Google запускает локальные ИИ-инструменты для бизнеса, но эксперты предупреждают об аппаратных барьерах

Компания Google представила новые инструменты, которые позволят разработчикам локально запускать сложные сценарии работы ИИ-агентов без обращения к облачным серверам. Для этого используется новая модель Gemma 4 12B с 12 миллиардами параметров, созданная ИИ-лабораторией Google DeepMind.

Новые возможности локальной разработки

В официальном блоге компании сообщается, что новая модель в сочетании с набором технологий Google AI Edge позволяет создавать и тестировать интеллектуальные приложения непосредственно на обычных рабочих станциях. Данная связка поддерживает автономную обработку данных, анализ визуального контента, автоматическую генерацию веб-страниц и взаимодействие ИИ с внешними программными инструментами.

В новый релиз вошла утилита Google AI Edge Gallery для операционной системы macOS. С ее помощью разработчики могут использовать Gemma 4 12B для создания и запуска сценариев автоматизации, например, для анализа локальных данных. Кроме того, приложение для голосового ввода и редактирования текста Eloquent теперь полностью работает на устройстве пользователя в среде macOS, обеспечивая локальное распознавание речи и редактирование текста голосом.

Google также расширила возможности LiteRT-LM — легковесного инструмента командной строки для запуска языковых моделей на клиентских устройствах. Новая команда serve превращает утилиту в локальный сервер для больших языковых моделей. Благодаря этому разработчики могут подключать Gemma 4 12B к стандартным инструментам разработки и внешним библиотекам через локальный сетевой адрес. Представители компании подчеркивают, что такой подход гарантирует конфиденциальность данных, стабильную скорость отклика и снижает финансовые затраты на облачную инфраструктуру.

Рост интереса к специализированным ИИ-моделям

Анонс Google совпал с ростом интереса бизнеса к более компактным и специализированным решениям. Согласно прогнозам аналитической компании Gartner, к 2027 году организации будут использовать небольшие специализированные ИИ-модели как минимум в три раза чаще, чем крупные языковые модели общего назначения. Эксперты объясняют эту тенденцию потребностью в большей контекстной точности и экономической эффективности корпоративных ИТ-систем.

Препятствия на пути к внедрению на рабочих местах

Однако запуск автономных ИИ-агентов на устройствах сотрудников сопряжен с серьезными трудностями. Компаниям придется столкнуться с ограничениями пользовательских компьютеров, которые определяют максимальный размер запускаемых моделей и количество одновременно выполняемых процессов.

В экспертных кругах отмечают, что хотя современные ИИ-модели теперь способны уместиться на обычном ноутбуке, ИТ-инфраструктура большинства предприятий пока не готова к управлению ими. По словам аналитиков, даже хорошо оптимизированным моделям вроде Gemma 4 12B требуется около 16 ГБ объединенной памяти или видеопамяти для стабильной работы параллельно со стандартным офисным ПО. Большинство стандартных корпоративных ноутбуков не обладают необходимой пропускной способностью памяти и специализированными нейропроцессорами или видеокартами для плавного выполнения многошаговых задач ИИ.

Кроме того, локальный запуск меняет сам характер рабочих процессов. Если на персональном компьютере поиск информации ограничивается локальными папками и файлами, то в условиях дата-центра аналогичная функция включает в себя работу с глобальной сетью или корпоративными базами данных. Локальная архитектура сильно ограничена объемом оперативной памяти и возможностями процессора, из-за чего на компьютере можно запустить только одну копию тяжелой модели за раз.

Вопросы безопасности и контроля также вызывают беспокойство у ИТ-директоров. ИИ-агенты создаются для выполнения конкретных действий в системе, что создает новые риски при получении доступа к файлам сотрудников или непосредственном взаимодействии с приложениями и скриптами. Изоляция таких агентов в безопасной программной среде (так называемой песочнице) без потери их полезных функций остается сложной операционной задачей. Кроме того, компаниям необходимо вести аудит использования ИИ для соблюдения нормативных требований, а когда все вычисления происходят в автономном режиме без интернета, отслеживать логи и контролировать изменения в поведении моделей становится крайне трудно.

Финансовый компромисс: от облака к закупке оборудования

Перенос вычислений на устройства пользователей может снизить расходы на облачные серверы, однако в краткосрочной перспективе эта экономия может быть нивелирована затратами на закупку и обслуживание мощного оборудования. Аналитики называют это переходом от операционных расходов к капитальным затратам. Бизнесу придется ускорить циклы обновления компьютерного парка и закупать дорогие ноутбуки с большим объемом памяти, что происходит в период общего роста цен на компьютерную технику.

Многие компании обновили свои ПК в 2025 году для перехода на операционную систему Windows 11. На тот момент большинство вычислений ИИ все еще происходило в облаке, и выгода от локальных ИИ-чипов была неочевидна. Поэтому сейчас организации, скорее всего, будут закупать компьютеры с поддержкой локального ИИ только для тех отделов, где это экономически обосновано. Со временем локальный ИИ может сделать затраты более прогнозируемыми благодаря отказу от колеблющихся тарифов облачных провайдеров, но начальные затраты на переоборудование рабочих мест будут высокими.

Гибридный подход: локальный ИИ как дополнение к облаку

Смотрите также:

Как очистить Google TV от рекламы: обзор альтернативного лаунчера AT4K http://stroybud.com/kak-ochistit-google-tv-ot-reklamyi-obzor-alternativnogo-launchera-at4k/.

Интересности на тему: Gemini в Google Drive теперь способен анализировать почту Gmail для расширения контекста

Классные советы в статье "Распродажа техники Breville: как сэкономить на покупке кофемашин и кухонных гаджетов" здесь.

Локальные решения вряд ли полностью вытеснят облачные технологии. Эксперты полагают, что на устройствах сотрудников будут выполняться только определенные задачи. По прогнозам аналитиков, развитие локального ИИ будет происходить по следующим направлениям:

• Первоочередной перенос на локальные устройства задач с жесткими требованиями к задержке сигнала и конфиденциальности данных в ближайшие 2–3 года.
• Использование локальных мощностей для написания программного кода и анализа файлов на конкретном компьютере.
• Сохранение сложных корпоративных систем поиска и ресурсоемких рабочих процессов в облачной инфраструктуре.

Таким образом, локальный ИИ не заменит облачные дата-центры, а заберет часть их задач, сделав корпоративные ИТ-экосистемы более гибкими и гибридными.