หากปัญญาประดิษฐ์เปรียบเสมือนการเดินทางจากจุด A ไปยังจุด B บริการคลาวด์คอมพิวติ้งก็เปรียบเสมือนสนามบินหรือสถานีรถไฟความเร็วสูง และเอจคอมพิวติ้งก็เปรียบเสมือนแท็กซี่หรือจักรยานที่ใช้ร่วมกัน เอจคอมพิวติ้งนั้นอยู่ใกล้กับผู้คน สิ่งของ หรือแหล่งข้อมูล โดยใช้แพลตฟอร์มแบบเปิดที่ผสานรวมการจัดเก็บข้อมูล การประมวลผล การเข้าถึงเครือข่าย และความสามารถหลักของแอปพลิเคชัน เพื่อให้บริการแก่ผู้ใช้ในบริเวณใกล้เคียง เมื่อเปรียบเทียบกับบริการคลาวด์คอมพิวติ้งแบบรวมศูนย์ เอจคอมพิวติ้งสามารถแก้ปัญหาต่างๆ เช่น ความหน่วงเวลาที่ยาวนานและปริมาณการรับส่งข้อมูลแบบคอนเวอร์เจนซ์สูง จึงรองรับบริการแบบเรียลไทม์และแบนด์วิดท์ได้ดีกว่า
พลังของ ChatGPT ได้จุดประกายการพัฒนา AI ระลอกใหม่ เร่งให้ AI ก้าวเข้าสู่การประยุกต์ใช้งานที่หลากหลายยิ่งขึ้น เช่น อุตสาหกรรม ค้าปลีก บ้านอัจฉริยะ เมืองอัจฉริยะ และอื่นๆ แอปพลิเคชันจำเป็นต้องจัดเก็บและประมวลผลข้อมูลจำนวนมาก และการพึ่งพาคลาวด์เพียงอย่างเดียวไม่สามารถตอบสนองความต้องการที่แท้จริงได้อีกต่อไป การประมวลผลแบบเอจ (edge computing) ช่วยยกระดับการใช้งาน AI ในทุกกิโลเมตร ภายใต้นโยบายระดับชาติที่ต้องการพัฒนาเศรษฐกิจดิจิทัลอย่างแข็งขัน การประมวลผลแบบคลาวด์ของจีนได้เข้าสู่ยุคแห่งการพัฒนาที่ครอบคลุม ความต้องการการประมวลผลแบบเอจเพิ่มสูงขึ้น และการผสานรวมคลาวด์เอจและเอจเข้าด้วยกันได้กลายเป็นทิศทางวิวัฒนาการที่สำคัญในอนาคต
ตลาด Edge Computing คาดว่าจะเติบโต 36.1% CAGR ในอีกห้าปีข้างหน้า
อุตสาหกรรมเอจคอมพิวติ้งกำลังก้าวเข้าสู่ช่วงของการพัฒนาอย่างต่อเนื่อง ดังเห็นได้จากการกระจายตัวของผู้ให้บริการอย่างค่อยเป็นค่อยไป ขนาดตลาดที่ขยายตัว และการขยายขอบเขตการใช้งานที่มากขึ้น ในแง่ของขนาดตลาด ข้อมูลจากรายงานการติดตามของ IDC แสดงให้เห็นว่าขนาดตลาดเซิร์ฟเวอร์เอจคอมพิวติ้งโดยรวมในจีนมีมูลค่าสูงถึง 3.31 พันล้านดอลลาร์สหรัฐในปี 2564 และคาดว่าขนาดตลาดเซิร์ฟเวอร์เอจคอมพิวติ้งโดยรวมในจีนจะเติบโตด้วยอัตราการเติบโตเฉลี่ยต่อปีแบบทบต้น (CAGR) ที่ 22.2% ตั้งแต่ปี 2563 ถึง 2568 ซัลลิแวนคาดการณ์ว่าขนาดตลาดเอจคอมพิวติ้งในจีนจะสูงถึง 250.9 พันล้านหยวนในปี 2570 ด้วยอัตราการเติบโตเฉลี่ยต่อปีแบบทบต้น (CAGR) ที่ 36.1% ตั้งแต่ปี 2566 ถึง 2570
อุตสาหกรรมเชิงนิเวศการประมวลผลแบบ Edge เจริญรุ่งเรือง
ปัจจุบัน Edge computing กำลังอยู่ในช่วงเริ่มต้นของการระบาด และขอบเขตทางธุรกิจในห่วงโซ่อุตสาหกรรมยังค่อนข้างคลุมเครือ สำหรับผู้จำหน่ายรายย่อย จำเป็นต้องพิจารณาการบูรณาการเข้ากับสถานการณ์ทางธุรกิจ และจำเป็นต้องมีความสามารถในการปรับตัวให้เข้ากับการเปลี่ยนแปลงของสถานการณ์ทางธุรกิจในระดับเทคนิค จำเป็นต้องมั่นใจว่ามีความเข้ากันได้ในระดับสูงกับอุปกรณ์ฮาร์ดแวร์ รวมถึงความสามารถทางวิศวกรรมในการรับโครงการต่างๆ
ห่วงโซ่อุตสาหกรรมเอดจ์คอมพิวติ้งแบ่งออกเป็นผู้จำหน่ายชิป ผู้จำหน่ายอัลกอริทึม ผู้ผลิตอุปกรณ์ฮาร์ดแวร์ และผู้ให้บริการโซลูชัน ผู้จำหน่ายชิปส่วนใหญ่พัฒนาชิปเลขคณิตจากฝั่งเอนด์ไซด์ (end-side) สู่เอดจ์ไซด์ (edge-side) และคลาวด์ไซด์ (cloud-side) นอกจากชิปเอดจ์ไซด์แล้ว พวกเขายังพัฒนาการ์ดเร่งความเร็วและรองรับแพลตฟอร์มการพัฒนาซอฟต์แวร์อีกด้วย ผู้จำหน่ายอัลกอริทึมใช้อัลกอริทึมคอมพิวเตอร์วิชัน (computer vision) เป็นแกนหลักในการสร้างอัลกอริทึมทั่วไปหรืออัลกอริทึมที่ปรับแต่งได้ นอกจากนี้ยังมีองค์กรที่สร้างศูนย์รวมอัลกอริทึมหรือแพลตฟอร์มฝึกอบรมและผลักดัน (push platform) ผู้จำหน่ายอุปกรณ์กำลังลงทุนในผลิตภัณฑ์เอดจ์คอมพิวติ้งอย่างแข็งขัน และรูปแบบของผลิตภัณฑ์เอดจ์คอมพิวติ้งก็ได้รับการพัฒนาอย่างต่อเนื่อง จนค่อยๆ ก่อตัวเป็นผลิตภัณฑ์เอดจ์คอมพิวติ้งแบบครบวงจรตั้งแต่ชิปไปจนถึงเครื่องจักรทั้งหมด ผู้ให้บริการโซลูชันนำเสนอซอฟต์แวร์หรือโซลูชันที่ผสานรวมซอฟต์แวร์และฮาร์ดแวร์สำหรับอุตสาหกรรมเฉพาะ
แอปพลิเคชันอุตสาหกรรม Edge Computing เร่งตัวขึ้น
ในด้านเมืองอัจฉริยะ
ปัจจุบันการตรวจสอบทรัพย์สินในเมืองแบบองค์รวมมักนิยมใช้ในรูปแบบการตรวจสอบด้วยมือ ซึ่งรูปแบบการตรวจสอบด้วยมือมักประสบปัญหาเรื่องค่าใช้จ่ายที่ใช้เวลานานและแรงงานสูง การพึ่งพาบุคลากร ครอบคลุมพื้นที่และความถี่ในการตรวจสอบไม่เพียงพอ และการควบคุมคุณภาพที่ไม่ดี ขณะเดียวกัน กระบวนการตรวจสอบก็บันทึกข้อมูลจำนวนมหาศาล แต่ทรัพยากรข้อมูลเหล่านี้ยังไม่ได้ถูกแปลงเป็นสินทรัพย์ข้อมูลเพื่อเสริมศักยภาพทางธุรกิจ ด้วยการประยุกต์ใช้เทคโนโลยี AI ในสถานการณ์การตรวจสอบบนมือถือ องค์กรต่างๆ จึงได้สร้างยานพาหนะตรวจสอบอัจฉริยะ AI สำหรับการบริหารจัดการเมือง ซึ่งใช้เทคโนโลยีต่างๆ เช่น อินเทอร์เน็ตในทุกสิ่ง (IoT) คลาวด์คอมพิวติ้ง อัลกอริทึม AI และติดตั้งอุปกรณ์ระดับมืออาชีพ เช่น กล้องความละเอียดสูง จอแสดงผลในตัว และเซิร์ฟเวอร์ AI ด้านข้าง และผสานกลไกการตรวจสอบแบบ "ระบบอัจฉริยะ + เครื่องจักรอัจฉริยะ + ผู้ช่วยเจ้าหน้าที่" กลไกนี้ส่งเสริมการเปลี่ยนแปลงการบริหารจัดการเมืองจากการใช้บุคลากรจำนวนมากไปสู่ระบบอัจฉริยะเชิงกลไก จากการตัดสินเชิงประจักษ์ไปสู่การวิเคราะห์ข้อมูล และจากการตอบสนองแบบพาสซีฟไปสู่การค้นพบเชิงรุก
ในด้านไซต์ก่อสร้างอัจฉริยะ
โซลูชันไซต์ก่อสร้างอัจฉริยะที่ใช้การประมวลผลแบบ Edge นำเทคโนโลยี AI มาบูรณาการอย่างลึกซึ้งกับงานตรวจสอบความปลอดภัยในอุตสาหกรรมก่อสร้างแบบดั้งเดิม โดยการวางเทอร์มินัลวิเคราะห์ AI แบบ Edge ไว้ที่ไซต์ก่อสร้าง ทำการวิจัยและพัฒนาอัลกอริทึม AI ภาพแบบอิสระที่ใช้เทคโนโลยีวิเคราะห์วิดีโออัจฉริยะ ตรวจจับเหตุการณ์ที่ต้องตรวจจับแบบเต็มเวลา (เช่น ตรวจจับว่าจะสวมหมวกกันน็อคหรือไม่) จัดเตรียมบริการระบุจุดเสี่ยงด้านความปลอดภัยสำหรับบุคลากร สภาพแวดล้อม ความปลอดภัย และจุดอื่นๆ รวมถึงเตือนให้ทราบ และริเริ่มระบุปัจจัยที่ไม่ปลอดภัย การป้องกันอัจฉริยะด้วย AI ประหยัดต้นทุนกำลังคน เพื่อตอบสนองความต้องการในการจัดการความปลอดภัยของบุคลากรและทรัพย์สินของไซต์ก่อสร้าง
ในด้านการขนส่งอัจฉริยะ
สถาปัตยกรรมฝั่งคลาวด์ได้กลายมาเป็นต้นแบบพื้นฐานสำหรับการปรับใช้แอปพลิเคชันในอุตสาหกรรมการขนส่งอัจฉริยะ โดยฝั่งคลาวด์จะรับผิดชอบการจัดการแบบรวมศูนย์และเป็นส่วนหนึ่งของการประมวลผลข้อมูล ฝั่งเอจจะรับผิดชอบหลักในการวิเคราะห์ข้อมูลฝั่งเอจและการประมวลผลการตัดสินใจในการคำนวณ และฝั่งเอจจะรับผิดชอบหลักในการรวบรวมข้อมูลทางธุรกิจ
ในสถานการณ์เฉพาะ เช่น การประสานงานระหว่างยานพาหนะกับถนน ทางแยกโฮโลแกรม ระบบขับขี่อัตโนมัติ และการจราจรทางรถไฟ มีการเข้าถึงอุปกรณ์ที่หลากหลายจำนวนมาก และอุปกรณ์เหล่านี้จำเป็นต้องมีการจัดการการเข้าถึง การจัดการทางออก การประมวลผลสัญญาณเตือน และการประมวลผลการดำเนินงานและการบำรุงรักษา การประมวลผลแบบเอจ (Edge computing) สามารถแบ่งและพิชิต เปลี่ยนจากขนาดใหญ่เป็นขนาดเล็ก ให้ฟังก์ชันการแปลงโปรโตคอลข้ามเลเยอร์ บรรลุการเข้าถึงที่เสถียรและรวมศูนย์ และแม้แต่การควบคุมข้อมูลที่หลากหลายร่วมกัน
ในด้านการผลิตภาคอุตสาหกรรม
สถานการณ์การปรับปรุงกระบวนการผลิต: ปัจจุบัน ระบบการผลิตแบบแยกส่วนจำนวนมากมีข้อจำกัดเนื่องจากข้อมูลไม่ครบถ้วน การคำนวณประสิทธิภาพโดยรวมของอุปกรณ์และข้อมูลดัชนีอื่นๆ ค่อนข้างล่าช้า ทำให้ยากต่อการนำไปใช้เพื่อเพิ่มประสิทธิภาพ แพลตฟอร์มการประมวลผลแบบเอจที่ใช้แบบจำลองข้อมูลอุปกรณ์ช่วยให้ระบบการผลิตสามารถสื่อสารในแนวนอนและแนวตั้งได้ในระดับความหมาย และใช้กลไกการประมวลผลการไหลของข้อมูลแบบเรียลไทม์เพื่อรวบรวมและวิเคราะห์ข้อมูลภาคสนามแบบเรียลไทม์จำนวนมาก เพื่อให้สามารถรวมข้อมูลหลายแหล่งข้อมูลจากสายการผลิตตามแบบจำลอง เพื่อสนับสนุนการตัดสินใจในระบบการผลิตแบบแยกส่วนได้อย่างมีประสิทธิภาพ
สถานการณ์การบำรุงรักษาเชิงคาดการณ์อุปกรณ์: การบำรุงรักษาอุปกรณ์อุตสาหกรรมแบ่งออกเป็น 3 ประเภท ได้แก่ การบำรุงรักษาเชิงซ่อมแซม การบำรุงรักษาเชิงป้องกัน และการบำรุงรักษาเชิงคาดการณ์ การบำรุงรักษาเชิงฟื้นฟูจัดอยู่ในประเภทการบำรุงรักษาแบบ Ex-Post Facto การบำรุงรักษาเชิงป้องกัน และการบำรุงรักษาเชิงคาดการณ์จัดอยู่ในประเภทการบำรุงรักษาแบบ Ex-Ante โดยการบำรุงรักษาแบบ Ex-Ante จะขึ้นอยู่กับเวลา ประสิทธิภาพของอุปกรณ์ สภาพพื้นที่ และปัจจัยอื่นๆ สำหรับการบำรุงรักษาอุปกรณ์ตามปกติ ซึ่งส่วนใหญ่ขึ้นอยู่กับประสบการณ์การใช้งานจริง ส่วนการบำรุงรักษาแบบ Ex-Ante จะใช้ข้อมูลจากเซ็นเซอร์ การตรวจสอบสถานะการทำงานของอุปกรณ์แบบเรียลไทม์ การวิเคราะห์ข้อมูลตามแบบจำลองอุตสาหกรรม และการคาดการณ์เวลาที่เกิดการขัดข้องได้อย่างแม่นยำ
สถานการณ์การตรวจสอบคุณภาพอุตสาหกรรม: สาขาการตรวจสอบภาพอุตสาหกรรมเป็นรูปแบบการตรวจสอบด้วยแสงอัตโนมัติ (AOI) แบบดั้งเดิมรูปแบบแรกที่ถูกนำไปใช้ในด้านการตรวจสอบคุณภาพ แต่การพัฒนา AOI จนถึงปัจจุบัน ในสถานการณ์การตรวจจับข้อบกพร่องและสถานการณ์ที่ซับซ้อนอื่นๆ มากมาย เนื่องจากข้อบกพร่องหลายประเภท การสกัดคุณลักษณะจึงไม่สมบูรณ์ อัลกอริทึมแบบปรับตัวมีความสามารถในการขยายได้ไม่ดี สายการผลิตมีการอัปเดตบ่อยครั้ง การโยกย้ายอัลกอริทึมไม่ยืดหยุ่น และปัจจัยอื่นๆ ทำให้ระบบ AOI แบบดั้งเดิมตอบสนองความต้องการของสายการผลิตได้ยาก ดังนั้น แพลตฟอร์มอัลกอริทึมการตรวจสอบคุณภาพอุตสาหกรรม AI ซึ่งประกอบด้วยการเรียนรู้เชิงลึก + การเรียนรู้ตัวอย่างขนาดเล็ก จึงค่อยๆ เข้ามาแทนที่ระบบการตรวจสอบด้วยภาพแบบดั้งเดิม และแพลตฟอร์มการตรวจสอบคุณภาพอุตสาหกรรม AI ได้ผ่านสองขั้นตอน คือ อัลกอริทึมการเรียนรู้ของเครื่องแบบดั้งเดิมและอัลกอริทึมการตรวจสอบการเรียนรู้เชิงลึก
เวลาโพสต์: 8 ต.ค. 2566