من الخدمات السحابية إلى الحوسبة المتطورة، يصل الذكاء الاصطناعي إلى "الميل الأخير"

من المتوقع أن ينمو سوق الحوسبة المتطورة بمعدل نمو سنوي مركب قدره 36.1% خلال السنوات الخمس المقبلة

دخلت صناعة الحوسبة المتطورة مرحلة من التطور المطرد، كما يتضح من التنويع التدريجي لمقدمي الخدمات، وحجم السوق المتوسع، والتوسع الإضافي في مجالات التطبيق. فيما يتعلق بحجم السوق، تُظهر البيانات الواردة من تقرير التتبع الخاص بشركة IDC أن الحجم الإجمالي للسوق لخوادم الحوسبة الطرفية في الصين وصل إلى 3.31 مليار دولار أمريكي في عام 2021، ومن المتوقع أن ينمو الحجم الإجمالي للسوق لخوادم الحوسبة الطرفية في الصين بمعدل نمو سنوي مركب. بمعدل 22.2% من عام 2020 إلى عام 2025. ويتوقع سوليفان أن يصل حجم سوق الحوسبة الطرفية في الصين إلى 250.9 مليار يوان صيني في عام 2027، بمعدل نمو سنوي مركب يبلغ 36.1% من عام 2023 إلى عام 2027.

تزدهر الصناعة البيئية للحوسبة المتطورة

لا تزال الحوسبة المتطورة حاليًا في المرحلة الأولى من تفشي المرض، كما أن حدود الأعمال في سلسلة الصناعة غامضة نسبيًا. بالنسبة للبائعين الأفراد، من الضروري مراعاة التكامل مع سيناريوهات الأعمال، ومن الضروري أيضًا أن تكون لديك القدرة على التكيف مع التغيرات في سيناريوهات الأعمال من المستوى الفني، ومن الضروري أيضًا التأكد من وجود درجة عالية من التوافق مع معدات الأجهزة، فضلاً عن القدرة الهندسية على تنفيذ المشاريع.

تنقسم سلسلة صناعة الحوسبة المتطورة إلى بائعي الرقائق، وبائعي الخوارزميات، ومصنعي الأجهزة، ومقدمي الحلول. يقوم بائعو الرقائق في الغالب بتطوير شرائح حسابية من الجانب النهائي إلى جانب الحافة إلى جانب السحابة، وبالإضافة إلى شرائح الحافة، يقومون أيضًا بتطوير بطاقات التسريع ودعم منصات تطوير البرمجيات. يأخذ بائعو الخوارزميات خوارزميات رؤية الكمبيوتر باعتبارها جوهرًا لبناء خوارزميات عامة أو مخصصة، وهناك أيضًا مؤسسات تقوم ببناء مراكز خوارزمية أو منصات للتدريب والدفع. يستثمر بائعو المعدات بنشاط في منتجات حوسبة الحافة، ويتم إثراء شكل منتجات حوسبة الحافة باستمرار، مما يشكل تدريجيًا مجموعة كاملة من منتجات حوسبة الحافة من الشريحة إلى الجهاز بأكمله. يوفر موفرو الحلول حلولاً برمجية أو برامجية متكاملة لصناعات محددة.

تسريع تطبيقات صناعة الحوسبة المتطورة

في مجال المدينة الذكية

يتم حاليًا استخدام الفحص الشامل للممتلكات الحضرية بشكل شائع في وضع الفحص اليدوي، ويواجه وضع الفحص اليدوي مشاكل ارتفاع تكاليف استهلاك الوقت والعمالة، واعتماد العملية على الأفراد، وضعف التغطية وتكرار الفحص، وضعف الجودة يتحكم. وفي الوقت نفسه سجلت عملية التفتيش كمية هائلة من البيانات، ولكن لم يتم تحويل موارد البيانات هذه إلى أصول بيانات لتمكين الأعمال. من خلال تطبيق تقنية الذكاء الاصطناعي على سيناريوهات التفتيش المتنقلة، أنشأت المؤسسة مركبة فحص ذكية تعمل بالذكاء الاصطناعي للحوكمة الحضرية، والتي تتبنى تقنيات مثل إنترنت الأشياء، والحوسبة السحابية، وخوارزميات الذكاء الاصطناعي، وتحمل معدات احترافية مثل الكاميرات عالية الوضوح، شاشات عرض على اللوحة، وخوادم جانبية تعمل بالذكاء الاصطناعي، وتجمع بين آلية التفتيش "النظام الذكي + الآلة الذكية + مساعدة الموظفين". وهو يشجع على تحويل الإدارة الحضرية من الاعتماد على الموظفين المكثفين إلى الذكاء الميكانيكي، ومن الحكم التجريبي إلى تحليل البيانات، ومن الاستجابة السلبية إلى الاكتشاف النشط.

في مجال موقع البناء الذكي

تطبق حلول مواقع البناء الذكية القائمة على الحوسبة المتطورة التكامل العميق لتقنية الذكاء الاصطناعي في أعمال مراقبة سلامة صناعة البناء التقليدية، من خلال وضع محطة تحليل الذكاء الاصطناعي المتطورة في موقع البناء، واستكمال البحث والتطوير المستقل لخوارزميات الذكاء الاصطناعي المرئي استنادًا إلى الفيديو الذكي. تكنولوجيا التحليلات، والكشف بدوام كامل عن الأحداث التي سيتم اكتشافها (على سبيل المثال، اكتشاف ما إذا كان يجب ارتداء خوذة أم لا)، وتوفير خدمات الموظفين والبيئة والأمن وغيرها من خدمات تحديد نقاط المخاطر المتعلقة بالسلامة والتذكير بالإنذار، وأخذ زمام المبادرة لتحديد الأماكن غير الآمنة العوامل، الحراسة الذكية بالذكاء الاصطناعي، وتوفير تكاليف القوى العاملة، لتلبية احتياجات إدارة سلامة الموظفين والممتلكات في مواقع البناء.

في مجال النقل الذكي

أصبحت بنية الجانب السحابي هي النموذج الأساسي لنشر التطبيقات في صناعة النقل الذكي، حيث يكون الجانب السحابي مسؤولاً عن الإدارة المركزية وجزء من معالجة البيانات، ويوفر الجانب الطرفي بشكل أساسي تحليل بيانات الجانب وقرار الحساب - صنع المعالجة، والجانب النهائي مسؤول بشكل رئيسي عن جمع بيانات الأعمال.

في سيناريوهات محددة مثل التنسيق بين المركبات والطرق، والتقاطعات الثلاثية الأبعاد، والقيادة التلقائية، وحركة السكك الحديدية، هناك عدد كبير من الأجهزة غير المتجانسة التي يمكن الوصول إليها، وتتطلب هذه الأجهزة إدارة الوصول، وإدارة الخروج، ومعالجة الإنذارات، ومعالجة التشغيل والصيانة. يمكن للحوسبة المتطورة أن تقسم وتتغلب، وتتحول من الحجم الكبير إلى الصغير، وتوفر وظائف تحويل البروتوكول عبر الطبقات، وتحقق وصولاً موحدًا ومستقرًا، وحتى التحكم التعاوني في البيانات غير المتجانسة.

في مجال التصنيع الصناعي

سيناريو تحسين عملية الإنتاج: في الوقت الحالي، هناك عدد كبير من أنظمة التصنيع المنفصلة محدودة بسبب عدم اكتمال البيانات، كما أن كفاءة المعدات الإجمالية وحسابات بيانات المؤشر الأخرى غير دقيقة نسبيًا، مما يجعل من الصعب استخدامها لتحسين الكفاءة. تعتمد منصة الحوسبة المتطورة على نموذج معلومات المعدات لتحقيق الاتصال الأفقي والعمودي لنظام التصنيع على المستوى الدلالي، استنادًا إلى آلية معالجة تدفق البيانات في الوقت الفعلي لتجميع وتحليل عدد كبير من البيانات الميدانية في الوقت الفعلي، لتحقيق خط إنتاج قائم على النموذج دمج معلومات مصدر البيانات المتعددة، لتوفير دعم قوي للبيانات لاتخاذ القرار في نظام التصنيع المنفصل.

سيناريو الصيانة التنبؤية للمعدات: تنقسم صيانة المعدات الصناعية إلى ثلاثة أنواع: الصيانة الإصلاحية، والصيانة الوقائية، والصيانة التنبؤية. تنتمي الصيانة التصالحية إلى الصيانة اللاحقة، وتنتمي الصيانة الوقائية، والصيانة التنبؤية إلى الصيانة المسبقة، وتعتمد الأولى على الوقت وأداء المعدات وظروف الموقع وعوامل أخرى للصيانة الدورية للمعدات، وتعتمد بشكل أو بآخر على الموارد البشرية الخبرة، والأخيرة من خلال جمع بيانات المستشعر، والمراقبة في الوقت الحقيقي لحالة تشغيل المعدات، بناءً على النموذج الصناعي لتحليل البيانات، والتنبؤ بدقة عند حدوث الفشل.

سيناريو فحص الجودة الصناعية: مجال فحص الرؤية الصناعية هو أول شكل من أشكال الفحص البصري التلقائي التقليدي (AOI) في مجال فحص الجودة، ولكن تطور AOI حتى الآن، في العديد من اكتشاف العيوب والسيناريوهات المعقدة الأخرى، بسبب عيوب متنوعة من الأنواع، استخراج الميزات غير مكتمل، والخوارزميات التكيفية ضعيفة التوسعة، ويتم تحديث خط الإنتاج بشكل متكرر، وترحيل الخوارزمية ليس مرنًا، وعوامل أخرى، كان نظام AOI التقليدي صعبًا لتلبية تطور احتياجات خط الإنتاج. لذلك، فإن منصة خوارزمية فحص الجودة الصناعية AI، ممثلة بالتعلم العميق + التعلم بالعينة الصغيرة تحل تدريجياً محل نظام الفحص البصري التقليدي، وقد مرت منصة فحص الجودة الصناعية AI بمرحلتين من خوارزميات التعلم الآلي الكلاسيكية وخوارزميات فحص التعلم العميق.