از یک سو، نهادها و شرکت‌های فناوری با صدای بلند به ترویج و گسترش رایانه‌های هوش مصنوعی (AI PC) می‌پردازند و از سوی دیگر، خریداران عملاً پول خود را صرف قابلیت‌های هوش مصنوعی نمی‌کنند؛ این تضاد، واقعی‌ترین تصویر بازار رایانه را در سال ۲۰۲۷ ترسیم می‌کند. آخرین پیش‌بینی مؤسسه اومدیا (Omdia) نشان می‌دهد که سهم رایانه‌های مجهز به هوش مصنوعی از ۳۳ درصد محموله‌ها در سال ۲۰۲۵ به ۶۰ درصد در سال ۲۰۲۷ افزایش خواهد یافت و تا سال ۲۰۳۰ به ۷۹ درصد خواهد رسید. اما همین بررسی‌ها همچنین نشان می‌دهند که تنها ۹ درصد از پاسخ‌دهندگان، ویژگی‌های هوش مصنوعی را دلیل اصلی ارتقای سیستم خود می‌دانند؛ ۶۲ درصد تنها به این دلیل که دستگاهشان کند شده، خراب شده یا مدل بهتری می‌خواهند دست به ارتقا می‌زنند؛ و در حالی که ۶۹ درصد تمایل دارند برای رایانه‌ای که توانایی «اجرای محلی هوش مصنوعی» را دارد مبلغ اضافی پرداخت کنند، اما هنگام پرداخت واقعی، هوش مصنوعی عامل تصمیم‌گیری اصلی نیست.
چرخه جایگزینی، مسیر را هموار می‌کند
اگر خریداران پیشران این روند نیستند، چرا میزان پذیرش جهش خواهد کرد؟ پاسخ در زمان‌بندی نهفته است: چه کاربران به‌طور خاص درخواست هوش مصنوعی داشته باشند و چه نداشته باشند، زیرساخت پایه برای هوش مصنوعی محلی به‌طور طبیعی با هر چرخه جایگزینی از راه می‌رسد. فشار عمیق‌تر از سوی رایانش ابری وارد می‌شود؛ پس از آنکه فروشندگان پیشرو به سمت صورت‌حساب‌های مبتنی بر توکن رفتند، هزینه‌های وظایف تنها پس از اجرای آن‌ها مشخص می‌شود و عاملان (Agents) زنجیره‌های طولانی از هزینه‌های به ازای هر فراخوانی را فعال می‌کنند که مدیریت هزینه‌ها را به طور فزاینده‌ای دشوار می‌سازد. هوش مصنوعی صرفاً ابری همچنین مسائل مربوط به تطبیق‌پذیری، حاکمیت داده‌ها و نقاط کور فناوری اطلاعات را افزایش می‌دهد (۷۸ درصد از کارمندان اداری چندین بار در هفته از هوش مصنوعی استفاده می‌کنند، اما تنها ۱۲ درصد این کار را از طریق حساب شرکتی انجام می‌دهند). وزنه‌های متن‌باز فاصله خود را با مدل‌های پیشرو کمتر می‌کنند، فشرده‌سازی مدل‌ها را در حافظه رایانه جای می‌دهد و واحدهای پردازش عصبی (NPU) در حال تبدیل شدن به استاندارد هستند که به کار بیشتر اجازه می‌دهد در محیط محلی باقی بماند.
حافظه، گلوگاه پذیرش بازار
خطر واقعی در مواد اولیه نهفته است. از سال ۲۰۲۵ به این سو، حافظه نزدیک به ۴۰ درصد از هزینه مواد اولیه رایانه را به خود اختصاص داده است که بیش از دو برابر سهم ۱۵ درصدی قبلی است و این موضوع می‌تواند خریداران را به انتخاب پیکربندی‌های ضعیف‌تر وادار کند؛ با این حال، هوش مصنوعی محلی دقیقاً همان چیزی است که حافظه بیشتری مصرف می‌کند. تولیدکنندگان تجهیزات اصلی (OEMs) باید دریابند که آیا حق بیمه قیمت برای یک پیکربندی قوی‌تر را می‌توان از طریق پس‌انداز هزینه‌های ابری جبران کرد یا خیر، تولیدکنندگان طراحی اصلی (ODMs) و تراشه‌سازان باید تصمیم بگیرند که حافظه چقدر باید ارزان بماند تا مقرون‌به‌صرفه باقی بماند، و شرکای کانال و ارائه‌دهندگان میزبانی باید این گزاره را به راه‌حل‌هایی تبدیل کنند که شرکت‌ها واقعاً بتوانند مست استقرار کنند — رایانه‌های هوش مصنوعی جایگزین ابر نخواهند شد، اما از طریق همکاری اکوسیستمی، می‌توانند این محاسبات پیچیده را شفاف سازند.