Huaweis AI-prognose for 2035: 900 milliarder agenter kræver mere end regnekraft

Hvis AI-agenter skal kunne løse opgaver ved løbende at indhente information, ræsonnere, bruge værktøjer og handle, bliver det ikke kun selve AI-modellen, der skal kunne følge med. Regnekraft, lagring, forbindelser og sikkerhed skal også fungere sammen. Det er tanken bag Huaweis rapport Intelligent World 2035: Turning Vision into Action, som selskabet præsenterede den 16. september 2026 sammen med Global Digitalization and Intelligence Index 2026 (GDII 2026). Den første udpeger ti teknologiske retninger; den anden handler om veje mod en intelligent økonomi. 1017

Store tal – men stadig en prognose

Huawei forestiller sig 900 milliarder AI-agenter til en global befolkning på ni milliarder mennesker i 2035. Selskabet forudser samtidig, at verdens årlige forbrug af tokens – de enheder, AI-modeller behandler, når de modtager og genererer information – bliver 100.000 gange større, og at agenter står for over 90 % af AI-token-trafikken. Tallet på 900 milliarder optrådte også i Huaweis tidligere 2035-vision. Det er ikke en optælling af agenter, der allerede er taget i brug. 7916

En agent, der gentagne gange henter oplysninger, bruger værktøjer og kommunikerer, kan stille andre krav til infrastrukturen end et enkelt spørgsmål til en chatbot. Hvor store kravene bliver, afhænger dog af, hvordan agenterne bygges og anvendes. Huaweis tal er et scenarie at undersøge – ikke et målt kapacitetsbehov for alle. 69

De ti retninger i Huaweis plan

1. AI i den fysiske verden og generel AI (AGI): Udvikle sproglig, kropslig og videnskabelig intelligens, så AI kan mere end at løse rent digitale opgaver. 8
2. Større beregningsklynger: Undersøge skalering i stil med Huaweis SuperPoD, med mål om 100 gange større klynger og 1.000 gange lavere omkostning pr. agentopgave. Det er ambitioner, ikke dokumenterede resultater. 818
3. Troværdig lagring og hukommelse: Gøre data til brugbar viden og hukommelse, hvor årsagssammenhænge er korrekte, og oplysninger kan spores tilbage til deres kilde. 9
4. Intelligente forbindelser: Integrere AI i kommunikationssystemer, så de kan understøtte de forbindelser og brugeroplevelser, agenter kræver. 9
5. Chipdesign med Tau Scaling: Undersøge et skift fra geometrisk skalering til det, Huawei kalder tidsskalering, med fokus på forsinkelse og energieffektivitet. 817
6. Agent OS: Skabe et teknisk fundament, der er bygget til agenters koordinering, udførelse, hukommelse og forbindelser. 917
7. Intelligens på tværs af enheder: Lade intelligente tjenester fungere på flere enheder frem for at være bundet til én. 1017
8. Intelligent kørsel: Bruge køretøjer som ramme for AI, der agerer i den fysiske verden og bliver stadig mere selvstændig. 410
9. Effektive AI-datacentre: Håndtere behovet for strøm og køling, når AI-infrastrukturen vokser. 10
10. Sikkerhed og privatliv for agenter: Udvikle kontrol med software, der kan handle mere selvstændigt, fra begyndelsen. 110

Retningerne hænger sammen: Mere kapable agenter kræver ikke blot beregninger, men også hukommelse, hurtige forbindelser, energi og kontrol med deres handlinger. Det er Huaweis foreslåede infrastrukturstrategi – ikke bevis for, at én bestemt arkitektur passer til enhver anvendelse. 810

Hvad bør organisationer tage med sig?

Begynd med de konkrete opgaver, ikke med prognosen om 900 milliarder agenter. Undersøg trafik og svartider ved realistiske niveauer af agentbrug, og mål omkostningen pr. fuldført opgave frem for kun størrelsen på en beregningsklynge. Tjek derefter, om strøm, køling, hukommelse eller netværk ændrer regnestykket. Før en arkitektur vælges, bør man også afprøve, om agenter kan bevare pålidelig information, og hvordan deres adgang og handlinger kan styres. Målet om 100 gange større klynger og 1.000 gange billigere opgaver er spørgsmål, en plan bør kunne testes imod – ikke færdige indkøbsspecifikationer. 89