Gli anni 2030 saranno alimentati dall'Edge: perché il prossimo decennio dell'informatica inizia ora

Se volete vedere il futuro dell'intelligenza artificiale, dimenticatevi le server farm della Virginia del Nord o gli incubatori di startup di San Francisco. Andate in un'azienda di autolavaggio appena fuori Fort Lauderdale.

Le informazioni che gestiscono l'operazione provengono da un'azienda di cui potresti non aver mai sentito parlare, a meno che tu non lavori nel settore dell'autolavaggio, dove sono leader del settore.Sonny's The CarWash FactorySonny's è il più grande produttore al mondo di impianti di autolavaggio a nastro trasportatore, un'attività tradizionalmente definita da spazzole, sapone e nastri, non da codice. Eppure, in migliaia di sedi, sta sostituendo il sonar, vecchio di decenni, con la visione artificiale per dimensionare i veicoli in millisecondi, utilizzando il riconoscimento delle targhe per l'iscrizione immediata ai programmi fedeltà e testando l'intelligenza artificiale conversazionale presso il chiosco drive-up.

Mentre miliardi di dollari inseguono il prossimo prodotto in stile ChatGPT, molti investimenti analisti stanno già superando l'adozione reale: una rivoluzione silenziosa sta avvenendo nei parcheggi, nelle fabbriche, sulle navi in ​​mare e nei seminterrati degli ospedali.

Stiamo assistendo a una biforcazione. Da un lato c'è l'intelligenza artificiale di consumo: appariscente, sovvenzionata e costosa dal punto di vista operativo. Dall'altro c'è l'intelligenza artificiale fisica: poco attraente, radicata in un ROI solido e che sta già rimodellando le operazioni in settori che non possono permettersi latenza o tempi di inattività.

Questa divisione definirà il prossimo decennio. Se gli anni 2010 sono stati incentrati sulla connessione dei dispositivi (IoT) e gli anni 2020 sull'elaborazione dei dati laddove questi hanno origine (edge ​​computing), gli anni 2030 saranno incentrati sull'agire su quei dati in modo istantaneo. Questa è l'era dell'intelligenza artificiale edge.

Innovazione in luoghi inaspettati

Per i settori basati sui beni fisici, il cloud è spesso troppo lontano, sia letteralmente che operativamente.

Prendiamo ad esempio il mercato al dettaglio. Ogni negozio si scontra con il divario tra i registri di inventario e la realtà. Gli abiti vengono spostati, provati e smarriti, rendendo i database tradizionali obsoleti in pochi minuti. Ma alcune aziende si stanno orientando verso un modello in cui il negozio stesso diventa il database. Scanner RFID montati a soffitto tracciano i capi in tempo reale, identificando cosa è entrato in un camerino, cosa non è mai uscito e dove è finita una taglia specifica. Non si limitano ad aggiornare i registri; digitalizzano lo spazio fisico in tempo reale, qualcosa che solo l'elaborazione locale rende possibile.

L'assistenza sanitaria sta seguendo un percorso simile. Le moderne TAC e risonanze magnetiche generano gigabyte per paziente: dati troppo pesanti e troppo sensibili per essere inviati costantemente al cloud. La soluzione non è un tubo più grande; è portare l'intelligenza artificiale allo scanner. Gli ospedali stanno iniziando a eseguire inferenze localmente, mantenendo i dati dei pazienti in sede e fornendo al contempo informazioni diagnostiche in pochi secondi.

L'industria marittima si trova ad affrontare vincoli simili. Le navi portacontainer generano terabyte di dati operativi da motori, sistemi di navigazione e sensori di carico. Ma la connettività in mezzo all'oceano costa migliaia di dollari per gigabyte. Le compagnie di navigazione stanno implementando server edge a bordo per elaborare questi dati localmente, eseguendo modelli di manutenzione predittiva che prevengono guasti ai motori prima che le navi raggiungano il porto. L'intelligenza artificiale viaggia con la nave perché il cloud semplicemente non arriva così lontano.

Questi non sono esperimenti di ricerca e sviluppo. Sono problemi operativi risolti dall'elaborazione ai margini della rete.

L'architettura a tre livelli

Per capire dove sta andando l'infrastruttura aziendale, guarda il telefono che hai in tasca. L'intelligenza di Apple ha introdotto nella società di massa un modello di elaborazione a tre livelli: elaborazione sul dispositivo per la velocità, un livello di elaborazione privato per le attività più complesse e il cloud per la conoscenza diffusa. Gli ambienti industriali stanno adottando esattamente questa architettura, non per comodità, ma per motivi fisici.

Consideriamo la nuova ondata di robotica umanoide. Queste macchine funzionano a batterie; non possono trasportare supercomputer sulla schiena, né possono affidarsi al cloud per decisioni di sicurezza in frazioni di secondo. Si affidano invece a un "livello intermedio" fondamentale:

• Dispositivo (il robot): gestisce il movimento immediato e la sicurezza a livello locale.

• Private Edge: un server locale nello stabilimento gestisce le inferenze più complesse e il coordinamento della flotta.

• Cloud: riservato alla formazione e agli aggiornamenti software globali.

Gli anni 2010 sono stati Cloud First. Gli anni 2030 saranno Edge First, con il cloud quando necessario.

Questa architettura risolve vincoli reali. I robot funzionano a batteria e non possono sostenere carichi di elaborazione elevati. Gli stabilimenti produttivi necessitano di tempi di risposta nell'ordine dei millisecondi, che la latenza del cloud non può garantire. I dati dei pazienti negli ospedali devono rimanere in sede per la conformità normativa. Il livello intermedio gestisce il pesante lavoro di inferenza, coordina flotte di dispositivi e funge da buffer tra le operazioni locali e i sistemi globali. Immaginatelo come un data center locale compresso in un singolo rack di server, che elabora terabyte senza mai accedere alla rete Internet pubblica. Quando il robot deve eseguire una manovra di sicurezza, l'elaborazione avviene localmente. Quando deve aggiornare il suo modello di navigazione in base alle operazioni giornaliere, il server edge lo gestisce durante la notte. Quando il produttore rilascia una nuova funzionalità, il cloud la implementa. Ogni livello fa ciò che sa fare meglio.

La fine dell’era del “dial-up”

Nonostante questi cambiamenti architettonici, la realtà sul campo rimane caotica. L'intelligenza artificiale fisica è attualmente nell'era del "dial-up". I leader operativi sono afflitti da "scatole nere": dispositivi proprietari per il conteggio delle persone, l'analisi video o sensori che non comunicano tra loro. È l'equivalente di portare con sé un dispositivo separato per e-mail, mappe e foto.

Stiamo assistendo alla sostituzione di questa struttura patchwork da parte di organizzazioni con oltre 20,000 sedi con piattaforme edge unificate, che consentono loro di implementare nuove applicazioni come aggiornamenti software anziché progetti hardware.

Allo stesso tempo, le reti satellitari LEO come Starlink stanno eliminando le zone morte di connettività. Proprio come le economie emergenti hanno superato le linee fisse per passare direttamente alla telefonia mobile, settori come quello marittimo, minerario e ferroviario stanno abbandonando completamente le architetture cloud centralizzate. Stanno passando direttamente all'intelligenza artificiale distribuita edge perché la fisica delle loro operazioni lo richiede.

Il paradosso degli investimenti

L'intelligenza artificiale fisica non avrà mai un "momento ChatGPT". Non può. Un errore nell'intelligenza artificiale generativa è uno screenshot virale; un errore nell'intelligenza artificiale fisica può rappresentare un rischio per la sicurezza.

Ecco perché i progressi qui sono costanti, non esplosivi. Waymo ha dedicato più di un decennio a test e simulazioni prima di espandersi nelle principali città. In ambito sanitario, un'intelligenza artificiale che analizza le scansioni è un dispositivo medico che richiede l'approvazione della FDA. Non si può scaricare la sicurezza o la maturità. Bisogna guadagnarsela.

Il paradosso degli investimenti è semplice: l'IA appariscente per i consumatori domina i titoli dei giornali, ma l'IA operativa domina l'economia. Gli anni '2030 non apparterranno alle aziende con i modelli più virali, ma a quelle che sapranno distribuire l'intelligenza ovunque sia necessaria.

Quando entrate in un autolavaggio dotato della tecnologia Sonny, in qualsiasi parte del mondo, e il sistema riconosce il vostro veicolo e vi parla in modo naturale, non consideratelo un trucco da salotto. Consideratelo un progetto. Questa è infrastruttura. E le aziende che la stanno realizzando oggi stanno costruendo le basi competitive del prossimo decennio.