Edge AI: Miksi AMD on paras arvopeli vuodelle 2026

Tekoäly (AI) on yksi tämän vuosikymmenen merkittävimmistä teknologisista häiriötekijöistä, ajamassa perustavanlaatuisia muutoksia eri toimialoilla ja yhteiskunnassa laajasti.

Tiedot osoittavat, että noin yksi kuudesta ihmisestä maailmanlaajuisesti käyttää nyt generatiivisia AI‑työkaluja. Lisäksi 90 % teknologiatyöntekijöistä käyttää jo AI:ta työssään. Huolimatta tästä omaksumisesta AI‑ala odotetaan kasvavan noin 9‑kertaiseksi vuoteen 2033 mennessä.

Tämän valtavan omaksumisen myötä nousevat laskentakustannukset, kasvavat viivehaasteet ja lisääntyvät huolenaiheet turvallisuudesta, energiankulutuksesta ja skaalautuvuudesta. Yritykset ovat nyt tajuamassa, että datan jatkuva lähettäminen etäpalvelimille AI‑inferenssia varten – pilvilaskenta tai Cloud AI – on kallista, hidasta ja sisältää yksityisyysriskejä.

Cloud AI:ssa yritykset hyödyntävät alustoja kuten AWS, Azure ja Google Cloud, jotka tarjoavat valtavat resurssit AI‑palveluiden toimittamiseen. Tämä mahdollistaa käyttäjien käyttää AI‑malleja tarpeen mukaan internetin kautta ilman oman infrastruktuurin rakentamista.

Cloud AI:n perusta ovat hyperskaalautuvat toimijat – massiiviset AI‑datakeskukset, jotka tarjoavat äärimmäistä skaalautuvuutta käsittelemään työkuormia, jotka ylittävät perinteisten paikallisten ratkaisujen kapasiteetin. Laajojen vaakasuuntaisten palvelinryhmien avulla ne tarjoavat yrityksille resurssit AI‑sovellusten tehokkaaseen käyttöönottoon, rakentamiseen, kouluttamiseen, käyttöönottoon ja ylläpitoon.

Tämä pilvilaskennan ja AI:n yhdistelmä tarjoaa kustannustehokkuutta, skaalautuvuutta ja mahdollisuuden hyödyntää jaettuja malleja. Samanaikaisesti sillä on merkittäviä haittoja, kuten korkeat toistuvat kulut laskentaresurssien, tallennuksen, datansiirron ja jatkuvaa käyttöä vaativan erikoisosaamisen vuoksi.

Muita Cloud AI:n kohtaamia ongelmia ovat viive, turvallisuusriskit, tietosuoja, internet‑riippuvuus, rajoitettu hallinta ja toimittajalukitus.

Kun pilvi osoittautuu kalliiksi ja haastavaksi kuluttajasovelluksille, kannettaville tietokoneille, teollisuusjärjestelmille ja reaaliaikaisille käyttötapauksille, yritykset siirtyvät “Edge AI”:hin. Paikallisen inferenssin suorittaminen laitteessa sen sijaan, että luotettaisiin kalliisiin pilvi‑GPU:ihin, muokkaa nyt AI:n käyttöönottoa datakeskusten ulkopuolelle.

Pyyhkäise vierittääksesi →

Edge AI selitetty: Miksi inferenssi siirtyy laitteelle

Ala kokee strategisen ja arkkitehtonisen muutoksen kohti Edge AI:ta, siirtäen AI:n pois keskitettyihin, paljon energiaa kuluttaviin datakeskuksiin kohti paikallista inferenssilaitteistoa.

Edge AI:ssa tekoäly yhdistetään reunalaskentaan, jotta pilvipohjaisesta riippuvuudesta voitaisiin vapautua antamalla laitteiden käsitellä dataa paikallisesti. “Edge” viittaa tässä käytettävään laitteeseen – kuten puhelimeen, autoon, kameraan, televisioon, anturiin tai lääketieteelliseen laitteeseen – joten reunalaskenta tarkoittaa tietokonetta, joka on suunniteltu käsittelemään dataa lähellä tai laitteen sisällä.

Reunalaitteiden lisäksi, jotka keräävät ja käsittelevät dataa, keskeisiä komponentteja ovat pilvessä koulutetut AI‑mallit, jotka otetaan käyttöön reunalla, sekä erikoistuneet laitteistopiirit, jotka käsittelevät AI‑tehtäviä tehokkaasti paikallisesti.

Tämän siirtymän kohti energiatehokkaita laitteita tavoitteena on ratkaista kriittiset viive- ja tietosuojaongelmat mahdollistamalla reaaliaikainen käsittely käyttäjän laitteissa, joissa data todellisuudessa syntyy.

Tämä tarkoittaa, että sen sijaan että data lähetettäisiin etäiseen datakeskukseen, laskenta suoritetaan lähellä lähdettä, jolloin laitteet voivat tehdä päätöksiä millisekunneissa ilman internet‑yhteyttä. Dataa käytetään juuri sillä hetkellä, kun laite sen luo.

Tämä reaaliaikainen käsittely on ratkaisevan tärkeää robotiikassa, autonomisissa ajoneuvoissa ja valvontasovelluksissa, jotka vaativat nopeita vasteaikoja.

Reunalaskenta myös keventää datakeskusten raskasta kuormitusta poistamalla tarve siirtää dataa edestakaisin. Edge AI:ssa vain olennaista dataa lähetetään pilveen, mikä vähentää kaistanleveyden tarvetta ja siihen liittyviä kustannuksia.

Kustannustehokkuuden lisäksi siirtyminen gigawatti‑mittakaavan datakeskuksista laitteisiin tarjoaa energiatehokkuusetua, sillä ne voivat suorittaa AI:n vähäisellä virrankulutuksella. Pitämällä arkaluonteinen data paikallisesti yritykset voivat entisestään ratkaista turvallisuushuolia, suojautuen luvattomalta pääsyltä ja tietomurroilta.

Kiitos nopeuden, kustannusten, tietosuojan ja energiatehokkuuden etuihin, AI‑inferenssiä suoritetaan yhä enemmän reunalla.

AI:ssa inferenssi on mallin varsinainen toiminta – prosessi, joka alkaa sen jälkeen, kun malli on koulutettu ja oppiminen on päättynyt. Inferenssi on, kun malli alkaa toimia, vetäen johtopäätöksiä datasta ja muuttaen tiedon todellisiksi tuloksiksi.

Paikallinen inferenssi tarkoittaa AI‑mallien suorittamista suoraan käyttäjän laitteessa erikoistuneella piisirulla, kuten NPUs (Neural Processing Units), jotka on upotettu CPU:ihin tai järjestelmäpiireihin (SoC), sen sijaan että jokainen pyyntö lähetettäisiin takaisin pilvi‑GPU:lle.

NPUs ovat AI‑piirejä, jotka on optimoitu monimutkaisiin laskelmiin syväoppimistehtävissä, kuten luonnollisen kielen prosessoinnissa, puheen prosessoinnissa, objektin tunnistuksessa ja kuvan tunnistuksessa. Nämä erikoistuneet AI‑kiihdyttimet mahdollistavat nopean, laitteessa tapahtuvan inferenssin minimaalisella energiankulutuksella, mahdollistaen reaaliaikaiset sovellukset.

Käytännössä paikallinen inferenssi tarkoittaa, että kannettava tietokoneesi, PC:si, sulautettu järjestelmäsi tai jopa älypuhelimesi voi suorittaa suuria kielimalleja (LLM‑kyselyitä), näkömallia tai avustajatehtäviä ilman, että tarvitsee käyttää suuria, kalliita ja tehokkaita palvelimia.

Tämä vähentää viivettä, alentaa kaistanleveyden kustannuksia, parantaa tietosuojaa ja pienentää palvelinkustannuksia. Koska Edge AI -järjestelmät voivat toimia ilman jatkuvaa internet‑yhteyttä, ne tarjoavat paremman luotettavuuden, mikä tekee niistä sopivia syrjäisiin alueisiin.

Kun AI‑työkuormat laajenevat kokeilusta jokapäiväiseen käyttöön, tämä siirtymä paikalliseen inferenssiin ei ole enää teoreettinen vaan välttämättömyys, kun miljardeja laitteita saa AI‑kyvykkyyden ja pilvipohjainen inferenssi muuttuu kestämättömäksi suuressa mittakaavassa.

Edge AI:n markkinatutkimus arvioi, että reunalla olevat AI‑prosessorit voivat olla lähes 60 miljardia dollaria tämän vuosikymmenen loppuun mennessä, nousua 9 miljardiin dollarista vuonna 2020, mikä johtuu pääosin paikallisesta laskennasta PC‑laitteissa ja muissa laitteissa.

Jo tänä vuonna paikallisen inferenssin trendi on siirtynyt tutkimusdemoista todellisiin tuotteisiin, kuten CES 2026 -tapahtumassa, jossa kymmeniä AI‑PC:itä ja reunalaitteita esiteltiin laitteessa tapahtuvilla inferenssikyvyillä.

Esimerkiksi Ambarella julkaisi CV7‑vision SoC:n, jossa on edistynyt laitteessa tapahtuva reunalla oleva AI‑käsittely erilaisiin reaaliaikaisiin havaintosovelluksiin. Qualcomm (QCOM ) panosti vahvasti pystysuoraan integraatioon “älykkään laskennan kaikkialla” -strategialla Snapdragon X Elite Gen 2 -PC:illaan. Broadcom (AVGO ) keskittyy “Neural Engines” -teknologian integrointiin prosessoreihin mahdollistaakseen paikallisen AI:n, erityisesti kohdennettuina älykotisovelluksiin.

Kun tarkastellaan jättiläisiä kuten Apple (AAPL ) ja NVIDIA (NVDA ), ensimmäinen hyödyntää hybridimallia, jossa yhdistyy laitteessa tapahtuva AI ja “Private Cloud Compute”, kun taas jälkimmäinen siirtyy kohti “fyysistä AI:ta” ja laitteessa tapahtuvaa käsittelyä.

Fyysinen AI, joka laajentaa AI:n digitaalisen maailman ulkopuolelle robotiikkaan, droneihin ja teollisuuslaitteisiin, on yksi nousevista trendeistä Edge AI -sektorilla ja sen odotetaan olevan merkittävä kasvun ajuri.

Miksi AMD on asemoitu voittamaan Edge AI -laitteistokierros

Edge AI -osakkeiden maailmassa yksi merkittävimmistä tarkkailtavista nimistä on Advanced Micro Devices (AMD ), joka kehittää puolijohteita, prosessoreita ja GPU:ita datakeskuksiin, AI:hin, pelaamiseen ja sulautettuihin sovelluksiin.

Tämän kuukauden alussa CES 2026 -tapahtumassa AMD:n puheenjohtaja ja toimitusjohtaja Lisa Su jakoi yrityksen tavoitteen tarjota AI kaikille korostaen reunaan suuntautunutta AI‑strategiaa PC‑laitteissa, sulautetuissa laitteissa ja kehittäjille, vahvistaen yrityksen keskittymistä paikalliseen inferenssilaitteistoon hyperskaalaisten pilviympäristöjen ulkopuolella.

Osana tätä lähestymistapaa yritys esitteli uuden AI‑prosessorisarjan. Tämä sisältää Ryzen AI 400 Series -prosessorin AI‑PC:ille, jossa on sisäänrakennetut NPU:t, jotka tarjoavat noin 60 TOPS AI‑laskentaa paikallista inferenssia varten. Tämä uusin versio AMD:n AI‑voimaisista PC‑piireistä sisältää 12 CPU-ydintä ja 24 säiettä, ja se mahdollistaa nopeamman (1,3‑kerran) moniajon kuin kilpailijat. Ne ovat myös 1,7‑kerran nopeampia sisällöntuotannossa.

PC:t, mukaan lukien Ryzen AI 400 Series -prosessorin, tulevat saataville kuluvan neljänneksen aikana.

Lehdistötilaisuudessa Rahul Tikoo, senior vice president ja AMD:n asiakasliiketoiminnan GM, totesi, että he ovat jo laajentaneet yli 250 AI‑PC‑alustaan, mikä edustaa kaksinkertaista kasvua viime vuoteen verrattuna. Hän sanoi:

“Tulevina vuosina AI tulee olemaan monikerroksinen kudos, joka kudotaan jokaiselle henkilökohtaisen tason tietojenkäsittelyn tasolle. AI‑PC‑laitteemme ja -laitteistomme muuttavat tapaa, jolla työskentelemme, pelaamme, luomme ja yhdistymme toisiimme.”

AMD esitteli myös Ryzen AI Max+ -piirit maailman suurimmassa kuluttajaelektroniikan messussa. Ne on suunnattu premium‑kannettaville ja mini‑PC:ille edistyneeseen paikalliseen inferenssiin, sisällöntuotantoon ja pelaamiseen.

Kehittäjille AMD ilmoitti Ryzen AI Halo -alustasta laitteessa tapahtuvaa mallikehitystä varten, jonka tavoitteena on tuoda tehokkaita AI‑kehitysmahdollisuuksia kompakteille työpöytä-PC:ille seuraavan neljänneksen aikana.

Sen uusi x86‑sulautettujen prosessorien portfolio on suunniteltu tarjoamaan AI‑laskentaa reunalla. Uudet P100- ja X100-sarjan prosessorit tarjoavat korkean suorituskyvyn AI‑laskentaa älykkäälle terveydenhuollolle, automaattisen digitaalisen kojelaudan ja humanoidirobotiikan sovelluksille.

“Ei ole väliä, kuka olet tai miten käytät teknologiaa päivittäin, AI muokkaa jokapäiväistä tietojenkäsittelyä. Sinulla on tuhansia vuorovaikutuksia PC:si kanssa joka päivä. AI pystyy ymmärtämään, oppimaan kontekstia, tuomaan automaatiota, tarjoamaan syvällistä päättelyä ja henkilökohtaista räätälöintiä jokaiselle yksilölle.”

– Rahul Tikoo, Senior VP & GM of Client Business

Näillä toimilla amerikkalainen piirijätti tähtää laitteessa tapahtuvaan AI‑työkuormiin ja edistää alan suuntausta kohti paikallista inferenssia ja hajautettua älykkyyttä miljardien päätelaitteiden tasolla.

AI‑laskennan mahdollistamisen lisäksi reunalla, yritys on esitellyt edistyneitä AI‑prosessoriaan, joita käytetään datakeskuksen palvelinrakenteissa. MI400-sarjan sirun (MI440X) yritysversio on suunniteltu paikalliseen käyttöön, mutta sitä ei ole erityisesti suunniteltu AI‑klustereihin.

Tulevaisuuden laskentatarpeiden täyttämiseksi yrityksille kuten OpenAI, AMD on myös esitellyt MI500-alustan, jonka yritys sanoo on suunniteltu mahdollistamaan kymmenien kymmenien suuruinen suorituskyvyn parannus järjestelmä- ja rakenteistason verrattuna aikaisempiin sukupolviin, eikä kyse ole pelkästä yksi‑yksi sirupäivityksestä. Sirut lanseerataan ensi vuonna.

Vaikka vaikuttava tuotevalikoima on merkittävä, AMD:lla on myös erinomainen asiakaslista, johon kuuluvat OpenAI, Blue Origin, Liquid AI, Luma AI, World Labs, Illumina, Absci, AstraZeneca (AZN ) ja Generative Bionics, jotka ovat hyödyntäneet yrityksen teknologiaa muuttaakseen AI‑lupauksen todelliseksi vaikutukseksi. Su:n mukaan:

“Kun AI‑omaksuminen kiihtyy, siirrymme yotta‑skaalan laskennan aikakauteen, jota ohjaa ennennäkemätön kasvu sekä koulutuksessa että inferenssissa. AMD rakentaa laskentaperustaa tälle AI:n seuraavalle vaiheelle end‑to‑end‑teknologiajohtajuuden, avoimien alustojen ja syvän kumppanuusinnovaation avulla ekosysteemin kumppaneiden kanssa.”

Haastattelussa hän totesi, että ottaen huomioon “uskomattoman” AI‑kysynnän, joka “nousee kattoon”, vaaditaan massiivista, väistämätöntä investointia laskentatehoon ja huipputason laitteistoon, jotta pysytään kilpailukykyisinä AI‑markkinoilla.

Hänen mukaansa maailma tarvitsee yli “10 yottaflopsia” laskentatehoa, “10 000‑kertaisesti enemmän laskentaa kuin meillä oli vuonna 2022”, pysyäkseen AI:n kasvun tahdissa. Tämän mukaisesti hän esitteli yrityksen suunnitelman yotta‑skaalan infrastruktuurista, paljastaen AMD:n “Helios” -rakennustason alustan, joka tarjoaa jopa 3 AI‑exaflopsin suorituskyvyn yhdessä rakenteessa.

Samassa tapahtumassa AMD:n suurin kilpailija Nvidia lanseerasi seuraavan sukupolven Vera Rubin -alustan, joka koostuu kuudesta sirusta ja jonka odotetaan tulevan markkinoille myöhemmin tänä vuonna.

Mutta kun Nvidia jatkaa keskittymistä hyperskaalaan huippuluokan mega‑GPU:iden ja yrityspinojen avulla, AMD omaksuu monipuolisen lähestymistavan tuotteisiinsa, jotka mahdollistavat AI‑toiminnallisuuden alhaisemmilla kokonaiskustannuksilla. Tämä kontrasti määrittelee yhä enemmän AMD vs NVIDIA -vuoden 2026 -keskustelua.

AMD alittaa NVIDIA:n hintoja “AI‑PC” -siruille pyrkiessään valloittamaan suuremman osan nousevasta AI‑PC‑markkinasta tekemällä korkean suorituskyvyn AI‑kykyiset prosessorit edullisemmiksi OEM‑valmistajille ja kuluttajille. Tämän seurauksena AMD nähdään yhtenä merkittävänä aliarvostettuna AI‑osakkeena markkinoilla.

20. tammikuuta 2026, AMD, jonka markkina‑arvo on 377,4 miljardia dollaria, noteerataan 231,87 $, nousua 8,25 % YTD ja 90,87 % kuluneen vuoden aikana. Sen EPS (TTM) on 1,92 ja P/E (TTM) on 120,97.

AMD:n taloudellinen asema on myös vahva, ja Jean Hu, AMD:n varatoimitusjohtaja, talousjohtaja ja rahastonhoitaja, totesi: “Jatkuvat investointimme AI:hin ja korkean suorituskyvyn laskentaan ajavat merkittävää kasvua ja asettavat AMD:n tarjoamaan pitkäaikaista arvonluontia.”

Tämä näkyy globaalin puolijohdeyrityksen ennätyksellisessä 9,2 miljardia dollaria olevassa liikevaihdossa vuoden 2025 kolmannella neljänneksellä. Siihen sisältyy 4,3 miljardia dollaria datakeskussegmentistä, 22 %:n vuotuinen kasvu, 4 miljardia dollaria yhdistetyistä asiakas‑ ja pelituotoista, 73 %:n vuotuinen kasvu, sekä 857 miljoonaa dollaria sulautetusta segmentistä, 8 %:n lasku vuosi‑vuodelta.

AMD:n liikevaihto ei sisällä edelleen Instinct MI308 -sirujen lähetyksiä Kiinaan, kuten se teki viime neljänneksellä, vaikka yritys odottaa saavansa niistä tuloja pian. “Olemme saaneet joitakin lisenssejä MI308:lle,” totesi Su silloin. “Työskentelemme edelleen asiakkaidemme kanssa kysyntäympäristön ja kokonaismahdollisuuden suhteen.”

Jakson käyttövoitto oli 1,3 miljardia dollaria ja nettotulos 1,2 miljardia dollaria, kun bruttokate oli 52 %. Laimennettu osakekohtainen tulos oli 0,75 $.

“Toimitimme erinomaisen neljänneksen, ennätyksellisen liikevaihdon ja kannattavuuden kanssa, mikä heijastaa laajaa kysyntää korkean suorituskyvyn EPYC‑ ja Ryzen‑prosessorille sekä Instinct‑AI‑kiihdyttimille,” sanoi Su. Tämä “merkitsee selkeää askelta kasvukäyrässämme, kun laajeneva laskentafranchisemme ja nopeasti kasvava datakeskus‑AI‑liiketoiminta ajavat merkittävää liikevaihto‑ ja tuloskasvua,” hän lisäsi.

Silloin puolijohdejätti totesi, että asiakasmomentumti sen AI‑alustoille kiihtyy, mikä käy ilmi sen syvenevistä kumppanuuksista OpenAI, Oracle (ORCL ), Cisco (CSCO ), IBM (IBM ) ja Cohere.

Yhdysvaltain energiaministeriö solmi myös miljardin dollarin kumppanuuden AMD:n kanssa rakentaakseen kaksi seuraavan sukupolven supertietokonetta, jotka “superlataavat” edistysaskeleita lääkeaineiden kehittämisessä, ydinvoimassa ja kansallisen turvallisuuden teknologioissa. Ensimmäinen nimeltään Lux käyttää MI355X AI -siruja ja verkko‑siruja, tehden siitä Yhdysvaltojen ensimmäisen AI‑tehdas‑supercomputerin. Kehittyneempi Discovery‑supercomputer perustuu MI430‑sarjan AI‑siruja.

Viimeiseltä neljännekseltä AMD odottaa liikevaihdoksi noin 9,6 miljardia dollaria ja non‑GAAP‑bruttokatteeksi 54,5 %.

Viime viikolla AMD:n valmistuskumppani TSMC, joka on suurin sopimuspiirijätti, ylitti myös liikevaihtotavoitteet raportoiden 35 %:n kasvun neljännen neljänneksen voitossa. Yritys odottaa lisäävänsä pääomakustannuksia tänä vuonna, mikä osoittaa luottamusta AI‑rakentamiseen.

“Odotamme, että liiketoimintamme saa tukea jatkuvalta vahvalta kysynnältä johtavien prosessiteknologioidemme osalta.” – Wendell Huang, TSMC:n talousjohtaja

Joten, pyrkiessään pysymään NVIDIAn tahdissa, AMD syventyy AI‑kiihdyttimiin, reunalähtöiseen laskentaan ja kustannustehokkaisiin alustoihin, asemoiden itsensä houkuttelevaksi arvopohjaiseksi vaihtoehdoksi kehittyvässä AI‑maisemassa.

Edge AI on seuraava merkittävä laitteistokierros

AI‑maisema kehittyy nopeasti, upottaen itsensä kaikkeen älypuhelimista kannettaviin laitteisiin, näyttöihin, droneihin, robotteihin ja autonomisiin ajoneuvoihin. Kun AI‑mallit tulevat tehokkaammiksi ja teknologian käyttö siirtyy kokeilusta käyttöönottoon ja skaalaamiseen, ala siirtyy pilvestä reunalle pysyäkseen AI‑buumin tahdissa.

Kun Nvidia jatkaa hallitsevaa asemaansa datakeskusten koulutuksessa ja hyperskaalassa inferenssissä huippuluokan GPU:iden ja ekosysteemin lukitsemisen avulla, laitteistokierros siirtyy nyt keskitetystä datakeskuksesta jokapäiväisiin laitteisiin, joissa arvo, tehokkuus ja hinta ovat tärkeimpiä. Tässä uudessa laitteistotason AI:n aikakaudessa AMD erottuu strategisella keskittymisellään paikalliseen inferenssiin, upotettuihin NPU:ihin ja AI‑PC‑prosessoreihin, tehden siitä houkuttelevan arvopelin vuonna 2026.

Edge AI on vielä varhaisessa vaiheessa, mutta sen potentiaali on valtava. Upottamalla älykkyyttä jokaiselle laitteelle, se voi mahdollistaa AI:n toiminnan kaikkialla, riippumatta internet‑yhteydestä. Ja kun kaikki muuttuu tietokoneeksi, Edge AI:n mahdollisuus voi osoittautua valtavaksi, jopa suuremmaksi kuin pilvi. Mutta sen sijaan, että se korvaisi sen, AI:n tulevaisuus on todennäköisesti hybridimalli, jossa pilvialustat hoitavat koulutuksen ja reunalaitteet tarjoavat reaaliaikaisen inferenssin, merkiten seuraavaa merkittävää laskentaparadigmaa.

Klikkaa tästä saadaksesi listan huippureunaverkoista nopeampaa ja turvallisempaa verkkokokemusta varten.