2030-е годы будут работать на Edge: почему следующее десятилетие вычислений начинается сейчас

Если вы хотите увидеть будущее ИИ, забудьте о серверных фермах Северной Вирджинии или стартап-инкубаторах Сан-Франциско. Поезжайте в компанию по мойке машин прямо за пределами Форт-Лодердейла.

Интеллект, управляющий операцией, поступает от компании, о которой вы, возможно, не слышали, если только вы не находитесь в бизнесе мойки машин, где они являются лидером отрасли – Sonny’s The CarWash Factory. Sonny’s – это крупнейший в мире производитель конвейерного оборудования для мойки машин – бизнес, традиционно определяемый щетками, мылом и ремнями, а не кодом. Однако на тысячах объектов они заменяют десятилетнюю сонографию компьютерным зрением, чтобы определить размер транспортных средств за миллисекунды, используя распознавание номерных знаков для мгновенной регистрации лояльности и тестируя разговорный ИИ на кассе.

Хотя миллиарды долларов вкладываются в следующий продукт в стиле ChatGPT – инвестиции, которые многие аналитики предупреждают, что они уже опережают реальное внедрение – тихая революция происходит на парковках, заводских площадках, на море и в больничных подвалах.

Мы свидетели бифуркации. С одной стороны – Потребительский ИИ: яркий, субсидированный и операционно дорогой. С другой стороны – Физический ИИ: непритязательный, основанный на жестком ROI и уже меняющий операции в отраслях, которые не могут позволить себе задержки или простои.

Этот раскол определит следующее десятилетие. Если 2010-е годы были о подключении устройств (IoT), а 2020-е годы были о обработке данных там, где они возникают (edge-вычисления), то 2030-е годы будут о действии на эти данные мгновенно. Это эпоха Edge ИИ.

Инновации в неожиданных местах

Для отраслей, основанных на физических товарах, облако часто слишком далеко – буквально и операционно.

Возьмем, к примеру, рынок розничной торговли. Каждый магазин борется с разрывом между записями запасов и реальностью. Одежда перемещается, примеряется и теряется, что делает традиционные базы данных устаревшими в течение минут. Но некоторые компании переходят к модели, в которой сам магазин становится базой данных. Потолочные RFID-сканеры отслеживают одежду в реальном времени – определяют, что вошло в примерочную, что никогда не покидало ее и где оказался определенный размер. Они не только обновляют записи; они оцифровывают физическое пространство в реальном времени – что возможно только благодаря локальной обработке.

Система здравоохранения следует подобному пути. Современные КТ и МРТ генерируют гигабайты на пациента – данные слишком тяжелые и слишком чувствительные, чтобы постоянно отправлять их в облако. Ответ не в большем канале; он в том, чтобы привлечь ИИ к сканеру. Больницы начинают запускать локальную обработку, сохраняя данные пациентов на месте, а также предоставляя диагностические сведения за секунды.

Морская промышленность сталкивается с аналогичными ограничениями. Контейнерные суда генерируют терабайты операционных данных от двигателей, систем навигации и датчиков груза. Но стоимость подключения в середине океана составляет тысячи долларов за гигабайт. Судоходные компании развертывают серверы Edge на борту, чтобы обрабатывать эти данные локально, запуская прогностические модели обслуживания, которые предотвращают неисправности двигателей до прибытия судов в порт. ИИ путешествует с судном, потому что облако просто не достигает такой дальности.

Это не эксперименты в области исследований и разработок. Это операционные проблемы, решенные с помощью вычислений на Edge.

Трехуровневая архитектура

Чтобы понять, куда движется инфраструктура предприятий, посмотрите на телефон в вашем кармане. Apple Intelligence ввела в массы трехуровневую модель вычислений: обработку на устройстве для скорости, частный слой вычислений для более тяжелых задач и облако для широких знаний. Промышленные среды принимают эту самую архитектуру – не для удобства, а для физики.

Рассмотрим новую волну гуманоидных роботов. Эти машины работают на батареях; они не могут нести на себе суперкомпьютеры, nor могут они полагаться на облако для решений о безопасности, требующих доли секунды. Вместо этого они полагаются на критический “средний уровень”:

• Устройство (Робот): Обрабатывает местные движения и безопасность.

• Частный Edge: Местный сервер на заводской площадке обрабатывает тяжелую обработку и координацию флота.

• Облако: Зарезервировано для обучения и глобальных обновлений программного обеспечения.

2010-е годы были ориентированы на облако. 2030-е годы будут ориентированы на Edge – с облаком, когда это необходимо.

Эта архитектура решает реальные ограничения. Роботы работают на батареях и не могут нести тяжелые вычислительные нагрузки. Заводским площадкам нужны время реакции в миллисекунды, которое не может обеспечить задержка облака. Данные пациентов в больницах должны оставаться на месте для соблюдения нормативных требований. Средний уровень выполняет тяжелую работу по обработке, координирует флот устройств и служит буфером между локальными операциями и глобальными системами. Представьте себе локальный центр обработки данных, сжатый в один серверный стеллаж, обрабатывающий терабайты без подключения к публичному интернету. Когда роботу нужно выполнить маневр безопасности, он обрабатывает локально. Когда ему нужно обновить свою навигационную модель на основе операций дня, сервер Edge обрабатывает это ночью. Когда производитель выпускает новую возможность, облако передает ее вниз. Каждый уровень делает то, что он делает лучше всего.

Конец эпохи “дial-up”

Несмотря на эти архитектурные сдвиги, реальность на земле остается сложной. Физический ИИ в настоящее время находится в эпоху “дial-up”. Руководители операций мучаются от “черных ящиков” – проприетарных устройств для подсчета людей, видеоаналитики или датчиков, которые не общаются друг с другом. Это эквивалентно ношению отдельного устройства для электронной почты, карт и фотографий.

Мы сейчас наблюдаем, как организации с более чем 20 000 мест заменят эту заплатку на унифицированные платформы Edge, что позволяет им развертывать новые приложения как обновления программного обеспечения, а не проекты по аппаратному обеспечению.

Одновременно сети спутников LEO, такие как Starlink, устраняют мертвые зоны подключения. Как и развивающиеся экономики перешли от проводных линий直接 к мобильным, отрасли, такие как морская, горнодобывающая и железнодорожная, полностью переходят на распределенный Edge ИИ, потому что физика их операций требует этого.

Парадокс инвестиций

Физический ИИ никогда не будет иметь “момент ChatGPT”. Он не может. Ошибка в генеративном ИИ – это вирусный скриншот; ошибка в физическом ИИ может быть опасностью для безопасности.

Это почему прогресс здесь стабилен, а не взрывной. Waymo потратила более десяти лет на тестирование и симуляцию, прежде чем расшириться до крупных городов. В здравоохранении ИИ, анализирующий сканы, является медицинским устройством, требующим одобрения FDA. Вы не можете скачать безопасность или зрелость. Вы должны заслужить их.

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

Когда вы заезжаете на ту мойку, работающую на технологии Sonny’s, где бы вы ни были в мире, и система распознает ваше транспортное средство и говорит с вами естественно, не видите в этом трюк. Видите в этом схему. Это инфраструктура. И компании, которые строят ее сегодня, создают конкурентные преимущества следующего десятилетия.