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

エッジ コンピューティング市場は今後 5 年間で 36.1% CAGR 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緩やかな多様化、市場規模の拡大、応用分野のさらなる拡大など、着実な発展段階に入っています。市場規模に関しては、IDC の追跡レポートのデータによると、中国のエッジ コンピューティング サーバーの全体市場規模は 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 サーバーの全体市場規模は年複利で成長すると予想されています。サリバン氏は、中国のエッジ コンピューティングの市場規模は 2027 年に 2,509 億人民元に達し、2023 年から 2027 年までの CAGR は 36.1% になると予測しています。

エッジコンピューティングのエコ産業が繁栄する

エッジ コンピューティングは現在感染拡大の初期段階にあり、業界チェーンにおけるビジネスの境界は比較的曖昧です。個々のベンダーにとっては、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も必要であり、高いレベルでの対応力を確保することも必要です。ハードウェア機器との互換性、およびプロジェクトを実現するエンジニアリング能力。

エッジ コンピューティングの業界チェーンは、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演算チップを開発しており、エッジサイドチップに加えて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一般的なアルゴリズムやカスタマイズされたアルゴリズムを構築します。また、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充実しており、チップからマシン全体に至るエッジ コンピューティング製品のフルスタックが徐々に形成されています。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とハ​​ードウェアが統合された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のアプリケーションが加速

スマートシティ分野では

都市資産の包括的な検査は現在、手動検査モードで一般的に行われていますが、手動検査モードには、時間と労力がかかるコストが高い、プロセスが個人に依存している、範囲と検査頻度が不十分、品質が低いという問題があります。コントロール。同時に検査プロセスでは膨大な量のデータが記録されましたが、これらのデータ リソースはビジネスを強化するため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で、同社は、モノのインターネット、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、高解像度カメラなどの専門機器を搭載した都市ガバナンス AI インテリジェント検査車両を開発しました。ボードディスプレイ、AI側サーバーを統合し、「インテリジェントシステム＋インテリジェントマシン＋スタッフ支援」の検査機構を組み合わせています。それは、人員集約型から機械的インテリジェンスへ、経験的判断からデータ分析へ、そして受動的な対応から能動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分析端末を配置することで、従来の建設業界の安全監視業務にAIテクノロジーを深く統合し、インテリジェントビデオに基づくビジュアルAIアルゴリズムの独自の研究開発を完了します。分析技術、検出すべきイベントのフルタイム検出（ヘルメット着用の有無の検出など）、人員、環境、セキュリティ、その他の安全リスクポイントの特定と警報リマインダーサービスの提供、および危険なポイントの特定に率先して取り組むAI インテリジェントな警備、人件費の節約などの要素により、建設現場の人員と財産の安全管理のニーズに対応します。

高度道路交通分野では

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パラダイムとなっており、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側のデータ分析と計算の決定を提供します。作成処理、エンド側は主に業務データの収集を担当します。

車両と道路の調整、ホログラフィック交差点、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、警報処理、運用および保守処理が必要です。エッジ コンピューティングは、分割と征服、大規模なものから小規模なものへの変換、クロスレイヤ 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の実現、さらには異種データの共同制御を実現します。

工業生産分野では

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製造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。機器情報モデルに基づいたエッジコンピューティングプラットフォームにより、セマンティックレベルの製造システムの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、多数のフィールドリアルタイムデータを集約して分析し、モデルベースの生産ラインを実現します。マルチデータソース情報の融合により、ディスクリート製造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。

機器の予知保全シナリオ: 産業機器の保全は、修理保全、予防保全、予知保全の 3 つのタイプに分類されます。事後保全は事後保全に属し、予防保全と予知保全は事前保全に属し、前者は時間、設備の性能、現場の状況などに基づいて行われる設備の定期保全であり、多かれ少なかれ人的基準に基づいて行われます。後者では、センサーデータの収集を通じて、データ分析の産業モデルに基づいて機器の動作状態をリアルタイムに監視し、故障の発生時期を正確に予測します。

産業用品質検査シナリオ: 産業用ビジョン検査分野は、品質検査分野における最初の従来型自動光学検査 (AOI) 形式ですが、これまでの AOI の開発は、さまざまな欠陥により、多くの欠陥検出やその他の複雑なシナリオで行われています。タイプの多さ、特徴抽出が不完全、適応アルゴリズムの拡張性が乏しい、生産ラインが頻繁に更新される、アルゴリズムの移行が柔軟ではないなどの要因により、従来の AOI システムは生産ラインのニーズの発展に応えることが困難でした。したがって、ディープラーニング+小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、従来の視覚検査スキームを徐々に置き換えつつあり、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ディープラーニング検査アルゴリズムの2段階を経ています。