AI의 중추는 이동하고 있으며 돈도 그와 함께 이동하고 있다

세계에서 가장 큰 자동차 제조업체 중 하나의 AI를 사용한 서비스 센터를 상상해 보십시오. 시스템은 아름답게 작동합니다. 자동차가 베이에 들어가면 AI 메커니즘은 이미 그 작업을 수행하기 위해 필요한 서비스 구성에 대한 정확한 데이터를 수면 위로 올립니다.

이러한 우아한 에지 애플리케이션은 3년 동안 수많은 엔지니어들이 개발하여 10개의 대리점에서 작동했습니다.

이를 12,000개의 위치로 확장할 때가 되자 팀은 에지 AI를 배포하는 모든 기업이 결국 배우는 것을 발견했습니다. 애플리케이션을 구축하는 것은 쉬운 부분입니다. 그것을 수천 개의 위치로 확장하는 것은 대부분의 산업이 여전히 풀어 가고 있는 인프라를 필요로 합니다.

어떤 것을 지능 있게 구축하는 것과 실제로 비즈니스에서 발생하는 곳에 배포하는 것 사이의 간격은 현재 AI의 정의하는 도전입니다. 그리고 그것은 기술 투자의 다음 물결이 향하는 곳을 재정의하고 있습니다.

클라우드 베팅이 바뀌고 있다

대략 20년 동안 기업 소프트웨어 플레이북은 간단했습니다. 모든 것을 클라우드로 이동하고 데이터와 애플리케이션 및 제어를 중앙화합니다. 그것은 워크플로우를 관리하는 데 훌륭하게 작동했으며 투자자들은 그것을 호의적으로 보상했습니다.

그러나 경제는 변하고 있습니다. SaaS 수익 배수는 전염병 期에 18-20배에 달했지만 2016년 이후로 본 적 없는 수준으로 정착했습니다. 공공 SaaS 회사에 대한 중간 수익 성장은 2025년 말까지 약 12%로 떨어졌습니다. 투자자들은 여전히 소프트웨어에 관심을 잃지 않았지만 더 어려운 질문을 시작했습니다. AI는 실제로 어디에서 수익을 생성합니까?

점점 더 많은 경우에 그 답은 클라우드가 아닙니다.

지능의 함정

전 세계 AI 투자는 2026년 말까지 $2.5 트릴리언에 달할 것으로 예상됩니다. 미국의 4대 기술 회사만이 올해 자본 지출에 약 7250억 달러를 지출할 예정이며 이는 기술의 역사에서 가장 큰 단년 인프라 구축입니다. 그 돈은 대부분 클라우드 인프라에 흐르고 있으며 데이터 센터, GPU 및 훈련 클러스터를 지원합니다.

그러나 세계의 대부분의 운영 데이터는 데이터 센터에서 생성되지 않습니다. 그것은 소매 점, 공장 바닥, 유정, 병원, 선박 및 에너지 그리드에서 생성됩니다. 이러한 환경에서 결정은 밀리초 안에 발생해야 하며 데이터를 먼 서버로 보내기에는 비용이 많이 듭니다.

나는 기업과 함께 일하면서 이것을 끊임없이 봅니다. 유정 최적화를 위한 예측 모델을 구축하기 위해 10개월 동안 작업한 유전 가스 회사에서 해당 에이전트를 패키지화하여 원격 사이트로 보내고 작동하기를 바랍니다. 소매업체는 재고 관리를 위한 AI를 개발하고 있지만 수천 개의 매장에 배포하는 것은 모델 자체를 구축하는 것과는 완전히 다른 문제임을 알게 됩니다.

지능은 효과적으로 클라우드에 갇혀 있습니다. 물리적 세계는 왕복을 기다리지 않습니다.

돈이 실제로 어디로 가고 있는가

Jensen Huang는 이를 “물리적 AI“라고 부릅니다. Qualcomm은 에지에서 AI가 “필수적“이 되고 있다고 설명합니다. 두 회사가 모두 같은 방향을 가리키고 있다면 그것은 주목할 만한 가치가 있습니다.

이 시프트는 이미 현장에서 발생하고 있습니다. 유전 가스, 자동차, 소매 및 산업 부문의 기업은 이미 에지에서 AI 워크로드를 실행하고 있습니다. 그들은 에지 AI가 작동한다는 것을 알고 있지만 그것을 확장하는 방법에 어려움을 겪고 있습니다. 다양한 하드웨어 및 환경에서 수천 개의 배포를 관리하고 운영을 중단하지 않고 필드에서 모델을 업데이트하는 것은 엄청난 도전입니다.

투자 사례는 간단합니다. AI가 자율적으로 작동해야 할 때 – 제조 라인에서 제품을 검사하거나 풍차에서 에너지 출력을 관리하거나 로직스 네트워크에서 자율 시스템을 조정해야 할 때 – 그것은 행동이 발생하는 곳에서 실행되어야 합니다.

애플리케이션에서 에이전트로

인프라 이야기에 대한 또 다른 변화를 발생시키고 있으며 그것은 더 중요할 수 있습니다.

에이전트는 전통적인 기업 애플리케이션의剛性을 변경하고 있습니다. 에이전트는 정적 코드가 아닙니다. 그것은 이유를 제공하고 구조화되지 않은 데이터를 해석하며 명시적으로 프로그래밍되지 않은 모든 시나리오에서 작동할 수 있는 시스템입니다. 제조 라인에서 품질을 모니터링하는 맞춤형 애플리케이션을 구축하는 대신 비디오 피드를 해석하고 결함을 식별하고 문제를 플래그하는 에이전트를 배포합니다. 각 장비 유형에 대한 예측 유지 보수 시스템을 처음부터 코딩하는 대신 센서 데이터를 처리하고 실시간으로 결정하는推論 모델을 배포합니다.

에이전트는 에지 애플리케이션을 구축하는 데 걸리는 시간을 크게 줄일 수 있습니다.

왜 이것이 간단하지 않은가

그러나 대부분의 경우와 마찬가지로 악마는 세부 사항에 있습니다. 개인용 AI 에이전트가 실수를 저지를 때, 그것은 어색한 이메일을 보냅니다. 산업용 에이전트가 실수를 저지를 때, 그것은 생산 라인을 중단하거나 안전 위험을 초래할 수 있습니다. AI 에이전트가 유연하고 강력하게 만드는 동일한 품질이 기업이 안전에 중요한 환경에서 배포하는 것을 주저하게 만듭니다.

지적 재산의 민감성만으로도 압도적입니다. 자율 드릴 최적화를 위한 시스템을 구축하기 위해 10년 동안 운영 데이터를 수집한 에너지 서비스 회사에서 무언가를 대체할 수 없는 것을 만들었습니다. 해당 에이전트가 손상되면 경쟁사가 즉시 기관의 지식을 얻을 수 있습니다. EU의 サイバー リジリエンス법 및 발전하는 NIST 프레임워크는 이러한 위험을 해결하기 위해 움직이고 있지만 에지에서 가드레일을 시행하는 기술 인프라는 여전히 구축되고 있습니다.

보안 및 거버넌스는 에지 AI 시대의 기능이 아닙니다. 그것은 기초입니다.

다음 인프라 구축

컴퓨팅의 모든 주요 시대는 인프라 구축으로 정의되었습니다. PC 시대는 로컬 네트워크와 데스크톱을 구축했습니다. 클라우드 시대는 데이터 센터와 SaaS 플랫폼을 구축했습니다. AI 시대는 물리적 세계에서 지능을 실행하는 인프라를 구축하고 있습니다.

이 변화를 일찍 인식하는 회사와 투자자는 다음 10년 동안 위치할 것입니다. 즉, AI 기능에만 투자하는 것이 아니라 에이전트를 신뢰할 수 있는 산업 시스템으로 만드는 오케스트레이션, 보안 및 배포 인프라에 투자하는 것입니다.

가치는 다음 챗봇이나 클라우드 호스팅 모델에 있지 않습니다. 그것은 공장, 유정, 소매 네트워크 및 물리적 세계에서 데이터를 기다릴 수 없는 모든 곳에서 AI를 대규모로 운영할 수 있는 인프라에 있습니다.

어디선가 다른 회사가 그 자동차 제조업체와 같은 위치에 서 있으며 수십 곳의 사이트에서 실행되는 훌륭한 애플리케이션을 가지고 있으며 파일럿과 규모 사이의 간격을 응시하고 있습니다. 그 간격을 메우는 사람은 다음 10년의 경쟁 우위를 구축할 것입니다.

물리적 세계는 기다릴 수 없는 데이터를 생성합니다. 어딘가에서 현재 다른 회사가 그 자동차 제조업체와 같은 위치에 서 있으며 수십 곳의 사이트에서 실행되는 훌륭한 애플리케이션을 가지고 있으며 파일럿과 규모 사이의 간격을 응시하고 있습니다. 그 간격을 메우는 사람은 다음 10년의 경쟁 우위를 구축할 것입니다.