Model besar, awan perusahaan dan AI tempatan: strategi “cukup-cukup” Big Tech sedang membentuk semula seni bina IT perusahaan

Pengenalan

Dalam dua tahun kebelakangan ini, apabila syarikat membincangkan AI, soalan yang paling kerap ditanya ialah “model mana yang patut digunakan”. Kini, soalannya sedang berubah menjadi “di mana AI harus dijalankan, siapa yang akan menyediakan kuasa pengkomputeran, dan bagaimana ia boleh diintegrasikan ke dalam seni bina IT sedia ada”. Berdasarkan maklumat awam terkini mengenai Anthropic, OpenAI, Meta dan Apple, dapat dilihat bahawa Big Tech sedang bergerak selari melalui tiga laluan: satu ialah terus mengejar model besar yang lebih kuat dan iterasi yang lebih pantas; satu lagi ialah menukar pelaburan besar-besaran dalam pusat data AI menjadi hasil perusahaan yang menyerupai perkhidmatan awan; dan yang ketiga ialah menurunkan lebih banyak keupayaan AI supaya dijalankan secara tempatan pada peranti hujung.

Ini bukan tiga strategi produk yang berdiri sendiri, tetapi tiga realiti yang mungkin akan dihadapi oleh seni bina IT perusahaan pada masa depan secara serentak: AI hadapan lebih bergantung pada kelompok GPU berketumpatan tinggi dan inferens di awan, platform lapisan pertengahan cuba menukar kuasa pengkomputeran menjadi infrastruktur yang boleh dijual, manakala AI hujung menekankan privasi, latensi rendah dan keupayaan luar talian. Bagi CTO, CIO dan arkitek perusahaan, ini bermakna seni bina AI tidak lagi hanya mempunyai satu jawapan “latih di awan, inferens di awan”, sebaliknya telah memasuki fasa penyelarasan berbilang lapisan.

Analisis Teknikal: Mengapa Big Tech semuanya mencari lokasi AI yang “tepat”

Kandungan rujukan merumuskan strategi AI semasa kepada tiga julat “Goldilocks”: lapisan hadapan model besar, infrastruktur AI lapisan pertengahan, dan AI hujung/tempatan. Nilai pengelasan ini ialah ia membantu perusahaan memahami bahawa keupayaan AI bukanlah semakin besar semakin baik, atau semakin dekat dengan pusat awan semakin baik, tetapi bergantung pada senario perniagaan, struktur kos dan kekangan data.

1）Model besar hadapan: keupayaan diutamakan, tetapi kos dan kerumitan paling tinggi

Anthropic dan OpenAI mewakili laluan model hadapan. Matlamat teras mereka bukanlah menjadikan model itu “cukup baik”, tetapi terus meningkatkan keupayaan penaakulan, pengekodan, perancangan dan orkestrasi aliran kerja yang kompleks. Maklumat awam menunjukkan bahawa syarikat-syarikat sebegini terus mengulang iterasi model utama dalam tempoh yang singkat, menandakan fokus persaingan telah beralih daripada “bolehkah AI dibuat” kepada “siapa yang boleh menyerahkan keupayaan bernilai tinggi kepada perusahaan dengan lebih pantas”.

Bagi perusahaan, model hadapan sesuai untuk tugas berkompleksiti tinggi: bantuan pembangunan perisian, aliran kerja pengetahuan, automasi khidmat pelanggan, pemahaman dokumen dan kerjasama ejen merentas sistem. Tetapi kosnya juga jelas:

• Kos inferens lebih tinggi, terutamanya dalam senario berbilang serentak;
• Lebih sensitif terhadap kualiti rangkaian, latensi dan kawalan akses;
• Memerlukan tadbir urus data dan audit log yang lebih ketat;
• Biasanya lebih bergantung pada penggunaan awan dan sukar untuk beroperasi sepenuhnya secara luar talian.

2）Pusat data AI lapisan pertengahan: memasarkan infrastruktur kuasa pengkomputeran menjadi komoditi

Meta yang dibincangkan secara kritikal bukan sahaja terus melabur dalam model AI, tetapi juga cuba menukar pusat data AI binaan sendiri dan keupayaan kuasa pengkomputerannya menjadi perkhidmatan perusahaan yang lebih luas.Meta yang dibincangkan bukan sekadar terus melabur dalam model AI, tetapi juga cuba menukar pusat data AI binaan sendiri dan keupayaan pengkomputeran kepada perkhidmatan perusahaan yang lebih luas. Arah ini pada dasarnya hampir kepada logik awal AWS: mula-mula membina infrastruktur untuk operasi dalaman berskala besar, kemudian mengkomersialkan kapasiti lebihan dan keupayaan kejuruteraan untuk pihak luar, lalu membentuk lapisan pendapatan baharu.

Jika model ini berjaya, seni bina IT perusahaan akan menghadapi perubahan penting: infrastruktur AI tidak lagi dimonopoli sepenuhnya oleh penyedia awan tradisional, malah syarikat internet berskala sangat besar, syarikat AI asli, dan juga “neocloud” berkemungkinan menjadi pilihan pembelian perusahaan. Bagi pasukan perolehan, ini membawa lebih banyak pilihan, tetapi juga membawa pengurusan pembekal, interkoneksi rangkaian, terma kontrak dan isu residensi data yang lebih kompleks.

3）AI di sisi peranti dan tempatan: bukan mengecilkan model, tetapi mentakrif semula sempadan penyebaran

Strategi Apple pula mewakili satu lagi arah: sedaya mungkin membolehkan lebih banyak inferens AI diselesaikan di sisi peranti, dan hanya menyerahkan tugas yang kompleks kepada model awan yang lebih berkuasa apabila perlu. Seni bina ini bergantung pada model yang lebih kecil dan lebih cekap, serta cip, memori dan pengoptimuman peringkat sistem pada telefon, PC dan peranti boleh pakai.

Maksud AI di sisi peranti bukan sekadar “lebih pantas”, tetapi juga termasuk:

• Kependaman rendah: interaksi pengguna lebih lancar;
• Kelebihan privasi: data sensitif boleh dikekalkan secara tempatan sebanyak mungkin;
• Boleh digunakan luar talian: masih boleh beroperasi apabila rangkaian tidak stabil;
• Pelapisan kos: bukan semua permintaan perlu menggunakan GPU awan yang mahal.

Bagi perusahaan, ini menunjukkan satu arah: aplikasi AI pada masa depan akan semakin menyerupai “pengkomputeran berlapis”, bukannya “semua permintaan dihantar ke awan”.

Analisis kesan terhadap perusahaan: seni bina IT akan beralih daripada pusat awan tunggal kepada sistem AI berlapis

1）Kesan kos: perbelanjaan AI akan beralih daripada bajet perisian kepada bajet infrastruktur

Perusahaan sebelum ini membeli SaaS dan terutamanya memberi tumpuan kepada yuran langganan dan kos tempat duduk; namun dalam era AI, struktur kos sedang bergerak ke arah infrastruktur. Panggilan inferens, contoh GPU, pangkalan data vektor, saluran data, cache dan pemantauan semuanya akan menjadi perbelanjaan berterusan.

Ini bermakna dua jenis tekanan bajet akan muncul serentak:

• Tekanan CAPEX: jika perusahaan membina keupayaan AI sendiri, kos GPU, storan, rangkaian, kuasa dan pusat data akan meningkat dengan ketara;
• Tekanan OPEX: jika perusahaan kebanyakannya menggunakan model awan, kos panggilan berterusan, kos penghantaran data dan kos operasi pemantauan akan terus terkumpul.

• Pendekatan yang lebih realistik ialah memecahkan mengikut tahap tugas:
• Tugas berkepekaan rendah dan kompleksiti rendah boleh menggunakan model yang lebih kecil atau AI di sisi peranti;
• Tugas bernilai tinggi dan penaakulan kompleks menggunakan model hadapan awan;
• Beban kerja inferens yang kerap tetapi standard perlu diletakkan pada lapisan pertengahan atau persekitaran inferens khusus yang lebih mudah dikawal dari segi kos.

2）Kesan penyebaran: multi-cloud, edge dan terminal akan wujud serentak

Penyebaran AI bukan lagi sekadar “pilih satu awan” dan selesai. Perusahaan pada masa depan lebih berkemungkinan mengguna pakai struktur empat lapisan:1. AI tempatan pada peranti hujung; 2. Tugas sensitif dalam awan perusahaan khusus atau awan peribadi; 3. Latihan berskala besar dan inferens kompleks dalam awan awam; 4. Perkhidmatan berlatensi rendah di nod tepi atau pusat data wilayah.

Struktur ini menuntut pasukan seni bina perusahaan mencapai tahap yang lebih tinggi: pengurusan identiti, penyegerakan data, kawalan versi model, pengasingan kebenaran dan kebolehlihatan semua perlu disatukan merentas persekitaran.

3）Kesan operasi dan penyelenggaraan: daripada “mengurus pelayan” beralih kepada “mengurus model dan penjadualan kuasa pengkomputeran”

Operasi dan penyelenggaraan tradisional menumpukan pada instance, kontena dan rangkaian; operasi dan penyelenggaraan AI pula perlu mengurus versi model, templat prompt, latensi inferens, panjang konteks, penggunaan GPU dan laluan sandaran kegagalan pada masa yang sama. Perusahaan perlu mengintegrasikan AIOps, FinOps dan MLOps, jika tidak, mudah berlaku situasi seperti “prestasi model sangat baik, tetapi bil tidak terkawal” atau “kos boleh dikawal, tetapi perniagaan tidak dapat digunakan”.

4）Kesan keselamatan dan pematuhan: sempadan data akan menjadi lebih penting

Kebangkitan AI di sisi peranti tidak akan menghilangkan isu pematuhan, sebaliknya akan membuatkan perusahaan menilai semula data mana yang mesti kekal di tempat tempatan, data mana yang boleh dipindahkan ke awan, dan permintaan mana yang boleh diserahkan kepada model pihak ketiga. Bagi industri seperti kewangan, penjagaan kesihatan, kerajaan dan pembuatan, residensi data, jejak audit, tanggungjawab output model dan kawalan akses pihak ketiga semuanya akan menjadi sebahagian daripada reka bentuk seni bina.

Analisis persaingan pasaran: sempadan antara AWS, Azure, Google Cloud dan pemain infrastruktur AI baharu telah dilukis semula

Isyarat pasaran terbesar yang dipaparkan oleh kandungan rujukan bukanlah bahawa mana-mana vendor melancarkan model baharu, tetapi pasaran infrastruktur AI sedang beralih daripada “dikuasai oleh penyedia awan” kepada “pelbagai jenis bekalan wujud bersama”.

Siapa yang mungkin mendapat manfaat?

• AWS, Azure, Google Cloud: Jika terus menguasai pengedaran peringkat perusahaan, identiti, pematuhan dan keupayaan awan hibrid, mereka masih akan menjadi pintu masuk penting bagi beban kerja AI.
• NVIDIA, AMD, Intel, Dell, HPE, Supermicro: Pengembangan pusat data AI akan terus memacu permintaan terhadap GPU, pelayan, rangkaian dan infrastruktur penyejukan.
• Penyedia awan yang menumpukan pada infrastruktur AI: Jika mampu menyediakan harga kuasa pengkomputeran yang lebih fleksibel, penjadualan kluster yang lebih cekap dan kitaran penghantaran yang lebih pantas, mereka berkemungkinan menarik pelanggan yang memerlukan inferens atau latihan berskala besar.
• Ekosistem hujung ala Apple: Vendor yang memiliki perkakasan, sistem dan keupayaan pengedaran aplikasi lebih mudah membentuk kelebihan gelung tertutup dalam AI tempatan.

Siapa yang menghadapi tekanan?

• Platform IaaS umum yang hanya menawarkan perkhidmatan asas tanpa keupayaan AI yang dibezakan;
• Vendor perisian perusahaan yang bergantung pada margin tinggi tetapi tidak mempunyai halangan kuasa pengkomputeran;
• Penyedia perkhidmatan AI yang hanya mampu menjual “akses model” tetapi tidak dapat menyediakan aliran kerja, tadbir urus data dan kawalan penggunaan.

Persaingan masa depan bukan sekadar “siapa modelnya lebih kuat”, tetapi “siapa yang boleh menyepadukan model ke dalam proses IT perusahaan, sistem belanjawan dan kerangka pematuhan”.## Pemerhatian Trend Industri: Lima Tahun Akan Datang, Seni Bina AI Akan Lebih Mirip “Grid Kuasa Hibrid” Daripada Pusat Data Tunggal

Perubahan ini menunjukkan bahawa seni bina AI perusahaan akan bergerak ke beberapa arah jangka panjang:

1）AI Native Cloud

Platform awan akan semakin dibina semula di sekeliling AI, termasuk instance GPU, platform latihan, pengehosan inferens, carian vektor, tadbir urus data dan orkestrasi agen. Syarikat memilih awan bukan lagi sekadar untuk storan dan pengkomputeran, tetapi untuk mendapatkan rangkaian operasi AI yang lengkap.

2）Awan Pelbagai dan Kebolehpindahan Model

Seiring model, rangka kerja inferens dan persekitaran deployment terus menjadi semakin pelbagai, perusahaan akan memberi lebih tumpuan kepada kebolehpindahan bagi mengelakkan terikat kepada satu model atau satu awan sahaja. Khususnya bagi kumpulan rentas wilayah dan rentas industri, multi-cloud akan berubah daripada “pengagihan risiko” menjadi “alat penjadualan kapasiti AI”.

3）Sovereign Cloud dan Deployment Setempat

Dengan pengawalseliaan, kedaulatan data dan keperluan pematuhan rentas sempadan yang semakin ketat, sovereign cloud dan infrastruktur AI berwilayah akan terus berkembang. Perusahaan tidak akan menyerahkan semua data sensitif kepada satu penyedia model global sahaja.

4）Infrastruktur Edge dan AI Setempat

AI di peranti bukan pengganti awan, tetapi pelengkap kepada awan. Pada masa depan, banyak interaksi harian, pembantu peribadi dan tugas analisis ringkas akan diselesaikan di peranti, dan hanya tugas yang benar-benar kompleks akan dihantar ke awan. Ini akan mengubah struktur lebar jalur, kependaman dan kos dengan ketara.

Wawasan CloudTechDaily

Perpecahan strategi AI Big Tech pada pusingan ini membawa makna paling penting bahawa: infrastruktur AI sedang berubah daripada keupayaan titik tunggal kepada lapisan keputusan teras dalam seni bina IT perusahaan. Syarikat model termaju terus mendorong sempadan keupayaan, pembekal lapisan pertengahan cuba menukar perbelanjaan modal pengkomputeran menjadi hasil awan, manakala pembekal di sisi peranti membuktikan bahawa tidak semua AI perlu kekal di pusat data. Bagi perusahaan, ini bermakna seni bina AI masa depan bukan lagi soalan mudah “pilih awan” atau “pilih model”, sebaliknya perlu membina keseimbangan berlapis antara prestasi, kos, privasi, pematuhan dan kebolehkawalan.

Dari sudut strategi, laluan perusahaan yang paling stabil bukanlah bertaruh pada satu model tunggal, tetapi membina seni bina AI yang boleh berlapis, boleh dipindahkan dan boleh diaudit: mengekalkan tugas sensitif tinggi di lokasi atau persekitaran peribadi, meletakkan inferens bernilai tinggi pada platform awan yang terkawal, dan meletakkan senario piawai dengan kependaman rendah di edge atau peranti. Dalam lima tahun akan datang, perusahaan yang benar-benar berdaya saing bukanlah perusahaan yang paling awal menggunakan AI, tetapi yang paling awal memasukkan AI ke dalam sistem tadbir urus infrastruktur.

Sumber Rujukan

1. Artikel rujukan: Big Tech Goldilocks AI Strategies: Large, Medium, Small & 'Just Right'. ARD #85 - AI: Reset to Zero https://michaelparekh.substack.com/p/big-tech-goldilocks-ai-strategies2. Halaman pelancaran rasmi OpenAI (rujuk latar belakang kemas kini model utama yang disebut dalam teks) https://openai.com/index/introducing-gpt-5-5/

3. Laporan CNBC tentang kemungkinan perniagaan awan Meta (rujuk kenyataan awam yang disebut dalam teks) https://www.cnbc.com/2026/05/27/mark-zuckerberg-says-a-meta-cloud-computing-business-is-definitely-on-the-table.html

4. Latar belakang perbincangan awam berkaitan Apple (rujuk hala tuju AI di peranti yang disebut dalam teks) https://www.theinformation.com/articles/apple-renew-push-ai-runs-devices-instead-cloud?rc=fzcdtg