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が「ラストマイル」に進出

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多様化、市場規模の拡大、アプリケーション分野のさらなる拡大などから明らかなように、着実な発展段階に入りました。市場規模に関して、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市場規模は2021年に33億1000万米ドルに達し、2020年から2025年にかけて年平均成長率22.2%で成長すると予測されています。Sullivanは、中国のエッジコンピューティング市場規模は2027年には2509億人民元に達し、2023年から2027年にかけて年平均成長率36.1%で成長す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、普及初期段階にあり、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、技術レベルでビジネスシナリオの変化に適応できる能力、ハードウェア機器との高い互換性、そしてプロジェクトを実現するためのエンジニアリング能力を確保する必要があります。

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ビジョンアルゴリズムをコアとして汎用またはカスタマイズされたアルゴリズムを構築しており、アルゴリズムモールや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態は絶えず多様化し、チップからマシン全体まで、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の業界アプリケーションが加速

スマートシティの分野では

都市不動産の総合検査は現在、手作業による検査が一般的ですが、手作業による検査は時間と労力がかかり、プロセスが個人に依存し、検査範囲と頻度が低く、品質管理が不十分であるといった問題があります。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すが、これらのデータリソースはビジネス強化のためのデータ資産に変換されていません。そこで、当社はモバイル検査シナリオにAI技術を適用し、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機器を搭載し、「インテリジェントシステム＋インテリジェントマシン＋スタッフ支援」の検査メカニズムを組み合わせた都市ガバナンスAIインテリジェント検査車両を開発しました。これにより、都市ガバナンスを人的集約型から機械的知能へ、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、従来の建設業界の安全監視業務にAI技術を深く統合し、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技術に基づいた視覚AIアルゴリズムを独自に研究開発し、検出対象イベント（ヘルメット着用の有無など）を常時検出し、人員、​​環境、セキュリティなどの安全リスクポイントの識別とアラーム通知サービスを提供し、危険要因の自主的な識別、AIインテリジェント警備、人件費の削減を実現することで、建設現場の人員および資産の安全管理ニーズを満たします。

高度道路交通の分野では

クラウドサイド・エンドアーキテクチャは、インテリジェント交通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サイドのデータ分析と計算による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する。

車両と道路の連携、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、アクセスされる異種デバイスが多数存在し、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、運用保守処理が必要です。エッジコンピューティングは、分割統治、大規模の小規模化、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、さらには異種データの協調制御を実現します。

工業製造の分野で

生産プロセス最適化シナリオ：現在、多数の個別製造システムはデータの不完全性によって制約を受けており、総合設備効率やその他の指標データの計算が比較的ずさんで、効率最適化に利用することが困難です。エッジコンピューティングプラットフォームは、設備情報モデルに基づいて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多数の現場リアルタイムデータを集約・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、個別製造システムにおける意思決定のための強力なデータサポートを提供します。

機器の予知保全シナリオ：産業機器の保守は、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に属し、予防保全と予知保全は事前保全に属します。前者は、時間、機器の性能、現場の状況などの要因に基づいて機器を定期的に保守するもので、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、機器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によって、故障が発生する時期を正確に予測します。

産業品質検査のシナリオ：産業用画像検査の分野は、従来型の自動光学検査（AOI）が品質検査の分野に初めて導入された分野ですが、AOIのこれまでの発展では、多くの欠陥検出やその他の複雑なシナリオにおいて、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低いこと、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ことなどの要因により、従来のAOIシステムは、発展する生産ラインのニーズを満たすことが困難になっています。そのため、ディープラーニングと小サンプル学習で代表されるAI産業品質検査アルゴリズムプラットフォームが、従来の画像検査方式に徐々に取って代わりつつあり、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つの段階を経てきました。