Det har blivit en av de tongivande berättelserna inom artificiell intelligens – och den ritar om hur sektorn arbetar i Europa. Sweekly har talat med chefer, ingenjörer och investerare för att förstå vad som verkligen driver skiftet, och vad det betyder för företagen som får leva med konsekvenserna.
Investerare har pumpat in ungefär 7 miljarder kronor i sektorn de senaste tre åren, och takten ökar.
Riskerna
Cheferna är öppna med att de svåraste problemen är organisatoriska, inte tekniska.
För företagsköpare väger kalkylen alltmer över mot lösningar som håller känslig data innanför nationsgränserna.
“Vinnarna blir inte de med störst modell. Det blir de som snabbast får den att göra nytta.”— Teknikchef
Vad som händer härnäst
Latens, kostnad och regelefterlevnad betyder nu mer för industrikunder än råa benchmarkresultat.
Communityt kring öppen källkod förblir den tysta ryggraden i mycket av den här infrastrukturen.
Att hålla ögonen på
- Tillgång till seniora ingenjörer som kan leverera till produktion
- Datalagring och efterlevnad av det kommande EU-ramverket
- Total ägandekostnad för träning och inferens
- Integration med befintliga industrisystem och arbetsflöden
Läget just nu
Skiftet mot mindre, specialiserade modeller förändrar hur team ser på total ägandekostnad.
Bolagets ingenjörer menar att den verkliga skillnaden inte är modellen i sig utan datapipelinen som matar den.
Slutsatsen
Investerare har pumpat in ungefär 12 miljarder kronor i sektorn de senaste tre åren, och takten ökar.
Källor & vidare läsning
Skriven av
Oskar AhlgrenJärnvägs- och mobilitetsreporter
Oskar följer tågen, spåren och signalsystemen som binder samman regionen.
Diskussion(3)
Skulle gärna se en uppföljning om hur de mindre aktörerna anpassar sig till skiftet.
Jag är lite mer skeptisk till tidsplanen, men riktningen är obestridlig.
Bra rapportering som alltid från Sweekly-redaktionen. Datan om införandet är ögonöppnande.