Ha a mesterséges intelligenciát A-ból B-be való utazásnak tekintjük, akkor a számítási felhő szolgáltatás egy repülőtér vagy nagysebességű vasútállomás, az élszámítás pedig egy taxi vagy egy közös kerékpár. Az élszámítástechnika közel áll az emberekhez, dolgokhoz vagy adatforrásokhoz. Nyílt platformot alkalmaz, amely integrálja a tárolási, számítási, hálózati hozzáférési és alkalmazási alapképességeket, hogy szolgáltatásokat nyújtson a közelben tartózkodó felhasználók számára. A központilag telepített számítási felhőszolgáltatásokhoz képest az élvonalbeli számítástechnika megoldja az olyan problémákat, mint a hosszú késleltetés és a nagy konvergencia forgalom, így jobban támogatja a valós idejű és sávszélességet igénylő szolgáltatásokat.
A ChatGPT tüze a mesterséges intelligencia fejlesztésének új hullámát indította el, felgyorsítva az AI elsüllyedését több alkalmazási területre, mint például az ipar, a kiskereskedelem, az okosotthonok, az intelligens városok stb. alkalmazás végén, és a felhőre támaszkodva már nem képes kielégíteni a tényleges igényeket, az éles számítástechnika javítja az AI-alkalmazások utolsó kilométerét. A digitális gazdaság erőteljes fejlesztésének nemzeti politikája értelmében a kínai felhőalapú számítástechnika az inkluzív fejlődés időszakába lépett, a peremalapú számítástechnika iránti kereslet megugrott, és a felhő szélének és végének integrációja a jövő fontos evolúciós irányvonalává vált.
A szélső számítástechnikai piac 36,1%-kal nő a CAGR-értéke a következő öt évben
Az élszámítástechnikai ipar a folyamatos fejlődés szakaszába lépett, amit a szolgáltatók fokozatos diverzifikációja, a bővülő piacméret és az alkalmazási területek további bővülése is bizonyít. Ami a piac méretét illeti, az IDC nyomon követési jelentéséből származó adatok azt mutatják, hogy az élvonalbeli számítástechnikai szerverek teljes piacának mérete Kínában 2021-ben elérte a 3,31 milliárd USD-t, és a kínai peremszámítógép-szerverek teljes piaca várhatóan összetett éves növekedéssel fog növekedni. Sullivan előrejelzése szerint a kínai élszámítási piac mérete 2027-ben várhatóan eléri a 250,9 milliárd RMB-t, 2023 és 2027 között pedig 36,1%-os CAGR-t.
A szélső számítástechnikai ökoipar virágzik
Az éles számítástechnika jelenleg a járvány korai szakaszában van, és az iparági láncban az üzleti határok viszonylag homályosak. Az egyes beszállítóknál figyelembe kell venni az üzleti szcenáriókkal való integrációt, és az is szükséges, hogy az üzleti szcenáriók változásaihoz technikai szintről alkalmazkodni tudjanak, valamint gondoskodni kell arról is, hogy a kompatibilitás a hardver berendezésekkel, valamint a projektek lebonyolításának mérnöki képessége.
Az élvonalbeli számítástechnikai iparági lánc chipgyártókra, algoritmusszállítókra, hardvereszköz-gyártókra és megoldásszállítókra oszlik. A chipgyártók többnyire a végoldaltól az éloldalon át a felhőoldalig fejlesztenek aritmetikai chipeket, és az éloldali chipek mellett gyorsítókártyákat is fejlesztenek, és szoftverfejlesztő platformokat is támogatnak. Az algoritmusgyártók a számítógépes képalgoritmusokat veszik alapul az általános vagy testreszabott algoritmusok létrehozásához, és vannak olyan vállalatok is, amelyek algoritmusközpontokat vagy képzési és push platformokat építenek. A berendezésgyártók aktívan fektetnek be az élszámítógép-termékekbe, és az élszámítási termékek formája folyamatosan gazdagodik, így fokozatosan a chiptől a teljes gépig egy teljes halom élszámítási termék jön létre. A megoldásszolgáltatók szoftvert vagy szoftver-hardverbe integrált megoldásokat kínálnak meghatározott iparágak számára.
Az élvonalbeli számítástechnikai ipari alkalmazások felgyorsulnak
Okos város területén
A városi ingatlanok átfogó vizsgálatát jelenleg általánosan alkalmazzák a kézi ellenőrzés módban, és a kézi ellenőrzési mód problémái a nagy idő- és munkaigényes költségek, az egyéntől való folyamatfüggőség, rossz lefedettség és ellenőrzési gyakoriság, valamint rossz minőség. ellenőrzés. Ugyanakkor az ellenőrzési folyamat hatalmas mennyiségű adatot rögzített, de ezeket az adatforrásokat nem alakították át adatvagyonná az üzleti felhatalmazás érdekében. A mesterséges intelligencia technológiájának mobil ellenőrzési forgatókönyvekre történő alkalmazásával a vállalat egy városi irányítású mesterséges intelligens vizsgálati járművet hozott létre, amely olyan technológiákat alkalmaz, mint a tárgyak internete, a számítási felhő, az AI algoritmusok, és olyan professzionális berendezéseket hordoz, mint a nagyfelbontású kamerák, tábla kijelzők és AI oldali szerverek, és egyesíti az "intelligens rendszer + intelligens gép + személyzeti segítség" ellenőrzési mechanizmusát. Elősegíti a városi kormányzás átalakulását a személyzetigényesről a mechanikus intelligenciára, az empirikus megítélésről az adatelemzésre és a passzív válaszadásról az aktív felfedezésre.
Intelligens építkezések területén
Az Edge computing alapú intelligens építkezési megoldások a mesterséges intelligencia technológiájának mély integrálását alkalmazzák a hagyományos építőipari biztonsági felügyeleti munkákban úgy, hogy egy szélső AI elemző terminált helyeznek el az építkezésen, befejezve az intelligens videón alapuló vizuális AI algoritmusok független kutatását és fejlesztését. analitikai technológia, az észlelendő események teljes idejű észlelése (pl. annak megállapítása, hogy kell-e sisakot viselni vagy sem), személyzeti, környezeti, biztonsági és egyéb biztonsági kockázati pontok azonosítása és riasztási emlékeztető szolgáltatások biztosítása, valamint a nem biztonságos személyek azonosítása tényezők, AI intelligens őrzés, munkaerőköltségek megtakarítása, az építkezések személyi és vagyonbiztonsági irányítási igényeinek kielégítése.
Az intelligens közlekedés területén
A felhőoldali architektúra az intelligens közlekedési iparban az alkalmazások telepítésének alapvető paradigmájává vált, a felhőoldal felelős a központosított felügyeletért és az adatfeldolgozás egy részéért, a peremoldal pedig főként az éloldali adatelemzést és számítási döntést biztosítja. -a feldolgozást, a végoldal pedig főként az üzleti adatok gyűjtéséért felelős.
Különleges helyzetekben, mint például a jármű-út koordináció, a holografikus kereszteződések, az automatikus vezetés és a vasúti forgalom, nagyszámú heterogén eszköz érhető el, és ezek az eszközök hozzáférés-kezelést, kilépés-kezelést, riasztás-feldolgozást, valamint üzemeltetési és karbantartási feldolgozást igényelnek. A szélső számítástechnika képes osztani és hódítani, nagyokat kicsinyíteni, többrétegű protokollkonverziós funkciókat biztosítani, egységes és stabil hozzáférést, sőt a heterogén adatok kollaboratív vezérlését is megvalósítani.
Az ipari gyártás területén
Gyártási folyamat optimalizálási forgatókönyv: Jelenleg nagyszámú különálló gyártási rendszert korlátoz az adatok hiányossága, és a teljes berendezés-hatékonyság és egyéb indexadatok számítása viszonylag hanyag, ami megnehezíti a hatékonyság optimalizálását. Berendezés információs modellen alapuló Edge számítási platform a szemantikai szintű gyártási rendszer horizontális kommunikáció és vertikális kommunikáció megvalósítása érdekében, valós idejű adatfolyam-feldolgozási mechanizmuson alapuló valós idejű adatfolyam-feldolgozási mechanizmuson alapuló nagyszámú valós idejű adat aggregálására és elemzésére, modellalapú gyártósor elérése érdekében több adatforrás információfúziója, hogy hatékony adattámogatást nyújtson a döntéshozatalhoz a különálló gyártási rendszerben.
Berendezés előrejelző karbantartási forgatókönyv: Az ipari berendezések karbantartása három típusra oszlik: javító karbantartás, megelőző karbantartás és előrejelző karbantartás. A helyreállító karbantartás az utólagos karbantartáshoz, a megelőző karbantartás és a prediktív karbantartás az ex-ante karbantartáshoz tartozik, az előbbi az időn, a berendezés teljesítményén, a helyszíni körülményeken és a berendezések rendszeres karbantartásához szükséges egyéb tényezőkön alapul, többé-kevésbé emberi tevékenységen alapul. tapasztalattal, ez utóbbi az érzékelőadatok gyűjtésével, a berendezések üzemállapotának valós idejű monitorozásával, az adatelemzés ipari modellje alapján, és a hiba bekövetkezésének pontos előrejelzésével.
Ipari minőségellenőrzési forgatókönyv: az ipari látásellenőrzési mező az első hagyományos automatikus optikai ellenőrzési (AOI) forma a minőségellenőrzési területen, de az AOI eddigi fejlődése számos hibaészlelési és más összetett forgatókönyvben, a fajta hibái miatt A típusok közül a jellemzők kinyerése hiányos, az adaptív algoritmusok gyenge bővíthetősége, a gyártósort gyakran frissítik, az algoritmus migrációja nem rugalmas, és egyéb tényezők, a hagyományos AOI rendszer nehezen felel meg a gyártósor igényeinek fejlesztésének. Ezért a mély tanulás + kismintás tanulás által képviselt AI ipari minőségellenőrzési algoritmus platform fokozatosan felváltja a hagyományos vizuális ellenőrzési sémát, és az AI ipari minőségellenőrzési platform a klasszikus gépi tanulási algoritmusok és a mély tanulási ellenőrzési algoritmusok két szakaszán ment keresztül.
Feladás időpontja: 2023.10.08