از سرویس‌های ابری گرفته تا محاسبات لبه‌ای، هوش مصنوعی به «آخرین مرحله» می‌رسد

بازار محاسبات لبه‌ای طی پنج سال آینده با نرخ رشد مرکب سالانه ۳۶.۱ درصد رشد خواهد کرد

صنعت محاسبات لبه وارد مرحله‌ای از توسعه پایدار شده است، همانطور که از تنوع تدریجی ارائه دهندگان خدمات آن، گسترش اندازه بازار و گسترش بیشتر حوزه‌های کاربردی مشهود است. از نظر اندازه بازار، داده‌های گزارش ردیابی IDC نشان می‌دهد که اندازه کلی بازار سرورهای محاسبات لبه در چین در سال 2021 به 3.31 میلیارد دلار آمریکا رسیده است و انتظار می‌رود اندازه کلی بازار سرورهای محاسبات لبه در چین با نرخ رشد مرکب سالانه 22.2 درصد از سال 2020 تا 2025 رشد کند. سالیوان پیش‌بینی می‌کند که انتظار می‌رود اندازه بازار محاسبات لبه در چین در سال 2027 به 250.9 میلیارد یوان برسد و از سال 2023 تا 2027 نرخ رشد مرکب سالانه 36.1 درصد داشته باشد.

صنعت سازگار با محیط زیست محاسبات لبه‌ای رونق می‌گیرد

محاسبات لبه در حال حاضر در مراحل اولیه شیوع است و مرزهای تجاری در زنجیره صنعت نسبتاً مبهم هستند. برای فروشندگان انفرادی، لازم است ادغام با سناریوهای تجاری را در نظر بگیرند و همچنین لازم است توانایی سازگاری با تغییرات در سناریوهای تجاری را از سطح فنی داشته باشند و همچنین لازم است از سازگاری بالایی با تجهیزات سخت‌افزاری و همچنین توانایی مهندسی برای انجام پروژه‌ها اطمینان حاصل شود.

زنجیره صنعت محاسبات لبه به فروشندگان تراشه، فروشندگان الگوریتم، تولیدکنندگان دستگاه‌های سخت‌افزاری و ارائه‌دهندگان راه‌حل تقسیم می‌شود. فروشندگان تراشه عمدتاً تراشه‌های محاسباتی را از سمت انتهایی به سمت لبه و سپس به سمت ابری توسعه می‌دهند و علاوه بر تراشه‌های سمت لبه، کارت‌های شتاب‌دهنده نیز توسعه می‌دهند و از پلتفرم‌های توسعه نرم‌افزار پشتیبانی می‌کنند. فروشندگان الگوریتم، الگوریتم‌های بینایی کامپیوتر را به عنوان هسته اصلی برای ساخت الگوریتم‌های عمومی یا سفارشی در نظر می‌گیرند و همچنین شرکت‌هایی وجود دارند که مراکز الگوریتم یا پلتفرم‌های آموزشی و فشاری می‌سازند. فروشندگان تجهیزات به طور فعال در محصولات محاسبات لبه سرمایه‌گذاری می‌کنند و شکل محصولات محاسبات لبه دائماً غنی می‌شود و به تدریج مجموعه‌ای کامل از محصولات محاسبات لبه را از تراشه تا کل دستگاه تشکیل می‌دهد. ارائه‌دهندگان راه‌حل، راه‌حل‌های نرم‌افزاری یا نرم‌افزار-سخت‌افزار-یکپارچه را برای صنایع خاص ارائه می‌دهند.

کاربردهای صنعتی محاسبات لبه‌ای شتاب می‌گیرند

در حوزه شهر هوشمند

بازرسی جامع از املاک شهری در حال حاضر معمولاً به صورت بازرسی دستی انجام می‌شود و روش بازرسی دستی با مشکلاتی از جمله زمان‌بر بودن و هزینه‌های نیروی کار زیاد، وابستگی فرآیند به افراد، پوشش و فراوانی ضعیف بازرسی و کنترل کیفیت پایین مواجه است. در عین حال، فرآیند بازرسی حجم عظیمی از داده‌ها را ثبت کرده است، اما این منابع داده به دارایی‌های داده‌ای برای توانمندسازی کسب‌وکار تبدیل نشده‌اند. این شرکت با به‌کارگیری فناوری هوش مصنوعی در سناریوهای بازرسی سیار، یک خودروی بازرسی هوشمند هوش مصنوعی برای مدیریت شهری ایجاد کرده است که از فناوری‌هایی مانند اینترنت اشیا، محاسبات ابری، الگوریتم‌های هوش مصنوعی بهره می‌برد و تجهیزات حرفه‌ای مانند دوربین‌های با کیفیت بالا، نمایشگرهای داخلی و سرورهای جانبی هوش مصنوعی را حمل می‌کند و مکانیسم بازرسی "سیستم هوشمند + ماشین هوشمند + کمک کارکنان" را ترکیب می‌کند. این امر تحول مدیریت شهری را از نیروی انسانی متمرکز به هوش مکانیکی، از قضاوت تجربی به تجزیه و تحلیل داده‌ها و از پاسخ غیرفعال به کشف فعال ارتقا می‌دهد.

در حوزه هوشمندسازی سایت‌های ساختمانی

راهکارهای هوشمند مبتنی بر محاسبات لبه در سایت‌های ساختمانی، با قرار دادن یک ترمینال تحلیل هوش مصنوعی لبه در سایت ساختمانی، تکمیل تحقیق و توسعه مستقل الگوریتم‌های بصری هوش مصنوعی مبتنی بر فناوری تحلیل ویدیویی هوشمند، تشخیص تمام‌وقت رویدادهایی که باید شناسایی شوند (مثلاً تشخیص استفاده یا عدم استفاده از کلاه ایمنی)، ارائه خدمات شناسایی نقاط خطر ایمنی برای پرسنل، محیط زیست، امنیت و سایر موارد، و ابتکار عمل در شناسایی عوامل ناامن، محافظت هوشمند هوش مصنوعی، صرفه‌جویی در هزینه‌های نیروی انسانی، و برآورده کردن نیازهای مدیریت ایمنی پرسنل و اموال سایت‌های ساختمانی، ادغام عمیق فناوری هوش مصنوعی را در کار سنتی نظارت بر ایمنی صنعت ساخت و ساز به کار می‌گیرند.

در حوزه حمل و نقل هوشمند

معماری سمت-ابری به الگوی اساسی برای استقرار برنامه‌ها در صنعت حمل و نقل هوشمند تبدیل شده است، به طوری که سمت ابری مسئول مدیریت متمرکز و بخشی از پردازش داده‌ها، سمت لبه عمدتاً تجزیه و تحلیل داده‌ها و پردازش تصمیم‌گیری محاسباتی سمت لبه و سمت انتهایی عمدتاً مسئول جمع‌آوری داده‌های تجاری است.

در سناریوهای خاص مانند هماهنگی خودرو-جاده، تقاطع‌های هولوگرافیک، رانندگی خودکار و ترافیک ریلی، تعداد زیادی دستگاه ناهمگن مورد دسترسی قرار می‌گیرند و این دستگاه‌ها نیاز به مدیریت دسترسی، مدیریت خروج، پردازش هشدار و پردازش عملیات و نگهداری دارند. محاسبات لبه می‌تواند تقسیم و تسخیر کند، بزرگ را به کوچک تبدیل کند، توابع تبدیل پروتکل بین لایه‌ای را ارائه دهد، به دسترسی یکپارچه و پایدار و حتی کنترل مشارکتی داده‌های ناهمگن دست یابد.

در حوزه تولید صنعتی

سناریوی بهینه‌سازی فرآیند تولید: در حال حاضر، تعداد زیادی از سیستم‌های تولید گسسته به دلیل ناقص بودن داده‌ها محدود شده‌اند و محاسبات کلی راندمان تجهیزات و سایر داده‌های شاخص نسبتاً نامرتب است و استفاده از آن را برای بهینه‌سازی راندمان دشوار می‌کند. پلتفرم محاسبات لبه‌ای مبتنی بر مدل اطلاعات تجهیزات برای دستیابی به سیستم تولید سطح معنایی، ارتباطات افقی و عمودی، مبتنی بر مکانیسم پردازش جریان داده بلادرنگ برای جمع‌آوری و تجزیه و تحلیل تعداد زیادی از داده‌های میدانی بلادرنگ، برای دستیابی به ادغام اطلاعات چند منبع داده‌ای خط تولید مبتنی بر مدل، برای ارائه پشتیبانی قدرتمند از داده‌ها برای تصمیم‌گیری در سیستم تولید گسسته.

سناریوی تعمیر و نگهداری پیش‌بینانه تجهیزات: تعمیر و نگهداری تجهیزات صنعتی به سه نوع تقسیم می‌شود: تعمیر و نگهداری ترمیمی، تعمیر و نگهداری پیشگیرانه و تعمیر و نگهداری پیش‌بینانه. تعمیر و نگهداری ترمیمی به تعمیر و نگهداری پس از وقوع حادثه، تعمیر و نگهداری پیشگیرانه و تعمیر و نگهداری پیش‌بینانه به تعمیر و نگهداری پیش از وقوع حادثه تعلق دارد. مورد اول بر اساس زمان، عملکرد تجهیزات، شرایط سایت و سایر عوامل برای تعمیر و نگهداری منظم تجهیزات، کم و بیش بر اساس تجربه انسانی است، و مورد دوم از طریق جمع‌آوری داده‌های حسگر، نظارت بلادرنگ بر وضعیت عملیاتی تجهیزات، بر اساس مدل صنعتی تجزیه و تحلیل داده‌ها، و پیش‌بینی دقیق زمان وقوع خرابی انجام می‌شود.

سناریوی بازرسی کیفیت صنعتی: حوزه بازرسی بینایی صنعتی اولین نوع بازرسی نوری خودکار (AOI) سنتی است که وارد حوزه بازرسی کیفیت شده است، اما توسعه AOI تاکنون، در بسیاری از سناریوهای تشخیص نقص و سایر سناریوهای پیچیده، به دلیل نقص‌های متنوع، استخراج ویژگی ناقص، الگوریتم‌های تطبیقی ​​با قابلیت توسعه ضعیف، به‌روزرسانی مکرر خط تولید، انعطاف‌پذیر نبودن مهاجرت الگوریتم و سایر عوامل، سیستم AOI سنتی در برآورده کردن نیازهای توسعه خط تولید با مشکل مواجه بوده است. بنابراین، پلتفرم الگوریتم بازرسی کیفیت صنعتی هوش مصنوعی که با یادگیری عمیق + یادگیری نمونه کوچک ارائه می‌شود، به تدریج جایگزین طرح بازرسی بصری سنتی می‌شود و پلتفرم بازرسی کیفیت صنعتی هوش مصنوعی دو مرحله الگوریتم‌های یادگیری ماشین کلاسیک و الگوریتم‌های بازرسی یادگیری عمیق را پشت سر گذاشته است.