인공 지능이 A에서 B 로의 여정으로 간주되는 경우 클라우드 컴퓨팅 서비스는 공항 또는 고속 기차역이며 Edge Computing은 택시 또는 공유 자전거입니다. 에지 컴퓨팅은 사람, 사물 또는 데이터 소스의 측면에 가깝습니다. 스토리지, 계산, 네트워크 액세스 및 애플리케이션 핵심 기능을 통합하여 인근의 사용자에게 서비스를 제공하는 개방형 플랫폼을 채택합니다. 중앙에 배치 된 클라우드 컴퓨팅 서비스와 비교할 때 Edge Computing은 긴 대기 시간 및 높은 수렴 트래픽과 같은 문제를 해결하여 실시간 및 대역폭으로 결정된 서비스를 더 잘 지원합니다.
Chatgpt의 화재는 AI 개발의 새로운 물결을 시작하여 AI의 침몰을 산업, 소매, 스마트 주택, 스마트 도시 등과 같은 더 많은 응용 분야로 가속화했습니다. 응용 프로그램 끝에서 많은 양의 데이터를 저장하고 계산할 필요가 있으며 클라우드에 대한 의존은 더 이상 실제 요구를 충족 할 수 없습니다. 디지털 경제를 활발하게 개발하는 국가 정책에 따라 중국의 클라우드 컴퓨팅은 포괄적 인 개발 기간에 들어 왔으며, 에지 컴퓨팅 수요가 급증했으며, 클라우드 에지와 끝의 통합은 미래에 중요한 진화 방향이되었습니다.
향후 5 년 동안 36.1% CAGR 성장하기위한 Edge Computing Market
Edge Computing Industry는 서비스 제공 업체의 점진적 다각화, 시장 규모 확대 및 응용 분야의 추가 확장으로 입증 된 바와 같이 꾸준한 개발 단계에 들어갔다. 시장 규모의 측면에서 IDC 추적 보고서의 데이터 데이터는 중국의 Edge Computing Server의 전체 시장 규모가 2021 년에 3,31 억 달러에 달했으며 중국의 Edge Computing Servers의 전체 시장 규모는 2020 년에서 2025 년까지 22.2%의 복합 성장률로 성장할 것으로 예상됩니다. Sullivan의 시장 규모는 202.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9.9 월 25.9에 도달 할 것으로 예상됩니다. 2023 년에서 2027 년까지 36.1%의 CAGR.
에지 컴퓨팅 에코 산업이 번성합니다
Edge Computing은 현재 발생의 초기 단계에 있으며 업계 체인의 비즈니스 경계는 비교적 모호합니다. 개별 공급 업체의 경우 비즈니스 시나리오와의 통합을 고려해야하며 기술적 수준에서 비즈니스 시나리오의 변화에 적응할 수있는 능력이 필요하며 하드웨어 장비와의 높은 수준과 프로젝트를 시작하는 엔지니어링 능력을 보장해야합니다.
Edge Computing Industry Chain은 칩 공급 업체, 알고리즘 공급 업체, 하드웨어 장치 제조업체 및 솔루션 제공 업체로 나뉩니다. 칩 공급 업체는 주로 엔드 사이드에서 에지면에서 클라우드 사이드에서 클라우드 사이드까지의 산술 칩을 개발하며 에지 측 칩 외에도 가속 카드를 개발하고 소프트웨어 개발 플랫폼을 지원합니다. 알고리즘 공급 업체는 컴퓨터 비전 알고리즘을 일반 또는 맞춤형 알고리즘을 구축하는 핵심으로 사용하며 알고리즘 쇼핑몰 또는 교육 및 푸시 플랫폼을 구축하는 기업도 있습니다. 장비 공급 업체는 Edge Computing 제품에 적극적으로 투자하고 있으며 Edge Computing 제품의 형태는 지속적으로 풍부 해져 점차적으로 칩에서 전체 기계까지의 에지 컴퓨팅 제품의 전체 스택을 형성합니다. 솔루션 제공 업체는 특정 산업에 소프트웨어 또는 소프트웨어 하드웨어 통합 솔루션을 제공합니다.
에지 컴퓨팅 산업 응용 프로그램이 가속화합니다
스마트 시티의 분야에서
도시 부동산에 대한 포괄적 인 검사는 현재 수동 검사 모드에서 일반적으로 사용되며 수동 검사 모드는 시간이 많이 걸리고 노동 집약적 인 비용, 개인에 대한 프로세스 의존성, 적용 범위 및 검사 빈도 및 품질 관리가 열악한 문제가 있습니다. 동시에 검사 프로세스는 엄청난 양의 데이터를 기록했지만 이러한 데이터 리소스는 비즈니스 권한 부여를 위해 데이터 자산으로 변환되지 않았습니다. Enterprise는 모바일 검사 시나리오에 AI 기술을 적용함으로써 사물 인터넷, 클라우드 컴퓨팅, AI 알고리즘 및 고화질 카메라, 온보드 디스플레이 및 AI 측면 서버와 같은 전문 장비를 운반하는 기술을 채택하는 도시 거버넌스 AI 지능 검사 차량을 만들었습니다. 도시 거버넌스가 인력 집약적, 기계적 지능으로, 경험적 판단에서 데이터 분석에 이르기까지, 수동적 반응에서 활발한 발견에 이르기까지 도시 거버넌스의 변화를 촉진합니다.
지능형 건설 현장에서
Edge Computing 기반 지능형 건설 현장 솔루션은 AI 기술을 전통적인 건설 산업 안전 모니터링 작업에 적용하고, 건설 현장에 에지 AI 분석 터미널을 설치하고, 지능형 비디오 분석 기술을 기반으로 시각적 인 AI 알고리즘의 독립적 인 연구 및 개발을 완료함으로써 (EG, 헬멧을 착용 할 것인지, 보안 및 보안을 제공 할 것인지, 보안 및 보안을 제공할지 여부, 보안, 보안, 보안, 보안, 보안, 보안, 보안, 보안 및 안전한 지점)를 기반으로 시각적 AI 알고리즘의 독립적 인 연구 및 개발을 완료함으로써 전통적인 건설 산업 안전 모니터링 작업에 적용됩니다. 서비스 및 안전하지 않은 요인 식별, AI Intelligent Guarding, 인력 비용 절감, 건설 현장의 인력 및 부동산 안전 관리 요구를 충족시키기위한 서비스.
지능형 운송 분야에서
클라우드 측 엔드 아키텍처는 지능형 전송 산업의 애플리케이션 배포를위한 기본 패러다임이되었으며, 클라우드 측은 중앙 집중식 관리 및 데이터 처리의 일부인 Edge 측, 주로 Edge Side Data Analysis 및 계산 의사 결정 처리를 제공하는 Edge 측, 비즈니스 데이터 수집을 담당하는 최종 측면을 제공합니다.
차량 도로 조정, 홀로그램 교차점, 자동 운전 및 철도 트래픽과 같은 특정 시나리오에서는 많은 이종 장치에 액세스 할 수 있으며 이러한 장치에는 액세스 관리, 출구 관리, 경보 처리 및 운영 및 유지 보수 처리가 필요합니다. Edge Computing은 분열 및 정복, 소형으로 크게 전환하며 크로스 계층 프로토콜 변환 기능을 제공하며 통합 및 안정적인 액세스를 달성하며 이종 데이터의 협력 제어까지 할 수 있습니다.
산업 제조 분야에서
생산 공정 최적화 시나리오 : 현재 다수의 개별 제조 시스템은 데이터의 불완전성에 의해 제한되며 전체 장비 효율성 및 기타 인덱스 데이터 계산은 비교적 조잡하여 효율성 최적화에 사용하기가 어렵습니다. 장비 정보 모델을 기반으로 한 Edge Computing Platform Semantic Level 제조 시스템 수평 통신 및 수직 통신을 달성하기위한 실시간 데이터 흐름 처리 메커니즘을 기반으로 한 수많은 현장 실시간 데이터를 집계하고 분석하여 모델 기반 생산 라인 다타 소스 정보 융합을 달성하여 이산 제조 시스템에서 의사 결정을위한 강력한 데이터 지원을 제공합니다.
장비 예측 유지 보수 시나리오 : 산업 장비의 유지 보수는 회복 유지 보수, 예방 유지 보수 및 예측 유지 보수의 세 가지 유형으로 나뉩니다. 복원 유지 보수는 사실상의 유지 보수, 예방 유지 보수 및 예측 유지 보수에 속합니다. 전자는 전자의 유지 보수에 속하며, 전자는 시간, 장비 성능, 현장 조건 및 정기적 인 장비 유지에 대한 기타 요인, 인간 경험을 기반으로 한 정기적 인 유지 보수, 센서 데이터 수집을 통한 후자, 데이터 분석의 실시간 모니터링, 데이터 분석을 기반으로 한 실시간 모니터링 및 예측 실패를 기반으로합니다.
산업 품질 검사 시나리오 : 산업용 비전 검사 필드는 품질 검사 필드에 대한 최초의 전통적인 자동 광학 검사 (AOI) 형태이지만, 지금까지 AOI의 개발은 다양한 유형의 결함으로 인해 많은 결함 탐지 및 기타 복잡한 시나리오에서 다양한 유형의 결함으로 인해 불완전한 분노가 불완전하고, 생산 라인이 자주 업데이트되지 않았으며, 개요가 끊어졌습니다. 요인, 전통적인 AOI 시스템은 생산 라인 요구의 개발을 충족시키기가 어려웠습니다. 따라서 딥 러닝 + 소규모 샘플 학습으로 대표되는 AI 산업 품질 검사 알고리즘 플랫폼은 기존의 시각적 검사 체계를 점차 대체하고 있으며 AI 산업 품질 검사 플랫폼은 고전적인 기계 학습 알고리즘과 딥 러닝 검사 알고리즘의 두 단계를 거쳤습니다.
시간 후 : 10 월 8 일 -2023 년