Stanfordi uuring: Kas kohalik tehisintellekt on äkki majanduslikult parem? Pilvedogma ja gigabaidiste andmekeskuste lõpp?

Andmete suveräänsus kui kapital: miks ettevõtted peavad oma tehisintellekti infrastruktuuri radikaalselt detsentraliseerima

Tehnoloogiatööstuses valitses pikka aega kirjutamata reegel: tõeline tehisintellekt nõuab hiiglaslikke andmekeskusi, piiramatuid pilveressursse ja miljardeid investeeringuid tsentraalsesse taristusse. Kuid samal ajal kui turg keskendub endiselt hüperskaleerijatele, toimub kulisside taga vaikne, kuid põhimõtteline revolutsioon ühikuökonoomikas.

Ajastu, mil pilvepõhist tehisintellekti peeti ainsaks elujõuliseks standardlahenduseks, on lõppemas. Uued empiirilised andmed ja tehnoloogilised hüpped riistvara efektiivsuses maalivad selge pildi: tööstusliku intelligentsuse tulevik ei ole tsentraliseeritud, vaid detsentraliseeritud ja hübriidne. Asi pole enam ainult andmete privaatsuses või latentsuses – see puudutab karmi majanduslikku reaalsust. Kui kohalikud süsteemid suudavad nüüd saavutada kolmekordse täpsuse, vähendades samal ajal energiatarbimist poole võrra, muutub pilvearve ootamatult strateegiliseks riskiks.

Unustage pilveteenuste võrdlusnäitajad: miks on „intelligentsus vati kohta” kõige olulisem uus ärimõõdik.

Järgnev artikkel uurib seda paradigma muutust üksikasjalikult. Analüüsime, miks „intelligentsus vati kohta“ on muutumas otsustajate jaoks oluliseks uueks valuutaks ja kuidas ettevõtted saavad intelligentse hübriidmarsruutimise abil oma tegevuskulusid kuni 73 protsenti vähendada. Tarnijaga seotuse strateegilisest lõksust kuni energiajaotuse geopoliitilise tähtsuseni: saate teada, miks üleminek kohalikule tehisintellektile ei ole enam tehnoloogiline nišš, vaid äriline kohustus iga ettevõtte jaoks, mis soovib järgmise viie aasta jooksul konkurentsivõimeliseks jääda.

Kohalik tehisintellekt kui tööstusmajanduse transformatsioonitegur: tsentraliseerimise paradigmast detsentraliseeritud intelligentsusele

Tööstuslik andmetöötlus on pöördepunktis, mis ei jõua küll pealkirjadesse, aga toimub vaiksetes laborites ja ettevõtete andmekeskustes. Samal ajal kui tehnoloogiamaailm on hõivatud miljardite dollarite investeerimisega tsentraliseeritud andmekeskustesse, on käimas radikaalne nihe majanduslikus loogikas: kohalik tehisintellekt pole mitte ainult elujõuline, vaid paljudes praktilistes stsenaariumides ka majanduslikult parem kui pilveparadigma. See tunnustatud institutsioonide ulatuslikul empiirilisel uuringul põhinev leid sunnib ettevõtteid ja strateegid oma taristuinvesteeringuid ümber hindama.

Põhiküsimus ei ole enam see, kas kohalikud tehisintellekti mudelid toimivad, vaid pigem see, kui kiiresti saavad organisatsioonid vähendada oma sõltuvust patenteeritud pilveplatvormidest. Stanfordi uuring intelligentsuse kohta vati kohta näitab nähtust, mis muudab põhjalikult tehisintellekti infrastruktuuri planeerimise kulude-tulude analüüsi. Kohalike mudelite täpsuse 3,1-kordse suurenemisega aastatel 2023–2025 ja riistvara efektiivsuse kahekordse suurenemisega on kohalikud tehisintellekti süsteemid saavutanud küpsustaseme, mis võimaldab neil käsitleda 88,7 protsenti kõigist päringutest ilma tsentraalse pilveinfrastruktuurita. See mõõdik ei ole pelgalt akadeemiline; sellel on otsene mõju kapitali jaotamisele, tegevuskuludele ja ettevõtete strateegilisele sõltumatusele.

Lisateavet selle kohta siin:

• Stanfordi HAI – tehisintellekti indeksiaruanne 2025 (algne aruanne, üksikasjalikud andmed kulude ja suundumuste kohta)

Selle nihke majanduslik mõju on sügav ja ulatub läbi äritegevuse kõikidesse mõõtmetesse. Hübriidne tehisintellektil põhinev marsruutimismeetod, kus päringud suunatakse arukalt kohalikesse või tsentraliseeritud süsteemidesse, vähendab energiatarbimist 80,4 protsenti ja arvutuskulusid 73,8 protsenti. Isegi elementaarne marsruutimissüsteem, mis klassifitseerib õigesti ainult 50 protsenti päringutest, vähendab üldkulusid 45 protsenti. Need arvud viitavad majanduslikule vajadusele: organisatsioonid, mis ei investeeri aktiivselt kohalikesse tehisintellekti võimekusse, subsideerivad teadmatult oma konkurente, makstes kõrgemaid pilveinfrastruktuuri tasusid.

Stanfordi uusimad originaalallikad ei täpsusta otseselt, miks "lokaalne tehisintellekt" on järsku majanduslikult paremaks muutunud. Hiljutised aruanded ja Stanfordi uuringud näitavad aga, et arenenumad, väiksemad ("lokaalsed") mudelid on viimasel ajal muutunud majanduslikult elujõulisemaks, kuna tehisintellekti järelduste kulud ja energiatarbimine on oluliselt vähenenud ning avatud mudelite jõudlus on paranenud. Seda on üksikasjalikult dokumenteeritud Stanfordi tehisintellekti indeksiaruandes 2025.

Peamised Stanfordi allikad

Stanfordi tehisintellekti indeksi aruanne 2025 väidab, et GPT-3.5 jõudlustaseme tehisintellekti mudelite järelduskulud vähenesid novembrist 2022 kuni oktoobrini 2024 280 korda. Samal ajal suurenes energiatõhusus 40% aastas. Ka väikesed avatud tehisintellekti mudelid on märkimisväärselt järele jõudmas ja suudavad nüüd mõnes võrdlusaluses suletud mudelitega peaaegu samaväärselt konkureerida (jõudluse erinevus oli hiljuti vaid 1,7%).

Eriti oluline on see, et avatud kaaluga mudelid (st lokaalselt opereeritavad avatud mudelid) muutuvad majanduslikust seisukohast üha atraktiivsemaks, kuna need saavad nüüd sarnaseid ülesandeid madalamate kuludega täita. See vähendab ettevõtete jaoks takistusi ja võimaldab detsentraliseeritud tehisintellekti rakendusi või neid, mis töötavad nende endi serverites.

Järeldus ja nüansid

Kohaliku tehisintellekti „suurem majanduslik efektiivsus” on usutavalt tuletatav kulude ja efektiivsuse suundumuste andmetest, kuid seda väidetakse aruandes endas analüütiliselt, mitte sensatsiooniliselt või eksklusiivselt.

Uurimistöö arutelus käsitletakse „kohaliku tehisintellekti” ja tsentraliseeritud pilvepõhise tehisintellekti teemat, kuid termin „äkki majanduslikult parem” ei pärine Stanfordi otsesest sõnastusest peamistest allikatest.

On õige, et Stanfordi uusimad uuringud kirjeldavad avatud lähtekoodiga mudelite majanduslikku survet ja vähenevaid järelduskulusid kui pöördepunkti. Kuid igaüks, kes väidab, et Stanford on konkreetselt tõestanud, et "kohalik tehisintellekt on nüüd majanduslikult parem", lihtsustab asju üle – kuid olemasolevad tõendid viitavad vähemalt avatud, kohalike mudelite ja varem paremate pilvelahenduste olulisele lähenemisele aastatel 2024/2025.

Intellekti mõõtmine: miks arvutusvõimsus vati kohta on uus ressurss

Traditsiooniline tehisintellekti mõõtmine keskendus abstraktsetele näitajatele, nagu mudeli täpsus või võrdlusnäitajate toimivus. See oli akadeemiliseks uurimistööks piisav, kuid äriotsuse tegijate jaoks eksitav. Oluline paradigma muutus seisneb intelligentsuse vati kohta kasutuselevõtus peamise tulemusnäitajana. See näitaja, mis on defineeritud kui keskmine täpsus jagatud keskmise energiatarbimisega, seob kaks peamist äritegurit, mida varem käsitleti eraldi: väljundkvaliteet ja otsesed tegevuskulud.

Ärilisest vaatenurgast on see kulude kontrolli revolutsioon. Ettevõte ei saa enam lihtsalt mudeli täpsusele viidata; ta peab näitama, kui palju arvutusvõimsust saavutatakse iga elektrienergia tarbimisest saadud dollari kohta. See seos loob asümmeetrilise turupositsiooni ettevõtetele, kes investeerivad kohapealsesse taristusse. 5,3-kordne intelligentsuse paranemine vati kohta kahe aastaga viitab sellele, et kohapealsete tehisintellekti süsteemide skaleerimiskõverad tõusevad järsemalt kui traditsiooniliste pilvelahenduste puhul.

Eriti tähelepanuväärne on jõudluse heterogeensus erinevate riistvaraplatvormide vahel. Kohalik kiirendussüsteem (näiteks Apple M4 Max) näitab 1,5 korda madalamat intelligentsust vati kohta võrreldes ettevõtteklassi kiirenditega nagu NVIDIA B200. See ei näita kohalike süsteemide halvemust, vaid pigem nende optimeerimispotentsiaali. Kohaliku tehisintellekti järelduste riistvaramaastik ei ole veel ühtlustunud, mis tähendab, et ettevõtted, kes investeerivad praegu spetsialiseeritud kohalikku infrastruktuuri, saavad lähiaastatel kasu eksponentsiaalsest efektiivsuse kasvust.

Energiaarvestus on muutumas strateegiliseks konkurentsieeliseks. Globaalne tehisintellektiga seotud energiatarbimine andmekeskustes on hinnanguliselt umbes 20 teravatt-tundi, kuid Rahvusvaheline Energiaagentuur prognoosib, et andmekeskused tarbivad 2026. aastaks 80 protsenti rohkem energiat. Ettevõtete jaoks, kes ei lahenda oma energiamahukusega seotud struktuurilist probleemi, muutub see üha suuremaks koormaks nende jätkusuutlikkuse eesmärkide ja tegevuskulude arvutamisel. Üks ChatGPT-3 päring tarbib umbes kümme korda rohkem energiat kui tüüpiline Google'i otsing. Kohalikud mudelid saavad seda energiatarbimist suurusjärkude võrra vähendada.

Kulude vähendamise arhitektuur: teooriast praktilise reaalsuseni

Kohaliku tehisintellekti teoreetilisi kulusääste kinnitatakse reaalsetes äristsenaariumides konkreetsete juhtumiuuringute abil. Kujutage ette 100 asukohaga jaemüügiettevõtet, mis läheb üle pilvepõhiselt visuaalselt kvaliteedikontrollilt kohalikule servapidulikule tehisintellektile; kulude dünaamika muutub kohe ilmseks. Pilvepõhised videoanalüüsi lahendused maksavad igas asukohas umbes 300 dollarit kuus kaamera kohta, mis teeb tüüpilise suure jaemüügipoe jaoks kiiresti üle 1,92 miljoni dollari aastas. Seevastu servapiduliku tehisintellekti lahendus nõuab spetsiaalse riistvara jaoks umbes 5000 dollari suurust kapitaliinvesteeringut asukoha kohta, millele lisandub umbes 250 dollarit kuus hoolduse ja käitamise eest, mille tulemuseks on 600 000 dollari suurune aastane tegevuskulu. Kolme aasta jooksul ulatub kulude kokkuhoid umbes 3,7 miljoni dollarini.

See matemaatika muutub veelgi veenvamaks, kui arvestada pilveparadigma varjatud kulusid. Andmeedastustasud, mis moodustavad paljude pilveteenuste puhul 25–30 protsenti kogukulust, kaovad kohapealse töötlemise korral täielikult. Suurte andmemahtudega tegelevate organisatsioonide jaoks võib see tähendada täiendavat kokkuhoidu 50–150 dollarit iga terabaidi kohta, mida pilve ei edastata. Lisaks saavutavad kohapealsed süsteemid tavaliselt järelduslatentsuse alla 100 millisekundi, samas kui pilvepõhised süsteemid ületavad sageli 500–1000 millisekundit. Ajakriitiliste rakenduste, näiteks autonoomsete sõidukite juhtimise või tööstusliku kvaliteedikontrolli puhul pole see lihtsalt mugavuse küsimus, vaid kriitiline ohutusnõue.

Kohapealse tehisintellekti infrastruktuuri kasumlikkus järgib mittelineaarset kulude vähendamise rada. Organisatsioonide jaoks, mis töötlevad vähem kui 1000 päringut päevas, võivad pilveteenused siiski olla säästlikumad. Organisatsioonide puhul, kus on aga 10 000 või rohkem päringut päevas, hakkab kohapealse riistvara tasuvusaeg dramaatiliselt lühenema. Kirjanduse andmetel on suuremahuliste kasutusjuhtude korral realistlik 3–12-kuuline tasuvusaeg. See tähendab, et tugeva kohapealse infrastruktuuri viie aasta kogukulu on tavaliselt üks kolmandik võrreldava pilvelahenduse omamise kuludest.

Eriti oluline on pilveinfrastruktuuri kulude püsivus protsendina kogukuludest. Kuigi kohapealne infrastruktuur on amortiseeritav ja selle eluiga on tavaliselt kolm kuni viis aastat, on pilvekulutused oportunistlikud ja suurenevad koos kasutusmahuga. Sellel on sügav mõju strateegilisele finantsplaneerimisele. Finantsjuht, kes peab vähendama tegevuskulusid, saab seda saavutada kohapealse infrastruktuuri sujuvamaks muutmise teel, pikendades seeläbi oma investeeringute eluiga. Pilvekulutused ei paku sama paindlikkust.

Sobib selleks:

• Soodushinnaga jaemüüjast STACKIT Cloud AI hüperskaleerijaks: kuidas Schwarz Group plaanib Amazon & Co.-d miljardi dollari suuruse panusega rünnata.

Hübriidne tehisintellekti marsruutimine strateegilise maleplatvormina

Tõeline majanduslik ümberkujundamine ei tulene lihtsalt kohapealsete süsteemide asendamisest pilvandmetöötlusega, vaid pigem intelligentsetest hübriidlähenemisviisidest, mis ühendavad mõlemad meetodid. Hübriidne tehisintellekti marsruutimissüsteem, mis saadab päringuid kohapealsetele või pilveressurssidele nende keerukuse, turbeprofiili ja latentsusnõuete alusel, võimaldab organisatsioonidel saavutada optimaalse kulupositsiooni. Vähem kriitilised päringud, mis taluvad suurt latentsusaega, suunatakse pilve, kus skaleerimise efektiivsus on endiselt oluline. Turbekriitilised andmed, reaalajas toimingud ja suuremahulised standardpäringud toimivad kohapeal.

Uuring paljastab vastuolulise nähtuse: isegi vaid 60-protsendilise täpsusega marsruutimissüsteem vähendab kogukulusid 45 protsenti võrreldes puhta pilvepõhise stsenaariumiga. See viitab sellele, et töötlemise ruumilisest lähedusest andmeallikale tulenev efektiivsuse kasv on nii märkimisväärne, et mitteoptimaalsed marsruutimisotsused toovad ikkagi kaasa tohutu kokkuhoiu. 80-protsendilise marsruutimistäpsuse korral vähenevad kulud 60 protsenti. See ei ole lineaarne nähtus; marsruutimistäpsuse parandamisse tehtud investeeringute tasuvus on ebaproportsionaalselt kõrge.

Organisatsioonilisest vaatenurgast nõuab edukas hübriidne tehisintellektil põhinev marsruutimissüsteem nii tehnilisi kui ka haldusmahukaid võimekusi. Päringute klassifitseerimine nende ideaalse töötlemisviisi järgi nõuab valdkonnapõhiseid teadmisi, mis tavaliselt on ainult organisatsiooni valdkonnaekspertidel, mitte pilveteenuse pakkujatel. See loob potentsiaalse eelise detsentraliseeritud organisatsioonidele, kellel on tugev kohalik valdkonnaekspertiis. Näiteks võib finantsasutus teada, et reaalajas pettuste tuvastamist tuleb teostada lokaalselt, samas kui pettuste mustrite massilist tuvastamist saab teostada pilveressurssidel pikema latentsusajaga.

Taristukulude kokkuhoid pole hübriidlähenemise ainsad eelised. Märkimisväärselt paranevad ka andmeturve ja äritegevuse järjepidevus. Organisatsioonid ei kaota enam ühe rikke riski, mis tuleneb täielikust pilveinfrastruktuurist sõltuvusest. Pilveteenuse pakkuja katkestus ei tähenda täielikku operatsioonilist halvatust; kriitilised funktsioonid saavad lokaalselt edasi töötada. See on pankade, tervishoiusüsteemide ja kriitilise infrastruktuuri jaoks ülioluline.

Siit saate teada, kuidas teie ettevõte saab kiiresti, turvaliselt ja ilma kõrgete sisenemisbarjäärideta rakendada kohandatud tehisintellekti lahendusi.

Hallatud tehisintellekti platvorm on teie igakülgne ja muretu tehisintellekti pakett. Keerulise tehnoloogia, kalli infrastruktuuri ja pikkade arendusprotsesside asemel saate spetsialiseerunud partnerilt teie vajadustele vastava võtmed kätte lahenduse – sageli juba mõne päeva jooksul.

Peamised eelised lühidalt:

⚡ Kiire teostus: Ideest rakenduseni päevade, mitte kuude jooksul. Pakume praktilisi lahendusi, mis loovad kohest väärtust.

🔒 Maksimaalne andmeturve: Teie tundlikud andmed jäävad teie kätte. Garanteerime turvalise ja nõuetele vastava töötlemise ilma andmeid kolmandate osapooltega jagamata.

💸 Finantsriski pole: maksate ainult tulemuste eest. Suured esialgsed investeeringud riist- ja tarkvarasse või personali jäävad täielikult ära.

🎯 Keskendu oma põhitegevusele: Keskendu sellele, mida sa kõige paremini oskad. Meie tegeleme sinu tehisintellekti lahenduse kogu tehnilise juurutamise, käitamise ja hooldusega.

📈 Tulevikukindel ja skaleeritav: teie tehisintellekt kasvab koos teiega. Tagame pideva optimeerimise ja skaleeritavuse ning kohandame mudeleid paindlikult uutele nõuetele.

Lisateavet selle kohta siin:

• Hallatud tehisintellekti lahendus – tööstuslikud tehisintellekti teenused: konkurentsivõime võti teenuste, tööstuse ja masinaehituse sektoris

Andmete suveräänsus ja strateegiline sõltumatus: varjatud kapital

Kuigi maksumus ja jõudlus on olulised, on andmete suveräänsuse strateegiline mõõde pikaajaliste majandusotsuste tegemisel potentsiaalselt veelgi olulisem. Organisatsioonid, mis tellivad oma tehisintellekti infrastruktuuri täielikult pilveteenuse pakkujatelt, annavad kaudselt üle mitte ainult tehnilise kontrolli, vaid ka kontrolli ärikriitiliste teadmiste üle. Iga pilveteenuse tehisintellekti pakkujale saadetud päring võib paljastada omandiõigusega kaitstud teavet: tootestrateegiaid, klientide teadmisi, tegevusmustreid ja konkurentsialast teavet.

EL ja teised regulatiivsed jurisdiktsioonid on seda tunnistanud. Saksamaa on aktiivselt töötanud suveräänse pilve arendamise nimel, mis oleks Ameerika hüperskaleerijatele infrastruktuuri alternatiiv. AWS on loonud eraldi Euroopa suveräänse pilveüksuse, mida hallatakse täielikult ELis, kajastades regulatiivseid muresid andmete suveräänsuse pärast. See ei ole marginaalne areng; see on ülemaailmse pilveturu strateegiline ümberkorraldus.

Majanduslikust vaatenurgast tähendab see, et reguleeritud ettevõtete pilveinfrastruktuuri tegelikud kulud on suuremad kui sageli arvutatakse. Ettevõte, mis kasutab pilve tehisintellekti teenuseid ja avastab hiljem, et see pole määrustega lubatud, kaotab mitte ainult juba tehtud kulutused, vaid peab tegema ka teise infrastruktuuriinvesteeringu. Selle ümberkorraldamisega kaasnev risk on märkimisväärne.

Eriti oluline on CIA-laadne tagajärg: kui pilvepõhine tehisintellekti pakkuja otsustab homme hindu tõsta või teenusetingimusi muuta, on sellest täielikult sõltuvad ettevõtted äärmiselt tugevas läbirääkimispositsioonis. Seda on varem täheldatud ka teiste tehnoloogiate puhul. Näiteks kui trükikoda kasutab patenteeritud küljendustarkvara ja pakkuja nõuab hiljem oluliselt kõrgemaid litsentse või lõpetab toe, ei pruugi trükikojal olla elujõulist alternatiivi. Tehisintellekti infrastruktuuri puhul võivad sellise sõltuvuse tagajärjed olla strateegiliselt häirivad.

Selle riskipreemia finantsmodelleerimine on keeruline, kuid Harvardi Ärikool ja McKinsey on välja toonud, et organisatsioonid, mis investeerivad oma ettevõttesisesesse tehisintellekti taristusse, näitavad järjepidevalt kõrgemat investeeringutasuvust kui need, mis kasutavad puhtalt hübriidseid lähenemisviise, kus intelligentsust kontrollitakse väliselt. Näiteks Netflix on investeerinud soovituste jaoks ettevõttesisesesse tehisintellekti taristusse ligikaudu 150 miljonit dollarit, mis nüüd genereerib otsest äriväärtust ligikaudu 1 miljard dollarit aastas.

Sobib selleks:

• Microsoft OpenDeski asemel? Digitaalne orjus? Baieri miljardi dollari suurune panus ja mäss Microsofti vastu

Kohaliku tehisintellekti vertikaalse juurutamise valikud

Kohaliku tehisintellekti elujõulisus ei ole kõigis ärivaldkondades ühtlane. Stanfordi uuring näitab erinevate ülesannete klasside täpsuse erinevusi. Loominguliste ülesannete edukuse määr kohalike mudelite puhul on üle 90 protsendi, samas kui tehnilistes valdkondades on see umbes 68 protsenti. See eeldab erinevate äriüksuste jaoks diferentseeritud juurutamisstrateegiaid.

Tootmissektoris saab kohalikke tehisintellekti mudeleid rakendada kvaliteedikontrollis, ennustavas hoolduses ja tootmise optimeerimises oluliselt odavamalt kui pilvealternatiivide puhul. Tehas, kus on saja kvaliteedikontrolli jaama, saaks tohutult kasu kohaliku pilditöötluse tehisintellekti juurutamisest igas jaamas, selle asemel, et videoid kesksesse pilveteenusesse üles laadida. See mitte ainult ei vähenda võrgu ribalaiust, vaid võimaldab ka reaalajas tagasisidet ja sekkumist, mis on kvaliteedikontrolli ja ohutuse seisukohalt kriitilise tähtsusega. BCG teatab, et tootjad, kes kasutavad tehisintellekti kulude optimeerimiseks, saavutavad tavaliselt 44-protsendilise efektiivsuse kasvu, parandades samal ajal paindlikkust 50 protsenti.

Finantssektoris on dihhotoomia keerulisem. Rutiinset pettuste avastamist saab teostada lokaalselt. Struktureeritud toodete keerukate mustrite tuvastamine võib paremini sobida suurema arvutusvõimsusega pilvekeskkondadesse. Eduka hübriidlähenemise võti peitub kohaliku ja tsentraliseeritud töötlemise vahelise valdkonnapõhise piiri täpses määratlemises.

Tervishoiusüsteemides pakub lokaalne tehisintellekt olulisi eeliseid patsiendikeskse reaalajas diagnostika ja jälgimise jaoks. Kantav seade, mis kasutab lokaalseid tehisintellekti mudeleid pidevaks patsiendi jälgimiseks, saab arste enne kriitilise sündmuse toimumist teavitada, välistades vajaduse pidevalt edastada toorandmeid tsentraliseeritud süsteemidesse. See pakub nii privaatsust kui ka olulisi diagnostika eeliseid.

Logistikas ja tarneahela optimeerimises on kohalikud tehisintellekti süsteemid hädavajalikud reaalajas marsruutide optimeerimiseks, koormuse haldamiseks ja ennustavaks autopargi hoolduseks. Latentsusaja nõuded ja andmemaht muudavad pilvetöötluse sageli ebapraktiliseks.

Sobib selleks:

• Kumb on parem: detsentraliseeritud, födereeritud, antifragiilne tehisintellekti infrastruktuur või tehisintellekti gigatehas või hüperskaala tehisintellekti andmekeskus?

Pilvesõltuvuse institutsionaalne lõks

Teine sageli tähelepanuta jäetud majanduslik tegur on institutsionaalne kulustruktuur, mis tekib siis, kui organisatsioonid investeerivad liiga palju konkreetsesse pilveplatvormi. Seda nimetatakse mõnikord ka „müüja seotuseks“, kuid see on tegelikkuse jaoks liiga nõrk kontseptsioon. Kui organisatsioon on mitme aasta jooksul välja töötanud süsteemi, kus andmeteadlased kirjutavad päringuid patenteeritud pilve API süntaksi abil, arendajad on integreerinud pilvepõhised SDK-d põhilistesse töövoogudesse ja otsustajad ootavad, et tehisintellekti andmed esitataks pilveteenuse pakkuja spetsiifilises vormingus, toimub kognitiivne ja institutsionaalne transformatsioon, mida on raske tagasi pöörata.

See ei ole teoreetiline probleem. McKinsey täheldas seda nähtust organisatsioonides, mis rakendasid nn wrapper-strateegiat, ehitades oma luurekihi renditud pilvepõhisele õigusteaduse moodulile (LLM). Kui need organisatsioonid hiljem üritasid üle minna patenteeritud luureinfrastruktuurile, leidsid nad, et üleminek oli koletis mitte tehniliselt, vaid organisatsiooniliselt. Nende meeskondade vaikiv teadmine oli pilveplatvormi liiga sügavalt juurdunud.

Meta on sellest õppetunnist aru saanud ja investeerib 2025. aastaks sisemisse tehisintellekti taristusse 66–72 miljardit dollarit, sest ettevõtte juhtkond on tunnistanud, et sõltuvus teistest platvormidest, olenemata sellest, kui tehniliselt optimeeritud need on, viib ebaolulisuseni. Google ja Apple kontrollisid mobiilseid ökosüsteeme ning Meta oli nende sees võimetu. Tehisintellekti taristu on järgmise kümnendi mobiilne ökosüsteem.

Makromajanduslikud tagajärjed ja konkurents energiaressursside pärast

Makromajanduslikul tasandil on tehisintellekti järelduste detsentraliseerimisel sügavad tagajärjed riiklikule energiainfrastruktuurile ja globaalsele konkurentsivõimele. Tehisintellekti arvutusressursside koondamine vähestesse suurtesse pilveandmekeskustesse loob elektrivõrkudele kohalikke stressiteste. See oli skandaali teema, kui selgus, et Microsoft kavatseb taasaktiveerida Three Mile Islandi, et varustada energiaga ühte oma tehisintellekti andmekeskustest. Väikese linna jaoks tähendab see, et praktiliselt kogu saadaolev energia on monopoliseeritud ühe tööstusrajatise poolt.

Detsentraliseeritud tehisintellekti infrastruktuur saab seda stressitesti oluliselt vähendada. Kui luureandmete töötlemine on ruumiliselt jaotatud paljude väikeste rajatiste, tehasepõrandate ja kontorite andmekeskuste vahel, saab kohalik energiainfrastruktuur sellega kergemini hakkama. See pakub struktuurilisi eeliseid riikidele, kus on väiksemad elektrivõrgud või need, kes investeerivad taastuvatesse energiaallikatesse.

Saksamaa jaoks tähendab see seda, et kohalikku tehisintellekti taristusse investeerimise võime ei ole ainult tehnoloogiline küsimus, vaid ka energia- ja taristuküsimus. Saksamaal asuv tööstusettevõte, mis saadab oma tehisintellekti päringud AWS-i andmekeskustele USA-s, aitab kaudselt kaasa energiaressursside monopoliseerimisele Ameerika elektriturul. Tööstusettevõte, mis teostab sama tehisintellekti töötlemist kohapeal, saab kasu Saksamaa taastuvatest energiaallikatest ja aitab kaasa detsentraliseerimisele.

Teel pilvejärgse tehisintellekti majanduse poole

Tõendid on ülekaalukad: kohalik tehisintellekt ei ole enam eksperiment ega nišitehnoloogia. See on luureandmete töötlemise majanduse põhimõtteline ümberkujundamine. Organisatsioonid, mis ei investeeri järgmise kahe aasta jooksul aktiivselt kohalike tehisintellekti võimekusse, riskivad konkurentsieelise kaotamisega, millest on järgmise viie aasta jooksul raske üle saada.

Strateegilised järeldused on selged. Esiteks peaks iga organisatsioon, mis töötleb päevas üle kümne tuhande tehisintellekti päringu, läbi viima üksikasjaliku kulude-tulude analüüsi, et hinnata hübriidinfrastruktuuri mudelit. Teiseks peaksid reguleeritud tööstusharudes tegutsevad või tundlikke andmeid käitlevad organisatsioonid aktiivselt kaaluma kohapealset tehisintellekti infrastruktuuri oma andmeturbestrateegia põhielemendina. Kolmandaks peaksid tehnoloogiajuhid mõistma, et patenteeritud tehisintellekti infrastruktuur ei ole enam tehnoloogiline nišš, vaid strateegiline konkurentsieelis, millel on sama suur tähtsus kui teistel tehnoloogilise infrastruktuuri osadel.

Küsimus ei ole enam: „Kas peaksime kasutama pilvepõhist tehisintellekti?“, vaid nüüd: „Kui kiiresti saame luua kohalikke tehisintellekti võimekusi, arendades samal ajal intelligentseid hübriidlähenemisi, et saavutada parim üldine kulupositsioon ja kindlustada meie organisatsiooni strateegiline sõltumatus?“

Aitan teid hea meelega isikliku konsultandina.

minuga ühendust võtta Wolfenstein ∂ xpert.digital

Helistage mulle lihtsalt alla +49 89 674 804 (München)

Linkedin
 

 

Tööstusharu fookus: B2B, digitaliseerimine (tehisintellektist XR-ini), masinaehitus, logistika, taastuvenergia ja tööstus

Lisateavet selle kohta siin:

• Xpert Business Hub

Teemakeskus koos teadmiste ja ekspertiisiga:

• Teadmisplatvorm globaalse ja regionaalse majanduse, innovatsiooni ja tööstusharude suundumuste kohta
• Analüüside, impulsside ja taustteabe kogumine meie fookusvaldkondadest
• Koht ekspertiisi ja teabe saamiseks äri- ja tehnoloogiavaldkonna praeguste arengute kohta
• Teemakeskus ettevõtetele, kes soovivad õppida turgude, digitaliseerimise ja valdkonna uuenduste kohta