上海安防网-欧美欧美欧美-上海安全防范报警协会

如果把人工智能看作是一段從A到B的旅途，云計算服務是旅途中機場或者高鐵站，邊緣計算就是出租車或者共享單車，邊緣計算在靠近人、物或數據源頭的一側，采用融合存儲、計算、網絡 接入、應用核心能力為一體的開放平臺，就近為使用者提供服務。相比于集中部署的云計算服務， 邊緣計算解決了時延過長、匯聚流量大等問題，為實時性和帶寬要求較高的業務提供更好的支持。

ChatGPT的火爆掀起人工智能發展的新浪潮，加快AI向工業、零售、智能家居、智慧城市等更多應用領域下沉，在應用端大量的數據需要存儲計算，單單依靠云端，已經無法滿足實際需求，邊緣計算完善AI應用的最后一公里。在大力發展數字經濟的國策下，我國云計算進入普惠發展期，邊緣計算需求激增，云邊端一體化成為未來重要演進方向。

邊緣計算行業應用計算落地
在智慧城市領域

城市物業的綜合巡查目前普遍采用人工巡查的模式，人工巡查模式存在耗時費力成本高、過程依賴個人、覆蓋面和巡檢頻率不佳、質量管控不嚴的問題。同時在巡查過程中記錄了海量的數據，這些數據資源未轉變成數據資產為業務賦能。通過將AI技術應用于移動巡檢場景，企業打造了城市治理AI智能巡檢車，該車采用物聯網、云計算、AI算法等技術，搭載高清攝像頭、車載顯示屏、AI邊端服務器等專業設備，結合“智慧系統+智能機器+員工輔助”的巡查機制，推動城市治理由人員密集型向機械智能化轉變，由經驗判斷型向數據分析型轉變，從被動應對型向主動發現型轉變。

在智慧工地領域

基于邊緣計算的智慧工地解決方案將AI技術深度融合應用于傳統建筑行業安全監控工作，通過在工地放置一個邊緣AI分析終端，完成基于智能視頻分析技術自主研發視覺AI算法，全時偵測待測事件（如檢測是否佩戴安全帽），提供人員、環境、安保等安全風險點識別及報警提醒服務，主動識別不安全因素，AI智能值守，節約人力成本，滿足工地的人員、財產安全管理需求。

在智能交通領域

云邊端架構已成為智能交通行業應用部署的基本范式，云側負責集中式管理以及部分數據處理，邊側主要提供邊緣端數據分析計算決策處理，端側主要負責業務數據采集。

在車路協同、全息路口、自動駕駛、軌道交通等具體場景中，有大量的異構設備接入，這些設備需要進行接入管理、退出管理、告警處理、運維處理。邊緣計算可以分而治之、化大為小，提供跨層協議轉換功能，實現異構數據的統一和穩定接入乃至協同控制。

在工業制造領域

生產流程優化場景：當前大量離散制造系統受限于數據的不完備性，整體設備效率等指標數據計算比較粗放，難以用于效率優化。邊緣計算平臺基于設備信息模型實現語義級別的制造系統橫向通信和縱向通信，基于實時數據流處理機制匯聚和分析大量現場實時數據，實現基于模型的生產線多數據源信息融合，為離散制造系統的決策提供強大的數據支持。

設備預測性維護場景：工業設備的維護分為三種：修復性維護、預防性維護和預測性維護。修復性維護屬于事后維護，預防性維護和預測性維護均屬于事前維護，前者基于時間、設備性能、現場使用工況等綜合因素對設備進行定期維修，更多還是憑人的經驗，后者則通過采集傳感數據，實時監控設備的運行狀態，基于工業模型進行數據分析，準確預測故障何時發生。

工業質檢場景：工業視覺檢測領域首先是以傳統的自動光學檢測（AOI）形態進入質檢領域，但AOI發展至今，在諸多缺陷檢測等復雜場景中，由于缺陷種類繁雜，特征提取不全，適配算法延展性差，產線更新頻繁，算法遷移不靈活等多種因素，傳統AOI系統已難以滿足產線發展的需求。因此，以深度學習+小樣本學習為代表的AI工業質檢算法平臺正在逐步取代傳統的視覺檢測方案，AI工業質檢平臺經歷了經典機器學習算法和深度學習檢測算法兩個階段。