Said Ouissalは、ZEDEDAのCEO兼創設者です。ZEDEDAは、エッジコンピューティングを無労化し、オープン化し、固有にセキュア化する会社です。インターネットを支えるインフラストラクチャーを構築することに約30年の経験を持つSaidは、エッジコンピューティング、AI、ブロックチェーンの分野でビジョナリーなリーダーおよび起業家です。
世界最大の自動車メーカーの1つのAI搭載サービスセンターを想像してみましょう。システムは美しく機能しています。車がベイに引っ張り込まれると、AIメカニックはすでにその車両のデータを分析し、必要なサービス構成をすでに把握しています。この優雅なエッジアプリケーションは、3年間で数百人のエンジニアによって開発され、10のディーラーシップで実行されました。それを12,000のロケーションにスケールアップするとき、チームはエッジAIを展開するすべての企業が最終的に学ぶことを発見しました。アプリケーションを構築することは簡単な部分です。数千のロケーションにスケールアップするには、ほとんどの業界がまだ解決しようとしているインフラストラクチャが必要です。何かをスマートに構築することと実際にビジネスが行われる場所で展開することの間にあるギャップは、現在のAIの定義的な課題です。而且、それは次のテクノロジー投資の波の向かう先を再定義しています。クラウドベットは変化している約20年間、エンタープライズソフトウェアのプレイブックはシンプルでした。すべてをクラウドに移動し、データとアプリケーションを集中し、制御します。それはワークフローを管理するために素晴らしく機能し、投資家はそれに厚く報いたのです。しかし、経済は変化しています。SaaS収益倍率は、パンデミック中に18〜20倍に達した後、2016年以来に見られなかったレベルに落ち着きました。2025年末までに、公開されているSaaS企業の平均収益成長率は約12%に低下しました。投資家はまだソフトウェアに興味を失っていませんが、より厳しい質問を始めています。AIはどこで実際に収益を生み出していますか?増え続ける答えは、クラウドではありません。インテリジェンスの罠世界のAI投資は2026年末までに$2.5兆ドルに達することが予測されています。米国の4大テクノロジー企業だけが、今年の資本支出で約725億ドルを費やす予定で、前年比77%増加し、テクノロジーの歴史上最大のインフラストラクチャービルドアウトとなります。その金額は、データセンター、GPU、トレーニングクラスターをサポートするクラウドインフラストラクチャに圧倒的に流れています。しかし、世界の大部分の運用データはデータセンターで生成されていません。小売店、工場フロア、石油掘削リグ、病院、船舶、エネルギーグリッドで生成されます。そうした環境では、ミリ秒単位で決定が必要であり、遠隔サーバーにデータを送信することは実行可能ではありません。私は企業との仕事でこれを頻繁に目にします。石油ガス会社が、自社のオペレーショナルデータを10年間収集してオートノミックドリリング最適化システムを構築したとします。そのシステムをパッケージ化して遠隔サイトに送信し、うまく機能することを願います。小売業者が、在庫管理のためのAIを開発し、数千の店舗に展開するのがまったく別の問題であることを発見します。インテリジェンスは、実質的にクラウドに囚われています。物理的な世界は、ラウンドトリップを待ちません。お金は実際にどこに行っているのかジェンセン・ハワングはそれを「物理AI」と呼んでいます。Qualcommは、それをエッジでのAIが不可欠になるものと位置付けます。AIハードウェアの経済を誰よりも理解している2社が同じ方向を向いている場合、それは注目に値するものです。このシフトはすでに地上で起こっています。石油ガス、自動車、 小売、産業部門の企業は、すでにエッジでAIワークロードを実行しています。彼らは、エッジAIが機能することを知っていますが、それをスケールアップする方法に苦労しています。さまざまなハードウェアや環境で数千の展開を管理し、フィールドでモデルを更新することなく運用を妨げないようにすることは、巨大な課題を提起しています。投資のケースは簡単です。AIが自律的に動作する必要がある場合 – 製造ラインで製品を検査したり、風力発電所でエネルギー出力を管理したり、ロジスティクスネットワーク全体でオートノミックシステムを調整したりする場合 – それは、どこでアクションが起こるかそこで実行する必要があります。アプリケーションからエージェントへインフラストラクチャの物語の下に別のシフトが起こっており、それはより重要かもしれません。エージェントは、従来の企業アプリケーションの剛性を変えています。エージェントは、1つのことを行う静的なコードではありません。それは、理由を付けるシステムで、構造化されていないデータを解釈し、明示的にプログラムされていないシナリオでアクションを起こすことができます。製造ラインの品質を監視するためのカスタマイズされたアプリケーションを構築するのではなく、ビデオフィードを解釈し、欠陥を特定し、問題をフラグするエージェントを展開します。各機器タイプのための予測メンテナンスシステムをゼロからコードするのではなく、センサー データを処理し、リアルタイムで決定を下す推論モデルを展開します。エッジアプリケーションを構築するのに何年もかかったり、開発者チームが必要だったりした時代から、エージェントはそのタイムラインを劇的に縮小することができます。これがシンプルではない理由しかし、ほとんどの場合のように、悪魔は細部にあります。パーソナルAIエージェントが間違いを犯すと、恥ずかしいメールを送信します。産業用エージェントが間違いを犯すと、生産ラインを停止させたり、安全上の危険を生み出したりする可能性があります。AIエージェントを柔軟で強力にする同じ特性が、企業が安全性の重要な環境でそれらを展開することをためらわせるものです。知的財産の感覚だけがすごいです。10年間で運用データを収集してオートノミックドリリング最適化システムを構築したエネルギーサービス会社は、代替不可能なものを作成しました。もしもそのエージェントが妥協された場合、競合他社は一晩で数年の機関的知識を取得します。EUのサイバーレジリエンス法やNISTフレームワークは、こうしたリスクに対処しようとしていますが、エッジでガードレールを実施するテクノロジーインフラストラクチャはまだ構築中です。セキュリティとガバナンスは、エッジAI時代の機能ではありません。それらは基盤です。次のインフラストラクチャビルドアウトコンピューティングのすべての主要な時代は、インフラストラクチャビルドアウトによって定義されてきました。PC時代はローカルネットワークとデスクトップを構築しました。クラウド時代はデータセンターとSaaSプラットフォームを構築しました。AI時代は、物理的な世界でインテリジェンスを実行するインフラストラクチャを構築しています。このシフトを早期に認識する企業や投資家は、次の10年間で優位性を獲得することになります。そのためには、AIの能力に投資するだけでなく、モデルを信頼性の高い産業システムに変えるオーケストレーション、セキュリティ、展開インフラストラクチャに投資する必要があります。価値は、次のチャットボットやクラウドホストモデルではありません。工場、石油田、 小売ネットワーク、物理的な世界が待つことができないデータを生成するすべての場所で、AIを大規模に運用可能にするインフラストラクチャにあるのです。どこかで、今、自動車メーカーと同じ立場にある別の会社があります。何カ所かのサイトで動作する素晴らしいアプリケーションを持ち、パイロットとスケールの間のギャップを眺めています。あのギャップを埋めることができる企業が、次の10年の競争的要塞を構築することになります。
AIの未来を見たいのなら、バージニア北部のサーバーファームやサンフランシスコのスタートアップインキュベーターを忘れてください。フォートローダーデールのすぐ外側にあるカーワッシュ会社に行ってみてください。この会社の名前は、カーワッシュ業界では業界のリーダーですが、あなたがカーワッシュ業界にいない場合は聞いたことがないかもしれません——Sonny’s The CarWash Factoryです。Sonny’sは、世界最大のコンベア式カーワッシュ装置の製造会社です——伝統的に、ブラシ、石鹸、ベルトで定義されるビジネスですが、コードではありません。しかし、数千の場所で、数十年前のソナーをコンピュータビジョンに置き換えて、ミリ秒で車両のサイズを測定し、ライセンスプレート認識を使用して即時のロイヤルティ登録を行い、ドライブアップキオスクで会話AIをテストしています。これらはR&Dの実験ではありません。エッジでのコンピューティングによって解決された運用上の問題です。数十億ドルが次のChatGPTスタイルの製品に投資されています——多くのアナリストが警告するように——現実の採用を上回っている投資ですが、静かな革命が駐車場、工場の床、海上の船、病院の地下室で起こっています。私たちは二つの道に分かれています。一方は、消費者向けAI——華麗で、補助金で支えられており、運用コストがかかります。他方は、物理AI——地味で、厳格なROIに根ざしており、遅延やダウンタイムが許されない業界で既に運用を変革しています。この分裂が来る10年を定義します。2010年代はデバイスの接続(IoT)についてでした。2020年代はデータが生成される場所で処理すること(エッジコンピューティング)についてでした。2030年代は、そのデータを即座に活用することについてです。これがエッジAIの時代です。予想外の場所でのイノベーション物理的な商品に根ざした業界では、クラウドは souvent 遠すぎます——文字通りに、運用上です。例えば、小売市場を考えてみましょう。各店舗は在庫記録と現実のギャップに悩まされています。服は移動され、試着され、置かれ、伝統的なデータベースは数分以内に古くなります。しかし、会社の中には、店舗自体がデータベースになるモデルに向かっているものがあります。天井に取り付けられたRFIDスキャナーがリアルタイムで服を追跡し——どのサイズが試着室に入ったか、どれが外に出なかったか、どのサイズがどこにあるかを特定します。彼らは記録を更新するだけでなく、物理的な空間をリアルタイムでデジタル化しています——これはローカル処理のみで可能です。ヘルスケアも同様の道を辿っています。現代のCTスキャンとMRIスキャンは1人当たりギガバイトのデータを生成します——クラウドに送信するには重すぎるデータ、そして機密性が高すぎます。答えは、パイプを太くすることではなく、スキャナにAIを導入することです。病院は、ローカルで推論を実行し、患者データをオンプレミスで保持しながら、診断の洞察を数秒で提供し始めています。海事業界も同様の制約に直面しています。コンテナ船は、エンジン、航行システム、貨物センサーからテラバイトの運用データを生成します。しかし、海上の接続コストは1ギガバイトあたり数千ドルです。船会社は、船上にエッジサーバーを配置して、このデータをローカルで処理し、予測メンテナンスモデルを実行して、船が港に着く前にエンジン故障を防いでいます。AIは、クラウドが届かない場所に船とともに移動します。これらはR&Dの実験ではありません。エッジでのコンピューティングによって解決された運用上の問題です。3階層アーキテクチャ企業のインフラストラクチャが向かっている場所を理解するには、ポケットの中の電話を見てみましょう。 Apple Intelligence は、主流に3階層のコンピューティングモデルを導入しました——速度のためのデバイス上の処理、より重いタスクのためのプライベートコンピューティング層、そしてクラウドでの広範な知識。産業環境は、このアーキテクチャを採用しています——便宜上ではなく、物理法則上です。新しい人間型ロボットの波を考えてみましょう。これらのマシンはバッテリーで動作します。彼らは背中にスーパーコンピューターを運べません。クラウドにも、分割秒の安全性の決定を依存できません。代わりに、重要な「中間層」に依存しています—— デバイス(ロボット)——即時の動きと安全性をローカルで処理します。 プライベートエッジ——工場の床にあるローカルサーバーは、重い推論と機器の調整を処理します。 クラウド——トレーニングとグローバルソフトウェア更新のために予約されています。 2010年代はクラウドファーストでした。2030年代はエッジファースト——必要に応じてクラウドです。このアーキテクチャは、実際の制約を解決します。ロボットはバッテリーで動作し、重い計算負荷を背負うことができません。工場の床には、クラウドの待ち時間で提供できないミリ秒の応答時間が必要です。病院の患者データは、規制上のコンプライアンスのためにオンプレミスで保持する必要があります。中間層は、重い推論作業、デバイスの調整、ローカル運用とグローバルシステムのバッファーを処理します。ローカルデータセンターを1つのサーバーラックに圧縮し、パブリックインターネットに接続せずにテラバイトを処理します。ロボットが安全性のマニューバを実行する必要がある場合、ローカルで処理します。ロボットがその日の運用に基づいてナビゲーションモデルを更新する必要がある場合、エッジサーバーがそれを処理します。メーカーが新しい機能をリリースする場合、クラウドがそれをプッシュダウンします。各層は、最も適切なものを実行します。「ダイヤルアップ」時代の終わりこれらのアーキテクチャの変化にもかかわらず、現場の現実はまだ混沌としています。物理AIは現在、「ダイヤルアップ」時代にあります。運用リーダーは、「ブラックボックス」——人数カウント、ビデオ分析、またはセンサーが互いに話しかけない専用デバイス——に悩まされています。これは、電子メール、地図、写真用の別々のデバイスを携帯するのと同じです。現在、20,000以上のロケーションを持つ組織が、このパッチワークを統一されたエッジプラットフォームに置き換えて、新しいアプリケーションをハードウェアプロジェクトではなくソフトウェア更新としてロールアウトできるようになっています。同時に、StarlinkのようなLEO衛星ネットワークは、接続の死角を排除しています。発展途上国が固定電話を飛ばしてモバイルに直接行くように、海事、鉱業、鉄道などの業界は、中央集権型のクラウドアーキテクチャを完全に飛ばして、分散型のエッジAIに直接移行しています。彼らの運用の物理法則がそれを要求しているからです。投資のパラドックス物理AIには「ChatGPTの瞬間」はありません。あり得ません。生成AIのミスは、ウイルスのスクリーンショットです。物理AIのミスは、安全性のハザードです。これが、ここでの進歩が急速ではなくて緩やかである理由です。Waymoは、主要都市に拡大する前に10年以上のテストとシミュレーションに費やしました。ヘルスケアでは、スキャンを分析するAIは、FDAの承認が必要な医療機器です。安全性や成熟度はダウンロードできない。彼らはそれを獲得する必要があります。投資のパラドックスは、単純です——華麗な消費者向けAIが見出しの中心ですが、運用AIが経済の中心です。2030年代は、最もウイルス的なモデルを持つ会社に属するのではなく、どこでも必要なところに知恵を配備できる会社に属することになります。あなたが世界中のどこでもSonny’sの技術によって動かされるカーワッシュに車を入れてシステムがあなたの車両を認識し、自然に話しかけてくるのを見たとき、見せかけの技術だと思わないでください。見せかけの技術ではなく、ブループリントです。それがインフラストラクチャです。今日それを構築している会社が、次の10年の競争的堀を築いています。
私たちは、ChatGPTがナポレオンが電子レンジを発明したと自信を持って言うのを笑い飛ばします。しかし、AIが手術ロボット、自律走行車、または産業システムを制御する場合、妄想の余地はありません。精度が重要です。これは、AIを構築して展開する方法を再考する上で、実際的な課題を生み出します。 物理AIに取り組むほとんどの組織は、根本的な間違いを犯しています。彼らは、デジタルAI戦略を物理AIの課題に適用しています。そうはなりません。物理AIは、デジタルAIとは異なるインフラストラクチャ、異なるタイムライン、異なるビジネスモデルを必要とします。 私は、石油田から小売店まで、企業がAIを展開するのを手伝ってきました。成功する企業は、単に技術を交換しているのではなく、展開の意味について完全に異なる一連の仮定で動作しています。 話し手が誰も語らないインフラストラクチャの現実 物理AIについて多くの人が見落としていることの1つは、クラウド上で実行されないということです。実行できないのです。 ロボティクス企業が私にアーキテクチャを説明するとき、図はしばしば伝統的なITリーダーを驚かせます。ロボットは基本的な機能をローカルで処理します。同じ施設内のエッジコンピューターが複雑な決定を処理します。クラウドはトレーニングと更新を管理します。これは、企業がインフラストラクチャを根本から再考することを強いられる、分散型アプローチです。 カーワッシュは伝統的にハイテク企業ではありませんが、一部のオペレーターは、予測メンテナンス、車両認識のためのコンピュータビジョン、会話型カスタマーインターフェイスにAIを使用しています。これらのシステムは、クラウド接続が十分に信頼できるものではないため、ローカル処理とリアルタイム応答が必要です。 NVIDIAの新しいJetson Thorチップは、ここでの方向性を示しています。コンパクトなエッジデバイスにデータセンター級のパワーを搭載しています。これは、便利な機能ではありません。これがシステムを動かすものです。 新しい標準は、3層に似ています。デバイスは即時の応答を処理します。ローカルエッジシステムは、デバイスのグループの重い決定を管理します。クラウドはトレーニングを処理します。大多数の組織はまだクラウドファーストの思考をしています。この思考パターンはあなたを遠くまで連れて行きません。 エンタープライズ展開が異なる理由 デジタルAIは、ユーザーの採用と精度の向上に焦点を当てています。物理AIは、分散型インフラストラクチャの管理、安全性のコンプライアンスの確保、従来のITサポートが存在しない環境での運用の維持が必要です。 ヘルスケア展開の現実を見てみましょう。生成的なAIは医療スキャンを非常に高い精度で分析できますが、HIPAAルールにより、患者データは病院の敷地内から出ることはできません。医療用画像ファイルは、サイズが数十GBから数百GBになることが多いため、クラウドへのアップロードと処理は実用的ではありません。病院は、機密データをローカルで処理しながら、クラウドグレードの分析を提供できるシステムが必要です。 障害は技術的なものだけではありません。私たちの最近の調査によると、37%のエンタープライズCIOは、人材不足をトップの課題として挙げています。これらは通常のAIスキルではありません。AI、エッジコンピューティング、セキュリティ、業界固有の規制の交差点での専門知識が必要です。5年前には存在しなかったスキルです。 タイムラインも異なります。デジタルAIアプリケーションは迅速に展開および反復されます。物理AIシステムは、広範なテスト、規制承認、安全性の検証を必要とします。自律走行車は10年以上の開発の後でも、限定された領域でのみ運行されています。 AIが物理システムを制御する場合、失敗はユーザーエクスペリエンスの悪さではありません。それは安全性、コンプライアンス、安定性の問題です。 「ブラックボックス」問題を超えて 伝統的なエンタープライズAIは、ベンダー固有のハードウェアソリューションを伴うことがよくあります。一人の小売技術エグゼクティブは、それらを「自分で魔法のようなウィジェットを実行するブラックボックス」と表現しました。結果として、企業はさまざまなAIアプリケーションを管理するための頭痛を抱えることになります。各AIアプリケーションには独自のハードウェアとセキュリティ上の課題があります。 主要な企業は、プラットフォームアプローチに移行しています。複数のAIワークロードを共有インフラストラクチャ上で実行します。各AIユースケースに新しいアプライアンスを購入するのではなく、モデルをアプリケーションとして統一されたエッジシステムに展開します。 小売業者はすぐに魅力を感じます。彼らは、在庫管理のためのコンピュータビジョン、HVACおよび冷蔵システムの予測分析、AIパワードのカスタマーサービスに必要な場合があります。3つの別々のシステムを実行するのではなく、すべてを共有インフラストラクチャに統合し、中央管理します。 ITリーダーは違いを認識しています。アプリケーションを管理することは、ボックスを扱うことよりも優れています。 投資の現実チェック 広範囲にわたる熱狂にもかかわらず、ほとんどのAI投資はROIの測定に苦労しています。生成的なAIアプリケーションは、比較的簡単に展開できますが、知識労働者の生産性への影響を測定することは難しい課題です。 物理AIは、異なる価値提案を提示します。展開の障壁は高いです。分散型インフラストラクチャ、安全性の検証、規制コンプライアンスが必要です。しかし、潜在的なリターンはより具体的です。サプライチェーンの最適化、機器の稼働率、労働者の安全性の向上は、運用および財務上の観点から直接測定できます。 この測定可能性の違いは、企業の予算が変化する理由を説明するかもしれません。2025年には、90%の組織がエッジコンピューティングへの投資を増やし、約3分の1の組織が支出を25%以上増やします。これらの投資は、物理AIが複雑であるにもかかわらず、より明確なビジネスへの影響の道筋を提供することを認識したものです。 競争の機会は閉じている...