Bagaimana Edge IoT Membentuk Kembali Industri

Pelacakan armada, pelacakan aset, kendaraan otonom, otomasi manufaktur, dan pergudangan merupakan area di mana teknologi chip yang dilengkapi dengan kecerdasan buatan dapat melepaskan beban pembawa data jaringan. Mereka dapat melakukan ini sambil memberikan informasi garis depan dan real-time.

Banyak dari proses yang sedang berjalan ini memerlukan banyak data untuk diaktifkan. Pada saat yang sama, mereka membutuhkan data ini secara real-time dan dalam perjalanan. Proses semacam ini tidak mendapatkan banyak manfaat dari komputasi awan dibandingkan proses intensif data lainnya, seperti data pelatihan melalui pembelajaran mesin. Sebaliknya, proses-proses ini mendapat manfaat paling besar dari edge computing, yang menghadirkan komputasi, jaringan, dan sumber daya lainnya langsung ke perangkat dan data yang membutuhkannya.

Dengan mengaktifkan kecerdasan buatan (beban pemrosesan AI0 pada tingkat system-on-a-chip (SOC), TI dapat memperluas pilihannya untuk mendistribusikan dan memindahkan beban pemrosesan data ke berbagai lapisan arsitektur perusahaan (misalnya, cloud, pusat pusat data, atau edge itu sendiri). Hal ini meningkatkan pengelolaan dan pemrosesan data. Hal ini juga menghemat bandwidth, serta mempercepat data dan hasil.

Pengontrol mikro tertanam SOC menggunakan memori yang lebih sempit dan konsumsi daya daripada yang dibutuhkan oleh GPU tradisional (unit pemrosesan grafis), FPGA (array gerbang yang dapat diprogram di lapangan) atau jenis sirkuit terintegrasi (IC) lainnya.

“Kita akan melihat AI menjadi hal yang lumrah dalam lima tahun ke depan,” kata Steve Conway, penasihat senior riset Hyperion, HPC Market Dynamics.

“ARM Atom, GPU, dan prosesor tertanam lainnya sudah umum digunakan pada perangkat edge seperti ponsel, sensor, mobil, sistem pencitraan medis diagnostik, sistem game, dan banyak perangkat lainnya. Prosesor tertanam yang sudah mapan ini kemungkinan akan menjadi arus utama untuk mendukung metode AI seiring dengan berkembangnya metode ini,” katanya.

Dampak Industri dari Edge IoT

Pada tahun 2011 istilah “Manufaktur 4.0” pertama kali muncul. Hal ini bermula dari dorongan pemerintah Jerman untuk melakukan komputerisasi manufaktur, dan memperkenalkan visi masa depan digitalisasi, otomasi, dan kecerdasan buatan untuk produksi pabrik. Dalam skema ini, teknologi edge dapat memfasilitasi pengambilan keputusan pada lokasi permasalahan atau situasi, di mana SOC yang dilengkapi AI memainkan peran utama.

Hari ini, ini pengambilan keputusan tepi secara real-time adalah nyata. Proses manufaktur didukung oleh keputusan yang didukung AI. Di masa depan, edge chip berkemampuan AI dapat mengirimkan peringatan yang dapat ditindaklanjuti kepada pembeli tentang kekurangan bahan mentah, atau memperingatkan penjualan tentang kemungkinan kekurangan produk jika ditemukan komponen yang kekurangan.

Otomatisasi chip Edge AI juga mengubah logistik.

Konvoi truk dapat melakukan komunikasi silang dengan komunikasi tepi berlatensi rendah yang digunakan untuk menghemat bahan bakar dan mengoptimalkan rute. Kedepannya, hanya satu truk yang bisa dikendarai oleh manusia, dan konvoi lainnya akan menggunakan otomatisasi yang digerakkan oleh SOC.

Hal ini dapat memecahkan masalah besar dalam industri angkutan truk: kurangnya pengemudi yang berkualitas. “Ini adalah salah satu alasan mengapa Anda melihat begitu banyak teknologi masuk ke dalam industri angkutan truk,” kata Shelley Simpson, wakil presiden eksekutif, kepala bagian komersial, dan presiden layanan jalan raya di JB Hunt Transport Services,

Barang yang mudah rusak juga dapat dipantau oleh sensor cerdas di dalam kompartemen kargo setiap truk untuk mengetahui suhu dan kelembapan.

Sebuah truk yang membawa hasil bumi ke Atlanta, misalnya, dialihkan ke pasar yang lebih dekat di Washington, DC. Pengalihan rute tersebut diperintahkan setelah sensor di dalam kompartemen kargo truk memperingatkan pengemudi dan perusahaan logistik akan bahaya pembusukan produk akibat panas berlebih. Kemampuan perusahaan untuk bertindak secara real time terhadap informasi dapat mencegah pembusukan dan menghemat uang. Dalam industri makanan, ini adalah hal yang penting. Kelompok Pangan dan Pertanian Perserikatan Bangsa-Bangsa memperkirakan bahwa $1 triliun makanan hilang atau terbuang setiap tahunnya.

Teknologi chip berkemampuan AI juga mengubah kinerja kendaraan di udara dan darat.

Tantangan logistik dihadapi oleh personel militer ketika mereka mengamati dan/atau memasuki wilayah berbahaya. Di masa lalu, pekerjaan pengawasan yang berisiko mungkin mengharuskan manusia untuk menginspeksi suatu area secara langsung, sehingga personel dapat terancam bahaya dan menimbulkan korban jiwa.

Sekarang dengan pemrosesan AI tepi, armada drone tak berawak melakukan pengintaian dan komunikasi antar secara real time. Jika drone dalam satu skuadron jatuh, armada akan mendeteksi masalah tersebut dan menyesuaikan formasinya untuk melanjutkan misi. “Beban kerja yang menuntut yang memerlukan pemrosesan beberapa input sensorik termasuk video dan audio mungkin mulai membebani kecuali didukung oleh chip khusus,” kata Saurabh Mishra, Manajer Senior untuk Manajemen Produk di Divisi IoT dan Edge SAS. “Drone otonom, senjata robot, dan otomasi industri adalah contoh bagus tentang bagaimana chip ini dapat digunakan.”

Geopolitik dan inovasi

Namun demikian, perusahaan-perusahaan khawatir karena kekuatan geopolitik yang bekerja di industri chip dan semikonduktor.

Pada tahun 2019, Huawei ditempatkan di Daftar terbatas AS. NVIDIA kemudian mengakuisisi Arm, Ltd. dalam kesepakatan senilai $40 miliar yang melibatkan Google, Microsoft, Qualcomm, Apple, Intel, Samsung, Huawei dan Amazon prihatin dengan pemasok penting.

Pada tahun 2019, Intel mengakuisisi startup chip AI Habana Labs senilai $2 miliar, dan AMD diakuisisi Xiliinx sebesar $35 miliar.

“Tren yang terjadi selama 50 tahun terakhir adalah menyembunyikan permasalahan keamanan nasional yang tidak terkait dari analisis ekonomi yang mendorong keputusan antimonopoli. Namun, ketika potensi perilaku anti persaingan juga merugikan keamanan nasional, kita tidak perlu terkejut jika pemerintah AS mengambil pendekatan yang lebih agresif dalam penegakan hukum,” tulis Cullen O'Keefe, afiliasi penelitian di Pusat Tata Kelola AI, Universitas Oxford.

TI harus mempertimbangkan tuntutan hukum dan tindakan antimonopoli ini ketika mereka membenarkan dan berupaya untuk “membuktikan masa depan” investasi AI.

“Saat ini, AI dipandang secara luas sebagai kunci kepemimpinan ekonomi di masa depan, dan terdapat inisiatif kuat di Tiongkok, Jepang, dan Eropa untuk menghilangkan ketergantungan pada AS dan mengembangkan prosesor dalam negeri,” kata Conway. “Departemen TI tidak dapat berbuat banyak untuk mempengaruhi pertarungan geopolitik ini, namun mereka dapat merencanakan untuk memastikan bahwa pasokan prosesor yang mereka perlukan aman, terutama dengan menegosiasikan kontrak pemasok jangka panjang dengan klausul penalti dan mempertahankan tingkat inventaris yang memadai.”

Daftar Tugas yang Harus Dilakukan

Peralihan ke IoT dengan faktor bentuk yang lebih kecil akan memaksa fokus TI pada tiga bidang utama:

Arsitektur IT. Arsitektur TI harus disesuaikan agar sesuai dengan kasus penggunaan bisnis yang ingin diselesaikan oleh perusahaan dengan AI tingkat chip. Minimal, revisi arsitektur ini kemungkinan akan menghasilkan tiga tingkatan teknologi TI, pemrosesan, dan arsitektur data: pusat data, cloud, dan edge.

“Titik awalnya, tentu saja, adalah memetakan dan mengoptimalkan proses end-to-end dan menggunakan informasi tersebut untuk menetapkan sumber daya yang sesuai di setiap titik di sepanjang prosesnya,” kata Conway, yang merujuk pada pekerjaan PayPal.

“Setengah dekade yang lalu, PayPal mempunyai masalah serius dengan penipuan dalam transaksi kartu kredit,” kata Conway. “Butuh waktu hingga dua minggu untuk mengidentifikasi penipuan, dan pada saat itu penipuan sudah sering terjadi pada kartu pelanggan. Perusahaan memasang komputer berperforma tinggi yang dapat mengenali dan mencegah penipuan yang terjadi, dalam waktu 150 milidetik, sehingga menghemat PayPal lebih dari $700 juta pada tahun pertama atau lebih.

Aplikasi di PayPal dan perusahaan lain bergantung pada prosesor yang tertanam di pembaca kartu, bersama dengan Internet untuk proses otorisasi bolak-balik, dan sistem server dengan prosesor yang tidak tertanam untuk pekerjaan berat, di lokasi atau di cloud.”

Keahlian IT. Hanya 47% responden survei dalam Laporan Sinyal Microsoft IoT 2019 yang percaya bahwa pasar memiliki individu dengan keterampilan kerja IoT yang diperlukan https://news.microsoft.com/2019/07/30/microsoft-announces-iot-signals-research-report-on-state-of-iot-adoption/.

“Ketersediaan sumber daya terampil untuk mengelola penerapan model AI pada chip akan tetap menjadi tantangan,” kata Saurabh Mishra, Manajer Senior Manajemen Produk di Divisi IoT dan Edge SAS. “Perusahaan juga harus menyadari hal itu

chip edge AI bukanlah solusi terbaik. Mereka bekerja dalam konteks sistem yang lebih besar. Sangat penting untuk memikirkan alur keseluruhan ketika menerapkan chip yang tertanam AI karena hubungan yang lemah di hulu dan hilir dapat meniadakan peningkatan yang ditargetkan.”

Tumpukan perangkat lunak dan perangkat keras IoT komersial dapat membantu mengatasi tantangan integrasi saluran pipa—namun pemrosesan tetap harus ditentukan di setiap tingkatan oleh TI. Ini termasuk pembuatan model dan pemrograman SOC.

Manajemen Investasi. Konsolidasi, tuntutan hukum antimonopoli, dan kekayaan intelektual akan terus terjadi di bidang AI/chip, seperti yang terjadi di bidang TI lainnya.

Kabar baiknya adalah departemen TI perusahaan tidak asing dengan hal ini.

Memilih solusi tumpukan IOT yang diterima secara luas dengan basis pengguna yang besar adalah salah satu bentuk pembuktian masa depan, serta memastikan bahwa IoT yang Anda gunakan sesuai dengan standar keamanan dan API umum. Strategi kedua adalah bernegosiasi dengan vendor IoT untuk perlindungan kewajiban dan investasi yang Anda tentukan dalam kontrak Anda.

Terakhir, chip berkemampuan AI harus memberikan hasil bisnis.

“Dampak edge IoT pada arsitektur TI akan tergantung pada kasus penggunaan yang diminta untuk diterapkan oleh TI, di mana AI menawarkan kemampuan untuk melakukan pra-pemrosesan informasi secara real-time dan hanya mentransfer data yang relevan dan berguna,” kata Murali Gopalakrishna, kepala manajemen produk untuk mesin otonom dan manajer umum Robotika di NVIDIA.

“Proses inspeksi AI otomatis di pabrik akan menggunakan informasi real-time untuk membuat keputusan dalam hitungan detik di edge sambil mentransfer data yang relevan ke sistem back-end untuk pasca-pemrosesan, analitik, dan pengembangan model baru di luar jangkauan ke IoT edge. keputusan berdasarkan.”

Aplikasi dapat mendeteksi penghuni yang memakai masker atau menghitung jumlahnya jumlah orang yang masuk dan keluar suatu ruang dengan membuat peta panas untuk memastikan batas hunian tidak terlampaui. Dan dengan adanya tambahan sensor, kamera, dan otomatisasi di IoT dan edge, AI akan menjadi lebih relevan bagi manajer TI dan arsitektur infrastruktur, kata Gopalakrishna.