ilian uzon por efikecoptimigo. Randa komputika platformo bazita sur ekipaĵinforma modelo atingas semantikan nivelon de horizontala kaj vertikala komunikado en la fabrikadsistemo, baziĝas sur realtempa datumflua prilabora mekanismo por agregi kaj analizi grandan nombron da kampaj realtempaj datumoj, por atingi model-bazitan produktadlinion kun multdatumfontaj informoj, por provizi potencan datumsubtenon por decidiĝo en la diskreta fabrikadsistemo.
Scenaro pri Antaŭdira Prizorgado de Ekipaĵoj: Prizorgado de industria ekipaĵo estas dividita en tri tipojn: ripara prizorgado, preventa prizorgado kaj antaŭdira prizorgado. Ripara prizorgado apartenas al postfakta prizorgado, preventa prizorgado kaj antaŭdira prizorgado apartenas al antaŭfakta prizorgado. La unua baziĝas sur tempo, ekipaĵa rendimento, ejaj kondiĉoj kaj aliaj faktoroj por regula prizorgado de ekipaĵo, pli-malpli surbaze de homa sperto, la dua per la kolektado de sensoraj datumoj, realtempa monitorado de la funkcia stato de la ekipaĵo, bazita sur la industria modelo de datuma analizo, kaj precize antaŭdiri kiam la paneo okazos.
Scenaro pri industria kvalita inspektado: la kampo de industria vida inspektado estas la unua formo de tradicia aŭtomata optika inspektado (AOI) en la kampon de kvalita inspektado. Tamen, dum la disvolviĝo de AOI ĝis nun, en multaj difektodetektaj kaj aliaj kompleksaj scenaroj, pro la diversaj tipoj de difektoj, trajtekstraktado estas nekompleta, adaptaj algoritmoj estas malbona etendebleco, la produktadlinio estas ofte ĝisdatigita, la algoritma migrado ne estas fleksebla, kaj aliaj faktoroj, la tradicia AOI-sistemo malfacile plenumas la bezonojn de la disvolviĝo de la produktadlinio. Tial, la platformo de industria kvalita inspektado per artefarita inteligenteco, reprezentita de profunda lernado kaj malgrand-specimena lernado, iom post iom anstataŭigas la tradician vidan inspektan skemon, kaj la platformo de industria kvalita inspektado per artefarita inteligenteco trapasis du stadiojn: klasikaj maŝinlernadaj algoritmoj kaj profundaj lernadaj inspektadaj algoritmoj.
Afiŝtempo: 8-a de oktobro 2023