クラウドサービスからエッジコンピューティングまで、AIは「ラストマイル」に到達します

次の5年間で36.1％のCAGRを成長させるエッジコンピューティング市場

エッジコンピューティング業界は、サービスプロバイダーの段階的な多様化、市場規模の拡大、およびアプリケーションエリアのさらなる拡大によって証明されるように、着実な開発の段階に入りました。市場規模の観点から、IDCの追跡レポートからのデータは、中国のエッジコンピューティングサーバーの全体的な市場規模が2021年に33億1,000万米ドルに達し、中国のエッジコンピューティングサーバーの全体的な市場規模が2020年から2025年にかけて22.2％の複合年間成長率で成長すると予想されています。 2023年から2027年までの36.1％。

エッジコンピューティングエコ産業が繁栄します

エッジコンピューティングは現在、発生の初期段階にあり、業界チェーンのビジネス境界は比較的曖昧です。個々のベンダーの場合、ビジネスシナリオとの統合を検討する必要があり、技術レベルからのビジネスシナリオの変更に適応する能力も必要であり、ハードウェア機器との互換性が高く、エンジニアリング能力があることを確認する必要もあります。

エッジコンピューティング業界のチェーンは、チップベンダー、アルゴリズムベンダー、ハードウェアデバイスメーカー、ソリューションプロバイダーに分割されています。チップベンダーは、主にエンドサイドからエッジサイド、クラウドサイドまで算術チップを開発し、エッジサイドチップに加えて、加速カードを開発し、ソフトウェア開発プラットフォームをサポートします。アルゴリズムベンダーは、コンピュータービジョンアルゴリズムを一般的またはカスタマイズされたアルゴリズムを構築するためのコアとして取得し、アルゴリズムモールまたはトレーニングおよびプッシュプラットフォームを構築する企業もあります。機器ベンダーはエッジコンピューティング製品に積極的に投資しており、エッジコンピューティング製品の形式は常に濃縮されており、チップからマシン全体にエッジコンピューティング製品のフルスタックを徐々に形成しています。ソリューションプロバイダーは、特定の業界向けにソフトウェアまたはソフトウェアハードウェア統合ソリューションを提供します。

エッジコンピューティング業界アプリケーションが加速します

スマートシティの分野で

現在、都市の財産の包括的な検査は、手動検査のモードで一般的に使用されており、手動検査モードには、時間がかかり、労働集約的なコストが高く、プロセス依存症、補償範囲が不十分で検査頻度が低く、品質管理が低いという問題があります。同時に、検査プロセスは膨大な量のデータを記録しましたが、これらのデータリソースはビジネスエンパワーメントのデータ資産に変換されていません。 AIテクノロジーをモバイル検査シナリオに適用することにより、エンタープライズは都市ガバナンスAIインテリジェント検査車両を作成しました。これは、インターネット、クラウドコンピューティング、AIアルゴリズムなどのテクノロジーを採用し、高解像度カメラ、オンボードディスプレイ、AIサイドサーバーなどのプロフェッショナルな機器を搭載し、Intelligent System System System Machine + Stachの検査機構を組み合わせています。それは、人事集約型から機械的知能へ、経験的判断からデータ分析へ、および受動的な対応から積極的な発見への都市ガバナンスの変革を促進します。

インテリジェントな建設現場の分野で

エッジコンピューティングベースのインテリジェントな建設現場ソリューションは、AIテクノロジーの深い統合を、建設現場にエッジAI分析端末を配置し、インテリジェントビデオ分析テクノロジーに基づいた視覚的なAIアルゴリズムの独立した研究開発、イベントのフルタイム検出、検出された場合の検出、環境を摩耗させないかどうかを検出するために検出されます。イニシアチブを、安全でない要因、AIインテリジェントガードの特定、人材コストの節約、建設現場の人員と財産安全管理のニーズを満たすために取り上げます。

インテリジェントトランスポートの分野で

クラウドサイドエンドのアーキテクチャは、インテリジェント輸送業界でのアプリケーションの展開の基本的なパラダイムとなり、クラウド側は集中管理とデータ処理の一部を担当し、エッジ側は主にエッジサイドデータ分析と計算意思決定処理を提供し、主にビジネスデータの収集を担当します。

車両道路調整、ホログラフィック交差、自動運転、鉄道交通などの特定のシナリオでは、多数の異種デバイスがアクセスされ、これらのデバイスにはアクセス管理、出口管理、アラーム処理、操作およびメンテナンス処理が必要です。エッジコンピューティングは、分割して征服し、大きく変換し、クロスレイヤープロトコル変換機能を提供し、統一された安定したアクセスを実現し、さらには不均一なデータの共同制御を実現できます。

工業製造の分野で

生産プロセスの最適化シナリオ：現在、多数の個別の製造システムがデータの不完全性によって制限されており、全体的な機器効率やその他のインデックスデータ計算は比較的ずさんであるため、効率の最適化に使用することが困難です。エッジ情報モデルに基づいたエッジコンピューティングモデルは、セマンティックレベルの製造システムと垂直通信を実現し、リアルタイムのデータフロー処理メカニズムに基づいて、多数のフィールドリアルタイムデータを集計および分析し、モデルベースの生産ラインマルチデータソース情報融合を実現し、ディスカレット製造システムでの意思決定のための強力なデータサポートを提供します。

機器の予測メンテナンスシナリオ：産業機器のメンテナンスは、補用メンテナンス、予防保守、予測メンテナンスの3つのタイプに分けられます。回復型のメンテナンスは、事後の事後メンテナンス、予防保守、予測メンテナンスに属します。前者は、時間、機器のパフォーマンス、サイト条件、および機器の定期的なメンテナンスのためのその他の要因に基づいています。多かれ少なかれ人間の経験に基づいて、後者はセンサーデータの収集、機器の動作状態のリアルタイム監視、および故障のモデルを正確に予測します。

産業品質検査シナリオ：産業視覚検査分野は、品質検査分野への最初の従来の自動光学検査（AOI）フォームですが、これまでのところ、多くの欠陥検出やその他の複雑なシナリオにおいて、AOIの開発は、機能抽出が不完全で適応的なアルゴリズムの拡張が不十分であるため、伝統的なラインが頻繁に更新されます。システムは、生産ラインのニーズの開発を満たすことが困難でした。したがって、ディープラーニング +小規模サンプル学習に代表されるAI産業品質検査アルゴリズムプラットフォームは、従来の目視検査スキームを徐々に置き換えており、AI産業品質検査プラットフォームは、古典的な機械学習アルゴリズムと深い学習検査アルゴリズムの2つの段階を経ています。