Οι παραδοσιακές εφαρμογές τεχνητής νοημοσύνης βασίζονται συνήθως σε διακομιστές cloud για εκπαίδευση μοντέλων, συμπερασματικά στοιχεία και ανάλυση δεδομένων, ενώ οι συσκευές τελικού σημείου συλλέγουν δεδομένα και τα ανεβάζουν στο cloud. Σε βιομηχανικά περιβάλλοντα παραγωγής, ωστόσο, αυτή η προσέγγιση μπορεί να περιοριστεί από την καθυστέρηση δικτύου, την αξιοπιστία συνδεσιμότητας, την ασφάλεια δεδομένων, το κόστος εύρους ζώνης και την ανάγκη για συνεχή λειτουργία. Ως αποτέλεσμα, περισσότερες εταιρείες υιοθετούν αρχιτεκτονικές τεχνητής νοημοσύνης Edge, αναπτύσσοντας συμπερασματικά στοιχεία τεχνητής νοημοσύνης, επεξεργασία δεδομένων και επιλεγμένες δυνατότητες λήψης αποφάσεων σε βιομηχανικούς υπολογιστές, πύλες άκρων και έξυπνες συσκευές που βρίσκονται πιο κοντά στην πηγή δεδομένων.
Για παράδειγμα, σε μια αυτοματοποιημένη γραμμή παραγωγής, οι βιομηχανικές κάμερες καταγράφουν εικόνες προϊόντων και ένας υπολογιστής αιχμής χρησιμοποιεί μοντέλα τεχνητής νοημοσύνης για να εντοπίσει ελαττώματα σε πραγματικό χρόνο πριν στείλει τα αποτελέσματα στο σύστημα ελέγχου παραγωγής. Η επιθεώρηση εκτελείται τοπικά, ενώ το cloud χειρίζεται ενημερώσεις μοντέλων, συνάθροιση δεδομένων, αναλύσεις μεταξύ εργοστασίων και μακροπρόθεσμη βελτιστοποίηση.Το Edge AI δεν αντικαθιστά το cloud computing. Αντίθετα, ενεργοποιεί μια συλλογική αρχιτεκτονική στην οποία τα μοντέλα εκπαιδεύονται στο σύννεφο, η εξαγωγή συμπερασμάτων εκτελείται στην άκρη και οι ενέργειες εκτελούνται από συσκευές τελικού σημείου.Αυτός είναι ένας σημαντικός μοχλός πίσω από τη μετάβαση των βιομηχανικών υπολογιστών από τα συμβατικά τερματικά ελέγχου σε έξυπνες πλατφόρμες υπολογιστών.
Τα τελευταία χρόνια, οι βιομηχανικές εταιρείες έχουν μετατοπίσει την εστίασή τους από έργα απόδειξης τεχνητής νοημοσύνης προς την ανάπτυξη σε πραγματικές ροές εργασιών παραγωγής. Η ερευνητική σειρά State of Industrial AI της Cisco εξετάζει τον τρόπο με τον οποίο οι βιομηχανικοί οργανισμοί υιοθετούν την τεχνητή νοημοσύνη και εξελίσσουν τη λειτουργική τους τεχνολογία και την υποδομή δικτύου. Από αυτή την έρευνα προκύπτει ένα συνεπές μήνυμα:η επιτυχία της βιομηχανικής τεχνητής νοημοσύνης εξαρτάται όχι μόνο από τα μοντέλα και την υπολογιστική ισχύ, αλλά και από τη συνδεσιμότητα στο κατάστημα, την απόκτηση δεδομένων, την ενοποίηση συστήματος και τη διαχείριση ασφάλειας.Για τους βιομηχανικούς κατασκευαστές υπολογιστών, ο ανταγωνισμός κινείται επομένως πέρα από την παροχή υπολογιστικού υλικού προς ολοκληρωμένες πλατφόρμες που συνδυάζουν την επεξεργασία AI, τη συνδεσιμότητα δικτύου, τη διαχείριση ασφάλειας και την ενοποίηση συστήματος.
Οι πωλητές βιομηχανικών υπολογιστών ενσωματώνουν όλο και περισσότερο την τεχνητή νοημοσύνη αιχμής, τη ρομποτική και την ενσωμάτωση συστημάτων στις στρατηγικές προϊόντων και οικοσυστημάτων τους. Η Advantech, η ADLINK και άλλες εταιρείες ενσωματωμένων υπολογιστών συνεχίζουν να επενδύουν σε υλικό τεχνητής νοημοσύνης αιχμής, αλυσίδες εργαλείων λογισμικού, διαχείριση συσκευών και λύσεις ειδικές για τον κλάδο. Οι εξελίξεις αυτές δείχνουν ότιη αγορά βιομηχανικών υπολογιστών κινείται πέρα από τον ανταγωνισμό που βασίζεται αποκλειστικά στο παραδοσιακό υλικό IPC. Η διαφοροποίηση εξαρτάται όλο και περισσότερο από την επιτάχυνση AI, τα οικοσυστήματα λογισμικού, τη διαχείριση συσκευών και τη συνδεσιμότητα.Η αξία ενός βιομηχανικού υπολογιστή δεν θα έγκειται ολοένα και περισσότερο στην παροχή ενός υπολογιστή, αλλά στην παροχή μιας πλατφόρμας υπολογιστών αιχμής ικανή να εκτελεί εφαρμογές τεχνητής νοημοσύνης αξιόπιστα με την πάροδο του χρόνου.
Οι παραδοσιακοί βιομηχανικοί υπολογιστές χειρίζονται κυρίως την απόκτηση δεδομένων, τις επικοινωνίες PLC, την αλληλεπίδραση ανθρώπου-μηχανής και την παρακολούθηση της παραγωγής. Καθώς το όραμα AI, η έξυπνη επιθεώρηση και η αυτόνομη ρομποτική χρησιμοποιούνται ευρέως, οι βιομηχανικοί υπολογιστές αναλαμβάνουν πιο απαιτητικούς φόρτους εργασίας, όπως ανίχνευση ελαττωμάτων προϊόντος, συντήρηση εξοπλισμού πρόβλεψης, αντίληψη ρομπότ, παρακολούθηση βιομηχανικής ασφάλειας και έξυπνη αποθήκευση. Σε μια τυπική ετερογενή αρχιτεκτονική υπολογιστών, η CPU χειρίζεται τον έλεγχο γενικής χρήσης και τον προγραμματισμό συστήματος, η GPU εκτελεί παράλληλους υπολογισμούς και εξαγωγή συμπερασμάτων όρασης και η NPU επιταχύνει την ενεργειακά αποδοτική εξαγωγή συμπερασμάτων AI.Ο ετερογενής υπολογισμός γίνεται μια σημαντική κατεύθυνση σχεδιασμού για συσκευές Edge AI επόμενης γενιάς.
Η φυσική τεχνητή νοημοσύνη εστιάζει στο να επιτρέπει στα συστήματα τεχνητής νοημοσύνης να κατανοούν τον πραγματικό κόσμο και να εκτελούν φυσικές εργασίες μέσω ρομπότ και εξοπλισμού αυτοματισμού. Οι εφαρμογές περιλαμβάνουν ανθρωποειδή ρομπότ, βιομηχανικούς ρομποτικούς βραχίονες, αυτόνομα κινητά ρομπότ (AMR) και αυτοματοποιημένα κατευθυνόμενα οχήματα (AGV), ρομπότ επιθεώρησης και αυτοματοποιημένα συστήματα αποθήκευσης. Τα ρομπότ πρέπει να συνδέονται με κάμερες, αισθητήρες, ενεργοποιητές και τερματικά ελέγχου. Καθώς οι εργασίες εξελίσσονται από την εκτέλεση μεμονωμένων ενεργειών έως την αυτόνομη αντίληψη και τη σύνθετη συνεργασία, οι πλατφόρμες υπολογιστών πρέπει να επεξεργάζονται περισσότερα δεδομένα σε πραγματικό χρόνο.Ως εκ τούτου, τα βιομηχανικά ρομπότ γίνονται σημαντικά τερματικά σημεία υπολογιστών αιχμής, ενώ οι υπολογιστές αιχμής παρέχουν ένα βασικό μέρος των δυνατοτήτων αντίληψης, συμπερασμάτων και επικοινωνίας που τους υποστηρίζουν.
Στις γραμμές παραγωγής στην κατασκευή ημιαγωγών, εξαρτήματα αυτοκινήτων, ηλεκτρονικά είδη και συσκευασίες τροφίμων, χρησιμοποιούνται βιομηχανικές κάμερες για έλεγχο ποιότητας, μέτρηση διαστάσεων και ανάλυση ελαττωμάτων. Καθώς ο αριθμός των καμερών, οι αναλύσεις εικόνας και η πολυπλοκότητα του αλγορίθμου τεχνητής νοημοσύνης αυξάνονται, ο όγκος των δεδομένων που παράγονται στο κατάστημα αυξάνεται επίσης. Μια τυπική ροή εργασίας περιλαμβάνει βιομηχανικές κάμερες που καταγράφουν εικόνες, τις μεταδίδουν μέσω δικτύου σε έναν υπολογιστή αιχμής, εκτελούν μοντέλα όρασης σε GPU ή NPU, επιστρέφουν αποτελέσματα επιθεώρησης στο σύστημα ελέγχου παραγωγής και συγχρονίζουν δεδομένα επιθεώρησης με το cloud. Το βίντεο πολλαπλής ροής, τα τερματικά ασύρματης όρασης και ο φορητός εξοπλισμός επιθεώρησης απαιτούν αξιόπιστη συνδεσιμότητα και επαρκή ροή δεδομένων.Είναι σημαντικό να σημειωθεί ότι η κύρια διαδρομή δεδομένων για τη βιομηχανική μηχανική όραση θα συνεχίσει συχνά να χρησιμοποιεί Industrial Ethernet ή αποκλειστικές διεπαφές, ανάλογα με το εύρος ζώνης, την απόσταση και τις απαιτήσεις ντετερμινισμού. Το Wi-Fi είναι γενικά καλύτερα τοποθετημένο ως συμπληρωματική επιλογή για ασύρματη ανάπτυξη, τερματικά κινητά και απομακρυσμένη συντήρηση.
Η εμπορική ανάπτυξη βιομηχανικής τεχνητής νοημοσύνης απαιτεί περισσότερα από GPU. Εξαρτάται επίσης από τη συμβατότητα αρχιτεκτονικής επεξεργαστή, την ανάπτυξη του μοντέλου και τις ενημερώσεις, τη διαχείριση εφαρμογών με κοντέινερ, την απομακρυσμένη παρακολούθηση συσκευών, την ασφάλεια στον κυβερνοχώρο και τη μακροπρόθεσμη συντήρηση. Οι πωλητές βιομηχανικών πλατφορμών υπολογιστών χρησιμοποιούν κιτ ανάπτυξης λογισμικού, υποστήριξη Linux, διαχείριση κοντέινερ, ενημερώσεις over-the-air (OTA) και διαχείριση κύκλου ζωής συσκευών για να απλοποιήσουν τη διαδικασία ανάπτυξης, επικύρωσης και κλιμάκωσης εφαρμογών AI.Για τους προμηθευτές ασύρματων μονάδων, η διαθεσιμότητα προγραμμάτων οδήγησης, η συμβατότητα με Linux, τα SDK, η τεχνική τεκμηρίωση και οι δυνατότητες ενσωμάτωσης πλατφόρμας θα είναι σημαντικοί παράγοντες στις αποφάσεις αγοράς των πελατών.
Η ανάπτυξη της βιομηχανικής τεχνητής νοημοσύνης θέτει νέες απαιτήσεις στα βιομηχανικά δίκτυα. Τα κινητά ρομπότ χρειάζονται επίμονη ασύρματη συνδεσιμότητα, οι βιομηχανικές κάμερες πρέπει να μεταδίδουν δεδομένα εικόνας, τα τερματικά απομακρυσμένης συντήρησης χρειάζονται πρόσβαση σε πληροφορίες εξοπλισμού και οι υπολογιστές πολλαπλών άκρων πρέπει να ανταλλάσσουν δεδομένα. Τα παραδοσιακά ενσύρματα βιομηχανικά δίκτυα παραμένουν απαραίτητα, αλλά η ασύρματη συνδεσιμότητα μπορεί να προσφέρει μεγαλύτερη ευελιξία για κινητό εξοπλισμό, ευέλικτες γραμμές παραγωγής και προσωρινές αναπτύξεις. Οι αναφορές παρακολούθησης εταιρικού WLAN της IDC μπορούν να βοηθήσουν στην απεικόνιση της υιοθέτησης του Wi-Fi 7 στην υποδομή εταιρικού δικτύου.Ωστόσο, η αγορά σημείων πρόσβασης επιχειρήσεων πρέπει να διακρίνεται από την αγορά ασύρματων μονάδων: η αποστολή σημείων πρόσβασης ή τα μερίδια εσόδων δεν πρέπει να αντιμετωπίζονται ως άμεσοι δείκτες ζήτησης ή αποστολών βιομηχανικών μονάδων Wi-Fi.
Το Wi-Fi 7 (IEEE 802.11be) εισάγει βελτιώσεις στο εύρος ζώνης καναλιού, τη διαμόρφωση, τη λειτουργία πολλαπλών συνδέσμων (MLO) και τις επικοινωνίες πολλών χρηστών.Για υπολογιστές αιχμής τεχνητής νοημοσύνης και βιομηχανικούς υπολογιστές, η αξία του δεν περιορίζεται στις μέγιστες ταχύτητες δεδομένων. Παρέχει επίσης πρόσθετες δυνατότητες συνδεσιμότητας για εφαρμογές υψηλού εύρους ζώνης, πολλαπλές συνδεδεμένες συσκευές και απαιτητικά ασύρματα περιβάλλοντα.
Το Wi-Fi 7 υποστηρίζει εύρη ζώνης καναλιών έως και 320 MHz στη ζώνη των 6 GHz, διπλασιάζοντας το μέγιστο εύρος ζώνης καναλιού 160 MHz που διατίθεται με το Wi-Fi 6/6E. Αυτό δημιουργεί πιθανά οφέλη για βίντεο υψηλής ευκρίνειας πολλαπλών ροών, μεταφορά δεδομένων μηχανικής όρασης, ασύρματα τερματικά βιομηχανικής επιθεώρησης και μεταφορά μεγάλων αρχείων. Η πρόσβαση σε κανάλια 320 MHz εξαρτάται από τη διαθεσιμότητα του σχετικού φάσματος των 6 GHz σε κάθε αγορά-στόχο. Η πραγματική απόδοση επηρεάζεται επίσης από την απόσταση, την ποιότητα του σήματος, τις παρεμβολές, τον σχεδιασμό της κεραίας και τη διαμόρφωση του δικτύου.
Το Wi-Fi 7 εισάγει τη διαμόρφωση 4096-QAM. Υπό ιδανικές συνθήκες σήματος, μπορεί να μεταδίδει περισσότερα δεδομένα ανά μονάδα χρόνου από τη διαμόρφωση 1024-QAM που χρησιμοποιείται από το Wi-Fi 6. Ωστόσο, η διαμόρφωση υψηλότερης τάξης απαιτεί επίσης καλύτερη ποιότητα σήματος. Ο μεταλλικός εξοπλισμός, οι εργοστασιακές κατασκευές, οι ηλεκτρομαγνητικές παρεμβολές και η κινητικότητα της συσκευής μπορούν όλα να επηρεάσουν την απόδοση του πραγματικού κόσμου.
Το MLO επιτρέπει σε μια συσκευή να επικοινωνεί μέσω πολλαπλών συνδέσεων ζώνης συχνοτήτων και να προγραμματίζει αυτές τις συνδέσεις σύμφωνα με τις δυνατότητες της συσκευής και τις συνθήκες δικτύου. Τα πιθανά οφέλη περιλαμβάνουν βελτιωμένη συνδεσιμότητα σε πολύπλοκα ασύρματα περιβάλλοντα, πιο αποτελεσματική χρήση των πόρων σύνδεσης, μειωμένη καθυστέρηση σε ορισμένα σενάρια και μεγαλύτερη ευελιξία σύνδεσης.Το MLO δεν θα πρέπει να ερμηνεύεται ως εγγύηση για εντελώς απρόσκοπτη περιαγωγή ή ντετερμινιστικές βιομηχανικές επικοινωνίες σε πραγματικό χρόνο. Οι πραγματικές δυνατότητές του εξαρτώνται από την εφαρμογή από τη συσκευή πελάτη, το σημείο πρόσβασης και το chipset.
Εκτός από την πρόσβαση στο τοπικό δίκτυο, οι βιομηχανικές υπολογιστικές συσκευές μπορεί να χρειαστεί να επικοινωνούν με κοντινά περιφερειακά, όπως αισθητήρες Bluetooth, εργαλεία βιομηχανικής θέσης σε λειτουργία, ασύρματες συσκευές διεπαφής ανθρώπου-μηχανής, ετικέτες παρακολούθησης στοιχείων και εξοπλισμός μέτρησης. Το Wi-Fi χρησιμοποιείται για σύνδεση τοπικού δικτύου υψηλής ταχύτητας, ενώ το Bluetooth υποστηρίζει επικοινωνίες μικρής εμβέλειας και περιφερειακή αλληλεπίδραση. Ο συνδυασμός των δύο πρωτοκόλλων μπορεί να μειώσει την πολυπλοκότητα σχεδιασμού που σχετίζεται με ξεχωριστές μονάδες συνδεσιμότητας. Τα πραγματικά αποτελέσματα, ωστόσο, εξαρτώνται από τη συνύπαρξη ραδιοφώνου, τη διάταξη της κεραίας, την υποστήριξη του προγράμματος οδήγησης και τις απαιτήσεις τελικής συσκευής.
Καθώς οι βιομηχανικοί υπολογιστές εξελίσσονται από συμβατικά τερματικά υπολογιστών σε υπολογιστικές πλατφόρμες τεχνητής νοημοσύνης, οι ασύρματες μονάδες πρέπει να προσαρμοστούν στις νέες αρχιτεκτονικές συσκευών. Οι απαιτήσεις συνδεσιμότητας ενός βιομηχανικού υπολογιστή εξαρτώνται κυρίως από το περιβάλλον εγκατάστασής του, τις διεπαφές της πλατφόρμας υποδοχής, τον διαθέσιμο χώρο και τις προβλεπόμενες λειτουργίες επικοινωνίας.
Το O2072PM είναι μια σύνθετη μονάδα Wi-Fi 7 και Bluetooth 6.0 από την QOGRISYS. Διαθέτει συντελεστή μορφής 22 × 30 mm και διεπαφή M.2 PCIe. Σύμφωνα με τις πληροφορίες του προϊόντος, τα βασικά χαρακτηριστικά του περιλαμβάνουν την πλατφόρμα Qualcomm QCC2072, λειτουργία τριών ζωνών 2,4 GHz/5 GHz/6 GHz, 2T2R MIMO, μέγιστο θεωρητικό ρυθμό PHY 5,8 Gbps και βελτιώσεις Wi-Fi 7. Οι διεπαφές M.2 χρησιμοποιούνται ευρέως σε ενσωματωμένους υπολογιστές και βιομηχανικές μητρικές πλακέτες. Βιομηχανικές μητρικές, ενσωματωμένες πλατφόρμες υπολογιστών και υπολογιστές τεχνητής νοημοσύνης αιχμής εξοπλισμένοι με συμβατή υποδοχή M.2 και διεπαφή κεντρικού υπολογιστή μπορούν να ενσωματώσουν ασύρματη συνδεσιμότητα στο στάδιο του σχεδιασμού της μητρικής πλακέτας. Οι πιθανές εφαρμογές περιλαμβάνουν βιομηχανικούς υπολογιστές, κουτιά τεχνητής νοημοσύνης, πλατφόρμες υπολογιστών ρομπότ και επιλεγμένα συστήματα μηχανικής όρασης. Για την κύρια διαδρομή δεδομένων στις εφαρμογές μηχανικής όρασης, οι σχεδιαστές θα πρέπει να αξιολογήσουν εάν το Industrial Ethernet ή μια αποκλειστική διεπαφή παραμένει απαραίτητη με βάση το εύρος ζώνης, την απόσταση και τις απαιτήσεις ντετερμινισμού. Η διεπαφή κεντρικού υπολογιστή Bluetooth, η υποστήριξη προγραμμάτων οδήγησης, η συμβατότητα με το λειτουργικό σύστημα και οι λεπτομέρειες ενοποίησης της πλατφόρμας θα πρέπει επίσης να επαληθεύονται σε σχέση με την τεκμηρίωση του σχετικού προϊόντος.
Το O2072PB διαθέτει συμπαγή μορφότυπο 13 × 15 mm, που το καθιστά κατάλληλο για σχέδια ενσωματωμένων μητρικών πλακών με περιορισμένο χώρο. Σύμφωνα με τις πληροφορίες του προϊόντος, τα βασικά χαρακτηριστικά του περιλαμβάνουν την πλατφόρμα Qualcomm QCC2072, Wi-Fi 7 και Bluetooth 6.0, λειτουργία 2,4 GHz/5 GHz/6 GHz, 2T2R MIMO και μέγιστο θεωρητικό ρυθμό PHY 5,8 Gbps.Η κύρια αξία του έγκειται στη συμπαγή ενσωμάτωση και όχι στην απλή επιδίωξη υψηλότερων ασύρματων ταχυτήτων.Το μικρότερο αποτύπωμα μονάδας μπορεί να προσφέρει μεγαλύτερη ευελιξία διάταξης για τερματικά όρασης AI, συμπαγείς βιομηχανικές πύλες, έξυπνες συσκευές ελέγχου και ενσωματωμένα ρομποτικά συστήματα. Οι τελικοί σχεδιασμοί πρέπει να λογαριάζουν την τοποθέτηση κεραίας 2T2R, την απομόνωση ραδιοσυχνοτήτων, τη θερμική διαχείριση, τις παρεμβολές από κοντινά εξαρτήματα και τη μηχανική δομή του τελικού περιβλήματος.
Στην κατασκευή ημιαγωγών, τα ηλεκτρονικά αυτοκινήτων, τα ηλεκτρονικά είδη ευρείας κατανάλωσης και την κατασκευή ακριβείας, η μηχανική όραση χρησιμοποιείται ήδη για επιθεώρηση ποιότητας προϊόντος, μέτρηση διαστάσεων και ανάλυση ελαττωμάτων. Τα μοντέλα όρασης AI επιτρέπουν στα συστήματα επιθεώρησης να χειρίζονται πιο σύνθετες εργασίες επεξεργασίας εικόνας. Για τερματικά όρασης που υποστηρίζουν ασύρματη επαναφορά δεδομένων, απομακρυσμένη συντήρηση ή συνεργασία πολλών συσκευών, το Wi-Fi 7 μπορεί να χρησιμεύσει ως συμπληρωματική επιλογή συνδεσιμότητας.
Τα ρομπότ πρέπει να παραμένουν συνδεδεμένα με υπολογιστικές πλατφόρμες, συστήματα διαχείρισης και άλλο εξοπλισμό. Το Wi-Fi 7 μπορεί να παρέχει ασύρματη πρόσβαση υψηλής ταχύτητας, θέση σε λειτουργία και backhaul δεδομένων για επιλεγμένα ρομποτικά συστήματα, ενώ το Bluetooth μπορεί να υποστηρίξει περιφερειακά και αλληλεπιδράσεις μικρής εμβέλειας.
Οι υπολογιστές βιομηχανικής αιχμής αναπτύσσονται κοντά σε εξοπλισμό για τη διαχείριση της απόκτησης δεδομένων, των συμπερασμάτων AI, της παρακολούθησης συσκευών και της συνδεσιμότητας στο cloud. Οι διεπαφές τους περιλαμβάνουν συνήθως Ethernet, USB, PCIe, RS-485, Wi-Fi και Bluetooth.
Σε επιχειρήσεις κοινής ωφελείας, πετροχημικές εγκαταστάσεις, συστήματα σιδηροδρομικής μεταφοράς και μεγάλα βιομηχανικά πάρκα, τα ρομπότ επιθεώρησης συλλέγουν βίντεο υψηλής ευκρίνειας, θερμικές εικόνες, μετρήσεις θερμοκρασίας και δεδομένα κατάστασης εξοπλισμού. Το Edge AI μπορεί να εκτελέσει ανάλυση εικόνας και ανίχνευση ανωμαλιών τοπικά. Το Wi-Fi 7 μπορεί να παρέχει πρόσβαση στο δίκτυο υψηλής ταχύτητας για κινητό εξοπλισμό επιθεώρησης σε εγκαταστάσεις με κατάλληλη ασύρματη υποδομή.
Η συντήρηση του βιομηχανικού εξοπλισμού γίνεται όλο και πιο απομακρυσμένη και ψηφιοποιημένη. Το Wi-Fi 7 μπορεί να παρέχει ασύρματη σύνδεση δικτύου υψηλής ταχύτητας για βιομηχανικούς υπολογιστές, ενώ το Bluetooth μπορεί να υποστηρίξει την αλληλεπίδραση με κοντινά περιφερειακά. Για τους κατασκευαστές εξοπλισμού, αυτές οι δυνατότητες μπορούν να κάνουν την ανάπτυξη και τη συντήρηση πιο ευέλικτη.
Η έξυπνη αποθήκευση συνδυάζει ταυτοποίηση βάσει τεχνητής νοημοσύνης, συντονισμό στόλου ρομπότ, αυτοματοποιημένη ταξινόμηση και ψηφιακή διαχείριση. Ο φορητός εξοπλισμός πρέπει να επικοινωνεί με συστήματα διαχείρισης αποθήκης, πλατφόρμες υπολογιστών αιχμής και δίκτυα ασύρματης πρόσβασης. Το υψηλό εύρος ζώνης και οι δυνατότητες πολλαπλών συνδέσεων του Wi-Fi 7 προσφέρουν μια άλλη επιλογή συνδεσιμότητας για περιβάλλοντα με πυκνή ανάπτυξη ασύρματων συσκευών. Οι πραγματικές αναπτύξεις πρέπει να εξακολουθούν να επικυρώνονται για περιαγωγή, κάλυψη, μεταβάσεις δικτύου και σταθερότητα λανθάνοντος χρόνου.
Η IDC παρακολουθεί τις παγκόσμιες δαπάνες για υποδομές τεχνητής νοημοσύνης, συμπεριλαμβανομένων των επιταχυνόμενων υπολογιστών, διακομιστών, αποθήκευσης και σχετικών περιοχών. Αυτά τα επενδυτικά στοιχεία αντικατοπτρίζουν την ευρύτερη ανάπτυξη της υποδομής τεχνητής νοημοσύνης, αλλά δεν θα πρέπει να ερμηνεύονται ως το μέγεθος της αγοράς της τεχνητής νοημοσύνης αιχμής στη βιομηχανία ή να χρησιμοποιούνται για την άμεση εκτίμηση της ζήτησης για μονάδες Wi-Fi. Για τον τομέα των βιομηχανικών υπολογιστών, ένα πιο σχετικό ερώτημα είναι πώς οι υπολογιστικές δυνατότητες AI επεκτείνονται από τα κέντρα δεδομένων σε εργοστάσια, αποθήκες, συστήματα μεταφορών και ενεργειακή υποδομή. Όταν αναφέρετε την τελευταία έκδοση του Worldwide Quarterly AI Infrastructure Tracker της IDC, καθορίστε την ημερομηνία δημοσίευσης της αναφοράς, το τρίμηνο αναφοράς, το νόμισμα και τις κατηγορίες δαπανών που καλύπτονται.
Η επόμενη φάση της βιομηχανικής τεχνητής νοημοσύνης θα περιλαμβάνει περισσότερα από την ανάπτυξη ενός περιορισμένου αριθμού συστημάτων επιθεώρησης όρασης AI. Οι δυνατότητες AI αναμένεται να επεκταθούν σε περισσότερο εξοπλισμό παραγωγής, εργοστασιακές περιοχές και συστήματα διαχείρισης. Οι πλατφόρμες υπολογιστών Edge θα πρέπει να επεξεργάζονται δεδομένα τοπικά ενώ παράλληλα θα συντονίζονται με πλατφόρμες cloud, βιομηχανικά δίκτυα και κινητές συσκευές.
Καθώς τα συστήματα όρασης AI, τα ρομπότ και οι κινητές βιομηχανικές συσκευές γίνονται πιο διαδεδομένα, τα βιομηχανικά περιβάλλοντα θα απαιτούν ένα ευρύτερο φάσμα επιλογών ασύρματης συνδεσιμότητας. Το Wi-Fi 7 παρέχει νέες δυνατότητες για επικοινωνίες υψηλού εύρους ζώνης και πολλαπλών συνδέσμων, αλλά η αξία της ανάπτυξης θα εξακολουθεί να εξαρτάται από την κάλυψη δικτύου, τους κανονισμούς φάσματος, τις δυνατότητες του σημείου πρόσβασης, τη συμβατότητα τελικού σημείου και την επιτόπια επικύρωση.
