智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
氣動離合器COREMO E4-NA1976 蝶形剎車片 水泵制動器
品牌
如果把人工智能看作是一段從A到B的旅途，云計算服務是旅途中機場或者高鐵站，邊緣計算就是出租車或者共享單車，邊緣計算在靠近人、物或數(shù)據(jù)源頭的一側，采用融合存儲、計算、網(wǎng)絡 接入、應用核心能力為一體的開放平臺，就近為使用者提供服務。相比于集中部署的云計算服務， 邊緣計算解決了時延過長、匯聚流量大等問題，為實時性和帶寬要求較高的業(yè)務提供更好的支持。
ChatGPT的火爆掀起人工智能發(fā)展的新浪潮，加快AI向工業(yè)、零售、智能家居、智慧城市等更多應用領域下沉，在應用端大量的數(shù)據(jù)需要存儲計算，單單依靠云端，已經無法滿足實際需求，邊緣計算完善AI應用的最后一公里。在大力發(fā)展數(shù)字經濟的國策下，我國云計算進入普惠發(fā)展期，邊緣計算需求激增，云邊端一體化成為未來重要演進方向。
邊緣計算市場未來五年復合增長36.1%
邊緣計算產業(yè)進入了穩(wěn)健發(fā)展階段，具體表現(xiàn)為其服務提供商逐漸多元化，市場規(guī)模不斷擴大，應用領域進一步拓展。在市場規(guī)模上，IDC跟蹤報告數(shù)據(jù)顯示，2021年中國邊緣計算服務器整體市場規(guī)模達到33.1億美元，預計2020～2025年中國邊緣計算服務器整體市場規(guī)模年復增長率將達到22.2%。沙利文預測中國邊緣計算的市場規(guī)模預計在2027年將達到2509億元人民幣，2023年至2027年的復合年增長率為36.1%。
邊緣計算生態(tài)產業(yè)茁壯成長
邊緣計算目前處于爆發(fā)初期，產業(yè)鏈上的業(yè)務邊界相對模糊。對于單個廠商而言，既需要考慮與業(yè)務場景的融合，又需要從技術層面具備適應業(yè)務場景變化的能力，同時還需要保證與硬件設備具有較高的兼容性，以及項目落地的工程能力。
邊緣計算產業(yè)鏈劃分為芯片廠商、算法廠商、硬件設備制造商和解決方案提供商等。芯片廠商大多研發(fā)從端側到邊側再到云側的算力芯片，除邊緣側芯片外，還研發(fā)加速卡以及配套的軟件開發(fā)平臺。算法廠商以計算機視覺算法為核心，打造通用或者定制算法，亦有打造算法商城或者訓推平臺為主的企業(yè)。設備廠商積極投入，邊緣計算產品形態(tài)不斷豐富，逐步形成了從芯片到整機的邊緣計算產品全棧。解決方案商針對特定行業(yè)，提供軟件或者軟硬一體的解決方案。
在智慧城市領域
城市物業(yè)的綜合巡查目前普遍采用人工巡查的模式，人工巡查模式存在耗時費力成本高、過程依賴個人、覆蓋面和巡檢頻率不佳、質量管控不嚴的問題。同時在巡查過程中記錄了海量的數(shù)據(jù)，這些數(shù)據(jù)資源未轉變成數(shù)據(jù)資產為業(yè)務賦能。通過將AI技術應用于移動巡檢場景，企業(yè)打造了城市治理AI智能巡檢車，該車采用物聯(lián)網(wǎng)、云計算、AI算法等技術，搭載高清攝像頭、車載顯示屏、AI邊端服務器等專業(yè)設備，結合“智慧系統(tǒng)+智能機器+員工輔助”的巡查機制，推動城市治理由人員密集型向機械智能化轉變，由經驗判斷型向數(shù)據(jù)分析型轉變，從被動應對型向主動發(fā)現(xiàn)型轉變。
在智慧工地領域
基于邊緣計算的智慧工地解決方案將AI技術深度融合應用于傳統(tǒng)建筑行業(yè)安全監(jiān)控工作，通過在工地放置一個邊緣AI分析終端，完成基于智能視頻分析技術自主研發(fā)視覺AI算法，全時偵測待測事件(如檢測是否佩戴安全帽)，提供人員、環(huán)境、安保等安全風險點識別及報警提醒服務，主動識別不安全因素，AI智能值守，節(jié)約人力成本，滿足工地的人員、財產安全管理需求。
在智能交通領域
云邊端架構已成為智能交通行業(yè)應用部署的基本范式，云側負責集中式管理以及部分數(shù)據(jù)處理，邊側主要提供邊緣端數(shù)據(jù)分析計算決策處理，端側主要負責業(yè)務數(shù)據(jù)采集。
在車路協(xié)同、全息路口、自動駕駛、軌道交通等具體場景中，有大量的異構設備接入，這些設備需要進行接入管理、退出管理、告警處理、運維處理。邊緣計算可以分而治之、化大為小，提供跨層協(xié)議轉換功能，實現(xiàn)異構數(shù)據(jù)的統(tǒng)一和穩(wěn)定接入乃至協(xié)同控制。
在工業(yè)制造領域
生產流程優(yōu)化場景：當前大量離散制造系統(tǒng)受限于數(shù)據(jù)的不完備性，整體設備效率等指標數(shù)據(jù)計算比較粗放，難以用于效率優(yōu)化。邊緣計算平臺基于設備信息模型實現(xiàn)語義級別的制造系統(tǒng)橫向通信和縱向通信，基于實時數(shù)據(jù)流處理機制匯聚和分析大量現(xiàn)場實時數(shù)據(jù)，實現(xiàn)基于模型的生產線多數(shù)據(jù)源信息融合，為離散制造系統(tǒng)的決策提供強大的數(shù)據(jù)支持。
設備預測性維護場景：工業(yè)設備的維護分為三種：修復性維護、預防性維護和預測性維護。修復性維護屬于事后維護，預防性維護和預測性維護均屬于事前維護，前者基于時間、設備性能、現(xiàn)場使用工況等綜合因素對設備進行定期維修，更多還是憑人的經驗，后者則通過采集傳感數(shù)據(jù)，實時監(jiān)控設備的運行狀態(tài)，基于工業(yè)模型進行數(shù)據(jù)分析，準確預測故障何時發(fā)生。
工業(yè)質檢場景：工業(yè)視覺檢測領域首先是以傳統(tǒng)的自動光學檢測(AOI)形態(tài)進入質檢領域，但AOI發(fā)展至今，在諸多缺陷檢測等復雜場景中，由于缺陷種類繁雜，特征提取不全，適配算法延展性差，產線更新頻繁，算法遷移不靈活等多種因素，傳統(tǒng)AOI系統(tǒng)已難以滿足產線發(fā)展的需求。因此，以深度學習+小樣本學習為代表的AI工業(yè)質檢算法平臺正在逐步取代傳統(tǒng)的視覺檢測方案，AI工業(yè)質檢平臺經歷了經典機器學習算法和深度學習檢測算法兩個階段。
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
