2030年代はエッジで動かされる：次の10年のコンピューティングが今始まる理由

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。