Ամպային ծառայություններից մինչև եզրային հաշվարկներ, արհեստական ​​բանականությունը հասնում է «վերջին մղոնին»

Եզրային համակարգչային շուկան առաջիկա հինգ տարիների ընթացքում կաճի 36.1% տարեկան աճի տեմպով

Եզրային համակարգչային արդյունաբերությունը մտել է կայուն զարգացման փուլ, ինչի մասին են վկայում ծառայություն մատուցողների աստիճանական դիվերսիֆիկացիան, շուկայի ընդլայնվող չափը և կիրառման ոլորտների հետագա ընդլայնումը: Ինչ վերաբերում է շուկայի չափին, IDC-ի հետևողական զեկույցի տվյալները ցույց են տալիս, որ Չինաստանում եզրային համակարգչային սերվերների շուկայի ընդհանուր չափը 2021 թվականին հասել է 3.31 միլիարդ ԱՄՆ դոլարի, և կանխատեսվում է, որ Չինաստանում եզրային համակարգչային սերվերների շուկայի ընդհանուր չափը կաճի տարեկան 22.2% աճի տեմպով 2020-ից 2025 թվականներին: Սալիվանը կանխատեսում է, որ Չինաստանում եզրային համակարգչային շուկայի չափը, կանխատեսվում է, որ 2027 թվականին կհասնի 250.9 միլիարդ յուանի, իսկ 2023-ից 2027 թվականներին՝ 36.1% տարեկան աճի տեմպով:

Եզրային համակարգչային էկոարդյունաբերությունը ծաղկում է

Եզրային հաշվարկները ներկայումս գտնվում են բռնկման վաղ փուլում, և արդյունաբերական շղթայի բիզնեսի սահմանները համեմատաբար մշուշոտ են։ Առանձին մատակարարների համար անհրաժեշտ է հաշվի առնել բիզնես սցենարների հետ ինտեգրումը, և անհրաժեշտ է նաև ունենալ բիզնես սցենարների փոփոխություններին հարմարվելու կարողություն տեխնիկական մակարդակից, ինչպես նաև անհրաժեշտ է ապահովել ապարատային սարքավորումների հետ համատեղելիության բարձր աստիճան, ինչպես նաև նախագծեր իրականացնելու ինժեներական կարողություն։

Եզրային հաշվողական արդյունաբերության շղթան բաժանված է չիպերի վաճառողների, ալգորիթմների վաճառողների, ապարատային սարքերի արտադրողների և լուծումների մատակարարների: Չիպերի վաճառողները հիմնականում մշակում են թվաբանական չիպեր՝ ծայրից ծայր, ապա ամպային կողմ, և եզրային չիպերից բացի, նրանք նաև մշակում են արագացման քարտեր և աջակցում են ծրագրային ապահովման մշակման հարթակներին: Ալգորիթմների վաճառողները համակարգչային տեսողության ալգորիթմները որպես հիմք են ընդունում ընդհանուր կամ անհատականացված ալգորիթմներ կառուցելու համար, և կան նաև ձեռնարկություններ, որոնք կառուցում են ալգորիթմային կենտրոններ կամ ուսուցման և առաջխաղացման հարթակներ: Սարքավորումների վաճառողները ակտիվորեն ներդրումներ են կատարում եզրային հաշվողական արտադրանքներում, և եզրային հաշվողական արտադրանքի ձևը անընդհատ հարստանում է՝ աստիճանաբար ձևավորելով եզրային հաշվողական արտադրանքի լիարժեք փաթեթ՝ չիպից մինչև ամբողջ մեքենա: Լուծումների մատակարարները տրամադրում են ծրագրային ապահովում կամ ծրագրային-ապարատային ինտեգրված լուծումներ որոշակի ոլորտների համար:

Եզրային համակարգչային արդյունաբերության կիրառությունները արագանում են

Խելացի քաղաքի ոլորտում

Քաղաքային գույքի համապարփակ ստուգումը ներկայումս լայնորեն կիրառվում է ձեռքով ստուգման եղանակով, և ձեռքով ստուգման եղանակն ունի բարձր ժամանակատար և աշխատատար ծախսերի, անհատներից գործընթացային կախվածության, վատ ծածկույթի և ստուգման հաճախականության, ինչպես նաև որակի վատ վերահսկողության խնդիրներ։ Միևնույն ժամանակ, ստուգման գործընթացը գրանցել է հսկայական քանակությամբ տվյալներ, սակայն այդ տվյալների ռեսուրսները չեն վերածվել բիզնեսի հզորացման համար անհրաժեշտ տվյալների միջոցների։ Կիրառելով արհեստական ​​բանականության տեխնոլոգիան բջջային ստուգման սցենարներում, ձեռնարկությունը ստեղծել է քաղաքային կառավարման արհեստական ​​բանականության ինտելեկտուալ ստուգման միջոց, որն օգտագործում է այնպիսի տեխնոլոգիաներ, ինչպիսիք են իրերի ինտերնետը, ամպային հաշվարկները, արհեստական ​​բանականության ալգորիթմները, և կրում է մասնագիտական ​​սարքավորումներ, ինչպիսիք են բարձր թույլտվության տեսախցիկները, ներկառուցված էկրանները և արհեստական ​​բանականության կողմնակի սերվերները, և համատեղում է «ինտելեկտուալ համակարգ + ինտելեկտուալ մեքենա + անձնակազմի օգնություն» ստուգման մեխանիզմը։ Այն նպաստում է քաղաքային կառավարման վերափոխմանը անձնակազմի վրա հիմնվածից մեխանիկական բանականության, էմպիրիկ դատողությունից տվյալների վերլուծության և պասիվ արձագանքից ակտիվ հայտնաբերման։

Ինտելեկտուալ շինհրապարակի ոլորտում

Եզրային հաշվարկների վրա հիմնված ինտելեկտուալ շինհրապարակի լուծումները կիրառում են արհեստական ​​բանականության տեխնոլոգիայի խորը ինտեգրումը ավանդական շինարարական արդյունաբերության անվտանգության մոնիթորինգի աշխատանքներում՝ շինհրապարակում տեղադրելով եզրային արհեստական ​​բանականության վերլուծության տերմինալ, ավարտելով տեսողական արհեստական ​​բանականության ալգորիթմների անկախ հետազոտությունն ու մշակումը՝ հիմնված ինտելեկտուալ վիդեո վերլուծության տեխնոլոգիայի վրա, հայտնաբերելիք իրադարձությունների լրիվ դրույքով հայտնաբերում (օրինակ՝ սաղավարտ կրելու կամ չկրելու որոշումը), տրամադրելով անձնակազմի, շրջակա միջավայրի, անվտանգության և այլ անվտանգության ռիսկի կետերի նույնականացման և ահազանգման հիշեցման ծառայություններ, ինչպես նաև նախաձեռնություն ցուցաբերելով անվտանգ գործոնների նույնականացման, արհեստական ​​բանականության ինտելեկտուալ պաշտպանության, աշխատուժի ծախսերի խնայողության համար՝ շինհրապարակների անձնակազմի և գույքի անվտանգության կառավարման կարիքները բավարարելու համար:

Ինտելեկտուալ տրանսպորտի ոլորտում

Ամպային կողմի ծայրային ճարտարապետությունը դարձել է ինտելեկտուալ տրանսպորտի ոլորտում կիրառությունների տեղակայման հիմնական մոդելը, որտեղ ամպային կողմը պատասխանատու է կենտրոնացված կառավարման և տվյալների մշակման մի մասի համար, եզրային կողմը հիմնականում ապահովում է եզրային կողմի տվյալների վերլուծություն և հաշվարկային որոշումների կայացման մշակում, իսկ ծայրային կողմը հիմնականում պատասխանատու է բիզնես տվյալների հավաքագրման համար։

Հատուկ սցենարներում, ինչպիսիք են տրանսպորտային միջոց-ճանապարհ համակարգումը, հոլոգրաֆիկ խաչմերուկները, ավտոմատ վարումը և երկաթուղային երթևեկությունը, մեծ թվով տարասեռ սարքեր են հասանելի, և այդ սարքերը պահանջում են մուտքի կառավարում, ելքի կառավարում, տագնապի մշակում, ինչպես նաև շահագործման և սպասարկման մշակում: Եզրային հաշվարկները կարող են բաժանել և նվաճել, մեծը վերածել փոքրի, ապահովել խաչաձև արձանագրության փոխակերպման գործառույթներ, հասնել միասնական և կայուն մուտքի, և նույնիսկ տարասեռ տվյալների համագործակցային կառավարման:

Արդյունաբերական արտադրության ոլորտում

Արտադրական գործընթացի օպտիմալացման սցենար. Ներկայումս դիսկրետ արտադրական համակարգերի մեծ թիվը սահմանափակված է տվյալների թերիության պատճառով, իսկ սարքավորումների ընդհանուր արդյունավետության և այլ ինդեքսային տվյալների հաշվարկները համեմատաբար անփույթ են, ինչը դժվարացնում է դրանց օգտագործումը արդյունավետության օպտիմալացման համար: Սարքավորումների տեղեկատվական մոդելի վրա հիմնված Edge Computing հարթակը ապահովում է արտադրական համակարգի սեմանտիկ մակարդակի հորիզոնական և ուղղահայաց հաղորդակցություն, հիմնված իրական ժամանակի տվյալների հոսքի մշակման մեխանիզմի վրա՝ մեծ թվով դաշտային իրական ժամանակի տվյալներ համախմբելու և վերլուծելու համար, մոդելային արտադրական գծի բազմա-տվյալային տեղեկատվության միաձուլման հասնելու համար, դիսկրետ արտադրական համակարգում որոշումների կայացման համար հզոր տվյալների աջակցություն ապահովելու համար:

Սարքավորումների կանխատեսողական սպասարկման սցենար. Արդյունաբերական սարքավորումների սպասարկումը բաժանվում է երեք տեսակի՝ վերականգնողական սպասարկում, կանխարգելիչ սպասարկում և կանխատեսողական սպասարկում: Վերականգնողական սպասարկումը պատկանում է ex post facto սպասարկմանը, կանխարգելիչ սպասարկմանը, իսկ կանխատեսողական սպասարկումը՝ ex-ante սպասարկմանը: Առաջինը հիմնված է ժամանակի, սարքավորումների աշխատանքի, տեղանքի պայմանների և սարքավորումների կանոնավոր սպասարկման այլ գործոնների վրա, ավելի կամ պակաս՝ մարդկային փորձի վրա, իսկ երկրորդը՝ սենսորային տվյալների հավաքագրման, սարքավորումների աշխատանքային վիճակի իրական ժամանակի մոնիթորինգի, արդյունաբերական մոդելի տվյալների վերլուծության միջոցով, և ճշգրիտ կանխատեսում է, թե երբ է տեղի ունենում խափանումը:

Արդյունաբերական որակի ստուգման սցենար. արդյունաբերական տեսողական ստուգման դաշտը որակի ստուգման ոլորտում առաջին ավանդական ավտոմատ օպտիկական ստուգման (AOI) ձևն է, սակայն AOI-ի մինչ օրս զարգացումը բազմաթիվ թերությունների հայտնաբերման և այլ բարդ սցենարներում, տարբեր տեսակի թերությունների պատճառով, հատկանիշների արդյունահանումը թերի է, ադապտիվ ալգորիթմները վատ ընդարձակելի են, արտադրական գիծը հաճախակի թարմացվում է, ալգորիթմների միգրացիան ճկուն չէ, և այլ գործոնների պատճառով ավանդական AOI համակարգը դժվարացել է բավարարել արտադրական գծի զարգացման կարիքները: Հետևաբար, խորը ուսուցման + փոքր նմուշային ուսուցման միջոցով ներկայացված արհեստական ​​բանականության արդյունաբերական որակի ստուգման ալգորիթմային հարթակը աստիճանաբար փոխարինում է ավանդական տեսողական ստուգման սխեմային, և արհեստական ​​բանականության արդյունաբերական որակի ստուգման հարթակն անցել է դասական մեքենայական ուսուցման ալգորիթմների և խորը ուսուցման ստուգման ալգորիթմների երկու փուլով: