Masivní investice do umělé inteligence dnes často působí jako typická technologická vlna, u které se dříve či později očekává korekce. Podstatnější než samotný „hype“ je ale to, co po něm zůstane. V minulosti podobné bubliny obvykle zanechaly fyzickou infrastrukturu, která se následně stala základem dlouhodobého růstu – i když původní očekávání investorů nebyla vždy naplněna.
Jako historická paralela se nabízí budování železnic v 19. století nebo pokládka optických vláken v 90. letech 20. století. V obou případech část investic směřovala do řešení, která se později ukázala jako neoptimální z hlediska standardů či umístění, ale centrální páteř infrastruktury zůstala využitelná i po prasknutí investiční horečky. V kontextu AI se podobná logika přesouvá do datových center, energetických zdrojů a konektivity, které je propojují. Samotné GPU lze brát spíše jako rychle se obměňující komponentu, zatímco „trvalou hodnotu“ vytváří zázemí kolem nich.
Zajímavý je i pohled na to, kde se dnes reálně odehrává výpočetní výkon citlivý na latenci a bezpečnost. Mnoho praktických aplikací posouvá inference přímo do zařízení – typicky do telefonů, moderních aut nebo AI/AR brýlí. Současně však velké modely a tréninkové kapacity zůstávají koncentrované v centralizovaných datových centrech. Tím vzniká výrazná mezera mezi „centrálem“ a koncovým zařízením: edge computing na úrovni lokálních uzlů nebo čtvrtí zatím často nepůsobí jako nezbytná součást většiny dnešních scénářů.
Tento stav se ale může změnit s tím, jak se budou zvyšovat nároky na práci s daty. Menší modely běžící na zařízeních obvykle nemají možnost uchovávat rozsáhlé datové sady, které jsou potřebné pro průběžné aktualizace a kontext. V praxi to může znamenat tlak na rychlejší přístup k centrálním datovým „jezerům“ a modelům, a tím i potřebu výpočetních zdrojů blíže uživateli. V takovém okamžiku by se mohla více projevit původní vize mobilních sítí nové generace, kde je kromě přenosu dat důležitá i schopnost poskytovat nízkolatenční výpočetní výkon v síti.
V dlouhodobějším horizontu se proto počítá s tím, že trh se bude dál profilovat do kombinace velmi drahých centralizovaných modelů a menších, prakticky využitelných modelů na zařízeních – a teprve při dostatečné poptávce vznikne prostor pro „mezivrstvu“ infrastruktury mezi nimi. Z tohoto pohledu se jako relevantní může jevit i strategie, která propojuje telekomunikační ekosystém s AI infrastrukturou a pracuje s koncepty typu sovereign AI nebo sovereign edge computing.
Zdroj: RCR Wireless News
Zdroj: NETGURU NETWORK NEWS
