Tankeledere
AI’s Center of Gravity Is Shifting, and So Is the Money
FÃļj Unite.AI til dine foretrukne kilder pÃĨ Google
Forestil dig et AI-drevet servicecenter for en af verdens stÃļrste bilproducenter. Systemet virker smukt. Ãjeblikket et kÃļretÃļj kÃļrer ind i hallen, har AI-mekanikeren allerede lavet sin hjemmearbejde, ved at gennemgÃĨ enorme mÃĶngder af kÃļretÃļjsdata for at fremhÃĶve den eksakte servicekonfiguration, der er nÃļdvendig.
Dette elegante edge-applikation tog en lille hÃĶr af ingeniÃļrer tre ÃĨr at udvikle. Den kÃļrte pÃĨ 10 forhandlere.
NÃĨr tiden kom til at skala det op til 12.000 lokaliteter, opdagede teamet, hvad hver virksomhed, der implementerer edge-AI, til sidst lÃĶrer: At bygge applikationen er den lette del. At skala den op til tusinder af lokaliteter krÃĶver infrastruktur, som stÃļrstedelen af branchen stadig er i gang med at finde ud af.
Denne klÃļft mellem at bygge noget smart og faktisk implementere det, hvor forretningen sker, er den definerende udfordring for AI lige nu. Og det ÃĶndrer, hvor den nÃĶste bÃļlge af teknologiinvesteringer er pÃĨ vej.
THE CLOUD BET IS CHANGING
I omtrent 20 ÃĨr har enterprise software-playbogen vÃĶret enkel: Flyt alt ind i skyen. Centraliser data og applikationer og kontrol. Det fungerede brillant til at styre arbejdsprocesser, og investorer belÃļnnede det rigeligt.
Men Ãļkonomien ÃĶndrer sig. SaaS-omgangsmultiples, som toppede nÃĶr 18-20 gange under pandemien, er faldet til niveauer, der ikke er set siden 2016. MedianomsÃĶtningsvÃĶkst for offentlige SaaS-virksomheder faldt til omkring 12% i slutningen af 2025. Investorer har stadig ikke mistet interessen for software, men de er begyndt at stille en hÃĨrdere spÃļrgsmÃĨl: Hvor genererer AI faktisk afkast?
Stadig mere er svaret ikke i skyen.
THE INTELLIGENCE TRAP
Den globale AI-investering forventes at nÃĨ 2,5 billioner dollars ved udgangen af 2026. De fire stÃļrste amerikanske tech-virksomheder alene er pÃĨ vej til at bruge cirka 725 milliarder dollars pÃĨ kapitaludgifter i ÃĨr, en stigning pÃĨ 77% i forhold til sidste ÃĨr, og den stÃļrste enkeltÃĨrlige infrastruktur-opbygning i teknologiens historie. Denne pengestrÃļm flyder overvÃĶldende ind i cloud-infrastruktur for at understÃļtte datacentre, GPUâer og trÃĶningskluster.
Men det meste af verdens operationelle data genereres ikke i datacentre. Det genereres i butikslokaler, pÃĨ fabriksgulve, pÃĨ olieboringer, inde pÃĨ hospitaler, pÃĨ skibe og over energinet. I disse miljÃļer skal beslutninger trÃĶffes pÃĨ millisekunder, og det er ikke muligt at sende data til en fjern server.
Jeg ser dette konstant i mit arbejde med virksomheder. Et olie- og gas-selskab bruger mÃĨneder pÃĨ at bygge en prÃĶdictiv model til brÃļndoptimering, pakker det derefter ind i en enorm datafil, sender det til en fjern lokalitet og hÃĨber, det virker. En detailhandler udvikler AI til lagerstyring, men opdager derefter, at at rulle det ud over tusinder af butikker er et helt andet problem end at bygge modellen selv.
Intelligensen er effektivt fanget i skyen. Den fysiske verden venter ikke pÃĨ en tur-retur.
WHERE THE MONEY IS ACTUALLY GOING
Jensen Huang kalder det âfysisk AIâ. Qualcomm rammer det som AI pÃĨ kanten, der bliver essentiel. NÃĨr de to virksomheder, der forstÃĨs at forstÃĨ AI-hardware-Ãļkonomi bedre end nogen andre, begge peger i samme retning, er det vÃĶrd at lÃĶgge mÃĶrke til.
Dette skift sker allerede pÃĨ jorden. Virksomheder over olie og gas, bilindustri, detailhandel og industri-sektorer kÃļrer allerede AI-arbejdsbyrde pÃĨ kanten. De ved, at AI pÃĨ kanten fungerer, men kÃĶmper med, hvordan de skal skala det op. At styre tusinder af installationer over diverse hardware og miljÃļer og opdatere modeller pÃĨ feltet uden at forstyrre operationer prÃĶsenterer en enorm udfordring.
Investeringssagen er enkel: NÃĨr AI skal operere autonomt â inspicere produkter pÃĨ en fabrik, styre energiudgang pÃĨ en vindmÃļlle, koordinere autonome systemer over et logistiknetvÃĶrk â skal det kÃļre, hvor handlingen sker.
FROM APPLICATIONS TO AGENTS
Der sker en anden ÃĶndring under infrastruktur-historien, og det kan vise sig at vÃĶre endnu vigtigere.
Agenter ÃĶndrer den traditionelle rigiditet af enterprise-applikationer. En agent er ikke statisk kode, der gÃļr noget. Det er et system, der kan resonere, fortolke ustruktureret data og trÃĶffe beslutninger uden at vÃĶre eksplicit programmeret for hvert scenarie. I stedet for at bygge en tilpasset applikation til at overvÃĨge kvalitet pÃĨ en fabrik, deployerer du en agent, der fortolker videostrÃļmme, identificerer fejl og markerer problemer, samtidig med at det tilpasser sig, efterhÃĨnden som betingelserne ÃĶndrer sig. I stedet for at kode en prÃĶdictiv vedligeholdelsessystem fra scratch for hver enkelt udstyrs-type, deployerer du en resonansmodel, der behandler sensor-data og trÃĶffer beslutninger i realtid.
Hvor det tidligere tog ÃĨr og hold af udviklere at bygge edge-applikationer, kan agenter sammenfalte denne tidsramme dramatisk.
WHY THIS ISNâT SIMPLE
Men som i de fleste tilfÃĶlde er djÃĶvlen i detaljerne. NÃĨr en personlig AI-agent begÃĨr en fejl, sender det en akavet e-mail. NÃĨr en industriel agent begÃĨr en fejl, kan det lukke en produktionslinje eller skabe en sikkerhedsrisiko. Den samme kvalitet, der gÃļr AI-agenter fleksible og kraftfulde, er prÃĶcis det, der gÃļr virksomheder forsigtige med at implementere dem i sikkerhedskritiske miljÃļer.
IP-fÃļlsomheden alene er overvÃĶldende. Et energiservice-selskab, der har brugt et ÃĨrti pÃĨ at samle operationel data for at bygge en autonom optimeringssystem, har skabt noget, der ikke kan erstattes. Hvis denne agent bliver kompromitteret, kan en konkurrent effektivt erhverve ÃĨrtiers institutionel viden pÃĨ en enkelt nat. EUâs Cyber Resilience Act og udviklende NIST-rammer er pÃĨ vej til at adresse disse risici, men teknologi-infrastrukturen til at gennemtvinge sikkerhedsforanstaltninger pÃĨ kanten bliver stadig bygget.
Sikkerhed og governance er ikke funktioner for AI pÃĨ kanten. De er fundamentet.
THE NEXT INFRASTRUCTURE BUILDOUT
Hver stÃļrre ÃĶra af computing er defineret af en infrastruktur-opbygning. PC-ÃĶraen byggede lokale netvÃĶrk og skriveborde. Cloud-ÃĶraen byggede datacentre og SaaS-platforme. AI-ÃĶraen bygger infrastrukturen til at kÃļre intelligens i den fysiske verden.
De virksomheder og investorer, der erkender dette skift tidligt, vil blive positioneret for det nÃĶste ÃĨrti. Det betyder ikke kun at investere i AI-kapacitet, men i orkestreringen, sikkerheden og implementerings-infrastrukturen, der omdanner en kapabel model til et pÃĨlideligt industriel system.
VÃĶrdien ligger ikke i den nÃĶste chatbot eller den nÃĶste cloud-vÃĶrt-model. Det ligger i infrastrukturen, der gÃļr AI operationel i stor skala pÃĨ fabrikken, oliefeltet, detailhandelsnetvÃĶrket og overalt, hvor den fysiske verden genererer data, der ikke kan vente.
Et eller andet sted lige nu stÃĨr en anden virksomhed, hvor den bilproducent stod, med en brillant applikation, der kÃļrer pÃĨ en hÃĨndfuld lokaliteter, og stirrer ud i klÃļften mellem pilot og skala. De, der brobygger denne klÃļft, vil bygge de konkurrencemÃĶssige volde for det nÃĶste ÃĨrti.
