Jei dirbtinis intelektas laikomas kelione iš taško A į tašką B, debesų kompiuterijos paslauga yra oro uostas arba greitojo geležinkelio stotis, o krašto kompiuterija – taksi arba bendras dviratis. Krašto kompiuterija yra arti žmonių, daiktų ar duomenų šaltinių. Ji naudoja atvirą platformą, kuri integruoja saugojimo, skaičiavimo, prieigos prie tinklo ir pagrindinių programų galimybes, kad teiktų paslaugas netoliese esantiems vartotojams. Palyginti su centralizuotai diegiamomis debesų kompiuterijos paslaugomis, krašto kompiuterija išsprendžia tokias problemas kaip ilgas delsos laikas ir didelis srauto konvergencijos lygis, teikdama geresnę paramą realaus laiko ir pralaidumo reikalaujančioms paslaugoms.
„ChatGPT“ gaisras sukėlė naują dirbtinio intelekto plėtros bangą, paspartindamas dirbtinio intelekto plitimą į daugiau taikymo sričių, tokių kaip pramonė, mažmeninė prekyba, išmanieji namai, išmanieji miestai ir kt. Taikomosios programos gale reikia saugoti ir skaičiuoti didelį kiekį duomenų, o vien debesijos nebepakanka norint patenkinti realią paklausą, todėl kraštiniai skaičiavimai pagerina paskutinį dirbtinio intelekto programų kilometrą. Vadovaujantis nacionaline energinga skaitmeninės ekonomikos plėtros politika, Kinijos debesų kompiuterija įžengė į įtraukios plėtros laikotarpį, kraštinių skaičiavimo paklausa išaugo, o debesų kraštinių ir galinių kompiuterių integracija tapo svarbia evoliucijos kryptimi ateityje.
Perdangos kompiuterijos rinka per ateinančius penkerius metus augs 36,1 % metiniu augimo tempu.
Perimetro kompiuterijos pramonė įžengė į nuolatinio vystymosi etapą, ką rodo laipsniškas paslaugų teikėjų diversifikavimas, didėjantis rinkos dydis ir tolesnis taikymo sričių plėtimas. Kalbant apie rinkos dydį, IDC stebėjimo ataskaitos duomenys rodo, kad bendras periferinių kompiuterijos serverių rinkos dydis Kinijoje 2021 m. pasiekė 3,31 mlrd. JAV dolerių, o tikimasi, kad bendras periferinių kompiuterijos serverių rinkos dydis Kinijoje nuo 2020 iki 2025 m. augs 22,2 % metiniu augimo tempu. „Sullivan“ prognozuoja, kad periferinių kompiuterijos rinkos dydis Kinijoje 2027 m. pasieks 250,9 mlrd. RMB, o metinis augimo tempas nuo 2023 iki 2027 m. sieks 36,1 %.
Kraštinių kompiuterių ekologinė pramonė klesti
Perdangos kompiuterija šiuo metu yra ankstyvoje protrūkio stadijoje, o verslo ribos pramonės grandinėje yra gana neaiškios. Atskiriems tiekėjams būtina atsižvelgti į integraciją su verslo scenarijais, taip pat būtina turėti galimybę prisitaikyti prie verslo scenarijų pokyčių techniniu lygmeniu, taip pat būtina užtikrinti aukštą suderinamumo su aparatine įranga laipsnį, taip pat inžinerinius gebėjimus įgyvendinti projektus.
Perimetro skaičiavimo pramonės grandinė yra padalinta į lustų tiekėjus, algoritmų tiekėjus, aparatinės įrangos gamintojus ir sprendimų teikėjus. Lustų tiekėjai dažniausiai kuria aritmetinius lustus nuo galinės pusės iki krašto ir debesijos pusės, o be krašto lustų, jie taip pat kuria spartinimo korteles ir palaiko programinės įrangos kūrimo platformas. Algoritmų tiekėjai kompiuterinio matymo algoritmus naudoja kaip pagrindą kurdami bendrus arba individualius algoritmus, taip pat yra įmonių, kurios kuria algoritmų prekybos centrus arba mokymo ir stūmimo platformas. Įrangos tiekėjai aktyviai investuoja į periferinio skaičiavimo produktus, o periferinio skaičiavimo produktų forma nuolat plečiama, palaipsniui formuojant visą periferinio skaičiavimo produktų rinkinį nuo lusto iki visos mašinos. Sprendimų teikėjai teikia programinės įrangos arba programinės ir aparatinės įrangos integruotus sprendimus konkrečioms pramonės šakoms.
Perdangos skaičiavimo pramonės programos spartėja
Išmaniojo miesto srityje
Šiuo metu išsami miesto turto apžiūra dažniausiai atliekama rankinio apžiūros būdu, o rankinio apžiūros režimo problemos yra didelės laiko ir darbo sąnaudos, proceso priklausomybė nuo asmenų, prasta aprėptis ir apžiūros dažnumas bei prasta kokybės kontrolė. Tuo pačiu metu apžiūros proceso metu buvo užfiksuotas didžiulis duomenų kiekis, tačiau šie duomenų ištekliai nebuvo paversti duomenų ištekliais, skirtais verslo įgalinimui. Taikydama dirbtinio intelekto technologiją mobiliųjų apžiūrų scenarijuose, įmonė sukūrė miesto valdymo dirbtiniu intelektu pagrįstą intelektualią apžiūros transporto priemonę, kuri naudoja tokias technologijas kaip daiktų internetas, debesų kompiuterija, dirbtinio intelekto algoritmai ir turi profesionalią įrangą, tokią kaip didelės raiškos kameros, borto ekranai ir dirbtinio intelekto serveriai, bei sujungia „intelektualios sistemos + intelektualios mašinos + personalo pagalbos“ apžiūros mechanizmą. Tai skatina miesto valdymo transformaciją nuo personalo reikalaujančio prie mechaninio intelekto, nuo empirinio vertinimo prie duomenų analizės ir nuo pasyvaus reagavimo prie aktyvaus atradimo.
Pažangių statybviečių srityje
Pažangūs statybviečių sprendimai, paremti kraštiniais skaičiavimais, taiko gilų dirbtinio intelekto technologijos integravimą į tradicinius statybviečių saugos stebėjimo darbus, pastatydami kraštinį dirbtinio intelekto analizės terminalą statybvietėje, atlikdami nepriklausomus vizualinių dirbtinio intelekto algoritmų, pagrįstų intelektualia vaizdo analizės technologija, tyrimus ir plėtrą, nuolat aptikdami aptinkamus įvykius (pvz., nustatydami, ar reikia dėvėti šalmą), teikdami personalo, aplinkos, saugumo ir kitų saugos rizikos taškų identifikavimo ir signalizacijos priminimo paslaugas, taip pat imdamiesi iniciatyvos nustatyti nesaugius veiksnius, naudodami dirbtinį intelektą, taupydami darbo jėgos sąnaudas, kad patenkintumėte statybviečių personalo ir turto saugos valdymo poreikius.
Pažangaus transporto srityje
Debesijos pusės architektūra tapo pagrindine programų diegimo intelektualiojo transporto pramonėje paradigma, kai debesijos pusė yra atsakinga už centralizuotą valdymą ir dalį duomenų apdorojimo, krašto pusė daugiausia atlieka krašto duomenų analizę ir skaičiavimo sprendimų priėmimą, o galinė pusė daugiausia atsakinga už verslo duomenų rinkimą.
Konkrečiuose scenarijuose, tokiuose kaip transporto priemonių ir kelių koordinavimas, holografinės sankryžos, automatinis vairavimas ir geležinkelių eismas, prieiga prie daugybės nevienalyčių įrenginių yra vykdoma, ir šiems įrenginiams reikalingas prieigos valdymas, išėjimo valdymas, signalizacijos apdorojimas, eksploatavimo ir priežiūros apdorojimas. Kraštinių kompiuterių sistema gali skaidyti ir valdyti, paversti didelius objektus mažais, teikti kelių sluoksnių protokolų konvertavimo funkcijas, pasiekti vieningą ir stabilią prieigą ir netgi bendradarbiauti kontroliuojant nevienalyčius duomenis.
Pramoninės gamybos srityje
Gamybos proceso optimizavimo scenarijus: Šiuo metu daugelį diskrečiųjų gamybos sistemų riboja duomenų neišsamumas, o bendras įrangos efektyvumo ir kitų rodiklių duomenų skaičiavimas yra gana netikslus, todėl jį sunku naudoti efektyvumo optimizavimui. Kraštinių skaičiavimų platforma, pagrįsta įrangos informacijos modeliu, siekiant semantinio lygio gamybos sistemos horizontalios ir vertikalios komunikacijos, pagrįsta realaus laiko duomenų srauto apdorojimo mechanizmu, siekiant apibendrinti ir analizuoti daugybę lauko realaus laiko duomenų, siekiant modeliu pagrįstos gamybos linijos kelių duomenų šaltinių informacijos sintezės, siekiant teikti galingą duomenų paramą sprendimų priėmimui diskrečioje gamybos sistemoje.
Įrangos nuspėjamosios priežiūros scenarijus: Pramoninės įrangos priežiūra skirstoma į tris tipus: atkuriamąją priežiūrą, prevencinę priežiūrą ir nuspėjamąją priežiūrą. Atkuriamoji priežiūra priklauso ex post facto priežiūrai, prevencinė priežiūra ir nuspėjamoji priežiūra priklauso ex ante priežiūrai. Pirmoji priežiūra pagrįsta laiku, įrangos veikimu, vietos sąlygomis ir kitais veiksniais, o reguliari įrangos priežiūra daugiau ar mažiau pagrįsta žmonių patirtimi, o antroji – renkant jutiklių duomenis, stebint įrangos veikimo būseną realiuoju laiku, remiantis pramoniniu duomenų analizės modeliu ir tiksliai numatant gedimo laiką.
Pramoninės kokybės tikrinimo scenarijus: pramoninės regos tikrinimo sritis yra pirmoji tradicinė automatinės optinės patikros (AOI) forma kokybės tikrinimo srityje, tačiau iki šiol AOI plėtra daugelyje defektų aptikimo ir kitų sudėtingų scenarijų, dėl įvairių tipų defektų, funkcijų išskyrimo nepilnumo, adaptyvių algoritmų prasto išplėtimo, dažno gamybos linijos atnaujinimo, algoritmų perkėlimo nelankstumo ir kitų veiksnių, tradicinei AOI sistemai buvo sunku patenkinti gamybos linijos plėtros poreikius. Todėl dirbtinio intelekto pramoninio kokybės tikrinimo algoritmų platforma, atstovaujama gilaus mokymosi ir mažo imties mokymosi, palaipsniui keičia tradicinę vizualinio tikrinimo schemą, o dirbtinio intelekto pramoninės kokybės tikrinimo platforma perėjo du etapus: klasikinius mašininio mokymosi algoritmus ir gilaus mokymosi tikrinimo algoritmus.
Įrašo laikas: 2023 m. spalio 8 d.