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」にまで到達する

エッジコンピューティング市場は今後5年間で年平均成長率36.1%で成長する見込み

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、そして応用分野のさらなる拡大に見られるように、着実な発展段階に入っている。市場規模に関して言えば、IDCの追跡レポートのデータによると、中国におけるエッジコンピューティングサーバー市場全体は2021年に33億1,000万米ドルに達し、2020年から2025年にかけて中国におけるエッジコンピューティングサーバー市場全体は年平均成長率22.2%で成長すると予想されている。サリバンは、中国におけるエッジコンピューティング市場規模は2023年から2027年にかけて年平均成長率36.1%で成長し、2027年には2,509億人民元に達すると予測している。

エッジコンピューティングのエコ産業が繁栄

エッジコンピューティングは現在、流行の初期段階にあり、業界チェーンにおける事業境界は比較的曖昧です。個々のベンダーは、ビジネスシナリオとの統合を考慮する必要があり、技術レベルからビジネスシナリオの変化に適応する能力、ハードウェア機器との高い互換性の確保、そしてプロジェクトを着地させるエンジニアリング能力も求められます。

エッジコンピューティングの産業チェーンは、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かれています。チップベンダーは、エンドサイドからエッジサイド、クラウドサイドまでをカバーする演算チップの開発を主に行っており、エッジサイドチップに加え、アクセラレーションカードの開発やソフトウェア開発プラットフォームのサポートも行っています。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コアとして、汎用アルゴリズムやカスタマイズアルゴリズムを構築するほか、アルゴリズムモールやトレーニング・プッシュプラットフォームを構築する企業も存在します。機器ベンダーはエッジコンピューティング製品への投資を積極的に進めており、エッジコンピューティング製品の形態は絶えず充実し、チップからマシン全体に至るまで、フルスタックのエッジコンピューティング製品が徐々に形成されつつあります。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とハ​​ードウェアを統合したソリューションを提供しています。

エッジコンピューティング業界のアプリケーションが加速

スマートシティの分野で

現在、都市財産の包括的な検査は、人手による検査方式が一般的ですが、人手による検査方式は、時間と労力がかかり、コストがかかり、プロセスが個人に依存し、検査範囲と頻度が狭く、品質管理も不十分といった問題を抱えています。また、検査プロセスでは膨大なデータが記録されますが、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ためのデータ資産に変換されていません。当社は、AI技術をモバイル検査シナリオに適用し、都市ガバナンスAIインテリジェント検査車両を開発しました。この車両は、IoT、クラウドコンピューティング、AIアルゴリズムなどの技術を採用し、高解像度カメラ、車載ディスプレイ、AIサイドサーバーなどの専門装備を搭載し、「インテリジェントシステム＋インテリジェントマシン＋スタッフアシスト」の検査メカニズムを融合させています。これにより、都市ガバナンスを人手集約型から機械知能型へ、経験的判断からデータ分析へ、受動的な対応から能動的な発見へと変革することを推進しています。

インテリジェント建設現場の分野で

エッジコンピューティングベースのインテリジェント建設現場ソリューションは、建設現場にエッジAI分析端末を設置し、インテリジェントビデオ分析技術に基づく視覚AIアルゴリズムの自主研究開発を完了し、検知すべきイベント（ヘルメットの着用の有無など）を常時検知し、人員、​​環境、セキュリティなどの安全リスクポイントの特定とアラームリマインダーサービスを提供し、自主的に不安全要因を特定し、AIインテリジェントガードを実施して人件費を節約し、建設現場の人員と資産の安全管理ニーズを満たします。

インテリジェント交通の分野では

クラウドサイドエンドアーキテクチャは、インテリジェントトランスポート業界におけるアプリケーション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、エンド側は主にビジネスデータの収集を担当します。

車道協調、ホログラフィック交差点、自動運転、鉄道交通といった具体的なシナリオでは、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入退管理、退出管理、警報処理、運用保守処理などが必要です。エッジコンピューティングは、分割統治、大規模化、クロスレイヤープロトコル変換機能の提供、統一された安定したアクセス、さらには異種データの協調制御を実現します。

工業製造分野

生産プロセス最適化シナリオ：現在、多くのディスクリート生産システムはデータの不完全性によって制限されており、設備全体の効率やその他の指標データの計算が比較的不正確であるため、効率最適化への活用が困難です。設備情報モデルに基づくエッジコンピューティングプラットフォームは、セマンティックレベルの製造システム水平通信と垂直通信を実現し、リアルタイムデータフロー処理メカニズムに基づいて大量の現場リアルタイムデータを集約・分析することで、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、ディスクリート生産システムにおける意思決定に強力なデータサポートを提供します。

設備予知保全シナリオ：産業設備のメンテナンスは、修復保全、予防保全、予知保全の3種類に分けられます。修復保全は事後保全、予防保全、予知保全は事前保全に属します。前者は、時間、設備の性能、現場の状況など、設備の定期的なメンテナンスの要素に基づいており、多かれ少なかれ人間の経験に基づいています。後者は、センサーデータの収集、設備の稼働状態のリアルタイム監視、産業モデルに基づくデータ分析を通じて、故障の発生時期を正確に予測します。

工業品質検査シナリオ：工業視覚検査分野は、伝統的な自動光学検査（AOI）の形で品質検査分野に初めて参入しましたが、これまでのAOIの発展において、多くの欠陥検出などの複雑なシナリオでは、欠陥の種類が多様であること、特徴抽出が不完全であること、適応アルゴリズムの拡張性が乏しいこと、生産ラインが頻繁に更新されること、アルゴリズムの移行が柔軟でないなどの要因により、伝統的なAOIシステムは生産ラインの発展ニーズを満たすことが困難でした。 そのため、ディープラーニング+小サンプル学習に代表されるAI工業品質検査アルゴリズムプラットフォームは、徐々に伝統的な視覚検査方式に取って代わりつつあり、AI工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ディープラーニング検査アルゴリズムの2つの段階を経てきました。