應(yīng)用

技術(shù)

物聯(lián)網(wǎng)世界 >> 物聯(lián)網(wǎng)新聞 >> 物聯(lián)網(wǎng)熱點(diǎn)新聞
企業(yè)注冊(cè)個(gè)人注冊(cè)登錄

2024邊緣計(jì)算報(bào)告免費(fèi)下載|大模型+邊緣計(jì)算能有多大的粘合效應(yīng)?

2024-09-06 09:15 視覺物聯(lián)
關(guān)鍵詞:邊緣計(jì)算大模型

導(dǎo)讀:《2024邊緣計(jì)算市場(chǎng)調(diào)研報(bào)告》于8月28日下午在由視覺物聯(lián)舉辦的“IOTE 2024深圳·邊緣計(jì)算產(chǎn)業(yè)生態(tài)大會(huì)”上已經(jīng)正式發(fā)布,現(xiàn)提供電子版本免費(fèi)下載!

  2023年是邊緣計(jì)算的重要節(jié)點(diǎn)!

  隨著生成式AI的不斷演進(jìn),大模型在圖片、音視頻等多模態(tài)領(lǐng)域的表現(xiàn)展露了其在產(chǎn)業(yè)端應(yīng)用的巨大潛能。大模式在行業(yè)落地需要本地化推理與部署,在邊緣節(jié)點(diǎn)把大模型分拆,將部分大模型的能力部署到小模型或行業(yè)模型中,可以在邊緣節(jié)點(diǎn)處理本地?cái)?shù)據(jù)驅(qū)動(dòng)的模型。

  因而2024邊緣計(jì)算報(bào)告我們把重心放在AI上,以邊緣視覺AI為主。對(duì)于當(dāng)下邊緣視覺AI的行業(yè)現(xiàn)狀,業(yè)內(nèi)皆有共識(shí):

b954e2cd5ff1f466eb6d25f1b11dab4e.png

  落地難:一方面是定制化需求多,每個(gè)項(xiàng)目都或多或少要重新定制開發(fā),大部分客戶在細(xì)分需求面前很難承擔(dān)過多的開發(fā)費(fèi),落地成本高,客戶不愿買單,廠商也賺不到錢;二是AI算法精準(zhǔn)度不夠,因?yàn)榫珳?zhǔn)度不夠,用戶體驗(yàn)不好,后期服務(wù)和調(diào)優(yōu)的成本也變得很高。所以需要更多的項(xiàng)目去分?jǐn)偝杀?,這樣帶來市場(chǎng)競(jìng)爭的加劇。

  碎片化:邊緣AI高度依賴于場(chǎng)景,其應(yīng)用場(chǎng)景非常廣泛,智能安防、智慧水務(wù)、智能建筑、智能制造等等各個(gè)場(chǎng)景都能應(yīng)用到,但是碎片化嚴(yán)重,在當(dāng)下各個(gè)細(xì)分場(chǎng)景的體量都很小,作為從業(yè)者來說,什么場(chǎng)景都去做,顯然不太現(xiàn)實(shí),一方面是不夠聚焦對(duì)場(chǎng)景需求理解不夠,很難做出真正好用的產(chǎn)品,包括硬件與算法;另一方面精力也有限,很難覆蓋太多場(chǎng)景。因而選擇什么場(chǎng)景去深耕是邊緣計(jì)算廠商當(dāng)下需要做的重要抉擇,廠商還得根據(jù)自身能力、自身優(yōu)勢(shì)還有資源去選擇最適合自己的場(chǎng)景。

  量升價(jià)跌:目前邊緣AI還處于行業(yè)發(fā)展初期,項(xiàng)目大多由政策驅(qū)動(dòng),以政府項(xiàng)目居多,疫情加上經(jīng)濟(jì)下行,讓各級(jí)政府財(cái)政也比較吃緊,在項(xiàng)目上投入預(yù)算就更加有限。綜合來看雖然需求上升,但是預(yù)算降低、成本高、市場(chǎng)競(jìng)爭加劇等因素讓市場(chǎng)利潤明顯萎縮,目前形成了一個(gè)量升價(jià)跌的趨勢(shì)。

  那么行業(yè)什么時(shí)候能夠破局?最大的難點(diǎn)在AI算法上,2023之所以稱之為重要節(jié)點(diǎn),是因?yàn)闃I(yè)內(nèi)人士皆認(rèn)為AI大模型能夠改變行業(yè)現(xiàn)狀。

  隨著行業(yè)應(yīng)用的深入,場(chǎng)景變得多元化、復(fù)雜化,算法領(lǐng)域面臨以下幾個(gè)問題:

  泛化能力不足:例如,一個(gè)僅使用白天采集的車輛數(shù)據(jù)訓(xùn)練出來的檢測(cè)模型,在夜晚使用時(shí)性能就會(huì)大打折扣。傳統(tǒng)的深度學(xué)習(xí)往往難以兼顧這些場(chǎng)景差異性,導(dǎo)致不得不為每一個(gè)場(chǎng)景量身定制模型。

  傳統(tǒng)結(jié)構(gòu)出現(xiàn)性能天花板:傳統(tǒng)深度學(xué)習(xí)結(jié)構(gòu),如 CNN、RNN、LSTM 等,關(guān)注于感知輸入信號(hào)的局部信息,對(duì)知識(shí)的容量有限,數(shù)據(jù)規(guī)模和模態(tài)種類持續(xù)增加帶來的邊際效益下降。

  缺乏推理與認(rèn)知能力:傳統(tǒng)深度學(xué)習(xí)以監(jiān)督學(xué)習(xí)方法為主,其基本原理是訓(xùn)練神經(jīng)網(wǎng)絡(luò)來擬合監(jiān)督標(biāo)簽,無法形成邏輯認(rèn)知。對(duì)于沒有見過的新任務(wù)或復(fù)雜的業(yè)務(wù)邏輯均需要重標(biāo)重訓(xùn)或手工排程。

  AI 1.0準(zhǔn)確率只有50-80%,系統(tǒng)誤報(bào)多,200路系統(tǒng)每天幾百上千起誤報(bào),無人工不智能,需人工復(fù)核傳統(tǒng)AI一場(chǎng)景一算法,系統(tǒng)研發(fā)成本居高不下,客戶需求響應(yīng)慢,在傳統(tǒng)AI 1.0 體系的基礎(chǔ)上,利用多模態(tài)大模型技術(shù),服務(wù)多場(chǎng)景,實(shí)現(xiàn)系統(tǒng)性能提升, 降本增效。

09e60658f63c2df2fb3f16d9aa79ca8e.png

  更多內(nèi)容詳見《2024邊緣計(jì)算市場(chǎng)調(diào)研報(bào)告》,報(bào)告于8月28日下午在由視覺物聯(lián)舉辦的“IOTE 2024深圳·邊緣計(jì)算產(chǎn)業(yè)生態(tài)大會(huì)”上已經(jīng)正式發(fā)布,現(xiàn)提供電子版本免費(fèi)下載,歡迎行業(yè)人士多多交流與指正!!

bed86579dac38a46e994712cfa7128c4.png

掃碼免費(fèi)下載報(bào)告