Машинное обучение Интернета вещей и сервисы искусственного интеллекта набирают обороты
По мере того, как все больше устройств подключаются к общедоступному Интернету, создаются большие объемы данных. Используя эти активы данных, расширение рынка расширенной аналитики стало возможным благодаря новым технологиям, продуктам и сопутствующим услугам.
Неотъемлемая ценность данных возрастает, и эта ценность стимулирует рынок расширенной аналитики Интернета вещей (IoT) с появлением доступных готовых и готовых машинного обучения (ML) и искусственного интеллекта. (ИИ) решения.
В настоящее время поставщики упрощают доступ к наборам инструментов ML и AI, расширяя доступность за счет вариантов развертывания, включающих граничные вычисления, локальную инфраструктуру, частное облако, платформу как услугу (PaaS) и программное обеспечение как услугу (SaaS). ).
Развитие рынка IoT ML и AI
Согласно последнему исследованию мирового рынка, проведенному ABI Research, рынок IoT ML и AI достигнет 1,09 млрд долларов в 2020 году и вырастет до 10,6 млрд долларов к 2026 году.
Edge ML/AI более распространен в производственном и промышленном сегментах, где существует срочная потребность в оценке, преобразовании и дополнении данных по мере их создания с помощью функций быстрого распознавания образов, маркировки и оптимизации протоколов.
Рынок расширенной аналитики IoT Edge — это, по сути, операциональные продукты и услуги машинного обучения и искусственного интеллекта, предназначенные для групп операционных технологий (ОТ) для понимания и извлечения информации, — сказала Катерина Дуброва, аналитик-исследователь ABI Research.
Согласно оценке ABI, платформы машинного обучения и искусственного интеллекта также обеспечивают расширенную аналитику в общедоступном облаке, где алгоритмические модели (прогностические, предписывающие, корреляционные и т. д.) развертываются на предварительно обработанных и организованных наборах данных.
Amazon Web Services (AWS), Microsoft Azure, Google Cloud, SAS и C3.ai доминируют на сцене благодаря своим комплексным портфелям IoT и комбинированным собственным и сторонним наборам инструментов ML/AI — все они преимущественно предоставляются как общедоступные. облачные предложения.
В то же время Seeq, DataRobot, Noodle.ai и Dataiku вскоре обеспечат большую демократизацию технологий машинного обучения Интернета вещей благодаря более мощным механизмам искусственного интеллекта и программным решениям с минимальным или нулевым кодом.
Наконец, среди поставщиков SaaS и PaaS, ориентированных на периферию, таких как Crosser, Swim.ai и FogHorn, наблюдается устойчивое и активное развитие, выступающее за решения, ориентированные на периферию.
Хотя поставщики имеют четкие позиции в отношении выбора развертывания, периферийные устройства и облако сливаются в единую парадигму периферийных и облачных решений. Однако растущая ценность периферийных решений AI/ML в IoT выявила пробел в доступности этих решений.
Исследование ABI приходит к выводу, что масштабируемость и продуктивность периферийного решения фундаментально зависят от поставщиков облачных услуг, расширяющих свои рыночные портфели в сторону периферии. Через пару лет периферийный рынок IoT станет неотъемлемой частью экосистемы IoT.
Перспективы роста приложений IoT Intelligence
Но не все поставщики в цепочке создания стоимости IoT обнаружат более широкий доступ к готовым решениям AI/ML, подходящим для их бизнес-модели. Эти решения уменьшат потребность в профессиональных аналитических услугах и продолжительность их использования.
«К счастью, IoT — это растущий рынок, поэтому индивидуальные аналитические задания по-прежнему будут пользоваться спросом. Настоящим преимуществом является то, что больше людей могут применять расширенную аналитику к своим данным IoT, расширяя ее полезность для более широкого профиля предприятия», — заключает Дуброва.
Я считаю, что большие данные Интернета вещей и связанные с ними аналитические программные приложения будут продолжать развиваться по всему миру, поскольку все больше организаций стремятся извлечь полезную информацию из хранилищ необработанных данных.
Первоначально опубликовано на https://blog.geoactivegroup.com.
