जर कृत्रिम बुद्धिमत्तेला 'अ' पासून 'ब' पर्यंतचा प्रवास मानले, तर क्लाउड कंप्युटिंग सेवा म्हणजे विमानतळ किंवा हाय-स्पीड रेल्वे स्टेशन आहे, आणि एज कंप्युटिंग म्हणजे टॅक्सी किंवा शेअर्ड सायकल आहे. एज कंप्युटिंग हे लोक, वस्तू किंवा डेटा स्रोतांच्या अगदी जवळ असते. ते एक ओपन प्लॅटफॉर्म वापरते, जे स्टोरेज, कंप्युटेशन, नेटवर्क ॲक्सेस आणि ॲप्लिकेशनच्या मुख्य क्षमतांना एकत्रित करून परिसरातील वापरकर्त्यांना सेवा प्रदान करते. केंद्रीय स्तरावर तैनात केलेल्या क्लाउड कंप्युटिंग सेवांच्या तुलनेत, एज कंप्युटिंग जास्त विलंब (लाँग लॅटेन्सी) आणि उच्च अभिसरण ट्रॅफिक (हाय कन्व्हर्जन्स ट्रॅफिक) यांसारख्या समस्यांचे निराकरण करते, ज्यामुळे रिअल-टाइम आणि जास्त बँडविड्थची मागणी करणाऱ्या सेवांना अधिक चांगला आधार मिळतो.
चॅटजीपीटीच्या (ChatGPT) उदयाने एआय (AI) विकासाची एक नवीन लाट निर्माण केली आहे, ज्यामुळे उद्योग, किरकोळ विक्री, स्मार्ट घरे, स्मार्ट शहरे इत्यादींसारख्या अधिक उपयोजन क्षेत्रांमध्ये एआयचा शिरकाव वेगाने होत आहे. ॲप्लिकेशनच्या स्तरावर मोठ्या प्रमाणात डेटा साठवण्याची आणि त्यावर प्रक्रिया करण्याची आवश्यकता असते, आणि केवळ क्लाउडवर अवलंबून राहणे आता प्रत्यक्ष मागणी पूर्ण करण्यास पुरेसे नाही; एज कंप्युटिंग एआय ॲप्लिकेशन्सच्या शेवटच्या टप्प्यात सुधारणा करते. डिजिटल अर्थव्यवस्थेच्या जोरदार विकासाच्या राष्ट्रीय धोरणांतर्गत, चीनचे क्लाउड कंप्युटिंग सर्वसमावेशक विकासाच्या टप्प्यात दाखल झाले आहे, एज कंप्युटिंगची मागणी मोठ्या प्रमाणात वाढली आहे, आणि क्लाउड एज व एंड यांचे एकत्रीकरण ही भविष्यातील एक महत्त्वाची उत्क्रांतीची दिशा बनली आहे.
एज कंप्युटिंग बाजारपेठ पुढील पाच वर्षांत ३६.१% सीएजीआरने वाढेल.
एज कंप्युटिंग उद्योग स्थिर विकासाच्या टप्प्यात दाखल झाला आहे, हे त्याच्या सेवा प्रदात्यांमधील हळूहळू होणारे वैविध्यीकरण, वाढणारा बाजारपेठेचा आकार आणि अनुप्रयोग क्षेत्रांचा अधिक विस्तार यावरून दिसून येते. बाजारपेठेच्या आकाराच्या बाबतीत, आयडीसीच्या (IDC) ट्रॅकिंग अहवालातील आकडेवारीनुसार, चीनमधील एज कंप्युटिंग सर्व्हर्सच्या बाजारपेठेचा एकूण आकार २०२१ मध्ये ३.३१ अब्ज अमेरिकी डॉलरवर पोहोचला होता आणि २०२० ते २०२५ पर्यंत चीनमधील एज कंप्युटिंग सर्व्हर्सच्या बाजारपेठेचा एकूण आकार २२.२% च्या चक्रवाढ वार्षिक वाढीच्या दराने वाढण्याची अपेक्षा आहे. सुलिव्हनच्या अंदाजानुसार, चीनमधील एज कंप्युटिंगच्या बाजारपेठेचा आकार २०२३ ते २०२७ पर्यंत ३६.१% च्या चक्रवाढ वार्षिक वाढीच्या दराने (CAGR) २०२७ मध्ये २५०.९ अब्ज युआनपर्यंत पोहोचण्याची अपेक्षा आहे.
एज कंप्युटिंग परिसंस्था-उद्योग भरभराटीस येतो
एज कंप्युटिंग सध्या त्याच्या सुरुवातीच्या टप्प्यात आहे आणि उद्योग साखळीतील व्यावसायिक सीमा तुलनेने अस्पष्ट आहेत. प्रत्येक विक्रेत्यासाठी, व्यावसायिक परिस्थितीशी एकत्रीकरणाचा विचार करणे आवश्यक आहे, तसेच तांत्रिक स्तरावरून व्यावसायिक परिस्थितीतील बदलांशी जुळवून घेण्याची क्षमता असणे आवश्यक आहे. त्याचबरोबर हार्डवेअर उपकरणांशी उच्च दर्जाची सुसंगतता आणि प्रकल्प यशस्वीपणे पूर्ण करण्याची अभियांत्रिकी क्षमता असल्याची खात्री करणे देखील आवश्यक आहे.
एज कंप्युटिंग उद्योग साखळी चिप विक्रेते, अल्गोरिदम विक्रेते, हार्डवेअर उपकरण उत्पादक आणि सोल्युशन प्रोव्हायडर्समध्ये विभागलेली आहे. चिप विक्रेते प्रामुख्याने एंड-साइडपासून एज-साइड आणि क्लाउड-साइडपर्यंत अंकगणितीय चिप्स विकसित करतात, आणि एज-साइड चिप्स व्यतिरिक्त, ते ॲक्सेलरेशन कार्ड्स आणि सपोर्ट सॉफ्टवेअर डेव्हलपमेंट प्लॅटफॉर्म्स देखील विकसित करतात. अल्गोरिदम विक्रेते कॉम्प्युटर व्हिजन अल्गोरिदमला केंद्रस्थानी ठेवून सामान्य किंवा सानुकूलित अल्गोरिदम तयार करतात, आणि असे उद्योग देखील आहेत जे अल्गोरिदम मॉल्स किंवा प्रशिक्षण आणि पुश प्लॅटफॉर्म तयार करतात. उपकरण विक्रेते एज कंप्युटिंग उत्पादनांमध्ये सक्रियपणे गुंतवणूक करत आहेत, आणि एज कंप्युटिंग उत्पादनांचे स्वरूप सतत समृद्ध होत आहे, ज्यामुळे हळूहळू चिपपासून संपूर्ण मशीनपर्यंत एज कंप्युटिंग उत्पादनांचा एक संपूर्ण स्टॅक तयार होत आहे. सोल्युशन प्रोव्हायडर्स विशिष्ट उद्योगांसाठी सॉफ्टवेअर किंवा सॉफ्टवेअर-हार्डवेअर-एकात्मिक सोल्युशन्स प्रदान करतात.
एज कंप्युटिंग उद्योग अनुप्रयोगांना गती मिळते
स्मार्ट सिटीच्या क्षेत्रात
शहरी मालमत्तेची सर्वसमावेशक तपासणी सध्या सामान्यतः व्यक्तिगत तपासणीच्या पद्धतीने केली जाते. व्यक्तिगत तपासणी पद्धतीमध्ये जास्त वेळ लागणे आणि त्यासाठी जास्त मनुष्यबळ लागणे, प्रक्रियेसाठी व्यक्तींवर अवलंबून राहणे, तपासणीची अपुरी व्याप्ती आणि वारंवारता, तसेच निकृष्ट दर्जाचे गुणवत्ता नियंत्रण यांसारख्या समस्या आहेत. त्याच वेळी, तपासणी प्रक्रियेत मोठ्या प्रमाणात डेटा नोंदवला जातो, परंतु या डेटा संसाधनांचे व्यवसायाच्या सक्षमीकरणासाठी डेटा मालमत्तेमध्ये रूपांतर झालेले नाही. मोबाइल तपासणीच्या परिस्थितीत एआय (AI) तंत्रज्ञानाचा वापर करून, या संस्थेने एक शहरी प्रशासन एआय बुद्धिमान तपासणी वाहन तयार केले आहे. हे वाहन इंटरनेट ऑफ थिंग्ज, क्लाउड कंप्युटिंग, एआय अल्गोरिदम यांसारख्या तंत्रज्ञानाचा वापर करते आणि त्यात हाय-डेफिनिशन कॅमेरे, ऑन-बोर्ड डिस्प्ले आणि एआय साइड सर्व्हर यांसारखी व्यावसायिक उपकरणे आहेत. तसेच, ते "बुद्धिमान प्रणाली + बुद्धिमान यंत्र + कर्मचारी सहाय्य" या तपासणी यंत्रणेला एकत्र आणते. हे वाहन शहरी प्रशासनाला मनुष्यबळ-केंद्रिततेकडून यांत्रिक बुद्धिमत्तेकडे, अनुभवजन्य निर्णयाकडून डेटा विश्लेषणाकडे आणि निष्क्रिय प्रतिसादाकडून सक्रिय शोधाकडे रूपांतरित करण्यास प्रोत्साहन देते.
बुद्धिमान बांधकाम स्थळाच्या क्षेत्रात
एज कम्प्युटिंग-आधारित बुद्धिमान बांधकाम स्थळ उपाययोजना, पारंपरिक बांधकाम उद्योगातील सुरक्षा देखरेख कार्यात एआय तंत्रज्ञानाचे सखोल एकीकरण करतात. यासाठी बांधकाम स्थळावर एक एज एआय विश्लेषण टर्मिनल स्थापित केले जाते, बुद्धिमान व्हिडिओ विश्लेषण तंत्रज्ञानावर आधारित व्हिज्युअल एआय अल्गोरिदमचे स्वतंत्र संशोधन आणि विकास पूर्ण केला जातो. हे टर्मिनल, शोधल्या जाणाऱ्या घटनांचे (उदा. हेल्मेट घातले आहे की नाही हे तपासणे) पूर्णवेळ निरीक्षण करते, कर्मचारी, पर्यावरण, सुरक्षा आणि इतर सुरक्षा धोक्याच्या ठिकाणांची ओळख आणि अलार्म स्मरण सेवा प्रदान करते, तसेच असुरक्षित घटकांची ओळख करून देण्यासाठी पुढाकार घेते आणि एआयद्वारे बुद्धिमान पहारा देते. यामुळे मनुष्यबळ खर्चात बचत होते आणि बांधकाम स्थळांवरील कर्मचारी व मालमत्ता सुरक्षा व्यवस्थापनाच्या गरजा पूर्ण होतात.
बुद्धिमान वाहतुकीच्या क्षेत्रात
बुद्धिमान वाहतूक उद्योगात ॲप्लिकेशन्सच्या उपयोजनासाठी क्लाउड-साइड-एंड आर्किटेक्चर हे मूलभूत प्रतिमान बनले आहे, ज्यामध्ये क्लाउड साइड केंद्रीकृत व्यवस्थापन आणि डेटा प्रक्रियेच्या काही भागासाठी जबाबदार असते, एज साइड प्रामुख्याने एज-साइड डेटा विश्लेषण आणि संगणकीय निर्णय-प्रक्रिया प्रदान करते, आणि एंड साइड प्रामुख्याने व्यावसायिक डेटाच्या संकलनासाठी जबाबदार असते.
वाहन-रस्ता समन्वय, होलोग्राफिक इंटरसेक्शन्स, स्वयंचलित ड्रायव्हिंग आणि रेल्वे वाहतूक यांसारख्या विशिष्ट परिस्थितींमध्ये, मोठ्या संख्येने विविध प्रकारची उपकरणे वापरली जातात आणि या उपकरणांना ॲक्सेस व्यवस्थापन, एक्झिट व्यवस्थापन, अलार्म प्रक्रिया आणि संचालन व देखभाल प्रक्रियेची आवश्यकता असते. एज कम्प्युटिंग हे 'फोडा आणि जिंका' या तत्त्वावर काम करू शकते, मोठ्या गोष्टींना लहान करू शकते, क्रॉस-लेयर प्रोटोकॉल रूपांतरण कार्ये प्रदान करू शकते, एकसमान आणि स्थिर ॲक्सेस साध्य करू शकते आणि विविध प्रकारच्या डेटाचे सहयोगी नियंत्रण देखील करू शकते.
औद्योगिक उत्पादन क्षेत्रात
उत्पादन प्रक्रिया ऑप्टिमायझेशन परिदृश्य: सध्या, अनेक स्वतंत्र उत्पादन प्रणाली डेटाच्या अपूर्णतेमुळे मर्यादित आहेत, आणि उपकरणांची एकूण कार्यक्षमता व इतर निर्देशांक डेटाची गणना तुलनेने ढिसाळ आहे, ज्यामुळे कार्यक्षमता ऑप्टिमायझेशनसाठी त्यांचा वापर करणे कठीण होते. उपकरण माहिती मॉडेलवर आधारित एज कम्प्युटिंग प्लॅटफॉर्म, उत्पादन प्रणालीमध्ये अर्थपूर्ण स्तरावरील क्षैतिज आणि उभ्या संवादाला साध्य करतो, रिअल-टाइम डेटा प्रवाह प्रक्रिया यंत्रणेच्या आधारे मोठ्या प्रमाणात प्रत्यक्ष क्षेत्रातील रिअल-टाइम डेटाचे एकत्रीकरण आणि विश्लेषण करतो, मॉडेल-आधारित उत्पादन लाइनमधील अनेक डेटा स्त्रोतांच्या माहितीचे एकत्रीकरण साधतो, आणि स्वतंत्र उत्पादन प्रणालीमध्ये निर्णय घेण्यासाठी शक्तिशाली डेटा समर्थन प्रदान करतो.
उपकरणांच्या भविष्यसूचक देखभालीचे परिदृश्य: औद्योगिक उपकरणांची देखभाल तीन प्रकारांमध्ये विभागली आहे: दुरुस्ती देखभाल, प्रतिबंधात्मक देखभाल आणि भविष्यसूचक देखभाल. दुरुस्ती देखभाल ही घटना घडून गेल्यानंतरच्या देखभालीच्या प्रकारात मोडते, तर प्रतिबंधात्मक देखभाल आणि भविष्यसूचक देखभाल या घटना घडून जाण्यापूर्वीच्या देखभालीच्या प्रकारात मोडतात. पहिली पद्धत ही वेळ, उपकरणाची कार्यक्षमता, जागेची परिस्थिती आणि इतर घटकांवर आधारित उपकरणांच्या नियमित देखभालीसाठी वापरली जाते, जी कमी-अधिक प्रमाणात मानवी अनुभवावर अवलंबून असते. तर दुसरी पद्धत ही सेन्सर डेटा गोळा करून, उपकरणाच्या कार्यरत स्थितीचे रिअल-टाइम निरीक्षण करून, औद्योगिक मॉडेलच्या डेटा विश्लेषणावर आधारित, बिघाड केव्हा होईल याचा अचूक अंदाज लावते.
औद्योगिक गुणवत्ता तपासणीचे परिदृश्य: औद्योगिक व्हिजन इन्स्पेक्शन (दृष्टी तपासणी) हे गुणवत्ता तपासणी क्षेत्रात आलेले पहिले पारंपरिक स्वयंचलित ऑप्टिकल तपासणी (AOI) स्वरूप आहे. परंतु, AOI च्या आतापर्यंतच्या विकासात, अनेक दोष शोधणे आणि इतर गुंतागुंतीच्या परिस्थितींमध्ये, विविध प्रकारच्या दोषांमुळे, वैशिष्ट्य निष्कर्षण (feature extraction) अपूर्ण राहते, अनुकूली अल्गोरिदमची (adaptive algorithms) विस्तारक्षमता कमी असते, उत्पादन लाइन वारंवार अद्ययावत होत असते, अल्गोरिदम स्थलांतर लवचिक नसते आणि इतर घटकांमुळे, पारंपरिक AOI प्रणालीला उत्पादन लाइनच्या विकासाच्या गरजा पूर्ण करणे कठीण झाले आहे. त्यामुळे, डीप लर्निंग + स्मॉल सॅम्पल लर्निंगद्वारे दर्शविलेले AI औद्योगिक गुणवत्ता तपासणी अल्गोरिदम प्लॅटफॉर्म हळूहळू पारंपरिक दृष्टी तपासणी पद्धतीची जागा घेत आहे, आणि AI औद्योगिक गुणवत्ता तपासणी प्लॅटफॉर्मने क्लासिकल मशीन लर्निंग अल्गोरिदम आणि डीप लर्निंग इन्स्पेक्शन अल्गोरिदम या दोन टप्प्यांमधून प्रगती केली आहे.
पोस्ट करण्याची वेळ: ०८-ऑक्टोबर-२०२३