Центр тяжести ИИ смещается, и вместе с ним смещаются деньги

Представьте себе центр обслуживания, оснащенный ИИ, одного из крупнейших автопроизводителей в мире. Система работает прекрасно. Как только машина въезжает в гараж, ИИ-механик уже сделал свою работу, просеяв через огромное количество данных о транспортном средстве, чтобы определить необходимую конфигурацию обслуживания.

Эта элегантная приложение на краю сети заняло у небольшой армии инженеров три года. Оно работало на 10 дилерских центрах.

Когда настало время масштабировать его до 12 000 мест, команда обнаружила, что такое же явление происходит и у других предприятий, разрабатывающих ИИ на краю сети: построение приложения – это простая часть. Масштабирование его до тысяч мест требует инфраструктуры, которую большинство отрасли еще только осваивает.

Этот разрыв между созданием чего-то умного и фактической установкой его там, где происходит бизнес, является определяющей проблемой ИИ в настоящее время. И это меняет направление следующей волны технологических инвестиций.

СТАВКА НА ОБЛАКО МЕНЯЕТСЯ

Примерно 20 лет подряд стратегия разработки корпоративного программного обеспечения была простой: переместить все в облако. Централизовать данные и приложения, и осуществлять контроль. Это работало блестяще для управления рабочими процессами, и инвесторы щедро вознаграждали это.

Но экономика меняется. Коэффициенты выручки SaaS, которые достигли пика около 18-20 раз во время пандемии, снизились до уровней, не наблюдаемых с 2016 года. Средний темп роста выручки для публичных компаний SaaS снизился до примерно 12% к концу 2025 года. Инвесторы все еще не потеряли интерес к программному обеспечению, но они начали задавать более сложный вопрос: где ИИ фактически генерирует доход?

Все чаще ответ заключается в том, что это не в облаке.

ЛОВУШКА ИНТЕЛЛЕКТА

Глобальные инвестиции в ИИ, как ожидается, достигнут 2,5 триллиона долларов к концу 2026 года. Четыре крупнейшие технологические компании США одни планируют потратить приблизительно 725 миллиардов долларов на капитальные расходы в этом году, что на 77% больше, чем в прошлом году, и это будет крупнейшая однолетняя инфраструктурная стройка в истории технологий. Эти деньги в подавляющей степени идут в облачную инфраструктуру для поддержки центров данных, GPU и кластеров обучения.

Но большинство операционных данных в мире не генерируются в центрах данных. Они генерируются в розничных магазинах, на заводских площадках, на нефтяных вышках, внутри больниц, на судах и по всей энергосистеме. В этих средах решения должны приниматься за миллисекунды, и отправка данных на удаленный сервер просто нецелесообразна.

Я постоянно сталкиваюсь с этим в своей работе с предприятиями. Компания по добыче нефти и газа может потратить месяцы на построение прогностической модели для оптимизации скважин, затем упаковать ее в огромный файл данных, отправить его на удаленный сайт и надеяться, что это сработает. Розничный продавец может разработать ИИ для управления запасами, только чтобы обнаружить, что его внедрение в тысячи магазинов – это совершенно другая проблема, чем построение модели.

Интеллект фактически содержится в плену в облаке. Физический мир не ждет полного круга.

ГДЕ ФАКТИЧЕСКИ ИДУТ ДЕНЬГИ

Дженсен Хуанг называет это “физическим ИИ“. Qualcomm определяет его как ИИ на краю сети, становящийся необходимым. Когда две компании, которые, возможно, лучше всего понимают экономику ИИ-аппаратуры, указывают в одном направлении, это стоит того, чтобы обратить на это внимание.

Этот сдвиг уже происходит на местах. Предприятия из нефтяной и газовой, автомобильной, розничной и промышленной сфер уже запускают рабочие нагрузки ИИ на краю сети. Они знают, что ИИ на краю сети работает, но борются с тем, как его масштабировать. Управление тысячами развертываний в различных аппаратных и программных средах и обновление моделей в поле без нарушения работы представляет собой огромную проблему.

Инвестиционный случай прост: когда ИИ должен работать автономно – осматривать продукты на производственной линии, управлять энергопотреблением на ветроэлектростанции, координировать автономные системы по логистической сети – ему нужно работать там, где происходит действие.

ОТ ПРИЛОЖЕНИЙ К АГЕНТАМ

Происходит еще один сдвиг под инфраструктурной историей, и он может оказаться еще более важным.

Агенты меняют традиционную жесткость корпоративных приложений. Агент – это не статический код, который делает что-то одно. Это система, которая может рассуждать, интерпретировать неструктурированные данные и принимать решения без явной программы для каждого сценария. Вместо того, чтобы строить индивидуальное приложение для мониторинга качества на производственной линии, вы развертываете агента, который интерпретирует видеопотоки, выявляет дефекты и поднимает вопросы, все время адаптируясь к меняющимся условиям. Вместо того, чтобы кодировать систему прогностического обслуживания с нуля для каждого типа оборудования, вы развертываете рассуждающую модель, которая обрабатывает данные с датчиков и принимает решения в реальном времени.

Там, где ранее на построение приложений на краю сети уходили годы и команды разработчиков, агенты могут сократить этот срок значительно.

ПОЧЕМУ ЭТО НЕ ПРОСТО

Но как и в большинстве случаев, дьявол кроется в деталях. Когда личный агент ИИ совершает ошибку, он отправляет неловкое письмо. Когда промышленный агент совершает ошибку, он может остановить производственную линию или создать опасность для безопасности. Та же самая качество, которая делает агенты ИИ гибкими и мощными, является именно тем, что заставляет предприятия осторожно относиться к их развертыванию в средах, критичных для безопасности.

Одна только чувствительность интеллектуальной собственности просто ошеломляющая. Компания по энергетическим услугам, которая потратила десятилетие на сбор операционных данных для построения автономной системы оптимизации бурения, создала нечто неповторимое. Если этот агент будет скомпрометирован, конкурент фактически приобретет годы институциональных знаний за одну ночь. Закон ЕС о киберустойчивости и развивающиеся рамки NIST направлены на решение этих рисков, но технологическая инфраструктура для обеспечения ограничений на краю сети все еще строится.

Безопасность и управление не являются функциями для эпохи ИИ на краю сети. Они являются основой.

СЛЕДУЮЩАЯ СТРОЙКА ИНФРАСТРУКТУРЫ

Каждая крупная эпоха вычислений определяется строительством инфраструктуры. Эра персональных компьютеров построила локальные сети и настольные компьютеры. Эра облака построила центры данных и платформы SaaS. Эра ИИ строит инфраструктуру для запуска интеллекта в физическом мире.

Компании и инвесторы, которые признают этот сдвиг рано, будут позиционированы для следующего десятилетия. Это означает не только инвестиции в возможности ИИ, но и в инфраструктуру оркестровки, безопасности и развертывания, которая превращает способную модель в надежную промышленную систему.

Ценность не в следующем чат-боте или следующей модели, размещенной в облаке. Она заключается в инфраструктуре, которая делает ИИ оперативным в масштабе на заводе, нефтяном месторождении, розничной сети и где угодно еще, где физический мир генерирует данные, которые не могут ждать.

Где-то прямо сейчас другая компания стоит на том же месте, что и тот автопроизводитель, с блестящим приложением, работающим на небольшом количестве сайтов, глядя на пропасть между пилотным и масштабным развертыванием. Те, кто преодолеет этот разрыв, построят конкурентные преимущества следующего десятилетия.