ABI Research: к 2024 году в промышленном производстве будет развернуто более 15 млн устройств с ИИ

Последний отчет ABI Research прогнозирует скачок внедрения искусственного интеллекта в секторе промышленного производства: к 2024 году общее количество устройств с ИИ превысит 15,4 млн — составной ежегодный темп роста 64,8% с 2019 по 2024 год.

«ИИ в промышленном производстве — это история периферийной реализации», — говорит Лянь Цзе Су, главный аналитик ABI Research. «Поскольку производители предпочитают хранить свои данные на собственных площадках, а не в публичных облаках, почти все рабочие нагрузки по обучению и выводу ИИ происходят на периферии — на устройствах, шлюзах и локальных серверах».

Для поддержки этого сдвига производители ИИ-чипсетов и серверов представили выделенные серверы с ИИ, специально спроектированные для промышленных сред. Следовательно, растущая доля промышленной инфраструктуры теперь оснащена ПО ИИ или специализированными чипсетами для выполнения вывода в реальном времени.

Несмотря на изобилие данных и доступных решений, внедрение ИИ в производстве не было таким бесшовным, как ожидалось. Наиболее коммерчески зрелыми приложениями остаются предиктивное обслуживание и мониторинг оборудования — установленная база прогнозируется в 9,8 млн и 6,7 млн единиц соответственно к 2024 году.

Многие из этих устройств являются многофункциональными благодаря достижениям в ИИ-чипсетах. Ключевые стартапы вроде Uptake, SparkCognition, FogHorn и Falkonry предлагают как облачные, так и периферийные решения для мониторинга общей производительности активов и технологических потоков.

Дефектный контроль становится еще одним быстрорастущим вариантом использования. Установленная база для этого приложения ожидается к 2024 году более 3,7 млн единиц с 300 тыс. в 2019 году, особенно в производстве электроники и полупроводников, где партнеры сотрудничают с поставщиками чипсетов и ПО для разработки ИИ-машинного зрения для дефектного контроля на уровне компонентов.

Традиционная технология машинного зрения остается популярной в производстве за свою повторяемость, надежность и стабильность. Однако алгоритмы глубокого обучения расширяют эти возможности, позволяя обнаруживать неожиданные аномалии, открывать новые инсайты и превосходить пределы традиционных подходов.

Производители теперь сталкиваются с острой конкуренцией в построении и обучении внутренних команд дата-сайентистов для внедрения ИИ. Большинство ИИ-специалистов тяготеют к крупным веб-игрокам или гибким стартапам, делая поиск талантов серьезным вызовом для промышленных фирм.

«Учитывая этот ландшафт, самый жизнеспособный путь — партнерство», — отмечает Су. «Сотрудничество с облачными провайдерами, чистыми ИИ-стартапами, системными интеграторами, производителями чипсетов и серверов, и провайдерами связности необходимо для навигации по разнообразным вариантам использования ИИ».

Для получения дополнительной информации посетите www.abiresearch.com.