Si la inteligencia artificial se considera un viaje de A a B, el servicio de computación en la nube es un aeropuerto o una estación de tren de alta velocidad, y la computación perimetral es un taxi o una bicicleta compartida. La computación perimetral se sitúa cerca de las personas, los objetos o las fuentes de datos. Adopta una plataforma abierta que integra almacenamiento, computación, acceso a la red y capacidades centrales de las aplicaciones para proporcionar servicios a los usuarios cercanos. En comparación con los servicios de computación en la nube centralizados, la computación perimetral resuelve problemas como la alta latencia y el elevado tráfico de convergencia, ofreciendo un mejor soporte para servicios en tiempo real y con alto consumo de ancho de banda.
El éxito de ChatGPT ha impulsado una nueva ola de desarrollo de IA, acelerando su integración en más áreas de aplicación como la industria, el comercio minorista, los hogares inteligentes y las ciudades inteligentes. Dado que se requiere almacenar y procesar una gran cantidad de datos en el extremo de la aplicación, y depender únicamente de la nube ya no satisface la demanda real, la computación de borde mejora la última milla de las aplicaciones de IA. Bajo la política nacional de desarrollo intensivo de la economía digital, la computación en la nube de China ha entrado en un período de desarrollo integral, la demanda de computación de borde se ha disparado y la integración de la nube, el borde y el extremo se ha convertido en una importante dirección evolutiva para el futuro.
Se prevé que el mercado de la computación perimetral crezca un 36,1% de CAGR durante los próximos cinco años.
La industria de la computación de borde ha entrado en una fase de desarrollo constante, como lo demuestra la diversificación gradual de sus proveedores de servicios, el crecimiento del mercado y la expansión de sus áreas de aplicación. En cuanto al tamaño del mercado, los datos del informe de seguimiento de IDC muestran que el mercado global de servidores de computación de borde en China alcanzó los 3310 millones de dólares estadounidenses en 2021, y se espera que crezca a una tasa de crecimiento anual compuesta del 22,2 % entre 2020 y 2025. Sullivan pronostica que el mercado de la computación de borde en China alcanzará los 250 900 millones de yuanes en 2027, con una tasa de crecimiento anual compuesta del 36,1 % entre 2023 y 2027.
El ecosistema de la computación perimetral prospera.
La computación perimetral se encuentra actualmente en una fase inicial de desarrollo, y los límites comerciales en la cadena de valor son relativamente difusos. Para los proveedores individuales, es necesario considerar la integración con los escenarios de negocio, así como tener la capacidad de adaptarse a los cambios en dichos escenarios desde el nivel técnico. Además, es fundamental garantizar un alto grado de compatibilidad con el hardware y la capacidad de ingeniería para implementar proyectos.
La cadena de valor de la industria de la computación de borde se divide en proveedores de chips, proveedores de algoritmos, fabricantes de dispositivos de hardware y proveedores de soluciones. Los proveedores de chips desarrollan principalmente chips aritméticos desde el extremo de la red hasta el borde y la nube. Además de los chips para el borde, también desarrollan tarjetas de aceleración y plataformas de desarrollo de software. Los proveedores de algoritmos utilizan algoritmos de visión artificial como base para crear algoritmos generales o personalizados. También existen empresas que desarrollan plataformas de algoritmos, como centros de datos o plataformas de entrenamiento e implementación. Los proveedores de equipos invierten activamente en productos de computación de borde, y la variedad de estos productos se enriquece constantemente, conformando gradualmente una pila completa de soluciones, desde el chip hasta la máquina completa. Los proveedores de soluciones ofrecen software o soluciones integradas de software y hardware para industrias específicas.
Las aplicaciones de la industria de computación perimetral se aceleran
En el ámbito de las ciudades inteligentes
Actualmente, la inspección exhaustiva de propiedades urbanas se realiza comúnmente de forma manual, lo que conlleva problemas como altos costos de mano de obra y tiempo, dependencia del proceso en individuos, baja cobertura y frecuencia de inspección, y un control de calidad deficiente. Además, el proceso de inspección genera una gran cantidad de datos, pero estos recursos no se han transformado en activos de datos para el empoderamiento empresarial. Mediante la aplicación de tecnología de IA a escenarios de inspección móvil, la empresa ha creado un vehículo de inspección inteligente con IA para la gobernanza urbana. Este vehículo incorpora tecnologías como el Internet de las Cosas, la computación en la nube y algoritmos de IA, y cuenta con equipos profesionales como cámaras de alta definición, pantallas integradas y servidores de IA. Combina el mecanismo de inspección de "sistema inteligente + máquina inteligente + asistencia del personal". Impulsa la transformación de la gobernanza urbana, pasando de un enfoque intensivo en personal a uno basado en inteligencia artificial, del juicio empírico al análisis de datos y de la respuesta pasiva al descubrimiento activo.
En el ámbito de la construcción inteligente
Las soluciones inteligentes para obras de construcción basadas en computación perimetral integran profundamente la tecnología de IA en el trabajo tradicional de monitoreo de seguridad de la industria de la construcción. Para ello, colocan una terminal de análisis de IA perimetral en la obra, realizan investigación y desarrollo independientes de algoritmos de IA visual basados en tecnología de análisis de video inteligente, detectan eventos en tiempo real (por ejemplo, si se debe usar casco o no), brindan servicios de identificación de puntos de riesgo para el personal, el medio ambiente, la seguridad y otros riesgos, y toman la iniciativa para identificar factores inseguros, implementan vigilancia inteligente con IA y ahorran costos de mano de obra, para satisfacer las necesidades de gestión de seguridad del personal y la propiedad en las obras de construcción.
En el campo del transporte inteligente
La arquitectura nube-entorno se ha convertido en el paradigma básico para el despliegue de aplicaciones en la industria del transporte inteligente, donde la nube se encarga de la gestión centralizada y parte del procesamiento de datos, el entorno proporciona principalmente análisis de datos y procesamiento de decisiones computacionales, y el entorno se encarga principalmente de la recopilación de datos comerciales.
En escenarios específicos como la coordinación vehículo-carretera, las intersecciones holográficas, la conducción autónoma y el tráfico ferroviario, se accede a una gran cantidad de dispositivos heterogéneos, los cuales requieren gestión de acceso, gestión de salida, procesamiento de alarmas y procesamiento de operación y mantenimiento. La computación de borde permite dividir y conquistar, convertir lo grande en pequeño, proporcionar funciones de conversión de protocolo entre capas, lograr un acceso unificado y estable, e incluso el control colaborativo de datos heterogéneos.
En el campo de la fabricación industrial
Escenario de optimización del proceso de producción: Actualmente, un gran número de sistemas de fabricación discreta se ven limitados por la incompletitud de los datos, y los cálculos de eficiencia general de los equipos y otros datos de índice son relativamente imprecisos, lo que dificulta su uso para la optimización de la eficiencia. La plataforma de computación de borde, basada en un modelo de información de equipos, permite la comunicación horizontal y vertical del sistema de fabricación a nivel semántico. Basándose en un mecanismo de procesamiento de flujo de datos en tiempo real, agrega y analiza una gran cantidad de datos de campo en tiempo real, logrando así la fusión de información de múltiples fuentes de datos en la línea de producción basada en modelos, proporcionando un potente soporte de datos para la toma de decisiones en el sistema de fabricación discreta.
Escenario de mantenimiento predictivo de equipos: El mantenimiento de equipos industriales se divide en tres tipos: mantenimiento reparador, mantenimiento preventivo y mantenimiento predictivo. El mantenimiento reparador pertenece al mantenimiento ex post facto, mientras que el mantenimiento preventivo y el mantenimiento predictivo pertenecen al mantenimiento ex ante. El primero se basa en el tiempo, el rendimiento del equipo, las condiciones del sitio y otros factores para el mantenimiento regular del equipo, basándose en mayor o menor medida en la experiencia humana. El segundo, mediante la recopilación de datos de sensores, el monitoreo en tiempo real del estado operativo del equipo, basado en el modelo industrial de análisis de datos, predice con precisión cuándo ocurrirá una falla.
Escenario de inspección de calidad industrial: el campo de la inspección visual industrial fue el primero en utilizar la inspección óptica automática (AOI) tradicional en el campo de la inspección de calidad. Sin embargo, el desarrollo de la AOI hasta ahora, en muchos escenarios complejos de detección de defectos y otros, debido a la variedad de defectos, la extracción incompleta de características, la escasa extensibilidad de los algoritmos adaptativos, la frecuente actualización de la línea de producción y la falta de flexibilidad en la migración de algoritmos, entre otros factores, ha dificultado que el sistema AOI tradicional satisfaga las necesidades de desarrollo de la línea de producción. Por lo tanto, la plataforma de algoritmos de inspección de calidad industrial con IA, representada por aprendizaje profundo + aprendizaje con muestras pequeñas, está reemplazando gradualmente el esquema de inspección visual tradicional. Esta plataforma ha pasado por dos etapas: algoritmos de aprendizaje automático clásicos y algoritmos de inspección de aprendizaje profundo.
Fecha de publicación: 8 de octubre de 2023