ຈາກການບໍລິການ Cloud ກັບ Edge Computing, AI ມາຮອດ "ໄມສຸດທ້າຍ"

ຕະຫຼາດຄອມພິວເຕີ້ Edge ຈະເຕີບໂຕ 36.1% CAGR ໃນຫ້າປີຂ້າງຫນ້າ

ອຸດສາຫະກໍາຄອມພິວເຕີ້ຂອບໄດ້ເຂົ້າສູ່ຂັ້ນຕອນຂອງການພັດທະນາຢ່າງບໍ່ຢຸດຢັ້ງ, ສະແດງໃຫ້ເຫັນເຖິງຄວາມຫຼາກຫຼາຍຂອງຜູ້ໃຫ້ບໍລິການເທື່ອລະກ້າວ, ຂະຫນາດຕະຫຼາດທີ່ຂະຫຍາຍອອກ, ແລະການຂະຫຍາຍຕົວຂອງພື້ນທີ່ຄໍາຮ້ອງສະຫມັກ. ກ່ຽວກັບຂະຫນາດຂອງຕະຫຼາດ, ຂໍ້ມູນຈາກບົດລາຍງານການຕິດຕາມຂອງ IDC ສະແດງໃຫ້ເຫັນວ່າຂະຫນາດຕະຫຼາດໂດຍລວມຂອງເຄື່ອງແມ່ຂ່າຍຄອມພິວເຕີຂອບໃນປະເທດຈີນໄດ້ບັນລຸ 3.31 ຕື້ໂດລາສະຫະລັດໃນປີ 2021, ແລະຂະຫນາດຕະຫຼາດໂດຍລວມຂອງເຄື່ອງແມ່ຂ່າຍຄອມພິວເຕີ້ edge ໃນປະເທດຈີນຄາດວ່າຈະເຕີບໂຕໃນອັດຕາການເຕີບໂຕປະຈໍາປີຂອງ 22.2% ຈາກ 2020 ຫາ 2025. ຂະຫນາດຕະຫຼາດ Sullivan ຂອງຈີນຄາດວ່າຈະບັນລຸໄດ້. 250,9 ຕື້ໃນປີ 2027, ດ້ວຍ CAGR ຂອງ 36.1% ຈາກ 2023 ຫາ 2027.

Edge computing ອຸດສາຫະກໍານິເວດຈະເລີນເຕີບໂຕ

ປະຈຸບັນນີ້ Edge computing ແມ່ນຢູ່ໃນຂັ້ນຕອນຕົ້ນຂອງການລະບາດ, ແລະຂອບເຂດທຸລະກິດໃນຕ່ອງໂສ້ອຸດສາຫະກໍາແມ່ນຂ້ອນຂ້າງ fuzzy. ສໍາລັບຜູ້ຂາຍສ່ວນບຸກຄົນ, ມັນຈໍາເປັນຕ້ອງໄດ້ພິຈາລະນາປະສົມປະສານກັບສະຖານະການທຸລະກິດ, ແລະມັນຍັງຈໍາເປັນຕ້ອງມີຄວາມສາມາດໃນການປັບຕົວກັບການປ່ຽນແປງຂອງສະຖານະການທຸລະກິດຈາກລະດັບດ້ານວິຊາການ, ແລະມັນຍັງມີຄວາມຈໍາເປັນເພື່ອຮັບປະກັນຄວາມເຂົ້າກັນໄດ້ໃນລະດັບສູງຂອງອຸປະກອນຮາດແວ, ເຊັ່ນດຽວກັນກັບຄວາມສາມາດດ້ານວິສະວະກໍາໂຄງການທີ່ດິນ.

ລະບົບຕ່ອງໂສ້ອຸດສາຫະກໍາຄອມພິວເຕີ້ຂອບແມ່ນແບ່ງອອກເປັນຜູ້ຂາຍຊິບ, ຜູ້ຂາຍ algorithm, ຜູ້ຜະລິດອຸປະກອນຮາດແວ, ແລະຜູ້ໃຫ້ບໍລິການແກ້ໄຂ. ຜູ້ຂາຍຊິບສ່ວນຫຼາຍພັດທະນາຊິບເລກຄະນິດສາດຈາກດ້ານທ້າຍໄປຫາດ້ານຂອບໄປຫາຂ້າງຄລາວ, ແລະນອກຈາກຊິບດ້ານຂ້າງ, ພວກເຂົາຍັງພັດທະນາບັດເລັ່ງແລະສະຫນັບສະຫນູນເວທີການພັດທະນາຊອບແວ. ຜູ້ຂາຍ Algorithm ເອົາ algorithm ວິໄສທັດຂອງຄອມພິວເຕີເປັນຫຼັກເພື່ອສ້າງ algorithms ທົ່ວໄປຫຼືປັບແຕ່ງ, ແລະຍັງມີວິສາຫະກິດທີ່ສ້າງສູນ algorithm ຫຼືການຝຶກອົບຮົມແລະເວທີການຊຸກຍູ້. ຜູ້ຂາຍອຸປະກອນກໍາລັງລົງທຶນຢ່າງຈິງຈັງໃນຜະລິດຕະພັນຄອມພິວເຕີ້ແຂບ, ແລະຮູບແບບຂອງຜະລິດຕະພັນຄອມພິວເຕີ້ຂອບແມ່ນອຸດົມສົມບູນຢ່າງຕໍ່ເນື່ອງ, ຄ່ອຍໆປະກອບເປັນ stack ເຕັມຂອງຜະລິດຕະພັນຄອມພິວເຕີ້ຂອບຈາກຊິບໄປຫາເຄື່ອງຈັກທັງຫມົດ. ຜູ້ໃຫ້ບໍລິການແກ້ໄຂສະຫນອງຊອບແວຫຼືຊອບແວ - ຮາດແວ - ວິທີແກ້ໄຂປະສົມປະສານສໍາລັບອຸດສາຫະກໍາສະເພາະ.

ຄໍາຮ້ອງສະຫມັກອຸດສາຫະກໍາຄອມພິວເຕີ້ Edge ເລັ່ງ

ໃນພາກສະຫນາມຂອງນະຄອນ smart ໄດ້

ການກວດສອບທີ່ສົມບູນແບບຂອງຊັບສິນໃນຕົວເມືອງໃນປັດຈຸບັນຖືກນໍາໃຊ້ທົ່ວໄປໃນຮູບແບບການກວດກາຄູ່ມື, ແລະຮູບແບບການກວດກາຄູ່ມືມີບັນຫາຂອງຄ່າໃຊ້ຈ່າຍທີ່ໃຊ້ເວລາສູງແລະແຮງງານຫຼາຍ, ການຂຶ້ນກັບບຸກຄົນ, ການຄຸ້ມຄອງທີ່ບໍ່ດີແລະຄວາມຖີ່ຂອງການກວດກາ, ແລະການຄວບຄຸມຄຸນນະພາບທີ່ບໍ່ດີ. ໃນຂະນະດຽວກັນຂະບວນການກວດກາໄດ້ບັນທຶກຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍ, ແຕ່ຊັບພະຍາກອນຂໍ້ມູນເຫຼົ່ານີ້ບໍ່ໄດ້ຖືກປ່ຽນເປັນຊັບສິນຂໍ້ມູນສໍາລັບການສ້າງຄວາມເຂັ້ມແຂງທາງທຸລະກິດ. ໂດຍການນຳໃຊ້ເທັກໂນໂລຍີ AI ເຂົ້າໃນສະຖານະການກວດກາມືຖື, ວິສາຫະກິດໄດ້ສ້າງລົດກວດກາອັດສະລິຍະ AI ການປົກຄອງເມືອງ, ເຊິ່ງນຳໃຊ້ເຕັກໂນໂລຊີເຊັ່ນ: Internet of Things, cloud computing, AI algorithms, ແລະປະກອບອຸປະກອນມືອາຊີບເຊັ່ນ: ກ້ອງຄວາມລະອຽດສູງ, ຈໍສະແດງຜົນເທິງຍົນ, ແລະລວມເອົາລະບົບ AI intelligent ຂ້າງເຊີບເວີ ແລະລະບົບການກວດກາເຄື່ອງ. + ການຊ່ວຍເຫຼືອພະນັກງານ." ມັນສົ່ງເສີມການຫັນປ່ຽນຂອງການປົກຄອງຕົວເມືອງຈາກບຸກຄະລາກອນທີ່ເຂັ້ມຂຸ້ນໄປສູ່ປັນຍາກົນຈັກ, ຈາກການຕັດສິນແບບປະຈັກພະຍານເຖິງການວິເຄາະຂໍ້ມູນ, ແລະຈາກການຕອບສະຫນອງແບບ passive ກັບການຄົ້ນພົບຢ່າງຫ້າວຫັນ.

ໃນພາກສະຫນາມຂອງສະຖານທີ່ກໍ່ສ້າງອັດສະລິຍະ

Edge computing-based intelligent solutions site solutions ນໍາໃຊ້ການເຊື່ອມໂຍງເລິກຂອງເທກໂນໂລຍີ AI ເຂົ້າໃນວຽກງານການກວດສອບຄວາມປອດໄພຂອງອຸດສາຫະກໍາການກໍ່ສ້າງແບບດັ້ງເດີມ, ໂດຍການວາງສະຖານີການວິເຄາະ edge AI ໃນສະຖານທີ່ກໍ່ສ້າງ, ສໍາເລັດການຄົ້ນຄວ້າເອກະລາດແລະການພັດທະນາລະບົບສາຍຕາ AI algorithms ໂດຍອີງໃສ່ເຕັກໂນໂລຢີການວິເຄາະວິດີໂອອັດສະລິຍະ, ການກວດສອບເຕັມເວລາຂອງເຫດການທີ່ຈະກວດພົບ, ຄວາມປອດໄພແລະຄວາມປອດໄພ (ຕົວຢ່າງ: ການກໍານົດຈຸດຄວາມສ່ຽງດ້ານຄວາມປອດໄພແລະການບໍລິການເຕືອນໄພ, ແລະປະຕິບັດການລິເລີ່ມໃນການກໍານົດປັດໄຈທີ່ບໍ່ປອດໄພ, AI ອັດສະລິຍະ guarding, ປະຫຍັດຄ່າໃຊ້ຈ່າຍແຮງງານ, ເພື່ອຕອບສະຫນອງຄວາມຕ້ອງການດ້ານບຸກຄະລາກອນແລະຊັບສິນຂອງການຄຸ້ມຄອງຄວາມປອດໄພຂອງສະຖານທີ່ກໍ່ສ້າງ.

ໃນຂົງເຂດການຂົນສົ່ງອັດສະລິຍະ

ສະຖາປັດຕະຍະກໍາ Cloud-side-end ໄດ້ກາຍເປັນແບບແຜນພື້ນຖານສໍາລັບການນໍາໃຊ້ຄໍາຮ້ອງສະຫມັກໃນອຸດສາຫະກໍາການຂົນສົ່ງອັດສະລິຍະ, ດ້ານຟັງແມ່ນຮັບຜິດຊອບສໍາລັບການຄຸ້ມຄອງສູນກາງແລະສ່ວນຫນຶ່ງຂອງການປະມວນຜົນຂໍ້ມູນ, ດ້ານແຂບສ່ວນໃຫຍ່ແມ່ນສະຫນອງການວິເຄາະຂໍ້ມູນດ້ານແຂບແລະການປະມວນຜົນການຕັດສິນໃຈຄິດໄລ່, ແລະດ້ານສຸດທ້າຍແມ່ນຮັບຜິດຊອບສໍາລັບການລວບລວມຂໍ້ມູນທຸລະກິດ.

ໃນສະຖານະການສະເພາະເຊັ່ນການປະສານງານຂອງຍານພາຫະນະ - ຖະຫນົນຫົນທາງ, ຈຸດຕັດ holographic, ການຂັບລົດອັດຕະໂນມັດ, ແລະການຈະລາຈອນທາງລົດໄຟ, ມີອຸປະກອນ heterogeneous ຈໍານວນຫຼວງຫຼາຍເຂົ້າເຖິງ, ແລະອຸປະກອນເຫຼົ່ານີ້ຕ້ອງການການຄຸ້ມຄອງການເຂົ້າເຖິງ, ການຄຸ້ມຄອງການອອກ, ການປະມວນຜົນປຸກ, ແລະການດໍາເນີນງານແລະການບໍາລຸງຮັກສາ. Edge computing ສາມາດແບ່ງແລະເອົາຊະນະ, ປ່ຽນຂະຫນາດໃຫຍ່ເປັນຂະຫນາດນ້ອຍ, ສະຫນອງຫນ້າທີ່ການແປງອະນຸສັນຍາຂ້າມຊັ້ນ, ບັນລຸການເຂົ້າເຖິງທີ່ເປັນເອກະພາບແລະຫມັ້ນຄົງ, ແລະແມ້ກະທັ້ງການຮ່ວມມືຂອງການຄວບຄຸມຂໍ້ມູນ heterogeneous.

ໃນຂົງເຂດການຜະລິດອຸດສາຫະກໍາ

ສະຖານະການການເພີ່ມປະສິດທິພາບຂອງຂະບວນການຜະລິດ: ໃນປັດຈຸບັນ, ຈໍານວນລະບົບການຜະລິດແບບແຍກກັນຫຼາຍແມ່ນຖືກຈໍາກັດໂດຍຄວາມບໍ່ສົມບູນຂອງຂໍ້ມູນ, ແລະປະສິດທິພາບອຸປະກອນໂດຍລວມແລະການຄິດໄລ່ຂໍ້ມູນດັດສະນີອື່ນໆແມ່ນຂ້ອນຂ້າງ sloppy, ເຮັດໃຫ້ມັນມີຄວາມຫຍຸ້ງຍາກໃນການນໍາໃຊ້ສໍາລັບການເພີ່ມປະສິດທິພາບປະສິດທິພາບ. ເວທີຄອມພິວເຕີ້ Edge ໂດຍອີງໃສ່ຮູບແບບຂໍ້ມູນອຸປະກອນເພື່ອບັນລຸລະບົບການຜະລິດລະດັບ semantic ການສື່ສານແນວນອນແລະການສື່ສານແນວຕັ້ງ, ອີງໃສ່ກົນໄກການໄຫຼວຽນຂອງຂໍ້ມູນໃນເວລາຈິງເພື່ອລວບລວມແລະວິເຄາະຂໍ້ມູນຈໍານວນຫລາຍຂອງຂໍ້ມູນໃນເວລາຈິງ, ເພື່ອບັນລຸສາຍການຜະລິດແບບຈໍາລອງແບບປະສົມປະສານຂໍ້ມູນຫຼາຍແຫຼ່ງ, ສະຫນອງການສະຫນັບສະຫນູນຂໍ້ມູນທີ່ມີປະສິດທິພາບສໍາລັບການຕັດສິນໃຈໃນລະບົບການຜະລິດແບບແຍກກັນ.

ສະຖານະການບໍາລຸງຮັກສາອຸປະກອນການຄາດເດົາ: ການບໍາລຸງຮັກສາອຸປະກອນອຸດສາຫະກໍາແບ່ງອອກເປັນສາມປະເພດ: ການບໍາລຸງຮັກສາການສ້ອມແປງ, ການບໍາລຸງຮັກສາປ້ອງກັນແລະການບໍາລຸງຮັກສາທີ່ຄາດເດົາ. ການບໍາລຸງຮັກສາການຟື້ນຟູເປັນຂອງ ex-post facto ບໍາລຸງຮັກສາ, ການບໍາລຸງຮັກສາປ້ອງກັນ, ແລະການບໍາລຸງຮັກສາການຄາດຄະເນເປັນຂອງ ex-ante ບໍາລຸງຮັກສາ, ອະດີດແມ່ນອີງໃສ່ເວລາ, ປະສິດທິພາບອຸປະກອນ, ເງື່ອນໄຂສະຖານທີ່, ແລະປັດໃຈອື່ນໆສໍາລັບການບໍາລຸງຮັກສາອຸປະກອນເປັນປົກກະຕິ, ຫຼາຍຫຼືຫນ້ອຍໂດຍອີງໃສ່ປະສົບການຂອງມະນຸດ, ຕໍ່ມາໂດຍຜ່ານການເກັບກໍາຂໍ້ມູນເຊັນເຊີ, ການຕິດຕາມສະພາບການດໍາເນີນງານຂອງອຸປະກອນ, ໂດຍອີງໃສ່ຮູບແບບອຸດສາຫະກໍາຂອງການວິເຄາະຂໍ້ມູນ, ແລະການຄາດເດົາໄດ້ຢ່າງຖືກຕ້ອງ.

ສະຖານະການກວດກາຄຸນນະພາບອຸດສາຫະກໍາ: ພາກສະຫນາມການກວດກາວິໄສທັດອຸດສາຫະກໍາແມ່ນຮູບແບບການກວດກາແບບອັດຕະໂນມັດແບບດັ້ງເດີມ (AOI) ທໍາອິດເຂົ້າໄປໃນພາກສະຫນາມກວດກາຄຸນນະພາບ, ແຕ່ການພັດທະນາຂອງ AOI ມາຮອດປະຈຸບັນ, ໃນການກວດສອບຂໍ້ບົກພ່ອງຫຼາຍແລະສະຖານະການທີ່ສັບສົນອື່ນໆ, ເນື່ອງຈາກຂໍ້ບົກພ່ອງຂອງປະເພດຕ່າງໆ, ການສະກັດເອົາຄຸນສົມບັດບໍ່ສົມບູນ, ສູດການປັບຕົວ, ການປັບປຸງເສັ້ນການຜະລິດທີ່ບໍ່ດີແມ່ນການປັບປຸງເລື້ອຍໆ. ມີຄວາມຍືດຫຍຸ່ນ, ແລະປັດໃຈອື່ນໆ, ລະບົບ AOI ແບບດັ້ງເດີມມີຄວາມຫຍຸ້ງຍາກເພື່ອຕອບສະຫນອງຄວາມຕ້ອງການຂອງສາຍການຜະລິດ. ດັ່ງນັ້ນ, ເວທີການກວດກາຄຸນນະພາບອຸດສາຫະກໍາ AI ເປັນຕົວແທນໂດຍການຮຽນຮູ້ເລິກ + ການຮຽນຮູ້ຕົວຢ່າງຂະຫນາດນ້ອຍແມ່ນຄ່ອຍໆປ່ຽນແທນລະບົບການກວດສອບສາຍຕາແບບດັ້ງເດີມ, ແລະເວທີການກວດກາຄຸນນະພາບອຸດສາຫະກໍາ AI ໄດ້ຜ່ານສອງຂັ້ນຕອນຂອງວິທີການຮຽນຮູ້ເຄື່ອງຈັກຄລາສສິກແລະຂັ້ນຕອນການກວດກາການຮຽນຮູ້ເລິກ.