Компания muuv links объявила о своем плане запустить платформу edgefuse в ноябре 2026 года. Это передовая платформа искусственного интеллекта, разработанная специально для секторов производства и Интернета вещей (IoT). Платформа направлена на решение одного из крупнейших технических препятствий современности: как запускать массивные модели искусственного интеллекта на граничных устройствах (Edge devices), обладающих ограниченными вычислительными мощностями и памятью.
Проблема разрыва между облаком и граничными устройствами
Компании, работающие в промышленных областях, сталкиваются с серьезным технологическим разрывом: в то время как модели искусственного интеллекта обучаются в сверхмощных облачных средах, их внедрение на практике (на производственных линиях или датчиках) требует запуска на устройствах со скромными техническими характеристиками. Это несоответствие делает традиционные модели неспособными эффективно работать без истощения ресурсов устройства или возникновения задержек (Latency), что препятствует полноценному использованию технологий физического искусственного интеллекта (Physical AI).
Что предлагает платформа edgefuse?
Платформа edgefuse выступает в качестве технического посредника для управления процессом преобразования и оптимизации моделей для их адаптации к доступному аппаратному обеспечению (Hardware). Платформа опирается на инновационную концепцию, известную как "Ведомость материалов искусственного интеллекта" (AI-BOM), которая управляет программными и аппаратными компонентами, необходимыми для обеспечения максимально эффективной работы модели на конкретном процессоре или определенном объеме памяти внутри граничного устройства. Вместо того чтобы работать с каждым устройством отдельно, платформа предоставляет механизм автоматизации процесса совместимости между моделью и оборудованием.
Что изменится на практике для производителей?
Ожидается, что эта платформа поможет изменить способ интеграции искусственного интеллекта в промышленные процессы посредством:
- Упрощение процессов развертывания: снижение инженерных усилий, необходимых для переноса моделей из среды разработки в реальную рабочую среду.
- Улучшение полевой производительности: обеспечение стабильности моделей и скорости их отклика на граничных устройствах, что снижает риск простоев или технических ошибок.
- Эффективное управление ресурсами: возможность использовать существующие граничные устройства без необходимости дорогостоящей модернизации оборудования только для запуска моделей искусственного интеллекта.
Несмотря на большие технические обещания, остается вопрос о способности платформы справляться с огромным разнообразием архитектур различных процессоров, используемых мировыми производственными компаниями, что станет ясно из полных технических подробностей по мере приближения даты запуска в конце 2026 года.