基于工业质检场景的中心+边缘分布式计算,可大大降低对网络带宽和延时的需求,实现逻辑如下:
1、工业生产是实时的,甚至是高节拍的,针对产品的外观检测进行实时处理,对网络的带宽和延时要求极高,故需要将AI推理放到边缘侧,以满足实时检测/高节拍检测的需求;
2、AI算法的训练对硬件资源要求较高,但是工业场景下,AI算法的训练频次和迭代次数并不频繁(主要是产品的升级迭代周期相对较长),如果在边缘侧部署训练功能,会造成大量的硬件资源闲置;故将这部分功能放到中心化,通过统一规划的硬件资源,满足不同产线的AI算法训练需求,并且由于频次不高,大幅降低了对于网络带宽/延时的要求,更贴合实际生产;该部分功能通过私有云和公有云均可实现;
上述模式主要适用于大型企业/集团,需要同时管理多条产线或工厂(几十条以上)