Przez lata rozwój internetu, centrów danych i chmury sprawiał, że coraz więcej obliczeń przenosiło się z komputerów użytkowników do scentralizowanej infrastruktury. Rozwój agentowej AI może jednak odwrócić część tego trendu. Nie chodzi o powrót do świata, w którym PC wykonuje wszystkie zadania lokalnie, lecz o zmianę jego roli: komputer użytkownika może stać się jednym z elementów hybrydowej infrastruktury AI, dzielącej pracę między urządzenie, przetwarzanie brzegowe i chmurę. Historia ostatnich czterech dekad pokazuje wyraźne przesunięcie miejsca wykonywania obliczeń. W latach 80. i 90. większość aplikacji, danych i procesów działała bezpośrednio na komputerze użytkownika. Po 2000 roku coraz większe znaczenie zyskiwały serwery i internet, a po 2010 roku dominującym modelem stała się chmura. Rozwój generatywnej AI po 2020 roku dodatkowo zwiększył znaczenie centrów danych, wyposażonych w ogromne klastry akceleratorów. Teraz pojawia się kolejny etap. Prognozy AMD zakładają, że druga połowa obecnej dekady może przynieść stopniowy wzrost znaczenia komputerów osobistych jako lokalnych środowisk obliczeniowych dla AI. Nie oznacza to końca chmury. Przeciwnie, przyszły model ma łączyć oba środowiska i kierować poszczególne zadania tam, gdzie ich wykonanie będzie najbardziej uzasadnione pod względem kosztów, wydajności, bezpieczeństwa i dostępu do danych. Jednym z powodów jest rozwój agentowej AI. Klasyczny chatbot odpowiada na pojedyncze zapytanie, natomiast agent może samodzielnie planować kolejne kroki, korzystać z narzędzi, przeszukiwać bazy danych, analizować dokumenty czy komunikować się z innymi systemami. Jedno zadanie użytkownika może więc uruchomić cały łańcuch operacji, a w konsekwencji wygenerować wielokrotnie większe zapotrzebowanie na moc obliczeniową. To prowadzi do tzw. pułapki tokenów. Im bardziej autonomiczni stają się agenci, tym więcej operacji wykonują w tle, a każda z nich może oznaczać kolejne wykorzystanie zasobów chmurowych. Koszty mogą więc rosnąć znacznie szybciej niż liczba poleceń wydawanych przez użytkownika. AI nie musi za każdym razem trafiać do chmury Naturalną odpowiedzią jest podział obciążenia. Mniejsze i powtarzalne zadania mogą być realizowane lokalnie, natomiast bardziej wymagające operacje mogą trafiać do większych modeli działających w chmurze. W takim układzie PC staje się lokalnym punktem wykonywania AI, a nie tylko terminalem służącym do łączenia się z usługą zewnętrzną. Ma to znaczenie nie tylko dla kosztów. Jeżeli model działa na urządzeniu i korzysta z przechowywanych lokalnie danych, część informacji nie musi opuszczać komputera. To może być istotne w przypadku dokumentów firmowych, danych klientów czy innych informacji, których organizacja nie chce przesyłać do zewnętrznej usługi. Jednocześnie lokalna AI ma swoje ograniczenia. Agent wykonujący zadania w imieniu pracownika potrzebuje dostępu nie tylko do modelu, lecz także do aplikacji, danych, systemów uwierzytelniania i narzędzi komunikacyjnych. Im większe ma uprawnienia, tym większe staje się ryzyko błędnego działania. Dlatego rozwój lokalnej AI będzie wymagał nie tylko wydajniejszego sprzętu, ale również kontroli uprawnień, monitorowania aktywności i mechanizmów ograniczających zakres działań agenta. PC jako część firmowej infrastruktury AI AMD pokazuje ten kierunek na przykładzie hybrydowych środowisk, w których agenci działający na komputerach z rodziny Ryzen AI współpracują z infrastrukturą serwerową opartą na akceleratorach Instinct. Firma prezentuje też rozwiązania umożliwiające uruchamianie coraz większych modeli lokalnie. W przypadku platformy Ryzen AI Max możliwe są konfiguracje z dużą współdzieloną pulą pamięci, pozwalającą uruchamiać modele znacznie większe niż te, które jeszcze niedawno wymagały infrastruktury centrum danych. Znacznie ważniejsza od konkretnych parametrów sprzętu jest jednak zmiana architektoniczna. Komputer pracownika może być jednym z wielu punktów obliczeniowych w przedsiębiorstwie. Część zadań wykonywana jest lokalnie, inne trafiają do przetwarzania brzegowego lub centrum danych, a system decyduje o miejscu wykonania na podstawie rodzaju zadania, dostępnych zasobów, kosztu i wymagań dotyczących danych. Przykładowo, AMD zaprezentowało model, w którym 69% obciążenia przetwarzaniem tokenów pozostawało lokalnie, a 31% było kierowane do chmury. To oczywiście przykład konkretnego scenariusza, a nie uniwersalna proporcja dla wszystkich zastosowań. Pokazuje jednak, jak może wyglądać przyszły model wykorzystania AI. Powrót PC nie oznacza końca centrów danych Najbardziej prawdopodobny scenariusz nie zakłada więc konkurencji między PC a chmurą, lecz ich coraz ściślejszą współpracę. Centra danych nadal będą potrzebne do trenowania modeli, obsługi najbardziej wymagających zadań i zapewnienia ogromnej skali obliczeń. Jednocześnie część wnioskowania będzie mogła być wykonywana bliżej użytkownika. Zmienia się również ekonomika takiego podejścia. Jeśli każda czynność wykonywana przez cyfrowego pracownika generuje kolejne zapytania do modeli, utrzymywanie tysięcy agentów wyłącznie w chmurze może okazać się kosztowne. Lokalne zasoby pozwalają przenieść część tych operacji poza płatne usługi chmurowe, pozostawiając tam zadania, dla których potrzebny jest większy model lub dodatkowa moc. To może przywrócić komputerom osobistym znaczenie, którego częściowo pozbawiła je era chmury. Nie jako samodzielnym "centrom obliczeniowym", ale jako elementom rozproszonej infrastruktury AI. W przedsiębiorstwie z tysiącami pracowników oznaczałoby to potencjalnie tysiące urządzeń, które nie tylko wyświetlają wyniki pracy AI, lecz także uczestniczą w jej wykonywaniu. Jeśli ten model się upowszechni, PC przestanie być jedynie końcówką firmowej infrastruktury. Stanie się jej lokalnym węzłem obliczeniowym, współpracującym z edge i chmurą. Właśnie w tym sensie rozwój agentowej AI może sprawić, że komputer osobisty ponownie zacznie odgrywać ważniejszą rolę w architekturze IT.
