Yn ôl Adroddiad Marchnad AI Diwydiannol ac AI 2021-2026 a ryddhawyd yn ddiweddar, cynyddodd cyfradd mabwysiadu AI mewn Gosodiadau diwydiannol o 19 y cant i 31 y cant mewn ychydig dros ddwy flynedd. Yn ogystal â 31 y cant o ymatebwyr sydd wedi cyflwyno AI yn llawn neu'n rhannol yn eu gweithrediadau, mae 39 y cant arall yn profi neu'n treialu'r dechnoleg ar hyn o bryd.
Mae AI yn dod i'r amlwg fel technoleg allweddol ar gyfer gweithgynhyrchwyr a chwmnïau ynni ledled y byd, ac mae dadansoddiad IoT yn rhagweld y bydd y farchnad datrysiadau AI diwydiannol yn dangos cyfradd twf blynyddol cyfansawdd ôl-bandemig cryf (CAGR) o 35% i gyrraedd $ 102.17 biliwn erbyn 2026.
Mae'r oes ddigidol wedi rhoi genedigaeth i Rhyngrwyd Pethau. Gellir gweld bod ymddangosiad deallusrwydd artiffisial wedi cyflymu datblygiad Rhyngrwyd Pethau.
Gadewch i ni edrych ar rai o'r ffactorau sy'n gyrru'r cynnydd mewn AI diwydiannol ac AIoT.
Ffactor 1: Mwy a mwy o offer meddalwedd ar gyfer AIoT diwydiannol
Yn 2019, pan ddechreuodd dadansoddeg Iot gwmpasu AI diwydiannol, ychydig o gynhyrchion meddalwedd AI pwrpasol oedd gan werthwyr technoleg weithredol (OT). Ers hynny, mae llawer o werthwyr OT wedi mynd i mewn i'r farchnad AI trwy ddatblygu a darparu datrysiadau meddalwedd AI ar ffurf llwyfannau AI ar gyfer llawr y ffatri.
Yn ôl data, mae bron i 400 o werthwyr yn cynnig meddalwedd AIoT. Mae nifer y gwerthwyr meddalwedd sy'n ymuno â'r farchnad AI diwydiannol wedi cynyddu'n ddramatig yn ystod y ddwy flynedd ddiwethaf. Yn ystod yr astudiaeth, nododd IoT Analytics 634 o gyflenwyr technoleg AI i weithgynhyrchwyr/cwsmeriaid diwydiannol. O'r cwmnïau hyn, mae 389 (61.4%) yn cynnig meddalwedd deallusrwydd artiffisial.
Mae'r llwyfan meddalwedd AI newydd yn canolbwyntio ar amgylcheddau diwydiannol. Y tu hwnt i Uptake, Braincube, neu C3 AI, mae nifer cynyddol o werthwyr technoleg weithredol (OT) yn cynnig llwyfannau meddalwedd AI pwrpasol. Mae enghreifftiau'n cynnwys cyfres ddadansoddeg ac AI Genix Industrial ABB, ystafell FactoryTalk Innovation Rockwell Automation, platfform ymgynghori gweithgynhyrchu Schneider Electric ei hun, ac yn fwy diweddar, ychwanegion penodol. Mae rhai o'r llwyfannau hyn yn targedu ystod eang o achosion defnydd. Er enghraifft, mae platfform Genix ABB yn darparu dadansoddeg uwch, gan gynnwys cymwysiadau a gwasanaethau a adeiladwyd ymlaen llaw ar gyfer rheoli perfformiad gweithredol, cywirdeb asedau, cynaliadwyedd ac effeithlonrwydd cadwyn gyflenwi.
Mae cwmnïau mawr yn rhoi eu hoffer meddalwedd ‘ai’ ar lawr y siop.
Mae argaeledd offer meddalwedd ai hefyd yn cael ei yrru gan offer meddalwedd achosion defnydd penodol newydd a ddatblygwyd gan AWS, cwmnïau mawr fel Microsoft a Google. Er enghraifft, ym mis Rhagfyr 2020, rhyddhaodd AWS Amazon SageMaker JumpStart, nodwedd o Amazon SageMaker sy'n darparu set o atebion a adeiladwyd ymlaen llaw ac y gellir eu haddasu ar gyfer yr achosion defnydd diwydiannol mwyaf cyffredin, megis PdM, gweledigaeth gyfrifiadurol, a gyrru ymreolaethol, Defnyddio gyda dim ond ychydig o gliciau.
Mae datrysiadau meddalwedd defnydd-benodol yn ysgogi gwelliannau defnyddioldeb.
Mae cyfresi meddalwedd defnydd-benodol, fel y rhai sy'n canolbwyntio ar waith cynnal a chadw rhagfynegol, yn dod yn fwy cyffredin. Sylwodd IoT Analytics fod nifer y darparwyr sy’n defnyddio datrysiadau meddalwedd rheoli data cynnyrch seiliedig ar AI (PdM) wedi codi i 73 yn gynnar yn 2021 oherwydd cynnydd yn yr amrywiaeth o ffynonellau data a’r defnydd o fodelau cyn-hyfforddiant, yn ogystal â’r defnydd eang. mabwysiadu technolegau gwella data.
Ffactor 2: Mae datblygu a chynnal datrysiadau AI yn cael eu symleiddio
Mae dysgu peiriant awtomataidd (AutoML) yn dod yn gynnyrch safonol.
Oherwydd cymhlethdod y tasgau sy'n gysylltiedig â dysgu peiriant (ML), mae twf cyflym cymwysiadau dysgu peiriant wedi creu angen am ddulliau dysgu peiriant oddi ar y silff y gellir eu defnyddio heb arbenigedd. Gelwir y maes ymchwil sy'n deillio o hyn, sef awtomeiddio cynyddol ar gyfer dysgu peirianyddol, yn AutoML. Mae amrywiaeth o gwmnïau yn defnyddio'r dechnoleg hon fel rhan o'u cynigion AI i helpu cwsmeriaid i ddatblygu modelau ML a gweithredu achosion defnydd diwydiannol yn gyflymach. Ym mis Tachwedd 2020, er enghraifft, cyhoeddodd SKF gynnyrch sy'n seiliedig ar automL sy'n cyfuno data proses peiriant â data dirgryniad a thymheredd i leihau costau a galluogi modelau busnes newydd i gwsmeriaid.
Mae gweithrediadau dysgu peiriannau (ML Ops) yn symleiddio rheoli a chynnal a chadw modelau.
Nod disgyblaeth newydd gweithrediadau dysgu peiriannau yw symleiddio'r broses o gynnal modelau AI mewn amgylcheddau gweithgynhyrchu. Mae perfformiad model AI fel arfer yn diraddio dros amser gan ei fod yn cael ei effeithio gan nifer o ffactorau o fewn y safle (er enghraifft, newidiadau mewn dosbarthiad data a safonau ansawdd). O ganlyniad, mae gweithrediadau cynnal a chadw model a dysgu peiriannau wedi dod yn angenrheidiol i fodloni gofynion ansawdd uchel amgylcheddau diwydiannol (er enghraifft, modelau â pherfformiad o dan 99% Efallai y bydd yn methu â nodi ymddygiad sy'n peryglu diogelwch gweithwyr).
Yn ystod y blynyddoedd diwethaf, mae llawer o fusnesau newydd wedi ymuno â gofod ML Ops, gan gynnwys DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, a Weights & Biases. Mae cwmnïau sefydledig wedi ychwanegu gweithrediadau dysgu peiriannau at eu cynigion meddalwedd AI presennol, gan gynnwys Microsoft, a gyflwynodd ganfod drifft data yn Azure ML Studio. Mae'r nodwedd newydd hon yn galluogi defnyddwyr i ganfod newidiadau yn y dosbarthiad data mewnbwn sy'n diraddio perfformiad model.
Ffactor 3: Cymhwysir deallusrwydd artiffisial i gymwysiadau ac achosion defnydd presennol
Mae darparwyr meddalwedd traddodiadol yn ychwanegu galluoedd AI.
Yn ogystal ag offer meddalwedd AI llorweddol mawr presennol fel MS Azure ML, AWS SageMaker, a Google Cloud Vertex AI, mae cyfresi meddalwedd traddodiadol fel Systemau Rheoli Cynnal a Chadw Cyfrifiadurol (CAMMS), systemau gweithredu Gweithgynhyrchu (MES) neu gynllunio adnoddau menter (ERP) nawr gellir ei wella'n sylweddol trwy chwistrellu galluoedd AI. Er enghraifft, mae darparwr ERP Epicor Software yn ychwanegu galluoedd AI at ei gynhyrchion presennol trwy ei Gynorthwyydd Rhithwir Epicor (EVA). Defnyddir asiantau EVA deallus i awtomeiddio prosesau ERP, megis aildrefnu gweithrediadau gweithgynhyrchu neu berfformio ymholiadau syml (er enghraifft, cael manylion am brisio cynnyrch neu nifer y rhannau sydd ar gael).
Mae achosion defnydd diwydiannol yn cael eu huwchraddio trwy ddefnyddio AIoT.
Mae sawl achos defnydd diwydiannol yn cael eu gwella trwy ychwanegu galluoedd AI at seilwaith caledwedd / meddalwedd presennol. Enghraifft fyw yw gweledigaeth peiriant mewn cymwysiadau rheoli ansawdd. Mae systemau golwg peiriant traddodiadol yn prosesu delweddau trwy gyfrifiaduron integredig neu arwahanol sydd â meddalwedd arbenigol sy'n gwerthuso paramedrau a throthwyon a bennwyd ymlaen llaw (ee cyferbyniad uchel) i benderfynu a yw gwrthrychau'n arddangos diffygion. Mewn llawer o achosion (er enghraifft, cydrannau electronig gyda gwahanol siapiau gwifrau), mae nifer y positifau ffug yn uchel iawn.
Fodd bynnag, mae'r systemau hyn yn cael eu hadfywio trwy ddeallusrwydd artiffisial. Er enghraifft, rhyddhaodd y darparwr peiriant diwydiannol Vision Cognex offeryn Dysgu Dwfn newydd (Vision Pro Deep Learning 2.0) ym mis Gorffennaf 2021. Mae'r offer newydd yn integreiddio â systemau gweledigaeth traddodiadol, gan alluogi defnyddwyr terfynol i gyfuno dysgu dwfn ag offer gweledigaeth traddodiadol yn yr un cais i cwrdd ag amgylcheddau meddygol ac electronig heriol sy'n gofyn am fesur crafiadau, halogiad a diffygion eraill yn gywir.
Ffactor 4: Caledwedd AIoT diwydiannol yn cael ei wella
Mae sglodion AI yn gwella'n gyflym.
Mae sglodion AI caledwedd wedi'i fewnosod yn tyfu'n gyflym, gydag amrywiaeth o opsiynau ar gael i gefnogi datblygu a defnyddio modelau AI. Mae enghreifftiau'n cynnwys unedau prosesu graffeg diweddaraf NVIDIA (Gpus), yr A30 a'r A10, a gyflwynwyd ym mis Mawrth 2021 ac sy'n addas ar gyfer achosion defnydd AI fel systemau argymell a systemau golwg cyfrifiadurol. Enghraifft arall yw Unedau Prosesu Tensoriaid pedwerydd cenhedlaeth Google (TPus), sy'n gylchedau integredig pwrpas arbennig pwerus (ASics) a all gyflawni hyd at 1,000 gwaith yn fwy effeithlonrwydd a chyflymder wrth ddatblygu a defnyddio modelau ar gyfer llwythi gwaith AI penodol (ee, canfod gwrthrychau , dosbarthiad delwedd, a meincnodau argymhelliad). Mae defnyddio caledwedd AI pwrpasol yn lleihau amser cyfrifo model o ddyddiau i funudau, ac mae wedi profi i fod yn newidiwr gêm mewn llawer o achosion.
Mae caledwedd AI pwerus ar gael ar unwaith trwy fodel talu fesul defnydd.
Mae mentrau Superscale yn uwchraddio eu gweinyddwyr yn gyson i sicrhau bod adnoddau cyfrifiadurol ar gael yn y cwmwl fel y gall defnyddwyr terfynol weithredu cymwysiadau AI diwydiannol. Ym mis Tachwedd 2021, er enghraifft, cyhoeddodd AWS ryddhad swyddogol ei achosion diweddaraf yn seiliedig ar GPU, Amazon EC2 G5, wedi'u pweru gan GPU NVIDIA A10G Tensor Core, ar gyfer amrywiaeth o gymwysiadau ML, gan gynnwys peiriannau gweledigaeth ac argymell cyfrifiadurol. Er enghraifft, mae darparwr systemau canfod Nanotronics yn defnyddio enghreifftiau Amazon EC2 o'i ddatrysiad rheoli ansawdd seiliedig ar AI i gyflymu ymdrechion prosesu a chyflawni cyfraddau canfod mwy cywir wrth weithgynhyrchu microsglodion a nanotiwbiau.
Casgliad a Rhagolygon
Mae AI yn dod allan o'r ffatri, a bydd yn hollbresennol mewn cymwysiadau newydd, megis PdM seiliedig ar AI, ac fel gwelliannau i achosion meddalwedd a defnydd presennol. Mae mentrau mawr yn cyflwyno sawl achos defnydd AI ac yn adrodd am lwyddiant, ac mae gan y rhan fwyaf o brosiectau enillion uchel ar fuddsoddiad. Ar y cyfan, mae cynnydd y cwmwl, llwyfannau iot a sglodion AI pwerus yn darparu llwyfan ar gyfer cenhedlaeth newydd o feddalwedd ac optimeiddio.
Amser post: Ionawr-12-2022