隨著更多的制造企業希望利用人工智能(AI)工具訪問數據并實時響應，預計將不斷推動邊緣AI市場的增長。通過采用邊緣AI技術，企業可以獲得更高的性能，如實時數據處理、效率和準確性，減少工作時間，并實現更好的能源管理和性能優化。

邊緣AI市場預計將迎來強勁增長

根據 Future Market Insights的一項最新市場調查顯示，到2032年，邊緣AI市場價值將從2022年的 59 億美元增至396.1 億美元，復合年增長率(CAGR)將達到 20.8%。

此外，5G 技術在 IT 行業的應用日益廣泛，預計將加強現有的技術網絡，擴大邊緣AI的市場潛力。自動駕駛車輛、無人機、loT 網關和遠程設備等智能邊緣設備的發展，以及各個行業對智能制造和數字化轉型的持續深入，也將不斷推動這一市場的增長。

該調查按照硬件、軟件和服務部分對邊緣AI市場類型進行劃分。硬件組件所占份額最高，達到 45%，在這些類別的市場中占據主導地位。在預測期內，由于對安全性和大數據文件存儲的需求，對邊緣AI硬件組件的需求預計將上升。此外，在整個預計期內，內部存儲器的存儲、程序的執行和通信都會增加對硬件組件的需求。

邊緣AI在工業環境中的應用

雖然“邊緣”經常被討論為架構中的單個點，但在實際系統中，物理世界和企業之間實際上有許多多層級的邊緣設備?！傲钊伺d奮的是，我們現在看到了這些不同層級的創新?！毖腥A歐洲IIoT業務發展經理Jim ten Broeke說。

他討論了使用邊緣服務器這一日益增長的趨勢，在邊緣服務器中，企業云功能可以透明、無縫地引入企業內部，從而減少通信開銷、加快響應速度并提高彈性?！斑@既體現在內容交付服務器應用上，也體現在向高級應用邊緣服務器的轉變上，即在區域、樓宇甚至單個流程級別上運行?！?/p>

如今，在通信邊緣，人們對網絡安全有了更深刻的認識。雖然我們仍然收到很多關于傳統邊緣網關功能的詢問，例如協議轉換、通信媒體轉換、數據聚合和事件檢測，但市場現在同樣關注邊緣設備的安全功能——它們如何防止未經授權的個人訪問，或防止未經授權或被黑客入侵的代碼安裝和運行。與此同時，用戶意識到，這些設備的遠程管理對于在整個安裝基礎中實現對安全補丁部署的最快響應以及通過減少上門服務來提供擁有成本優勢至關重要。

Broeke認為，最令人興奮的領域是最接近物理資產和運營的低端邊緣層。在這里，一個重要的趨勢是在邊緣設備中嵌入人工智能(AI)和機器學習(ML)。直到最近，AI的實施還依賴于昂貴的高帶寬計算機和專業數據科學家團隊來創建和完善所需的數據模型。最新的技術進展降低了實現的價格，機器學習的進步以及許多常見應用程序的預訓練模型的可用性，意味著實施時間通常以天或周為單位，而不是幾個月或幾年。

通過在邊緣嵌入的AI和ML，以及連接的攝像頭來進行自動化光學檢查，可提供更快、更準確的質量檢測，并解決勞動力老齡化的問題。在生產線上，AI可以優化多臺機器的效率，分析不同操作場景的產量。同樣，使用連接的攝像頭，邊緣AI通過對移動機械周圍的安全區域進行智能、24/7 監控來為工人提供保護。

在系統架構中各個層級采用邊緣計算的爆炸式增長意味著需要多樣化的硬件和軟件解決方案。“人們仍然認為AI和ML需要大量的處理能力，但對于某些應用程序，我們已經在像蜂窩路由器這樣小的設備中實現了。”Broeke說。

與邊緣計算的其他領域一樣，沒有放之四海而皆準的解決方案，即使在同一應用中，安裝的拓撲結構也可能決定是安裝幾個小型分布式邊緣設備更好，還是將信號和數據引入一個更大、更集中的單元更好。

能源管理和性能的持續改進

艾默生EMEA應用工程總監Steve Ward表示：“邊緣解決方案已經部署在廣泛的行業和應用中，例如在石油和天然氣行業收集與井口運行相關的數據，在水行業，從遠程泵站收集數據。“這些解決方案有助于提供有關遠程或分布式資產的可操作信息，這些信息可用于優化性能，減少維護并消除計劃外停機。

邊緣技術正在不斷擴大應用范圍，例如用于監測和控制分布式可再生能源發電，包括太陽能農場、風力渦輪機和微電網。邊緣控制器可以通過將高速工業控制與互聯網連接相結合來提供這種智能。

此外，邊緣技術也在能源管理和其他工業功能的監控中得到應用。例如，壓縮空氣系統現在正在采用邊緣解決方案來監測氣動氣壓和氣缸效率和磨損。這有助于識別泄漏并支持預測性維護策略，從而有助于降低能耗和提高機器可用性。所提供的信息還可以支持持續改進項目。

Ward認為邊緣技術正在以多種方式發展和實施。網絡網關的邊緣允許連接難以連接的設施和設備并將其集成到企業網絡中，從而允許實時收集資產使用情況和性能數據，以支持數字化轉型和持續改進工作。從這種類型的資產中，集中報告可用于通知用戶操作參數，但對于異常事件，邊緣設備可以直接向用戶或用戶組發送 SMS 消息或電子郵件，以便立即采取行動。

邊緣解決方案也可以提供本地分析，使本地實時控制能夠利用比以前的控制策略更多的數據。這可以包括基于過去操作的優化，以及使用外部數據。這將需要新的業務角色，例如能夠了解影響機器或流程操作的因素以及如何實施的數據工程師。Ward說：“ML和AI正在迅速發展，我們應該期待看到ML/AI模型很快在邊緣實施，以優化性能?！?/p>