AirTrunk inwestuje 1 mld dolarów w centra danych w Japonii

Decyzja, o której poinformował Nikkei Asia, a potwierdził Data Center Dynamics, ma na celu rozbudowę mocy obliczeniowych i wdrożenie chłodzenia cieczowego dla gęstych obciążeń AI. Finansowanie zapewnia pożyczka zielona o wartości 1 mld dolarów, prowadzona przez Sumitomo Mitsui Banking Corp, MUFG Bank i United Overseas Bank.

Robin Khuda, CEO AirTrunk, stwierdził, że kampus Inzai, nazwany TOK1, będzie prawdopodobnie pierwszym w Japonii, który pomieści duże wdrożenia AI. Zaznaczył, że czynniki geopolityczne skłaniają klientów do wybierania Japonii z perspektywy północnej Azji. Firma planuje zwiększenie mocy w Japonii z obecnych 530 MW do ponad 1 GW.

Infrastruktura AI jako element handlu detalicznego

Te wydatki inwestycyjne wpisują się w szerszy trend, w którym operacje detaliczne i e-commerce stają się coraz bardziej zależne od zaawansowanej infrastruktury AI. Zgodnie z wpisem na blogu NVIDIA z 1 października, fabryki AI buduje się w megawatach, a każda taka jednostka kosztuje około 60 mln dolarów. NVIDIA podkreśla, że operatorzy fabryk AI angażują kapitał w tej skali tylko przy jasnym widoku zwrotu z inwestycji, napędzanym zdolnością zarobkową, trwałością i zamiennością. Ta efektywność pozwala detalistom uruchamiać złożone algorytmy do personalizacji, zarządzania zapasami i obsługi klienta w bardziej opłacalny sposób. Blog odnotowuje, że GPU NVIDIA A100, wysłane w 2020 roku, wciąż pracuje komercyjnie, a CoreWeave przedłuża rezerwacje do 2029 roku, co demonstruje długoterminową wartość ekonomiczną takiego sprzętu. Dane NVIDIA cytowane w wpisie pokazują, że systemy Vera Rubin NVL72 zapewniają przepustowość ponad 30-krotnie wyższą na megawatt niż systemy GB300 NVL72.

Robotyka wchodzi w pętlę produkcyjną

Teradyne ogłosiło 5 października strategiczną inwestycję w Bright Machines, firmę budującą infrastrukturę dla AI i centrów danych.

Współpraca koncentruje się na integracji technologii robotycznych i testowych Teradyne z platformą produkcyjną Bright Machines. Shantnu Sharma, główny dyrektor ds. rozwoju w Teradyne, wyjaśnił, że budowa centrów danych AI wymaga szybkiej zmiany projektów i weryfikacji każdej jednostki. Platforma Bright Machines łączy projektowanie, automatyzację i dane, umożliwiając robotom montaż komponentów, testy weryfikacyjne oraz wykorzystanie zwracanych danych do optymalizacji następnej jednostki. Ta pętla jest kluczowa dla szybkiego wdrażania infrastruktury AI, która podtrzymuje współczesny e-commerce. Fiaz Mohamed, główny dyrektor ds. wzrostu w Bright Machines, powiedział, że integracja połączy dane z robotyki i testów z danymi z montażu i inspekcji, dając klientom pewność co do przetestowanej platformy produkcyjnej.

Teradyne przypisało AI główny wzrost przychodów, co oznacza piątą z rzędu kwartalny wzrost. Spółka zależna firmy, Universal Robots, niedawno wypuściła ramię cobot siódmej generacji, zaprojektowane, aby wykorzystać postępy w AI. Ta synergia między robotyką a infrastrukturą AI zmienia sposób budowy i wdrażania technologii detalicznych.

Wyzwania prywatności i regulacyjne

Szybkie wdrażanie technologii detalicznych napędzanych AI napotyka jednak tarcia regulacyjne. 7 października australijski regulator ds. prywatności wszczął śledztwo w sprawie Shenzhen Qingcheng, twórcy aplikacji za smartokularami HeyCyan od Kmart za 89 dolarów. Śledztwo nastąpiło po oburzeniu publicznym dotyczącym ukrytego użycia urządzeń, które mogą przechwytywać obrazy i nagrywać wideo w wysokiej rozdzielczości. Komisarz Carly Kind ogłosiła badanie po tym, jak Shenzhen Qingcheng nie odpowiedziała na zapytania. Petycja GetUp zebrała ponad 55 000 podpisów wzywających do ograniczeń w użyciu tego, co nazwano „okularami perwersji”. Rady w Australii rozważają zakaz okularów w przestrzeni publicznej, a rząd federalny rozważa ograniczenia w miejscach pracy rządowych. Kind podkreśliła trudność w stosowaniu prawa o prywatności do jednostek, ponieważ ustawa o prywatności dotyczy tylko firm i agencji wspólnotowych. Zaznaczyła, że podmiot dostarczający oprogramowanie w urządzeniu to prawdopodobnie ten, który zbiera i przechowuje informacje. Propozycje zmian w ustawie o prywatności miałyby zastąpić test „wystarczająco konieczny” testem „uczciwy i rozsądny”, wymagając od podmiotów uwzględnienia wyboru jednostki i najlepszej korzyści dzieci.

Sygnały rynkowe i zachowania konsumentów

Te zmiany technologiczne zachodzą na tle zmieniających się zachowań konsumentów i presji rynkowych. Badanie London School of Economics, opublikowane 7 października, wykazało, że naukowcy, którzy wierzą, że technologia w dużej mierze rozwiąże zmianę klimatu, są o 23% mniej skłonni podpisywać petycje lub uczestniczyć w protestach. Ten „techno-optymizm” może prowadzić do polegania na nieudowodnionych rozwiązaniach kosztem potrzebnych zmian społecznych.

W sektorze detalicznym podobny optymizm napędza inwestycje w personalizację AI. Brytyjski detalista Very zgłosił wzrost przychodu na klienta o 20% po zwiększeniu personalizacji AI. Tymczasem Walmart wykorzystuje podświetlane etykiety cyfrowe na półkach, aby pomóc klientom i pracownikom znaleźć produkty, co integruje handel fizyczny z cyfrowymi strumieniami danych.

Dane rynkowe sugerują jednak spowolnienie w niektórych obszarach. CnEVPost poinformował 30 września, że sprzedaż detaliczna NEV w Chinach spadła o 20% rok do roku w pierwszych 27 dniach września. Mimo że NEV stanowiły 65,7% sprzedaży samochodów osobowych, szerszy rynek odnotował spadek o 29%. Oznacza to, że choć adopcja technologii trwa, wydatki konsumenckie pod presją, co wymaga od detalistów większej efektywności i precyzji w użyciu narzędzi AI.

Przecięcie infrastruktury AI, robotyki i nadzoru regulacyjnego tworzy złożony krajobraz dla technologii detalicznych. Firmy intensywnie inwestują w zdolności backendowe, które napędzają doświadczenia klienta w frontendzie, ale muszą nawigować prawami prywatności i zmiennością rynkową. W kolejnych latach prawdopodobnie dojdzie do konsolidacji tych technologii, a liderami wyłonią się ci, którzy potrafią zrównoważyć innowacje i zgodność z przepisami.