Bisher drehten sich meine zwei Posts zu zukünftigen AI-Engpässen um die Themen Test & Metrology sowie Photonics. Beide Bereiche entstehen rund um die Frage, wie immer leistungsfähigere AI-Infrastruktur überhaupt noch kontrolliert, verbunden und skaliert werden kann.
Ein weiterer möglicher zukünftiger Infrastruktur-Layer könnte allerdings direkt außerhalb der Rechenzentren entstehen: Edge AI.
Heute findet ein Großteil moderner AI noch zentral in großen Datacentern statt. Gleichzeitig entstehen immer mehr Systeme, die AI lokal ausführen sollen: Kameras, Fahrzeuge, Drohnen, Roboter, Sensoren oder industrielle Maschinen. Daten müssen dort oft in Echtzeit verarbeitet werden. Nicht jede Anfrage kann erst in die Cloud geschickt werden. Dadurch verschiebt sich AI Schritt für Schritt näher an die physische Welt.
Edge AI beschreibt genau diese Entwicklung: AI-Inferenz läuft lokal auf Geräten, Maschinen oder Sensoren statt ausschließlich im zentralen Rechenzentrum. Damit entsteht ein neuer Infrastruktur-Stack zwischen Cloud-AI und realer Welt.
Ebene 1: Edge Compute & Embedded Control
Auch im Edge-Bereich bleibt Rechenleistung die Grundlage. NVIDIA adressiert diesen Markt zunehmend über Jetson-Plattformen für Robotik, industrielle AI und autonome Systeme.
Erwähnenswert finde ich zusätzlich $LSCC (+4,96 %) (Lattice Semiconductor). Während viele AI-Systeme maximale Leistung priorisieren, fokussiert sich Lattice stärker auf stromsparende Embedded-Control, Sensorfusion und flexible lokale Datenverarbeitung. Genau solche effizienten Steuerungssysteme könnten im Edge-Bereich wichtiger werden als reine Maximalleistung.
Ebene 2: Power Management & Energieeffizienz
Mit wachsender lokaler AI steigt zusätzlich die Bedeutung von Energieeffizienz. Edge-Systeme arbeiten oft unter engen Energie- und Temperaturgrenzen. Viele Systeme laufen dauerhaft, mobil oder autonom.
Genau deshalb könnte Power-Management dort langfristig sogar kritischer werden als im klassischen Datacenter. Unternehmen wie $MPWR (+1,77 %) (Monolithic Power Systems) adressieren diese Ebene mit hochgradig effizienten Power-Lösungen für AI-, Automotive- und Embedded-Systeme.
Ebene 3: Vision AI, Sensorik & Wahrnehmung
Viele zukünftige Edge-Systeme müssen ihre Umgebung lokal verstehen. Kameras, Maschinen, Fahrzeuge oder autonome Systeme benötigen zunehmend Computer Vision direkt auf dem Gerät selbst.
$AMBA (+4,83 %) (Ambarella) gehört für mich zu den interessantesten Pure Plays in diesem Bereich. Die Stärke liegt vor allem in energieeffizienter lokaler Bildverarbeitung und Vision AI. Genau dort entsteht die Verbindung zwischen AI und physischer Realität. Ambarella habe ich heute auch in mein wikifolio "NextLimits" aufgenommen.
Ebene 4: Speicher, Navigation & Optionality
Mit steigender Autonomie wachsen zusätzlich die Anforderungen an Speicher, Sensorik und Navigation. $MRAM (+3,71 %) (Everspin Technologies) arbeitet mit nichtflüchtigen Speicherarchitekturen, die langfristig besonders interessant für robuste und energieeffiziente Edge-Systeme werden könnten.
$INFQ (Infleqtion) erweitert das Thema zusätzlich um Quantum-Sensing und hochpräzise Navigationstechnologien, etwa für autonome oder GPS-unabhängige Systeme. Das sind für mich noch keine sicheren zukünftigen Gewinner. Aber möglicherweise frühe Infrastruktur-Optionen auf eine Welt, in der AI nicht mehr nur in Datacentern existiert.
Das Spannende daran: Der nächste große AI-Shift könnte nicht nur mehr Compute bedeuten. Sondern die Verlagerung von AI aus zentralen Cloud-Systemen hinein in Maschinen, Fahrzeuge, Sensoren und Robotik.
AKUT/ACTIVE:
HBM + Power & Cooling + Advanced Packaging + Energy/Grid
ZUKÜNFTIG/EMERGING:
Test & Metrology + Photonics + Edge AI
Denn AI braucht künftig nicht nur mehr Rechenleistung. AI muss zunehmend direkt in der realen Welt "draußen vor Ort" funktionieren.
Auf der Grafik seht ihr Edge AI im Zusammenhang. Ganz unten auch mit allen akuten (4 Stück) und zukünftigen (3 Stück) AI-Engpässen aus meinen letzten Posts.
Als Nächstes werde ich euch auf mögliche Bottlenecks in anderen, aufstrebenden Feldern unabhängig von AI aufmerksam machen.
