De jaren 2030 worden aangedreven door Edge: waarom het volgende decennium van computing nu begint

Als je de toekomst van AI wilt zien, vergeet dan de serverboerderijen in Noord-Virginia of de startup-incubators in San Francisco. Ga naar een carwashbedrijf net buiten Fort Lauderdale.

De intelligentie die de operatie uitvoert, komt van een bedrijf dat je misschien niet kent, tenzij je in de carwashbranche zit, waar ze een industrieleider zijn – Sonny’s The CarWash Factory. Sonny’s is de grootste fabrikant van geconveyorde carwashapparatuur – een bedrijf dat traditioneel wordt gedefinieerd door borstels, zeep en riemen, niet door code. Toch vervangen ze over duizenden locaties decennialange sonar door computervisie om voertuigen in milliseconden te meten, gebruiken ze nummerplaatherkenning voor instant loyalty-inschrijving en testen ze conversational AI bij de drive-up kiosk.

Terwijl miljarden dollars achter de volgende ChatGPT-achtige producten aangaan – investeringen die veel analisten waarschuwen dat deze al de werkelijke adoptie overtreffen – vindt er een stille revolutie plaats in parkeerterreinen, fabrieksvloeren, schepen op zee en hospitalen.

We zien een bifurcatie. Aan de ene kant is er Consumer AI: flashy, gesubsidieerd en operationeel duur. Aan de andere kant is er Physical AI: onopvallend, geworteld in harde ROI en al operationele processen in industrieën die geen vertraging of downtime kunnen veroorloven.

Deze splitsing zal het komende decennium definiëren. Als de jaren 2010 gingen over het verbinden van apparaten (IoT) en de jaren 2020 over het verwerken van gegevens waar ze ontstaan (edge computing), zullen de jaren 2030 over het acteren op die gegevens gaan. Dit is de era van Edge AI.

Innovatie op onverwachte plaatsen

Voor industrieën die zijn geworteld in fysieke goederen, is de cloud vaak te ver weg – letterlijk en operationeel.

Neem de retailmarkt, bijvoorbeeld. Elke winkel worstelt met de kloof tussen voorraadrecords en de realiteit. Kleding wordt verplaatst, geprobeerd en verloren, waardoor traditionele databases binnen enkele minuten verouderd raken. Maar sommige bedrijven gaan naar een model waarin de winkel zelf de database wordt. Plafondmontage RFID-scanners volgen kleding in real-time – identificeren wat een paskamer is binnengegaan, wat nooit is vertrokken en waar een specifieke maat is geëindigd. Ze zijn niet alleen records bijwerken; ze digitaliseren fysieke ruimte in real-time – iets wat alleen lokale verwerking mogelijk maakt.

De gezondheidszorg volgt een soortgelijk pad. Moderne CT- en MRI-scans genereren gigabytes per patiënt – gegevens die te zwaar en te gevoelig zijn om constant naar de cloud te verzenden. Het antwoord is niet een grotere pijp; het is het brengen van AI naar de scanner. Ziekenhuizen beginnen lokaal inferentie uit te voeren, houden patiëntgegevens op het terrein terwijl ze diagnostische inzichten in seconden leveren.

De maritieme industrie heeft soortgelijke beperkingen. Containerschepen genereren terabytes aan operationele gegevens van motoren, navigatiesystemen en cargosensoren. Maar mid-oceanconnectiviteitskosten bedragen duizenden dollars per gigabyte. Scheepvaartmaatschappijen implementeren edge-servers aan boord om deze gegevens lokaal te verwerken, voeren voorspellende onderhoudsmodellen uit die motorstoringen voorkomen voordat schepen de haven bereiken. De AI reist met het schip omdat de cloud gewoon niet zo ver reikt.

Dit zijn geen R&D-experimenten. Dit zijn operationele problemen die zijn opgelost door computing aan de rand.

De drie-laagse architectuur

Om te begrijpen waar de ondernemingsinfrastructuur naartoe gaat, kijk naar de telefoon in uw zak. Apple Intelligence introduceerde de mainstream aan een drie-laagse compute-model: on-device-verwerking voor snelheid, een privé-computelaag voor zwaardere taken en de cloud voor brede kennis. Industriële omgevingen nemen deze exacte architectuur over – niet voor gemak, maar voor fysica.

Denk aan de nieuwe golf van humanoïde robotica. Deze machines draaien op batterijen; ze kunnen geen supercomputers op hun rug dragen, noch kunnen ze op de cloud vertrouwen voor split-second veiligheidsbeslissingen. In plaats daarvan vertrouwen ze op een kritische “middelste laag”:

• Apparaat (De Robot): behandelt onmiddellijke beweging en veiligheid lokaal.

• Privé Edge: een lokale server op de fabrieksvloer behandelt zware inferentie en vlootcoördinatie.

• Cloud: is gereserveerd voor training en wereldwijde software-updates.

De jaren 2010 waren Cloud First. De jaren 2030 zullen Edge First zijn – met cloud wanneer nodig.

Deze architectuur lost echte beperkingen op. Robots draaien op batterijen en kunnen geen zware compute-lasten dragen. Fabrieksvloeren hebben milliseconde-responstijden nodig die cloudlatentie niet kan leveren. Patiëntgegevens in ziekenhuizen moeten on-premises blijven voor regelgevingscompliance. De middelste laag behandelt het zware inferentiewerk, coördineert vloten van apparaten en fungeert als buffer tussen lokale operaties en wereldwijde systemen. Denk eraan als een lokale datacenter dat is samengeperst in één serverrack, dat terabytes verwerkt zonder ooit de openbare internet te raken. Wanneer de robot een veiligheidsmanoeuvre moet uitvoeren, verwerkt hij lokaal. Wanneer hij zijn navigatiemodel moet bijwerken op basis van de operaties van de dag, behandelt de edge-server dat ‘s nachts. Wanneer de fabrikant een nieuwe functionaliteit vrijgeeft, duwt de cloud deze omlaag. Elke laag doet wat hij het beste kan.

Het einde van de “dial-up”-era

Ondanks deze architectonische verschuivingen blijft de realiteit op de grond rommelig. Fysieke AI is momenteel in zijn “dial-up”-era. Operationele leiders worden geplaagd door “black boxes” – propriëtaire apparaten voor mensen tellen, video-analyse of sensoren die niet met elkaar praten. Het is het equivalent van het dragen van een apart apparaat voor e-mail, kaarten en foto’s.

We zien nu organisaties met 20.000+ locaties deze patchwork vervangen door unified edge-platforms, waardoor ze nieuwe toepassingen kunnen uitrollen als software-updates in plaats van hardwareprojecten.

Tegelijkertijd elimineren LEO-satellietnetwerken zoals Starlink connectiviteitsdode zones. Net zoals opkomende economieën landlijnen oversloegen om rechtstreeks naar mobiel te gaan, slaan industrieën zoals maritiem, mijnbouw en spoorwegen centrale cloud-architecturen helemaal over. Ze gaan rechtstreeks naar gedistribueerde edge-AI omdat de fysica van hun operaties dit vereist.

De investeringsparadox

Fysieke AI zal nooit een “ChatGPT-moment” hebben. Dat kan niet. Een fout in generatieve AI is een virale screenshot; een fout in fysieke AI kan een veiligheidsrisico zijn.

Dit is waarom de vooruitgang hier gestaag is in plaats van explosief. Waymo besteedde meer dan een decennium aan testen en simulatie voordat het zich uitbreidde naar grote steden. In de gezondheidszorg is een AI die scans analyseert een medisch apparaat dat FDA-goedkeuring vereist. Je kunt veiligheid of volwassenheid niet downloaden. Je moet het verdienen.

De investeringsparadox is eenvoudig: flashy consumer-AI domineert de headlines, maar operationele AI domineert de economie. De jaren 2030 zullen niet toebehoren aan de bedrijven met de meest virale modellen, maar aan die welke intelligentie overal kunnen inzetten waar het nodig is.

Wanneer je naar die carwash rijdt die is aangedreven door Sonny’s technologie, overal ter wereld, en het systeem herkent je voertuig en spreekt met je op een natuurlijke manier, zie het dan niet als een parlor trick. Zie het als een blauwdruk. Dat is infrastructuur. En de bedrijven die dit vandaag aan het bouwen zijn, bouwen de concurrentiële sloten van het volgende decennium.