Az AI PC-knek végre van okuk a létezésre: csökkenteni kell cége mesterséges intelligenciaszámláját
Érdekes dolgok történnek manapság a PC-piacon, és ami még ennél is fontosabb, a következő év során még nagyobb hatású változások várhatók. Magas szinten a PC-szállítmányok általános csökkenése várható, és ez valóban kezd csökkenni egységenként.
Elsősorban a memória- és tárhelyköltségek hatalmas növekedése miatt az átlagos PC-eladási árak jelentősen emelkedtek az elmúlt évben. Ez visszafogta az általános keresletet, különösen a költségérzékeny fogyasztók és más alacsony kategóriás PC-szegmensek körében.
Ennek ellenére a nagy PC-gyártók, nevezetesen a Dell, a HP és a Lenovo, mind magasabb PC-bevételekről számoltak be, és arra számítanak, hogy a növekedés 2026-ig is folytatódni fog. A magasabb kategóriás, nagyobb teljesítményű PC-k iránti kereslet továbbra is erős, és az ezekből a sokkal drágább gépekből származó többletbevétel több mint ellensúlyozza az alacsonyabb árfekvésű modellek veszteségeit. Ez önmagában is érdekes és meglepő.
Úgy gondolom azonban, hogy egy még nagyobb elmozdulás küszöbén állhatunk: az AI-képes PC-k iránti kereslet jelentős növekedése. A vállalati mesterséges intelligencia használatának robbanásszerű növekedése egy teljesen új vállalati kiadási kategóriát, a tokeneket hoz létre, és azt az igényt, hogy ellenőrizni kell, hogy a kiadások végre biztosíthassák az AI PC-k számára azt a gazdasági indokot, amelyet az iparág nehezen tudott megfogalmazni.
Számos strukturális változás történt már abban, ahogyan a vállalkozások gondolkodnak számítástechnikai igényeikről, és néhány további változásra van még szükség, amelyek erre az elmozdulásra utalnak.
Az első az a tény, hogy a vállalatoknak hirtelen egy új, több millió dolláros költségkategóriával kellett megküzdeniük: a mesterséges intelligencia következtetéseiből származó kiadásokkal, amelyet egyre inkább jelképes fogyasztáson keresztül mérnek és kezelnek. Az olyan trendek között, mint a tokenmaxxing, és a ma már általánosan elfogadott hiedelem, miszerint a vállalatok lemaradhatnak versenytársaik mögött, hacsak nem használják ki a lehető legagresszívebben az új GenAI- és ügynöki AI-képességeket, a szervezeteknek óriási pénzösszegeket kell átirányítaniuk valamire, amire korábban alig gondoltak.
Kezdetben az általános izgalom és a sürgősség érzése a GenAI és az ügynöki AI kihasználása körül azt jelentette, hogy ezeknek az erőfeszítéseknek kevés felügyelete vagy elemzése történt. Most azonban a vállalatok felismerik, hogy ezek a tokenomikai problémák a vállalati költségvetésük nagy és hosszú távú részét fogják képezni, ezért lényegesen nagyobb figyelmet fordítanak arra, hogyan lehet ezeket a költségeket kezelni.
Eleinte gyakorlatilag az összes token kérést a felhő alapú szolgáltatásokhoz küldték. Eleinte ez nem volt komoly aggodalomra ad okot, mert a legtöbb tokent ingyen generálták, ez a helyzet még mindig nagyrészt a világ más részein, különösen Kínában.
Ez drámaian megváltozott körülbelül egy éve, amikor a nagy modellszolgáltatók díjat kezdtek fizetni a token használatáért. Már most is vannak olyan nagy modellbeszállítóink, mint az Anthropic, amelyek állítólag elképesztő, 65 milliárd dolláros éves bevételt érnek el.
Ugyanakkor számos technikai fejlődés új lehetőségeket nyit a tokenek generálására. A kisebb modellek teljesítményének javulása, a testreszabható, nyitott súlyú modellek használatának drámai növekedése, valamint a kifejezetten vállalati adatközpontokhoz tervezett mesterséges intelligencia-infrastruktúra növekvő elérhetősége mind-mind új gondolkodásmódot eredményez az AI-központú számítástechnikai igények kielégítésében.
Nevezetesen, hogy a felhőt, a helyszíni és az eszközön történő számítástechnikát egyesítő hibrid AI architektúrák térnyerése több választási lehetőséget kínál a szervezeteknek a tokenek előállítási helyével kapcsolatban. Egyre jobban felismerik azt is, hogy nem minden mesterséges intelligencia kérést kell határszintű modelleknek kezelniük. A kisebb és speciálisabb modellek sok ilyen kérést képesek kezelni, és bizonyos helyzetekben jobb és pontosabb válaszokat adnak.
A megfelelően felszerelt mesterséges intelligencia PC-k, az „asztali” munkaállomások, mint például az Nvidia GB10 lapkájával és az AMD Ryzen AI Max/Max+ 400x lapkájával, tökéletesen illeszkednek ehhez az új forgatókönyvhöz. Sok erősebb, kompaktabb modellt futtathatnak, amelyek naponta megjelennek, és érdekes új gazdasági alternatívát kínálnak a tokengeneráláshoz.
Valójában egyesek azzal érvelnek, hogy ezek a rendszerek képesek futtatni az egy évvel ezelőtti határszintű modellek megfelelőjét. Ráadásul az AI-alkalmazások és a nyílt súlyú modelleket kihasználó ügynöki platformok növekvő száma miatt ezek a gépek speciálisabb alkalmazásokon és megoldásokon is használhatók.
Mindezen technikai okokon túl azonban a legegyszerűbb és legmeggyőzőbb érv az AI PC-k mellett a közgazdaságtan, vagy inkább a tokenomika. A kellően nehéz mesterségesintelligencia-felhasználók számára, ha a token-fogyasztás akár 20%-át is a drága felhőmodellekről helyi következtetésekre terelnék, jelentősen lerövidítheti a megtérülési időt egy 4000 dolláros AI PC-n. Egyes nagy igénybevételű forgatókönyvekben ez az időszak több hónapra, nem pedig évekre csökkentheti.
Dobja fel annak lehetőségét, hogy mondjuk a token kérelmek további 30%-át egy helyszíni, GPU-val felszerelt szerverre vagy egy vállalati mesterségesintelligencia-gyárra küldje, ahogy az Nvidia Jensen Huangja megcímkézte őket, és a megtakarítás még nagyobb lehet.
Természetesen ezekhez a vásárlásokhoz járna kezdeti tőkebefektetés, de a megtérülési modell felépítése ezek igazolására napról napra könnyebb. Az újonnan létrehozott token alapok vagy költségvetési sorok kihasználása, amelyeket a szervezetek kénytelenek voltak létrehozni, még könnyebbé teheti az érvelést.
Bármennyire is logikusan hangzik mindez, minden bizonnyal vannak akadályok az úton. Először is, a jelenlegi PC-beszerzési folyamat a legtöbb szervezetnél úgy van felépítve, hogy soha nem indokolná az ilyen típusú beszerzéseket.
A vállalatok általában három-öt évre szóló életciklus-tervekkel rendelkeznek a számítógépeikre, és igyekeznek a vállalati rendszerek beszerzési árait a történelmi 1000 és 2000 dollár közötti tartományban tartani. A lényegesen drágább gépek flottára kiterjedő telepítésére való áttérés C-csomag szintű változtatásokat igényelne a jól bevált és valószínűleg fokozottan védett folyamatokon.
A kritikus változás az, hogy a vállalatoknak fel kell hagyniuk azzal, hogy a mesterséges intelligencia PC-kre kizárólag végpontvásárlásként gondoljanak, hanem elosztott mesterségesintelligencia-infrastruktúrának kell tekinteniük őket.
Másodszor, még meg kell oldani azt a kihívást, hogy miként lehet a legjobban felosztani és hangszerelni egyetlen AI prompt vagy munkafolyamat különböző elemeit a különböző számítási erőforrások között egy hibrid AI környezetben.
Számos szervezet egyértelműen dolgozik ezen a kihíváson, és az olyan iparági szabványok, mint az MCP és az A2A, segítenek megteremteni a heterogénebb mesterségesintelligencia-számításhoz szükséges interoperabilitási alapot. Kiforratlan marad az az intelligenciaréteg, amely képes dinamikusan meghatározni, hogy a képesség, a költségek, a késleltetés, az adatvédelem és a rendelkezésre állás alapján melyik modellnek és számítási erőforrásnak kell kezelnie a munkafolyamat egyes részeit.
Szerencsére a legnagyobb modellszolgáltatók erőfeszítéseit is tapasztaljuk annak érdekében, hogy modelljeik változatait különböző környezetekben is elérhetővé tegyék. Néhány hónappal ezelőtt a Google bejelentette, hogy megállapodást köt a Dell-lel, amely lehetővé teszi a Gemini verzióinak Dell AI infrastruktúrán való futtatását a vállalatokon belül.
Ezen túlmenően egyértelmű gazdasági ösztönzők vannak az olyan vállalatok számára, mint az Anthropic és az OpenAI, hogy olyan eszközöket hozzanak létre, amelyek lehetővé teszik számukra, hogy bizonyos fokú használatot tartsanak fenn egy hibrid AI környezetben. A legtöbb mesterségesintelligencia-kérdés egy része valószínűleg továbbra is választ igényel majd a legújabb határmodellektől. Azáltal, hogy olyan eszközöket hoznak létre, amelyek zökkenőmentessé teszik ezt a folyamatot, ezek a vállalatok még akkor is garantálhatják a használati szintet, amikor a szervezetek azon dolgoznak, hogy csökkentsék a legújabb határmodellektől való függőségüket, ahogyan ez elkerülhetetlenül is meg fog tenni.
Tömören fogalmazva: jobb egy vállalat mesterséges intelligencia-tevékenységének 100%-át lebonyolítani, és 30%-át közvetlenül pénzzé tenni, mint ragaszkodni a 100%-os feldolgozáshoz, és fennáll annak a veszélye, hogy megkerülik.
Az egyértelműség kedvéért, az AI PC-k nem az egyetlen megoldást a hatalmas token-fogyasztás okozta növekvő gazdasági kihívásra. Ugyanúgy, ahogyan a korai, korlátlan felhőalapú számítástechnika a FinOps platformokhoz vezetett a felhőfogyasztás kezeléséhez, a mesterséges intelligencia használatának folyamatos növekedésével minden bizonnyal drámai növekedést tapasztalunk mind a megoldások számában, mind pedig változatosságában.
Gyakorlati és gazdasági szempontból azonban a nagy teljesítményű mesterséges intelligencia PC-k és munkaállomások félelmetes eszközöknek bizonyulhatnak és kell is, hogy segítsenek a szervezeteknek e célok elérésében. Ironikus módon a mesterséges intelligencia PC-k számára készült gyilkos alkalmazás egyáltalán nem biztos, hogy egy adott AI-alkalmazás. Lehet, hogy ez egyszerűen közgazdaságtan.
Ha a vállalatok rájönnek, hogy több mesterségesintelligencia-számítás az alkalmazottak asztalára történő elhelyezésével jelentősen csökkentheti a felhőalapú következtetések gyorsan növekvő költségeit, az AI tokenomikája végre olyan lenyűgöző ROI-történetet biztosíthat az AI PC-knek, amelyekről eddig hiányzott.
Bob O’Donnell a TECHnalysis Research, LLC alapítója és vezető elemzője, egy technológiai tanácsadó cég, amely stratégiai tanácsadási és piackutatási szolgáltatásokat nyújt a technológiai ipar és a szakmai pénzügyi közösség számára. Követheti őt a Twitteren @bobodtech