Edge IoT กำลังเปลี่ยนแปลงอุตสาหกรรมอย่างไร

การติดตามกลุ่มยานพาหนะ การติดตามทรัพย์สิน ยานยนต์ไร้คนขับ ระบบการผลิตอัตโนมัติ และคลังสินค้า ล้วนแล้วแต่เป็นพื้นที่ที่เทคโนโลยีชิปที่ฝังด้วยปัญญาประดิษฐ์สามารถโหลดโหลดที่บรรทุกข้อมูลเครือข่ายได้ พวกเขาสามารถทำได้ในขณะที่ให้ข้อมูลแนวหน้าแบบเรียลไทม์

กระบวนการระหว่างเดินทางจำนวนมากเหล่านี้ต้องการข้อมูลจำนวนมากเพื่อเปิดใช้งาน ในขณะเดียวกัน พวกเขาต้องการข้อมูลนี้ในแบบเรียลไทม์และระหว่างการส่งจึงจะเกิดขึ้น กระบวนการประเภทนี้ไม่ได้รับประโยชน์จากการประมวลผลแบบคลาวด์มากเท่ากับกระบวนการที่ใช้ข้อมูลจำนวนมาก เช่น ข้อมูลการฝึกอบรมผ่านการเรียนรู้ของเครื่อง แต่กระบวนการเหล่านี้ได้รับประโยชน์สูงสุดจาก Edge Computing ซึ่งนำการประมวลผล เครือข่าย และทรัพยากรอื่นๆ ไปยังอุปกรณ์และข้อมูลที่ต้องการโดยตรง

โดยการเปิดใช้งานปัญญาประดิษฐ์ (โหลดการประมวลผล AI0 ที่ระดับของ system-on-a-chip (SOC) ฝ่ายไอทีสามารถขยายตัวเลือกสำหรับการกระจายและขนถ่ายโหลดการประมวลผลข้อมูลไปยังเลเยอร์ต่างๆ ของสถาปัตยกรรมองค์กร (เช่น คลาวด์ ศูนย์กลาง ศูนย์ข้อมูลหรือขอบเอง) วิธีนี้ช่วยปรับปรุงการจัดการและประมวลผลข้อมูล นอกจากนี้ยังช่วยประหยัดแบนด์วิดท์ ข้อมูลและผลลัพธ์เร็วขึ้น

SOC ไมโครคอนโทรลเลอร์ฝังตัว ใช้หน่วยความจำและการใช้พลังงานที่แคบลง มากกว่าที่กำหนดโดย GPU แบบเดิม (หน่วยประมวลผลกราฟิก), FPGA (อาร์เรย์เกทแบบตั้งโปรแกรมภาคสนาม) หรือวงจรรวม (IC) ประเภทอื่นๆ

“เราจะเห็น AI ที่ขอบจะกลายเป็นเรื่องธรรมดาในอีกห้าปีข้างหน้า” Steve Conway ที่ปรึกษาอาวุโสฝ่ายวิจัยของ Hyperion ของ HPC Market Dynamics กล่าว

“ARM Atom, GPU และโปรเซสเซอร์แบบฝังตัวอื่นๆ มีอยู่แล้วในอุปกรณ์ Edge เช่น โทรศัพท์มือถือ เซ็นเซอร์ รถยนต์ ระบบภาพทางการแพทย์เพื่อการวินิจฉัย ระบบเกม และอุปกรณ์อื่น ๆ อีกมากมาย โปรเซสเซอร์ฝังตัวที่จัดตั้งขึ้นเหล่านี้มีแนวโน้มที่จะกลายเป็นกระแสหลักในการสนับสนุนวิธีการ AI เนื่องจากวิธีการเหล่านี้ได้รับพื้นฐาน” เขากล่าว

ผลกระทบของอุตสาหกรรม Edge IoT

ในปี 2011 คำว่า "Manufacturing 4.0" ปรากฏขึ้นครั้งแรก มีต้นกำเนิดมาจากการผลักดันของรัฐบาลเยอรมันในการผลิตคอมพิวเตอร์ และนำเสนอวิสัยทัศน์ในอนาคตของการทำให้เป็นดิจิทัล ระบบอัตโนมัติ และปัญญาประดิษฐ์สำหรับการผลิตในโรงงาน ในโครงการนี้ เทคโนโลยีเอดจ์สามารถอำนวยความสะดวกในการตัดสินใจ ณ ที่ตั้งของปัญหาหรือสถานการณ์ โดยที่ SOC ที่ฝังด้วย AI มีบทบาทสำคัญ

วันนี้ การตัดสินใจแบบเรียลไทม์นั้นเป็นจริง is. กระบวนการผลิตขับเคลื่อนโดยการตัดสินใจที่ใช้เทคโนโลยี AI ที่ขอบ ในอนาคต ชิป edge ที่เปิดใช้งาน AI สามารถส่งการแจ้งเตือนที่ดำเนินการได้เพื่อจัดซื้อเกี่ยวกับการขาดแคลนวัตถุดิบ หรือแจ้งเตือนการขายเกี่ยวกับความเป็นไปได้ที่จะเกิดการขาดแคลนผลิตภัณฑ์หากพบส่วนประกอบที่บกพร่อง

ระบบอัตโนมัติของชิป Edge AI กำลังเปลี่ยนแปลงด้านลอจิสติกส์ด้วยเช่นกัน

ขบวนรถบรรทุกสามารถสื่อสารข้ามกันได้โดยใช้การสื่อสารแบบ edge-latency ต่ำเพื่อประหยัดเชื้อเพลิงและเพิ่มประสิทธิภาพเส้นทาง ในอนาคต จะมีรถบรรทุกเพียงคันเดียวเท่านั้นที่มีคนขับเป็นมนุษย์ โดยส่วนที่เหลือของขบวนรถทำงานด้วยระบบอัตโนมัติที่ขับเคลื่อนด้วย SOC

นี้สามารถแก้ปัญหาอุตสาหกรรมรถบรรทุกที่สำคัญ: การขาดแคลนคนขับที่มีคุณภาพ “นี่คือเหตุผลหนึ่งที่คุณเห็นเทคโนโลยีเข้ามามากมายในอุตสาหกรรมรถบรรทุก” เชลลีย์ ซิมป์สัน รองประธานบริหาร ประธานเจ้าหน้าที่ฝ่ายการพาณิชย์ และประธานฝ่ายบริการบนทางหลวงของ JB Hunt Transport Services กล่าว

สินค้าที่เน่าเสียง่ายสามารถตรวจสอบได้ด้วยเซ็นเซอร์อัจฉริยะภายในห้องเก็บสัมภาระของรถบรรทุกแต่ละคันเพื่อดูอุณหภูมิและความชื้น

ตัวอย่างเช่น รถบรรทุกที่บรรทุกผลิตผลไปยังแอตแลนต้า ถูกเปลี่ยนเส้นทางไปยังตลาดที่ใกล้กรุงวอชิงตัน ดี.ซี. มีคำสั่งให้เปลี่ยนเส้นทางหลังจากเซ็นเซอร์ภายในห้องเก็บสัมภาระของรถบรรทุกแจ้งเตือนคนขับและบริษัทโลจิสติกส์ถึงอันตรายจากการเน่าเสียของผลผลิตจากความร้อนสูงเกินไป ความสามารถของ บริษัท ในการดำเนินการตามเวลาจริงเพื่อป้องกันไม่ให้ข้อมูลเน่าเสียและประหยัดเงิน ในอุตสาหกรรมอาหารนั้นสำคัญไฉน กลุ่มอาหารและการเกษตรแห่งสหประชาชาติ ประมาณการว่า 1 ล้านล้านของอาหารสูญหายหรือสูญเปล่าในแต่ละปี.

เทคโนโลยีชิปที่ใช้ AI กำลังเปลี่ยนแปลงวิธีการทำงานของยานพาหนะในอากาศและบนพื้นดิน

ความท้าทายด้านลอจิสติกส์ต้องเผชิญกับบุคลากรทางทหารเมื่อพวกเขาสังเกตและ/หรือเข้าไปในพื้นที่อันตราย ในอดีต งานเฝ้าระวังที่มีความเสี่ยงอาจทำให้มนุษย์ต้องตรวจสอบพื้นที่โดยตรง ทำให้บุคลากรตกอยู่ในอันตรายและเสียชีวิต

ตอนนี้ด้วย การประมวลผล edge AI, ฝูงบินโดรนไร้คนขับทำการลาดตระเวนและสื่อสารระหว่างกันในแบบเรียลไทม์ หากโดรนในฝูงบินตก กองเรือจะตรวจพบปัญหาและปรับรูปแบบเพื่อดำเนินภารกิจต่อไป “ปริมาณงานที่เรียกร้องซึ่งต้องการการประมวลผลอินพุตทางประสาทสัมผัสหลายรายการรวมถึงวิดีโอและเสียงอาจเริ่มผลักดันซองจดหมายเว้นแต่จะได้รับการสนับสนุนโดยชิปพิเศษ” Saurabh Mishra ผู้จัดการอาวุโสฝ่ายการจัดการผลิตภัณฑ์ในแผนก IoT และ Edge ของ SAS กล่าว “โดรนไร้คนขับ แขนกล และระบบอัตโนมัติทางอุตสาหกรรม ล้วนเป็นตัวอย่างที่ดีในการใช้ชิปเหล่านี้”

ภูมิรัฐศาสตร์และนวัตกรรม

อย่างไรก็ตาม บริษัทต่างๆ ต่างกังวลเนื่องจากกองกำลังทางภูมิรัฐศาสตร์ที่ทำงานในอุตสาหกรรมชิปและเซมิคอนดักเตอร์

ในปี 2019 Huawei ถูกวางบน รายการจำกัดของสหรัฐอเมริกา US. จากนั้น NVIDIA ก็เข้าซื้อกิจการ Arm, Ltd. ในข้อตกลงมูลค่า 40 พันล้านดอลลาร์ซึ่งมี Google, Microsoft, Qualcomm, Apple, Intel, Samsung, Huawei และ Amazon กังวลเกี่ยวกับซัพพลายเออร์ที่สำคัญ.

ในปี 2019 Intel ได้ซื้อสตาร์ทอัพ AI-chip Habana Labs มูลค่า 2 พันล้านดอลลาร์และ AMD เข้าซื้อกิจการ Xiliinx มูลค่า 35 พันล้านดอลลาร์.

“แนวโน้มในช่วง 50 ปีที่ผ่านมาคือการรักษาความกังวลด้านความมั่นคงของชาติที่ไม่เกี่ยวข้องจากการวิเคราะห์ทางเศรษฐกิจที่ขับเคลื่อนการตัดสินใจต่อต้านการผูกขาด อย่างไรก็ตาม ในที่ที่พฤติกรรมต่อต้านการแข่งขันที่อาจเป็นอันตรายต่อความมั่นคงของชาติ เราไม่ควรแปลกใจหาก USG ใช้แนวทางเชิงรุกในการบังคับใช้” เขียน Cullen O'Keefe, บริษัทในเครือวิจัยที่ Center for the Governance of AI, University of Oxford

ฝ่ายไอทีต้องพิจารณาคดีฟ้องร้องและการดำเนินการต่อต้านการผูกขาดเหล่านี้เมื่อพิจารณาถึงเหตุผลและพยายามที่จะ "พิสูจน์ในอนาคต" การลงทุนด้าน AI

“วันนี้ AI ถูกมองว่าเป็นกุญแจสำคัญในการเป็นผู้นำทางเศรษฐกิจในอนาคต และมีความคิดริเริ่มที่แข็งแกร่งในจีน ญี่ปุ่น และยุโรป ที่จะเลิกพึ่งพาสหรัฐฯ และพัฒนาโปรเซสเซอร์ของชนพื้นเมือง” คอนเวย์กล่าว “แผนกไอทีไม่สามารถทำอะไรได้มากที่จะส่งผลกระทบต่อการต่อสู้ทางภูมิรัฐศาสตร์ แต่พวกเขาสามารถวางแผนเพื่อให้แน่ใจว่าอุปทานของโปรเซสเซอร์ที่พวกเขาต้องการนั้นปลอดภัย โดยเฉพาะอย่างยิ่งโดยการเจรจาสัญญาซัพพลายเออร์ระยะยาวกับบทลงโทษและรักษาระดับสินค้าคงคลังที่เพียงพอ”

รายการสิ่งที่ต้องทำของไอที

การเปลี่ยนไปใช้ IoT ที่มีขนาดเล็กลงจะบังคับให้โฟกัสด้านไอทีในสามด้านหลัก:

สถาปัตยกรรมไอที. ต้องปรับสถาปัตยกรรมไอทีให้เข้ากับกรณีการใช้งานทางธุรกิจที่บริษัทต่างๆ ต้องการแก้ปัญหาด้วย AI ระดับชิป น้อยที่สุด การแก้ไขสถาปัตยกรรมนี้มีแนวโน้มที่จะให้ผลสามระดับของเทคโนโลยีไอที การประมวลผล และสถาปัตยกรรมข้อมูล: ศูนย์ข้อมูล คลาวด์ และขอบ

“จุดเริ่มต้น แน่นอน คือการทำแผนที่และเพิ่มประสิทธิภาพกระบวนการตั้งแต่ต้นจนจบ และใช้ข้อมูลนั้นเพื่อกำหนดทรัพยากรที่เหมาะสมในแต่ละจุดตลอดทาง” Conway กล่าว ผู้อ้างอิงงานของ PayPal

“เมื่อครึ่งปีที่แล้ว PayPal มีปัญหาร้ายแรงเกี่ยวกับการฉ้อโกงในการทำธุรกรรมบัตรเครดิต” Conway กล่าว “ต้องใช้เวลาถึงสองสัปดาห์ในการระบุการฉ้อโกง และเมื่อถึงเวลานั้น การฉ้อโกงก็มักจะกระทบกับบัตรของลูกค้า บริษัทได้ติดตั้งคอมพิวเตอร์ประสิทธิภาพสูงที่สามารถตรวจจับและป้องกันการฉ้อโกงในขณะที่มันเกิดขึ้นได้ภายใน 150 มิลลิวินาที ซึ่งช่วยประหยัดเงินให้ PayPal ได้มากกว่า 700 ล้านดอลลาร์ในปีแรกหรือประมาณนั้น

แอปพลิเคชันที่ PayPal และบริษัทอื่นๆ อาศัยโปรเซสเซอร์ฝังตัวในเครื่องอ่านการ์ด ร่วมกับอินเทอร์เน็ตสำหรับกระบวนการตรวจสอบสิทธิ์แบบไปกลับ และระบบเซิร์ฟเวอร์ที่มีโปรเซสเซอร์แบบไม่ฝังตัวสำหรับการทำงานหนัก ภายในองค์กร หรือในระบบคลาวด์”

ทักษะด้านไอที. มีเพียง 47% ของผู้ตอบแบบสำรวจในรายงาน Microsoft IoT Signals ปี 2019 ที่เชื่อว่าตลาดมีบุคคลที่มีทักษะในงาน IoT ที่จำเป็น https://news.microsoft.com/2019/07/30/microsoft-announces-iot-signals-research-report-on-state-of-iot-adoption/.

“ความพร้อมของทรัพยากรที่มีทักษะในการจัดการการปรับใช้โมเดล AI บนชิปยังคงเป็นความท้าทาย” Saurabh Mishra ผู้จัดการอาวุโสฝ่ายการจัดการผลิตภัณฑ์ในแผนก IoT และ Edge ของ SAS กล่าว “บริษัทต่างๆ ก็ควรตระหนักด้วยว่า

ชิป edge AI ไม่ใช่กระสุนเงิน พวกมันทำงานในบริบทของระบบที่ใหญ่ขึ้น เป็นสิ่งสำคัญที่จะต้องนึกถึงไปป์ไลน์ที่สมบูรณ์เมื่อปรับใช้ชิปที่ฝังด้วย AI เนื่องจากลิงก์ต้นน้ำหรือปลายน้ำที่อ่อนแอสามารถลบล้างการเพิ่มเป้าหมายได้”

สแต็คซอฟต์แวร์และฮาร์ดแวร์ IoT เชิงพาณิชย์สามารถช่วยจัดการกับความท้าทายในการรวมไปป์ไลน์ แต่ฝ่ายไอทียังต้องกำหนดการประมวลผลในแต่ละระดับ ซึ่งรวมถึงการสร้างแบบจำลองและการเขียนโปรแกรม SOCs

การจัดการการลงทุน. การรวมกิจการ การต่อต้านการผูกขาด และคดีทรัพย์สินทางปัญญาจะยังคงดำเนินต่อไปในพื้นที่ AI/ชิป เช่นเดียวกับในด้านอื่นๆ ของไอที

ข่าวดีก็คือแผนกไอทีขององค์กรไม่ใช่คนแปลกหน้าในเรื่องนี้

การเลือกโซลูชันสแต็ก IOT ที่ยอมรับในวงกว้างพร้อมฐานผู้ใช้ขนาดใหญ่เป็นรูปแบบหนึ่งของการป้องกันในอนาคต ตลอดจนทำให้มั่นใจว่า IoT ที่คุณใช้เป็นไปตามมาตรฐานความปลอดภัยทั่วไปและ API กลยุทธ์ที่สองคือการเจรจากับผู้จำหน่าย IoT สำหรับความรับผิดและการคุ้มครองการลงทุนที่คุณกำหนดไว้ในสัญญาของคุณ

ในที่สุด ชิปที่เปิดใช้งาน AI จะต้องให้ผลลัพธ์ทางธุรกิจ

“ผลกระทบของ edge IoT ที่มีต่อสถาปัตยกรรมไอทีจะลงมาที่กรณีการใช้งานที่ขอให้ไอทีนำไปใช้ โดยที่ AI นำเสนอความสามารถในการประมวลผลข้อมูลล่วงหน้าในแบบเรียลไทม์ และถ่ายโอนเฉพาะข้อมูลที่เกี่ยวข้องและมีประโยชน์เท่านั้น” Murali Gopalakrishna หัวหน้ากล่าว ของการจัดการผลิตภัณฑ์สำหรับเครื่องจักรอัตโนมัติและผู้จัดการทั่วไปสำหรับ Robotics ที่ NVIDIA

“กระบวนการตรวจสอบ AI แบบอัตโนมัติในโรงงานจะใช้ข้อมูลแบบเรียลไทม์เพื่อตัดสินใจในเสี้ยววินาทีที่ Edge ในขณะที่ถ่ายโอนข้อมูลที่เกี่ยวข้องไปยังระบบแบ็คเอนด์สำหรับขั้นตอนหลังการประมวลผล การวิเคราะห์ และการพัฒนาโมเดลใหม่จากแบนด์ไปยังขอบ IoT ตามการตัดสินใจ”

แอปพลิเคชันสามารถตรวจจับผู้โดยสารที่สวมหน้ากากหรือนับ จำนวนคนเข้าและออกจากพื้นที่ โดยการสร้างแผนที่ความร้อนเพื่อให้แน่ใจว่าจะไม่เกินขีดจำกัดการครอบครอง และด้วยเซ็นเซอร์เพิ่มเติม กล้อง และระบบอัตโนมัติที่เกิดขึ้นใน IoT และที่ขอบ AI จะมีความเกี่ยวข้องมากขึ้นสำหรับผู้จัดการฝ่ายไอทีและสถาปัตยกรรมโครงสร้างพื้นฐาน Gopalakrishna กล่าว