인공지능을 A에서 B로 가는 여정으로 본다면, 클라우드 컴퓨팅 서비스는 공항이나 고속철도역에 비유할 수 있으며, 엣지 컴퓨팅은 택시나 공유 자전거에 비유할 수 있습니다. 엣지 컴퓨팅은 사람, 사물, 또는 데이터 소스와 밀접하게 연관되어 있습니다. 스토리지, 컴퓨팅, 네트워크 액세스, 그리고 애플리케이션 핵심 기능을 통합하는 개방형 플랫폼을 통해 주변 사용자에게 서비스를 제공합니다. 중앙 집중형 클라우드 컴퓨팅 서비스와 비교했을 때, 엣지 컴퓨팅은 긴 지연 시간과 높은 컨버전스 트래픽과 같은 문제를 해결하여 실시간 및 대역폭 요구가 높은 서비스를 더욱 효과적으로 지원합니다.
ChatGPT의 불꽃은 AI 개발의 새로운 물결을 일으켰고, 산업, 소매, 스마트 홈, 스마트 시티 등 더 많은 응용 분야로 AI가 빠르게 확산되고 있습니다. 애플리케이션 엔드(end)에는 방대한 양의 데이터가 저장되고 컴퓨팅되어야 하며, 클라우드에만 의존해서는 더 이상 실제 수요를 충족할 수 없습니다. 엣지 컴퓨팅은 AI 애플리케이션의 마지막 1km를 개선합니다. 디지털 경제를 강력하게 발전시킨다는 국가 정책에 따라 중국의 클라우드 컴퓨팅은 포용적 발전 단계에 접어들었고, 엣지 컴퓨팅 수요는 급증했으며, 클라우드 엣지와 엔드의 통합은 미래의 중요한 진화 방향이 되었습니다.
엣지 컴퓨팅 시장은 향후 5년간 연평균 성장률 36.1%로 성장할 것으로 전망
엣지 컴퓨팅 산업은 서비스 제공업체의 점진적인 다각화, 시장 규모 확대, 그리고 적용 영역의 추가적인 확장을 통해 꾸준한 발전 단계에 접어들었습니다. 시장 규모 측면에서, IDC의 추적 보고서에 따르면 2021년 중국의 엣지 컴퓨팅 서버 전체 시장 규모는 33억 1천만 달러에 달했으며, 2020년부터 2025년까지 연평균 22.2%의 성장률을 기록할 것으로 예상됩니다. 설리번은 2027년 중국의 엣지 컴퓨팅 시장 규모가 2,509억 위안에 달할 것으로 예상하며, 2023년부터 2027년까지 연평균 성장률은 36.1%에 달할 것으로 전망합니다.
엣지 컴퓨팅 생태산업이 번창하고 있습니다
엣지 컴퓨팅은 현재 확산 초기 단계에 있으며, 산업 체인 내 사업 경계가 비교적 모호합니다. 개별 공급업체의 경우, 비즈니스 시나리오와의 통합을 고려해야 하며, 기술적인 측면에서 비즈니스 시나리오 변화에 적응할 수 있는 역량도 갖춰야 합니다. 또한, 하드웨어 장비와의 높은 호환성과 프로젝트 수주를 위한 엔지니어링 역량도 확보해야 합니다.
엣지 컴퓨팅 산업 사슬은 칩 벤더, 알고리즘 벤더, 하드웨어 장치 제조업체, 그리고 솔루션 제공업체로 구분됩니다. 칩 벤더는 주로 엔드 사이드에서 엣지 사이드, 그리고 클라우드 사이드까지 연산 칩을 개발하며, 엣지 사이드 칩 외에도 가속 카드를 개발하고 소프트웨어 개발 플랫폼을 지원합니다. 알고리즘 벤더는 컴퓨터 비전 알고리즘을 핵심으로 삼아 일반 또는 맞춤형 알고리즘을 구축하며, 알고리즘 몰이나 훈련 및 푸시 플랫폼을 구축하는 기업도 있습니다. 장비 벤더는 엣지 컴퓨팅 제품에 적극적으로 투자하고 있으며, 엣지 컴퓨팅 제품의 형태는 지속적으로 다양화되어 칩부터 전체 머신에 이르기까지 엣지 컴퓨팅 제품의 전체 스택을 점진적으로 형성하고 있습니다. 솔루션 제공업체는 특정 산업을 위한 소프트웨어 또는 소프트웨어-하드웨어 통합 솔루션을 제공합니다.
엣지 컴퓨팅 산업 응용 프로그램 가속화
스마트시티 분야에서
도시 부동산 종합 검사는 현재 수작업 검사 방식으로 널리 사용되고 있습니다. 수작업 검사 방식은 시간과 인력이 많이 소요되고, 프로세스가 개인에게 의존적이며, 검사 범위와 빈도가 낮고, 품질 관리가 미흡하다는 문제점을 안고 있습니다. 검사 과정에서 막대한 양의 데이터가 기록되지만, 이러한 데이터 리소스는 비즈니스 역량 강화를 위한 데이터 자산으로 전환되지 못하고 있습니다. AI 기술을 모바일 검사 시나리오에 적용하여, 기업은 사물 인터넷, 클라우드 컴퓨팅, AI 알고리즘 등의 기술을 도입하고 고화질 카메라, 차량 디스플레이, AI 사이드 서버와 같은 전문 장비를 탑재한 도시 거버넌스 AI 지능형 검사 차량을 개발했습니다. 이 차량은 "지능형 시스템 + 지능형 기계 + 인력 지원"의 검사 메커니즘을 결합합니다. 이를 통해 도시 거버넌스는 인력 중심에서 기계적 지능으로, 경험적 판단에서 데이터 분석으로, 수동적 대응에서 능동적 발견으로 전환됩니다.
지능형 건설 현장 분야에서
엣지 컴퓨팅 기반 지능형 건설 현장 솔루션은 AI 기술을 기존 건설 산업 안전 모니터링 작업에 심층적으로 통합하여 건설 현장에 엣지 AI 분석 터미널을 배치하고 지능형 비디오 분석 기술을 기반으로 시각적 AI 알고리즘의 자체 연구 개발을 완료하여 감지해야 할 이벤트(예: 헬멧 착용 여부 감지)를 상시 감지하고 인력, 환경, 보안 및 기타 안전 위험 지점 식별 및 경고 알림 서비스를 제공하며, 안전하지 않은 요소를 주도적으로 식별하고 AI 지능형 경비를 구축하여 인력 비용을 절감하여 건설 현장의 인력 및 재산 안전 관리 요구를 충족합니다.
지능형 교통 분야에서
클라우드 측-엔드 아키텍처는 지능형 운송 산업에서 애플리케이션을 배포하는 기본 패러다임이 되었습니다. 클라우드 측은 중앙 집중식 관리와 일부 데이터 처리를 담당하고, 에지 측은 주로 에지 측 데이터 분석과 컴퓨팅 의사 결정 처리를 제공하며, 엔드 측은 주로 비즈니스 데이터 수집을 담당합니다.
차량-도로 좌표, 홀로그램 교차로, 자율주행, 철도 교통과 같은 특정 시나리오에서는 수많은 이기종 기기에 접근하며, 이러한 기기에는 접근 관리, 출구 관리, 경보 처리, 운영 및 유지보수 처리가 필요합니다. 엣지 컴퓨팅은 분할 정복, 규모 축소, 계층 간 프로토콜 변환 기능 제공, 통합적이고 안정적인 접근, 심지어 이기종 데이터의 협업 제어까지 가능하게 합니다.
산업 제조 분야에서
생산 공정 최적화 시나리오: 현재 다수의 개별 제조 시스템은 데이터의 불완전성으로 인해 제약을 받고 있으며, 전반적인 장비 효율(OTE) 및 기타 지표 데이터 계산이 상대적으로 부실하여 효율 최적화에 활용하기 어렵습니다. 장비 정보 모델 기반 엣지 컴퓨팅 플랫폼은 의미론적 수준의 제조 시스템 수평 및 수직 통신을 구현하고, 실시간 데이터 흐름 처리 메커니즘을 기반으로 대량의 현장 실시간 데이터를 집계 및 분석하여 모델 기반 생산 라인의 다중 데이터 소스 정보 융합을 달성하고, 개별 제조 시스템의 의사 결정을 위한 강력한 데이터 지원을 제공합니다.
장비 예측 유지보수 시나리오: 산업 장비의 유지보수는 수리 유지보수, 예방 유지보수, 그리고 예측 유지보수의 세 가지 유형으로 나뉩니다. 수리 유지보수는 사후 유지보수에 속하며, 예방 유지보수와 예측 유지보수는 사전 유지보수에 속합니다. 수리 유지보수는 시간, 장비 성능, 현장 조건 등 장비의 정기적인 유지보수를 위한 여러 요소를 기반으로 하며, 어느 정도 사람의 경험에 기반합니다. 예측 유지보수는 센서 데이터 수집, 장비 작동 상태 실시간 모니터링, 산업 모델 데이터 분석을 통해 고장 발생 시점을 정확하게 예측합니다.
산업 품질 검사 시나리오: 산업용 비전 검사 분야는 전통적인 자동 광학 검사(AOI)가 품질 검사 분야에 처음 도입된 형태입니다. 하지만 현재까지 AOI는 다양한 결함 감지 및 기타 복잡한 시나리오에서 다양한 유형의 결함, 특징 추출의 불완전성, 적응형 알고리즘의 확장성 부족, 생산 라인의 빈번한 업데이트, 알고리즘 마이그레이션의 유연성 부족 등의 요인으로 인해 기존 AOI 시스템으로는 생산 라인의 발전 요구를 충족하기 어려웠습니다. 따라서 딥러닝 + 소표본 학습으로 대표되는 AI 산업 품질 검사 알고리즘 플랫폼이 점차 기존의 시각 검사 방식을 대체하고 있으며, AI 산업 품질 검사 플랫폼은 기존 머신러닝 알고리즘과 딥러닝 검사 알고리즘의 두 단계를 거쳤습니다.
게시 시간: 2023년 10월 8일