Разрабатывайте модели машинного обучения, которые нужны людям. Вот как можно подготовиться перед началом реализации.
Прежде чем я начну рассказывать подробности о рыночной аналитике, я хотел бы немного познакомить с пограничным искусственным интеллектом (ИИ) для людей, которые только что приехали, чтобы узнать больше об этой многообещающей отрасли.
Наш мир населен миллиардами подключенных устройств, размещенных в наших домах, в окружающей среде, на производстве и в транспортных средствах. Многие из этих устройств становятся умнее за счет принятия более точных решений с помощью моделей машинного обучения.
Разведка смещается в сторону периферийных устройств. Повышенная вычислительная мощность и больший объем данных датчиков наряду с улучшенными алгоритмами искусственного интеллекта определяют тенденцию к машинному обучению на периферийных устройствах.
Рынок мобильного искусственного интеллекта оценивался в 2,14 млрд долларов США в 2019 году и, как ожидается, достигнет 9,68 млрд долларов США к 2025 году при среднегодовом темпе роста 28,65% за прогнозируемый период 2020–2020 годов. 2025 г.
Ключевые игроки на рынке:
- Google - Tensorflow Lite
- Apple - Core ML, смартфоны
- Facebook - Pytorch Mobile
- Samsung Electronics - микросхемы искусственного интеллекта, смартфоны, устройства Интернета вещей
- Qualcomm - AI Chips
- Tencent - ncnn
Давайте поговорим о рынке
- В тройку лидеров мобильных приложений ИИ по доле рынка входят смартфоны, камеры и дроны
По данным Statista, текущее количество пользователей смартфонов в мире сегодня составляет 3,8 миллиарда. Это означает, что 48,53% населения мира владеют смартфонами. Эта цифра будет продолжать расти, и потребность в мобильных приложениях с использованием машинного обучения неоспорима. Приложения в режиме реального времени и аналитика на периферийных устройствах могут предложить лучшие решения для персонализации пользователей, видеонаблюдения, эффективной логистики, автоматизации производства, отслеживания состояния здоровья населения и многого другого.
2. Самое быстрорастущее приложение Edge AI - для автономных транспортных средств.
В автономных транспортных средствах используются десятки камер, системы обнаружения и определения дальности (LiDAR) и технологии радиолокационного обнаружения. Обработка этих данных с малой задержкой - одно из основных преимуществ Edge AI для автономных транспортных средств. Объем данных, получаемых с датчиков, велик, и обработка таких данных с использованием облачной инфраструктуры может занять значительное время. Технология Edge AI может сократить время обработки за счет вычислений и принятия решений непосредственно на периферийных устройствах.
3. Распознавание видео и изображений способствует развитию Edge AI
Сценарии использования распознавания видео и изображений включают такие приложения, как аналитика в реальном времени, потоковое видео, наблюдение и анализ выражений. Этим приложениям требуется высокая пропускная способность для передачи данных, а Edge AI обеспечивает эффективное операционное преимущество. С точки зрения отраслевого обзора, наибольшая доля рынка приходится на Розничная и электронная коммерция и СМИ и развлечения.
4. Приложения с дополненной реальностью и виртуальной реальностью для развлечений и игр
Технологии AR и VR меняют способ нашего взаимодействия и опыта в индустрии развлечений. Глобальные телекоммуникационные компании начали развертывать 5G по всему миру, что обеспечивает более широкое подключение устройств, ускорение передачи данных и меньшую задержку. AR / VR требует массивных процессов графического рендеринга, поэтому спрос на новый рендеринг на устройствах будет расти. По данным Prescient & Strategic Intelligence, рынок AR и VR составил 37,0 млрд долларов в 2019 году, ожидается, что в течение прогнозируемого периода (2020–2030 годы) он достигнет CAGR на 42,9% и достигнет 1 274,4 млрд долларов. в 2030 г.
5. Менее 5% поисковых запросов Google связаны с машинным обучением на мобильных устройствах.
Чтобы лучше понять рынок Edge AI, я провел анализ ключевых слов, связанных с мобильным машинным обучением. Средние ежемесячные поисковые запросы Google по запросу Tensorflow составляют примерно 368 000, а для Tensorflow lite - ТОЛЬКО около 12 100, что меньше 5%. по сравнению с поиском Tensorflow. С другой стороны, Tencent ncnn, которая представляет собой высокопроизводительную платформу вывода нейронных сетей для мобильной платформы, оценивает от 100 000 до 1 миллиона запросов в Google в месяц. На основе этого анализа поиска по ключевым словам мы можем оценить, что над мобильным машинным обучением работает меньше разработчиков, однако потребность в таких инженерах растет с каждым годом. Вы можете просмотреть подробную диаграмму с цифрами, используя Таблицу.
Как вы думаете, какой из них наиболее многообещающий?
