จากบริการคลาวด์ไปจนถึงการประมวลผลแบบ Edge AI มาถึง “ไมล์สุดท้าย”

ตลาด Edge Computing คาดว่าจะเติบโต 36.1% CAGR ในอีกห้าปีข้างหน้า

อุตสาหกรรม edge computing ได้เข้าสู่ระยะของการพัฒนาอย่างต่อเนื่อง ซึ่งเห็นได้จากการกระจายตัวของผู้ให้บริการอย่างค่อยเป็นค่อยไป ขนาดตลาดที่ขยายตัว และการขยายพื้นที่การใช้งานเพิ่มเติม ในแง่ของขนาดตลาด ข้อมูลจากรายงานการติดตามของ IDC แสดงให้เห็นว่าขนาดตลาดโดยรวมของเซิร์ฟเวอร์ edge computing ในจีนมีมูลค่าถึง 3.31 พันล้านดอลลาร์สหรัฐในปี 2021 และคาดว่าขนาดตลาดโดยรวมของเซิร์ฟเวอร์ edge computing ในจีนจะเติบโตด้วยอัตราการเติบโตต่อปีแบบทบต้น 22.2% ตั้งแต่ปี 2020 ถึงปี 2025 Sullivan คาดการณ์ว่าขนาดตลาดของ edge computing ในจีนคาดว่าจะสูงถึง 250.9 พันล้านหยวนในปี 2027 ด้วยอัตรา CAGR ที่ 36.1% ตั้งแต่ปี 2023 ถึงปี 2027

อุตสาหกรรมเชิงนิเวศการประมวลผลแบบ Edge เติบโตอย่างรุ่งเรือง

ปัจจุบัน Edge Computing อยู่ในช่วงเริ่มต้นของการระบาด และขอบเขตทางธุรกิจในห่วงโซ่อุตสาหกรรมนั้นค่อนข้างคลุมเครือ สำหรับผู้จำหน่ายรายบุคคล จำเป็นต้องพิจารณาการบูรณาการกับสถานการณ์ทางธุรกิจ และจำเป็นต้องมีความสามารถในการปรับตัวให้เข้ากับการเปลี่ยนแปลงในสถานการณ์ทางธุรกิจจากระดับเทคนิค อีกทั้งยังจำเป็นต้องแน่ใจว่ามีความเข้ากันได้ในระดับสูงกับอุปกรณ์ฮาร์ดแวร์ ตลอดจนความสามารถด้านวิศวกรรมในการรับมือโครงการ

ห่วงโซ่อุตสาหกรรมการประมวลผลแบบเอจจะแบ่งออกเป็นผู้จำหน่ายชิป ผู้จำหน่ายอัลกอริธึม ผู้ผลิตอุปกรณ์ฮาร์ดแวร์ และผู้ให้บริการโซลูชัน ผู้จำหน่ายชิปส่วนใหญ่พัฒนาชิปเลขคณิตจากฝั่งเอนด์ไปยังฝั่งเอจและฝั่งคลาวด์ และนอกเหนือจากชิปฝั่งเอจแล้ว พวกเขายังพัฒนาการ์ดเร่งความเร็วและรองรับแพลตฟอร์มการพัฒนาซอฟต์แวร์อีกด้วย ผู้จำหน่ายอัลกอริธึมใช้อัลกอริธึมคอมพิวเตอร์วิชันเป็นแกนหลักในการสร้างอัลกอริธึมทั่วไปหรือแบบกำหนดเอง และยังมีองค์กรที่สร้างศูนย์การค้าอัลกอริธึมหรือแพลตฟอร์มการฝึกอบรมและผลักดัน ผู้จำหน่ายอุปกรณ์กำลังลงทุนอย่างแข็งขันในผลิตภัณฑ์การประมวลผลแบบเอจ และรูปแบบของผลิตภัณฑ์การประมวลผลแบบเอจจะได้รับการพัฒนาอย่างต่อเนื่อง โดยค่อยๆ สร้างผลิตภัณฑ์การประมวลผลแบบเอจครบชุดตั้งแต่ชิปไปจนถึงเครื่องทั้งหมด ผู้ให้บริการโซลูชันนำเสนอซอฟต์แวร์หรือโซลูชันที่รวมซอฟต์แวร์และฮาร์ดแวร์สำหรับอุตสาหกรรมเฉพาะ

แอปพลิเคชันอุตสาหกรรม Edge Computing เร่งตัวขึ้น

ในด้านเมืองอัจฉริยะ

ปัจจุบันการตรวจสอบทรัพย์สินในเมืองอย่างครอบคลุมนั้นมักใช้ในโหมดการตรวจสอบด้วยมือ และโหมดการตรวจสอบด้วยมือมีปัญหาเรื่องต้นทุนที่ใช้เวลานานและแรงงานมาก กระบวนการขึ้นอยู่กับบุคคล การครอบคลุมและความถี่ในการตรวจสอบที่ไม่ดี และการควบคุมคุณภาพที่ไม่ดี ในเวลาเดียวกัน กระบวนการตรวจสอบได้บันทึกข้อมูลจำนวนมหาศาล แต่ทรัพยากรข้อมูลเหล่านี้ไม่ได้ถูกแปลงเป็นสินทรัพย์ข้อมูลเพื่อเสริมอำนาจทางธุรกิจ ด้วยการนำเทคโนโลยี AI มาใช้กับสถานการณ์การตรวจสอบบนมือถือ องค์กรได้สร้างยานพาหนะตรวจสอบอัจฉริยะ AI สำหรับการบริหารจัดการเมือง ซึ่งนำเทคโนโลยีต่างๆ เช่น อินเทอร์เน็ตของสรรพสิ่ง คลาวด์คอมพิวติ้ง อัลกอริทึม AI มาใช้ และมีอุปกรณ์ระดับมืออาชีพ เช่น กล้องความละเอียดสูง จอแสดงผลบนเครื่อง และเซิร์ฟเวอร์ด้าน AI และผสมผสานกลไกการตรวจสอบของ "ระบบอัจฉริยะ + เครื่องจักรอัจฉริยะ + ความช่วยเหลือจากเจ้าหน้าที่" ส่งเสริมการเปลี่ยนแปลงการบริหารจัดการเมืองจากการใช้บุคลากรจำนวนมากเป็นปัญญาประดิษฐ์ จากการตัดสินเชิงประจักษ์เป็นการวิเคราะห์ข้อมูล และจากการตอบสนองแบบพาสซีฟเป็นการค้นพบเชิงรุก

ในด้านไซต์งานก่อสร้างอัจฉริยะ

โซลูชันไซต์ก่อสร้างอัจฉริยะที่ใช้การประมวลผลแบบ Edge ใช้การบูรณาการเทคโนโลยี AI อย่างลึกซึ้งกับงานตรวจสอบความปลอดภัยในอุตสาหกรรมก่อสร้างแบบดั้งเดิม โดยการวางเทอร์มินัลวิเคราะห์ AI แบบ Edge ไว้ที่ไซต์ก่อสร้าง ทำให้การวิจัยและพัฒนาอัลกอริทึม AI ภาพแบบอิสระที่อิงตามเทคโนโลยีวิเคราะห์วิดีโออัจฉริยะเสร็จสมบูรณ์ ตรวจจับเหตุการณ์ที่ต้องตรวจจับได้ตลอดเวลา (เช่น ตรวจจับว่าจะสวมหมวกกันน็อคหรือไม่) จัดเตรียมการระบุจุดเสี่ยงด้านความปลอดภัยสำหรับบุคลากร สภาพแวดล้อม ความปลอดภัย และจุดอื่นๆ และการบริการแจ้งเตือน และริเริ่มการระบุปัจจัยที่ไม่ปลอดภัย การเฝ้าระวังอัจฉริยะด้วย AI ประหยัดต้นทุนด้านกำลังคน เพื่อตอบสนองความต้องการในการจัดการความปลอดภัยของบุคลากรและทรัพย์สินของไซต์ก่อสร้าง

ในด้านการขนส่งอัจฉริยะ

สถาปัตยกรรมฝั่งคลาวด์ได้กลายมาเป็นต้นแบบพื้นฐานสำหรับการปรับใช้แอปพลิเคชันในอุตสาหกรรมการขนส่งอัจฉริยะ โดยที่ฝั่งคลาวด์รับผิดชอบการบริหารจัดการแบบรวมศูนย์และส่วนหนึ่งของการประมวลผลข้อมูล ในขณะที่ฝั่งเอจจะรับผิดชอบหลักๆ สำหรับการการวิเคราะห์ข้อมูลและการประมวลผลการตัดสินใจคำนวณ ส่วนฝั่งเอจจะรับผิดชอบหลักสำหรับการรวบรวมข้อมูลทางธุรกิจ

ในสถานการณ์เฉพาะ เช่น การประสานงานระหว่างยานพาหนะกับถนน ทางแยกโฮโลแกรม การขับขี่อัตโนมัติ และการจราจรบนราง มีการเข้าถึงอุปกรณ์ที่แตกต่างกันจำนวนมาก และอุปกรณ์เหล่านี้จำเป็นต้องมีการจัดการการเข้าถึง การจัดการทางออก การประมวลผลสัญญาณเตือน และการประมวลผลการดำเนินงานและการบำรุงรักษา การประมวลผลแบบเอจคอมพิวติ้งสามารถแบ่งและพิชิต เปลี่ยนจากสิ่งใหญ่เป็นสิ่งเล็ก ให้ฟังก์ชันการแปลงโปรโตคอลแบบข้ามชั้น บรรลุการเข้าถึงแบบรวมและเสถียร และแม้แต่การควบคุมร่วมกันของข้อมูลที่แตกต่างกัน

ในด้านการผลิตภาคอุตสาหกรรม

สถานการณ์การเพิ่มประสิทธิภาพกระบวนการผลิต: ปัจจุบัน ระบบการผลิตแบบแยกส่วนจำนวนมากถูกจำกัดด้วยข้อมูลที่ไม่สมบูรณ์ และประสิทธิภาพโดยรวมของอุปกรณ์และการคำนวณข้อมูลดัชนีอื่นๆ ค่อนข้างไม่เรียบร้อย ทำให้ยากต่อการใช้งานเพื่อเพิ่มประสิทธิภาพ แพลตฟอร์มคอมพิวเตอร์แบบเอจที่ใช้โมเดลข้อมูลอุปกรณ์เพื่อให้ได้ระบบการผลิตระดับความหมาย การสื่อสารในแนวนอนและแนวตั้งที่ใช้กลไกการประมวลผลการไหลของข้อมูลแบบเรียลไทม์เพื่อรวบรวมและวิเคราะห์ข้อมูลแบบเรียลไทม์จำนวนมาก เพื่อให้ได้การรวมข้อมูลแหล่งข้อมูลหลายแหล่งในสายการผลิตตามโมเดล เพื่อให้การสนับสนุนข้อมูลที่มีประสิทธิภาพสำหรับการตัดสินใจในระบบการผลิตแบบแยกส่วน

สถานการณ์การบำรุงรักษาเชิงคาดการณ์อุปกรณ์: การบำรุงรักษาอุปกรณ์อุตสาหกรรมแบ่งออกเป็น 3 ประเภท ได้แก่ การบำรุงรักษาซ่อมแซม การบำรุงรักษาเชิงป้องกัน และการบำรุงรักษาเชิงคาดการณ์ การบำรุงรักษาเชิงฟื้นฟูจัดอยู่ในประเภทการบำรุงรักษาภายหลัง การบำรุงรักษาเชิงป้องกัน และการบำรุงรักษาเชิงคาดการณ์จัดอยู่ในประเภทการบำรุงรักษาก่อน โดยประเภทแรกจะพิจารณาจากเวลา ประสิทธิภาพของอุปกรณ์ สภาพสถานที่ และปัจจัยอื่นๆ สำหรับการบำรุงรักษาอุปกรณ์ตามปกติ ซึ่งมากหรือน้อยจะขึ้นอยู่กับประสบการณ์ของมนุษย์ ส่วนประเภทหลังจะพิจารณาจากการรวบรวมข้อมูลเซ็นเซอร์ การตรวจสอบสถานะการทำงานของอุปกรณ์แบบเรียลไทม์ โดยพิจารณาจากแบบจำลองทางอุตสาหกรรมของการวิเคราะห์ข้อมูล และคาดการณ์ได้อย่างแม่นยำว่าความล้มเหลวจะเกิดขึ้นเมื่อใด

สถานการณ์การตรวจสอบคุณภาพอุตสาหกรรม: สาขาการตรวจสอบภาพอุตสาหกรรมเป็นรูปแบบการตรวจสอบด้วยแสงอัตโนมัติแบบดั้งเดิม (AOI) แรกในสาขาการตรวจสอบคุณภาพ แต่การพัฒนา AOI จนถึงขณะนี้ ในการตรวจจับข้อบกพร่องจำนวนมากและสถานการณ์ที่ซับซ้อนอื่นๆ เนื่องมาจากข้อบกพร่องในประเภทต่างๆ การสกัดคุณลักษณะจึงไม่สมบูรณ์ อัลกอริธึมแบบปรับตัวมีความสามารถในการขยายได้ไม่ดี สายการผลิตได้รับการอัปเดตบ่อยครั้ง การโยกย้ายอัลกอริธึมไม่ยืดหยุ่น และปัจจัยอื่นๆ ระบบ AOI แบบดั้งเดิมนั้นยากที่จะตอบสนองความต้องการของสายการผลิต ดังนั้นแพลตฟอร์มอัลกอริธึมการตรวจสอบคุณภาพอุตสาหกรรม AI ที่แสดงโดยการเรียนรู้เชิงลึก + การเรียนรู้ตัวอย่างขนาดเล็กจึงค่อยๆ แทนที่รูปแบบการตรวจสอบภาพแบบดั้งเดิม และแพลตฟอร์มการตรวจสอบคุณภาพอุตสาหกรรม AI ได้ผ่านขั้นตอนการเรียนรู้ของเครื่องแบบคลาสสิกและอัลกอริธึมการตรวจสอบการเรียนรู้เชิงลึกสองขั้นตอน