2030-е годы будут основаны на периферийных вычислениях: почему следующее десятилетие вычислительной техники начинается прямо сейчас

Если вы хотите увидеть будущее искусственного интеллекта, забудьте о серверных фермах Северной Вирджинии или стартап-инкубаторах Сан-Франциско. Отправляйтесь на автомойку где-нибудь недалеко от Форт-Лодердейла.

Информация, необходимая для проведения операции, поступает от компании, о которой вы, возможно, не слышали, если только не работаете в сфере автомоек, где она является лидером отрасли.Автомойка СонниКомпания Sonny's — крупнейший в мире производитель конвейерного оборудования для автомоек, бизнеса, традиционно определяемого щетками, мылом и лентами, а не программированием. Тем не менее, на тысячах своих предприятий они заменяют устаревшие сонарные системы компьютерным зрением для определения размеров автомобилей за миллисекунды, используют распознавание номерных знаков для мгновенной регистрации в программе лояльности и тестируют разговорный искусственный интеллект в киосках для обслуживания автомобилей.

В то время как миллиарды долларов гонятся за следующим продуктом в стиле ChatGPT — инвестиции, многие из которых Аналитики Предупреждения уже опережают реальное внедрение — тихая революция происходит на парковках, заводских цехах, кораблях в море и подвалах больниц.

Мы наблюдаем раздвоение. С одной стороны — потребительский ИИ: эффектный, субсидируемый и дорогостоящий в операционном плане. С другой — физический ИИ: непривлекательный, основанный на реальной окупаемости инвестиций и уже меняющий операции в отраслях, которые не могут позволить себе задержки или простои.

Это разделение определит грядущее десятилетие. Если 2010-е годы были посвящены подключению устройств (Интернет вещей), а 2020-е — обработке данных там, где они возникают (граничные вычисления), то 2030-е годы будут посвящены мгновенному реагированию на эти данные. Это эра граничного искусственного интеллекта.

Инновации в неожиданных местах

Для отраслей, основанных на производстве физических товаров, облачные технологии зачастую находятся слишком далеко — как в прямом, так и в операционном плане.

Возьмем, к примеру, розничную торговлю. Каждый магазин сталкивается с разрывом между данными о запасах и реальностью. Одежда перемещается, примеряется и теряется, что делает традиционные базы данных устаревшими за считанные минуты. Но некоторые компании переходят к модели, в которой сам магазин становится базой данных. Установленные на потолке RFID-сканеры отслеживают одежду в режиме реального времени — определяя, что попало в примерочную, что не покинуло ее и где оказался конкретный размер. Они не просто обновляют записи; они оцифровывают физическое пространство в режиме реального времени — то, что возможно только благодаря локальной обработке.

В сфере здравоохранения наблюдается аналогичная тенденция. Современные компьютерные томографии и магнитно-резонансная томография генерируют гигабайты данных на одного пациента — слишком большой и конфиденциальный объем информации для постоянной передачи в облако. Решение заключается не в увеличении пропускной способности канала связи, а в внедрении искусственного интеллекта непосредственно в сканер. Больницы начинают выполнять локальные вычисления, храня данные пациентов на своих объектах и ​​предоставляя диагностическую информацию за считанные секунды.

Морская отрасль сталкивается с аналогичными ограничениями. Контейнеровозы генерируют терабайты оперативных данных от двигателей, навигационных систем и датчиков груза. Но обеспечение связи в открытом море обходится в тысячи долларов за гигабайт. Судоходные компании развертывают на борту периферийные серверы для локальной обработки этих данных, запуская модели прогнозирующего технического обслуживания, которые предотвращают отказы двигателей до прибытия судов в порт. Искусственный интеллект перемещается вместе с судном, потому что облачные технологии просто не обеспечивают такой доступности.

Это не научно-исследовательские эксперименты. Это операционные задачи, решаемые с помощью вычислений на периферии сети.

Трехуровневая архитектура

Чтобы понять, куда движется корпоративная инфраструктура, взгляните на телефон в своем кармане. Apple Интеллект Внедрение трехуровневой вычислительной модели стало доступным для широкого круга пользователей: обработка на устройстве для повышения скорости, частный вычислительный уровень для более ресурсоемких задач и облако для распространения знаний. В промышленных условиях внедряется именно такая архитектура — не из соображений удобства, а в соответствии с требованиями физики.

Рассмотрим новую волну человекоподобной робототехники. Эти машины работают от батарей; они не могут носить на спине суперкомпьютеры и не могут полагаться на облачные технологии для принятия мгновенных решений по обеспечению безопасности. Вместо этого они полагаются на критически важный «средний уровень»:

• Устройство (Робот): обеспечивает оперативное управление движением и безопасность на месте.

• Private Edge: Локальный сервер в цехе обрабатывает ресурсоемкие задачи и координирует работу парка оборудования.

• Облачное хранилище: предназначено для обучения и глобальных обновлений программного обеспечения.

В 2010-х годах приоритет отдавался облачным технологиям. В 2030-х годах приоритет будет отдаваться периферийным вычислениям — с использованием облачных технологий только при необходимости.

Эта архитектура решает реальные проблемы. Роботы работают от батарей и не могут выдерживать большие вычислительные нагрузки. На производственных площадках требуется время отклика в миллисекунды, чего не может обеспечить облачная задержка. Данные пациентов в больницах должны храниться локально для соблюдения нормативных требований. Средний уровень обрабатывает сложные задачи по обработке данных, координирует работу групп устройств и выступает в качестве буфера между локальными операциями и глобальными системами. Представьте себе локальный центр обработки данных, сжатый в одну серверную стойку, обрабатывающий терабайты данных, не подключаясь к общедоступному интернету. Когда роботу необходимо выполнить маневр обеспечения безопасности, он обрабатывает данные локально. Когда ему нужно обновить свою навигационную модель на основе дневных операций, периферийный сервер обрабатывает это ночью. Когда производитель выпускает новую функцию, облако передает ее на сервер. Каждый уровень делает то, что у него получается лучше всего.

Конец эры «диалектного доступа»

Несмотря на эти архитектурные изменения, реальная ситуация на местах остается сложной. Физический ИИ сейчас находится в эре «коммутируемого доступа». Руководители оперативных подразделений сталкиваются с проблемой «черных ящиков» — проприетарных устройств для подсчета людей, видеоаналитики или датчиков, которые не взаимодействуют друг с другом. Это все равно что носить с собой отдельное устройство для электронной почты, карт и фотографий.

Сейчас мы наблюдаем, как организации с более чем 20 000 филиалов заменяют эту разрозненную систему унифицированными периферийными платформами, что позволяет им внедрять новые приложения в виде обновлений программного обеспечения, а не в виде аппаратных проектов.

Одновременно с этим, сети низкоорбитальных спутников, такие как Starlink, устраняют «мертвые зоны» связи. Подобно тому, как развивающиеся экономики перешли от проводной связи к мобильной, такие отрасли, как морская, горнодобывающая и железнодорожная, полностью обходят централизованные облачные архитектуры. Они переходят непосредственно к распределенному периферийному ИИ, поскольку этого требуют физические принципы их работы.

Инвестиционный парадокс

В физическом ИИ никогда не будет «момента ChatGPT». Это невозможно. Ошибка в генеративном ИИ — это вирусный скриншот; ошибка в физическом ИИ может представлять угрозу безопасности.

Именно поэтому прогресс здесь скорее стабильный, чем взрывной. Waymo потратила более десяти лет на тестирование и моделирование, прежде чем расшириться на крупные города. В здравоохранении ИИ, анализирующий снимки, — это медицинское устройство, требующее одобрения FDA. Безопасность и зрелость нельзя «загрузить». Их нужно заслужить.

Парадокс инвестиций прост: в заголовках доминирует эффектный потребительский ИИ, но в экономике доминирует операционный ИИ. 2030-е годы будут принадлежать не компаниям с наиболее вирусными моделями, а тем, кто сможет внедрять интеллект везде, где он необходим.

Когда вы заезжаете на автомойку, работающую на основе технологии Сонни, в любой точке мира, и система распознает ваш автомобиль и естественно с вами общается, не воспринимайте это как фокус. Воспринимайте это как план. Это инфраструктура. И компании, которые ее создают сегодня, строят конкурентные преимущества следующего десятилетия.