ສີ່ປັດໄຈເຮັດໃຫ້ອຸດສາຫະກໍາ Aiot ທີ່ມັກໃຫມ່

ອີງຕາມລາຍງານກ່ຽວກັບຕະຫຼາດ AI ແລະ AI ທີ່ຖືກປ່ອຍຕົວໃນເວລານີ້ 2021-2026, ອັດຕາການຮັບຮອງເອົາຂອງ Ai ໃນການຕັ້ງຄ່າອຸດສາຫະກໍາເພີ່ມຂື້ນຈາກ 19 ເປີເຊັນໃນເວລາພຽງ 1 ປີ. ນອກເຫນືອຈາກນີ້ເຖິງ 31 ເປີເຊັນຂອງຜູ້ຕອບແບບສອບຖາມທີ່ມີ AI ໄດ້ຮັບການທົດສອບຫຼືການທົດລອງໃຊ້ເຕັກໂນໂລຢີອີກ 39 ເປີເຊັນ.

AI ກໍາລັງພົ້ນເດັ່ນຂື້ນເປັນເຕັກໂນໂລຢີທີ່ສໍາຄັນສໍາລັບຜູ້ຜະລິດແລະບໍລິສັດພະລັງງານໃນທົ່ວໂລກຈະສະແດງໃຫ້ເຫັນເຖິງປະມານ 35% ເພື່ອບັນລຸ $ 102.17 ຕື້ໂດລາ

ຍຸກດິຈິຕອນໄດ້ໃຫ້ກໍາເນີດໃນອິນເຕີເນັດຂອງສິ່ງຕ່າງໆ. ມັນສາມາດເຫັນໄດ້ວ່າການເກີດຂື້ນຂອງປັນຍາປະດິດໄດ້ເລັ່ງການເລັ່ງຈັງຫວະການພັດທະນາຂອງອິນເຕີເນັດຂອງສິ່ງຕ່າງໆ.

ຂໍໃຫ້ພິຈາລະນາເບິ່ງບາງປັດໃຈທີ່ກໍາລັງປ່ຽນການເພີ່ມຂື້ນຂອງອຸດສາຫະກໍາ AI ແລະ AIOt.

ປັດໄຈທີ 1: ເຄື່ອງມືຊອບແວທີ່ນັບມື້ນັບຫຼາຍສໍາລັບ Aiot ອຸດສາຫະກໍາ

ໃນປີ 2019, ເມື່ອການວິເຄາະ IOT ເລີ່ມຕົ້ນທີ່ຈະປົກຄຸມອຸດສາຫະກໍາ Ai, ມີຜະລິດຕະພັນຊອບແວ AI ທີ່ອຸທິດຕົນໃນເຕັກໂນໂລຢີໃນການປະຕິບັດງານ (OT). ຕັ້ງແຕ່ນັ້ນມາ, ຜູ້ຂາຍ OT ຫຼາຍຄົນໄດ້ເຂົ້າສູ່ຕະຫຼາດ AI ໂດຍການພັດທະນາແລະສະຫນອງວິທີແກ້ໄຂຊອບແວ AI ໃນຮູບແບບຂອງໂຮງງານ.

ອີງຕາມຂໍ້ມູນ, ຜູ້ຂາຍເກືອບ 400 ຄົນໃຫ້ໂປແກຼມ Aiot. ຈໍານວນຜູ້ຂາຍຊອບແວເຂົ້າຮ່ວມຕະຫຼາດ AI ອຸດສາຫະກໍາ AI ໄດ້ເພີ່ມຂື້ນຢ່າງຫຼວງຫຼາຍໃນສອງປີທີ່ຜ່ານມາ. ໃນລະຫວ່າງການສຶກສາ, ການວິເຄາະ iot ໄດ້ກໍານົດຈໍານວນຜູ້ສະຫນອງເຕັກໂນໂລຢີ AI 634 ຕໍ່ຜູ້ຜະລິດຜູ້ຜະລິດ / ລູກຄ້າອຸດສາຫະກໍາ. ຂອງບໍລິສັດເຫຼົ່ານີ້, 389 (61,4%) ສະເຫນີໂປແກຼມ AI.

ແພລະຕະຟອມ AI ລຸ້ນໃຫມ່ແມ່ນສຸມໃສ່ສະພາບແວດລ້ອມອຸດສາຫະກໍາ. ນອກເຫນືອຈາກການເຕີບໃຫຍ່, BrainCube, ຫຼື C3 Ai, ຜູ້ຂາຍເຕັກໂນໂລຢີທີ່ກໍາລັງເພີ່ມຂື້ນ (OT) ກໍາລັງສະເຫນີເວທີ AI Software ທີ່ອຸທິດຕົນ. ຕົວຢ່າງລວມມີ ABB Suite ອຸດສາຫະກໍາຂອງ ABB, Luite ການຜະລິດລົດຈັກຂອງ ABB, Schneider. ບາງເວທີເຫຼົ່ານີ້ແນເປົ້າຫມາຍເຖິງກໍລະນີການນໍາໃຊ້ທີ່ຫຼາກຫຼາຍ. ຍົກຕົວຢ່າງ, ແພລະຕະຟອມ Gene ຂອງ ABB ໃຫ້ການວິເຄາະຂັ້ນສູງ, ລວມທັງການຈັດການແລະການບໍລິການທີ່ມີຄວາມຫມາຍລ່ວງຫນ້າ, ຄວາມຍືນຍົງດ້ານການສະຫນອງແລະສະຫນອງປະສິດທິພາບຂອງລະບົບຕ່ອງໂສ້.

ບໍລິສັດໃຫຍ່ກໍາລັງວາງເຄື່ອງມືຊອບແວ AI ຂອງພວກເຂົາໃສ່ຊັ້ນຮ້ານ.

ຄວາມພ້ອມຂອງເຄື່ອງມື AI ຊອບແວຍັງຖືກຂັບເຄື່ອນໂດຍເຄື່ອງມືຊອບແວທີ່ໃຊ້ໃຫມ່ທີ່ພັດທະນາໂດຍ AWS, ບໍລິສັດຂະຫນາດໃຫຍ່ເຊັ່ນ Microsoft ແລະ Google. ຍົກຕົວຢ່າງ, ໃນວັນທີ 2020, AWS ໄດ້ປ່ອຍ AWAzon Sagemaker, ເຊິ່ງເປັນວິທີແກ້ໄຂທີ່ສາມາດສ້າງໄດ້ຮັບການກໍ່ສ້າງແລະສາມາດນໍາໃຊ້ໄດ້ຫຼາຍທີ່ສຸດ, ແລະການຂັບຂີ່ຄອມພິວເຕີ, ນໍາໃຊ້ກັບພຽງສອງສາມຄັ້ງ.

ການນໍາໃຊ້ວິທີແກ້ໄຂໂປແກຼມສະເພາະທີ່ໃຊ້ໃນກໍລະນີແມ່ນກໍາລັງຂັບລົດການປັບປຸງຄວາມສາມາດ.

ການນໍາໃຊ້ຊຸດຊອບແວທີ່ສະເພາະ, ເຊັ່ນວ່າຜູ້ທີ່ສຸມໃສ່ການບໍາລຸງຮັກສາທີ່ຄາດເດົາ, ກໍາລັງມີຄວາມມັກຫຼາຍ. ການວິເຄາະ iot ໄດ້ສັງເກດເຫັນວ່າຈໍານວນຜູ້ໃຫ້ບໍລິການໂດຍໃຊ້ Solutions Software Data PRO-Contal (PDM).

ປັດໄຈທີ 2: ການພັດທະນາແລະການບໍາລຸງຮັກສາຂອງ AI Solutions ກໍາລັງຖືກເຮັດໃຫ້ງ່າຍດາຍ

ການຮຽນຮູ້ເຄື່ອງແບບອັດຕະໂນມັດ (Automl) ກໍາລັງກາຍເປັນຜະລິດຕະພັນມາດຕະຖານ.

ເນື່ອງຈາກຄວາມສັບສົນຂອງຫນ້າວຽກທີ່ກ່ຽວຂ້ອງກັບການຮຽນຮູ້ຂອງເຄື່ອງ (ມລ), ການສະຫມັກຮຽນການຮຽນຮູ້ຂອງເຄື່ອງຈັກໄດ້ສ້າງຄວາມຕ້ອງການໃນການຮຽນຮູ້ເຄື່ອງຈັກທີ່ສາມາດໃຊ້ໄດ້ໂດຍບໍ່ມີຄວາມຊໍານານ. ສະຫນາມທີ່ໄດ້ຮັບຜົນຂອງການຄົ້ນຄວ້າ, ການອັດຕະໂນມັດທີ່ກ້າວຫນ້າສໍາລັບການຮຽນຮູ້ເຄື່ອງ, ເອີ້ນວ່າ Automl. ບັນດາບໍລິສັດທີ່ຫຼາກຫຼາຍກໍາລັງໃຊ້ເຕັກໂນໂລຢີນີ້ເປັນສ່ວນຫນຶ່ງຂອງເຄື່ອງບູຊາ AI ຂອງພວກເຂົາເພື່ອຊ່ວຍໃຫ້ລູກຄ້າເປັນຕົວແບບ ML ແລະຈັດຕັ້ງປະຕິບັດຄະດີໃຫ້ໃຊ້ງານອຸດສາຫະກໍາໄວຂື້ນ. ໃນເດືອນພະຈິກ 2020, ຍົກຕົວຢ່າງ, SKF ໄດ້ປະກາດຜະລິດຕະພັນທີ່ອີງໃສ່ Automl ເຊິ່ງປະສົມປະສານຂໍ້ມູນຂະບວນການຂອງເຄື່ອງທີ່ມີການສັ່ນສະເທືອນແລະຂໍ້ມູນອຸນຫະພູມເພື່ອຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍສໍາລັບລູກຄ້າ.

ການປະຕິບັດງານການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (ML ops) ງ່າຍດາຍງ່າຍດາຍການຄຸ້ມຄອງແລະການບໍາລຸງຮັກສາແບບງ່າຍດາຍ.

ລະບຽບວິໄນໃຫມ່ຂອງການປະຕິບັດງານການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອເຮັດໃຫ້ການຮັກສາແບບງ່າຍດາຍຂອງຕົວແບບ AI ໃນສະພາບແວດລ້ອມການຜະລິດ. ການປະຕິບັດຂອງຕົວແບບ AI ໂດຍປົກກະຕິຈະເຮັດໃຫ້ຕົກຢູ່ໃນໄລຍະເວລາທີ່ໄດ້ຮັບຜົນກະທົບຈາກຫລາຍປັດໃຈພາຍໃນໂຮງງານ (ຕົວຢ່າງ, ການປ່ຽນແປງມາດຕະຖານທີ່ມີຄຸນນະພາບ). ດ້ວຍເຫດນັ້ນ, ການປະຕິບັດງານການບໍາລຸງຮັກສາແບບຈໍາລອງແລະເຄື່ອງຈັກໄດ້ຮັບຄວາມຈໍາເປັນໃນການຕອບສະຫນອງຄວາມຕ້ອງການທີ່ມີຄຸນນະພາບສູງຂອງການປະຕິບັດໃນ 99%.

ໃນຊຸມປີມໍ່ໆມານີ້, ການເລີ່ມຕົ້ນຫຼາຍຄັ້ງໄດ້ເຂົ້າຮ່ວມກັບ DataRobot, Grid.ai, PineCone / Zilliz, Selton & Weights & Biases & Biases. ບໍລິສັດໄດ້ສ້າງຕັ້ງຂຶ້ນໄດ້ເພີ່ມການປະຕິບັດງານການຮຽນຮູ້ຂອງເຄື່ອງຈັກ AI ທີ່ມີຢູ່ຂອງພວກເຂົາ, ລວມທັງ Microsoft ML ຄຸນນະສົມບັດໃຫມ່ນີ້ຊ່ວຍໃຫ້ຜູ້ໃຊ້ສາມາດຄົ້ນພົບການປ່ຽນແປງຂອງການແຈກຢາຍຂໍ້ມູນທີ່ເຮັດໃຫ້ມີການປະຕິບັດຕົວແບບ degrade.

ປັດໄຈທີ 3: ຄວາມສະຫຼາດປອມທີ່ນໍາໃຊ້ກັບໂປແກຼມແລະການນໍາໃຊ້ທີ່ມີຢູ່ແລ້ວ

ຜູ້ໃຫ້ບໍລິການຊອບແວແບບດັ້ງເດີມກໍາລັງເພີ່ມຄວາມສາມາດຂອງ AI.

ນອກເຫນືອໄປຈາກເຄື່ອງມືຊອບແວທີ່ມີຢູ່ແລ້ວເຊັ່ນ: MS AZERE SAGEIKER, ແລະການວາງແຜນການປະຕິບັດການທົດລອງຄອມພິວເຕີ (ERP) ຫຼືການວາງແຜນຊັບພະຍາກອນທາງດ້ານຄອມພີວເຕີ (ERP). ຍົກຕົວຢ່າງ, ໂປແກຼມ Epicor ໃຫ້ບໍລິການ Epicor ແມ່ນການເພີ່ມຄວາມສາມາດໃນການຜະລິດຕະພັນ AI ໃຫ້ກັບຜະລິດຕະພັນທີ່ມີຢູ່ຂອງມັນຜ່ານຜູ້ຊ່ວຍ Virtual Virtual (EVA) ຂອງມັນ. ຕົວແທນ Eva ທີ່ສະຫຼາດແມ່ນໃຊ້ໃນການຂະບວນການ EVE, ເຊັ່ນ: ການປະຕິບັດການຜະລິດຄືນໃຫມ່ຫຼືການພິຈາລະນາລາຍລະອຽດກ່ຽວກັບລາຄາຂອງຜະລິດຕະພັນຫຼືຈໍານວນພາກສ່ວນທີ່ມີຢູ່).

ກໍລະນີການນໍາໃຊ້ອຸດສາຫະກໍາແມ່ນໄດ້ຮັບການຍົກລະດັບໂດຍການໃຊ້ AIOT.

ກໍລະນີການນໍາໃຊ້ອຸດສາຫະກໍາຫຼາຍໆຢ່າງກໍາລັງຖືກປັບປຸງໂດຍການເພີ່ມຄວາມສາມາດໃນການເພີ່ມປະສິດທິພາບຂອງຮາດແວ / ຊອບແວທີ່ມີຢູ່ແລ້ວ. ຕົວຢ່າງທີ່ມີຄວາມຫມາຍຊັດເຈນແມ່ນວິໄສທັດຂອງເຄື່ອງໃນການນໍາໃຊ້ທີ່ມີຄຸນນະພາບ. ຮູບພາບຂະບວນການຂະຫຍາຍຕົວຢ່າງໂດຍຜ່ານຄອມພິວເຕີແບບປະສົມປະສານຫຼືເລືອກເອົາຕົວກໍານົດການທີ່ມີຄວາມຊ່ຽວຊານແລະຂອບເຂດທີ່ກໍານົດໄວ້) ເພື່ອກໍານົດຄວາມບົກຜ່ອງດ້ານການວາງແຜນ. ໃນຫລາຍໆກໍລະນີ (ຕົວຢ່າງ, ສ່ວນປະກອບເອເລັກໂຕຣນິກທີ່ມີຮູບຊົງໄຟທີ່ແຕກຕ່າງກັນ), ຈໍານວນບວກທີ່ບໍ່ຖືກຕ້ອງແມ່ນສູງຫຼາຍ.

ເຖິງຢ່າງໃດກໍ່ຕາມ, ລະບົບເຫຼົ່ານີ້ກໍາລັງໄດ້ຮັບການຟື້ນຟູໂດຍຜ່ານທາງປັນຍາປອມ. ຍົກຕົວຢ່າງ, ຜູ້ໃຫ້ບໍລິການດ້ານອຸດສາຫະກໍາ COGNEX ໄດ້ປ່ອຍເຄື່ອງມືການຮຽນຮູ້ແບບເລິກໆ (ວິໄສທັດທີ່ສຸດໃນການປະສົມປະສານກັບຄວາມຕ້ອງການຂອງຮອຍຂີດຂ່ວນແລະການປົນເປື້ອນແລະຂໍ້ບົກຜ່ອງອື່ນໆ.

ປັດໄຈທີ 4: ຮາດແວ AIOT AIOT ທີ່ຖືກປັບປຸງ

AI Chips ກໍາລັງປັບປຸງຢ່າງໄວວາ.

ຊິບ AI Hardware AI ທີ່ກໍາລັງເຕີບໃຫຍ່ຂະຫຍາຍຕົວຢ່າງໄວວາ, ພ້ອມມີຫລາຍທາງເລືອກເພື່ອສະຫນັບສະຫນູນການພັດທະນາແລະການນໍາໃຊ້ແບບ AI. ຕົວຢ່າງລວມມີການປຸງແຕ່ງຮູບພາບລ້າສຸດຂອງ NVIDIA, A30 ແລະ A10, ເຊິ່ງໄດ້ຖືກນໍາສະເຫນີໃນເດືອນມີນາປີ 2021 ແລະເຫມາະສົມກັບກໍລະນີ AI ນໍາໃຊ້ເຊັ່ນ: ລະບົບແນະນໍາແລະລະບົບວິໄສທັດຄອມພິວເຕີ. ຕົວຢ່າງອີກອັນຫນຶ່ງແມ່ນຫນ່ວຍງານປະມວນຜົນ tensors ລຸ້ນທີ 4 ຂອງ Google, ເຊິ່ງມີປະສິດຕິພາບສູງຂື້ນໃນການເຮັດວຽກແລະການຈັດປະເພດ AI (ຕົວຢ່າງ:, ແລະການຈັດປະເພດວັດຖຸ, ແລະຄໍາແນະນໍາຂອງວັດຖຸຫຼືຄໍາແນະນໍາ). ການນໍາໃຊ້ຮາດແວ AI ທີ່ອຸທິດຕົນຫຼຸດຜ່ອນການໃຊ້ເວລາການຄິດໄລ່ແບບຈໍາລອງເວລາແຕ່ມື້, ແລະໄດ້ພິສູດໃຫ້ເຫັນວ່າເປັນຜູ້ປ່ຽນເກມໃນຫລາຍໆກໍລະນີ.

ຮາດແວ AI ທີ່ມີປະສິດທິພາບແມ່ນສາມາດໃຊ້ໄດ້ທັນທີໂດຍຜ່ານຮູບແບບການຈ່າຍເງິນຕໍ່ໄປ.

ວິສາຫະກິດ Superscale ແມ່ນການຍົກລະດັບເຄື່ອງແມ່ຂ່າຍຂອງພວກເຂົາຢ່າງຕໍ່ເນື່ອງເພື່ອເຮັດໃຫ້ຊັບພະຍາກອນຄອມພິວເຕີ້ມີຢູ່ໃນເມຄເພື່ອໃຫ້ຜູ້ໃຊ້ສຸດທ້າຍສາມາດຈັດຕັ້ງປະຕິບັດການສະຫມັກ AI ອຸດສາຫະກໍາ. ໃນເດືອນພະຈິກ 2021, ຍົກຕົວຢ່າງ, AWS ປະກາດການປ່ອຍຕົວຢ່າງທີ່ເປັນທາງການຂອງ GPU ທີ່ເປັນທາງການຂອງ AMAZON EMAZON A10G, ສໍາລັບການສະຫມັກ ML, ລວມທັງເຄື່ອງຈັກຄອມພິວເຕີແລະເຄື່ອງຈັກແນະນໍາ. ຍົກຕົວຢ່າງ, ລະບົບການຊອກຄົ້ນຫາຜູ້ໃຫ້ບໍລິການນໍາໃຊ້ Amazon EC2 ຂອງ Amazon EC2 ຂອງ Amaz EC2 ຂອງ AI ຂອງມັນແລະບັນລຸອັດຕາການຊອກຄົ້ນຫາທີ່ຖືກຕ້ອງໃນການຜະລິດ microchips ແລະ nanotubes.

ການສະຫລຸບແລະຄວາມສົດໃສດ້ານ

AI ກໍາລັງຈະອອກມາຈາກໂຮງງານ, ແລະມັນຈະມີຢູ່ໃນແອັບພລິເຄຊັນໃຫມ່, ເຊັ່ນ Ai-based Pdm, ແລະເປັນການເພີ່ມປະສິດທິພາບຂອງໂປແກຼມທີ່ມີຢູ່ແລ້ວແລະໃຊ້ກໍລະນີທີ່ມີຢູ່ແລ້ວ. ບັນດາວິສາຫະກິດຂະຫນາດໃຫຍ່ກໍາລັງຫມູນວຽນກໍລະນີ AI ຫຼາຍໆຄັ້ງແລະການລາຍງານຜົນສໍາເລັດ, ແລະໂຄງການສ່ວນໃຫຍ່ມີຜົນຕອບແທນສູງຕໍ່ການລົງທືນ. ໃນທັງຫມົດ, ການເພີ່ມຂື້ນຂອງເວທີ Cloud, IOT ແລະຊິບ AI ທີ່ມີປະສິດທິພາບໃຫ້ເປັນເວທີສໍາລັບຊອບແວແລະການເພີ່ມປະສິດທິພາບໃຫມ່.