Środek ciężkości AI się przesuwa, a tak samo pieniądze

Wyobraź sobie centrum obsługi AI jednego z największych producentów samochodów na świecie. System działa pięknie. W momencie, gdy samochód wjeżdża do bazy, mechanik AI już wykonał swoją pracę, przeszukując ogromne ilości danych pojazdu, aby wykryć dokładną konfigurację, której potrzebuje.

Te eleganckie aplikacje krawędziowe zajęły małej armii inżynierów trzy lata pracy. Działały w 10 salonach.

Gdy nadszedł czas, aby je skalować do 12 000 lokalizacji, zespół odkrył to, czego każda firma wdrożeniowa AI ostatecznie się uczy: budowanie aplikacji jest łatwą częścią. Skalowanie jej do tysięcy lokalizacji wymaga infrastruktury, której większość branży wciąż się uczy.

To rozdzielenie między budowaniem czegoś inteligentnego a jego wdrożeniem tam, gdzie dzieje się biznes, jest definiującym wyzwaniem AI w tej chwili. I zmienia to, gdzie następna fala inwestycji technologicznych jest skierowana.

ZMiana zakładu chmury

Przez około 20 lat podręcznik oprogramowania dla przedsiębiorstw był prosty: przenieść wszystko do chmury. Zcentralizować dane i aplikacje oraz kontrolę. Działało to wspaniale w przypadku zarządzania przepływem pracy, a inwestorzy nagrodzili to hojnie.

Jednak ekonomika się zmienia. Współczynniki przychodu SaaS, które osiągnęły szczyt w okolicach 18-20x podczas pandemii, ustabilizowały się na poziomach niewidzianych od 2016 roku. Mediana wzrostu przychodu dla publicznych firm SaaS spadła do około 12% pod koniec 2025 roku. Inwestorzy nie stracili jeszcze zainteresowania oprogramowaniem, ale zaczęli zadawać trudniejsze pytanie: gdzie AI naprawdę generuje zwroty?

Coraz częściej odpowiedź brzmi: nie w chmurze.

Pułapka inteligencji

Globalne inwestycje w AI mają sięgnąć 2,5 biliona dolarów do końca 2026 roku. Cztery największe amerykańskie firmy technologiczne same są na drodze do wydania około 725 miliardów dolarów na wydatki inwestycyjne w tym roku, co oznacza wzrost o 77% w stosunku do roku poprzedniego, i jest to największy roczny budżet infrastrukturalny w historii technologii. Pieniądze te płyną w przeważającej mierze do infrastruktury chmury w celu wsparcia centrów danych, GPU i klastrów szkoleniowych.

Większość danych operacyjnych na świecie nie jest generowana w centrach danych. Jest generowana w placówkach handlowych, na podłogach fabrycznych, na platformach wiertniczych, w szpitalach, na statkach i w sieciach energetycznych. W tych środowiskach decyzje muszą być podejmowane w milisekundach, a wysyłanie danych do oddalonych serwerów po prostu nie jest wykonalne.

Często widzę to w swojej pracy z przedsiębiorstwami. Firma naftowa i gazowa może spędzić miesiące na budowaniu modelu predykcyjnego do optymalizacji odwierconej, a następnie zapakować go do ogromnego pliku danych, wysłać go na odległą placówkę i mieć nadzieję, że działa. Detalista może opracować AI do zarządzania zapasami, aby odkryć, że wdrożenie go w tysiącach sklepów jest całkowicie innym problemem niż budowanie samego modelu.

Inteligencja jest skutecznie uwięziona w chmurze. Świat fizyczny nie czeka na podróż tam i z powrotem.

Gdzie naprawdę idą pieniądze

Jensen Huang nazywa to “fizyczną AI“. Qualcomm (QCOM ) określa to jako AI na krawędzi staje się niezbędne. Gdy dwie firmy, które najbardziej rozumieją ekonomię sprzętu AI, wskazują w tym samym kierunku, to jest coś, na co warto zwrócić uwagę.

Ta zmiana już się dzieje na gruncie. Przedsiębiorstwa z sektorów naftowego i gazowego, motoryzacyjnego, handlowego i przemysłowego już uruchamiają obciążenia AI na krawędzi. Wiedzą, że AI na krawędzi działa, ale mają trudności ze skalowaniem. Zarządzanie tysiącami wdrożeń w różnych środowiskach sprzętowych i aktualizowanie modeli w terenie bez zakłócania operacji stanowi ogromne wyzwanie.

Przypadek inwestycyjny jest prosty: gdy AI musi działać autonomicznie – inspekcja produktów na linii produkcyjnej, zarządzanie wydajnością energetyczną na farmie wiatrowej, koordynowanie systemów autonomicznych w sieci logistycznej – musi działać tam, gdzie dzieje się akcja.

Od aplikacji do agentów

Inna zmiana zachodzi pod infrastrukturą, i może okazać się, że ma to jeszcze większe znaczenie.

Agenci zmieniają tradycyjną sztywność aplikacji przedsiębiorstw. Agent nie jest statycznym kodem, który robi jedną rzecz. Jest to system, który może rozumieć, interpretować nieustrukturyzowane dane i podejmować decyzje bez wyraźnego programowania dla każdego scenariusza. Zamiast budować aplikację na zamówienie do monitorowania jakości na linii produkcyjnej, wdrożysz agenta, który interpretuje strumienie wideo, identyfikuje wady i sygnalizuje problemy, dostosowując się do zmian warunków. Zamiast kodować system predykcyjnego utrzymania od podstaw dla każdego typu urządzenia, wdrożysz model, który przetwarza dane sensoryczne i podejmuje decyzje w czasie rzeczywistym.

Gdzie wcześniej budowanie aplikacji krawędziowych zajmowało lata i zespoły deweloperów, agenci mogą skrócić ten czas dramatycznie.

Dlaczego to nie jest proste

Jednak jak w większości przypadków, diabeł tkwi w szczegółach. Gdy osobisty agent AI popełnia błąd, wysyła niewygodną wiadomość e-mail. Gdy agent przemysłowy popełnia błąd, może zatrzymać linię produkcyjną lub stworzyć zagrożenie bezpieczeństwa. Ta sama jakość, która sprawia, że agenci AI są elastyczni i potężni, jest dokładnie tym, co sprawia, że przedsiębiorstwa są ostrożne w wdrożeniu ich w środowiskach krytycznych dla bezpieczeństwa.

Samą wrażliwość IP jest oszałamiająca. Firma świadcząca usługi energetyczne, która przez dekadę gromadziła dane operacyjne, aby zbudować system optymalizacji wierceń, stworzyła coś niezastąpionego. Jeśli ten agent zostanie naruszony, konkurent skutecznie nabywa lata wiedzy instytucjonalnej za jednym razem. Akt unijny o odporności cybernetycznej i ewoluujące ramy NIST próbują rozwiązać te ryzyka, ale infrastruktura technologiczna do egzekwowania barier na krawędzi wciąż jest budowana.

Bezpieczeństwo i zarządzanie nie są funkcjami dla ery AI na krawędzi. Są fundamentem.

Następna budowa infrastruktury

Każda główna era komputowania była definiowana przez budowę infrastruktury. Era komputera osobistego zbudowała sieci lokalne i biurka. Era chmury zbudowała centra danych i platformy SaaS. Era AI buduje infrastrukturę do uruchamiania inteligencji w świecie fizycznym.

Firmy i inwestorzy, którzy rozpoznają tę zmianę wcześnie, będą dobrze przygotowani do następnej dekady. Oznacza to nie tylko inwestowanie w możliwości AI, ale także w infrastrukturę orchestracji, bezpieczeństwa i wdrożenia, która zmienia zdolny model w niezawodny system przemysłowy.

Wartość nie leży w następnym czacie lub w następnym modelu hostowanym w chmurze. Leży w infrastrukturze, która sprawia, że AI jest operacyjne w skali w fabryce, na polu naftowym, w sieci handlowej i wszędzie tam, gdzie świat fizyczny generuje dane, których nie można pozwolić sobie na oczekiwanie.

Gdzieś teraz inna firma stoi tam, gdzie stał ten producent samochodów, z genialną aplikacją działającą w garstce miejsc, patrząc na przepaść między pilotem a skalą. Ci, którzy pokonają tę lukę, zbudują przyszłe przewagi konkurencyjne.