Huaweis AI-prognos för 2035: 900 miljarder agenter och tio teknikspår

Hur dimensionerar man system för AI som inte bara svarar på frågor, utan också hämtar information, använder verktyg och utför uppgifter på egen hand? Det är utgångspunkten för Huaweis bild av 2035. Den 16 september 2026 presenterade företaget Intelligent World 2035: Turning Vision into Action och Global Digitalization and Intelligence Index 2026 (GDII 2026). Den första rapporten anger tio teknikspår; den andra behandlar vägar mot en mer AI-driven ekonomi. 1017

Stora tal – men fortfarande en prognos

Huawei föreställer sig 900 miljarder AI-agenter för en världsbefolkning på nio miljarder år 2035. Företaget bedömer att den globala årliga förbrukningen av token – de informationsenheter som AI-modeller bearbetar – blir 100 000 gånger så stor, och att agenter står för mer än 90 procent av AI-tokentrafiken. Uppskattningen om 900 miljarder agenter fanns även i Huaweis tidigare framtidsbild för 2035. Det är inte ett mått på hur många agenter som redan används. 7916

Om agenter fortlöpande ska resonera, söka information, anropa verktyg och kommunicera kan de belasta beräkning, lagring och nätverk på andra sätt än en enskild fråga till en AI-tjänst. Hur stor belastningen blir beror dock på hur systemen utformas och används. Huaweis siffror är ett scenario att undersöka, inte ett uppmätt kapacitetsbehov för varje verksamhet. 69

De tio teknikspåren

1. AI som verkar i den fysiska världen och generell AI. Huawei vill utveckla språkförståelse, förkroppsligad AI och vetenskaplig AI för system med bredare förmågor än rent digitala uppgifter. 8
2. Större beräkningskluster. Med bland annat SuperPoD-liknande skalning är ambitionen att öka klustrens storlek 100 gånger och samtidigt sänka kostnaden per utförd agentuppgift 1 000 gånger. Det är mål, inte visade resultat. 818
3. Tillförlitlig lagring och minne. Data ska kunna bli användbar kunskap och minne, med spårbarhet och korrekta orsakssamband. 9
4. Intelligenta nätverk. AI ska integreras i kommunikationssystem för de uppkopplingar och användarupplevelser som en agentcentrerad miljö skulle kräva. 9
5. Chiputveckling genom Tau Scaling. Huawei beskriver ett skifte från geometrisk skalning till vad företaget kallar tidsskalning, med fokus på fördröjning och energieffektivitet. 817
6. Agent OS. En grundplattform för agenter ska stödja samordning, utförande, minne och uppkoppling. 917
7. Intelligens över flera enheter. AI-tjänster ska kunna fungera över olika enheter i stället för att vara bundna till en enda. 1017
8. Intelligent körning. Fordon ses som en möjlig miljö för förkroppsligad AI med ökande självständighet. 410
9. Effektivare AI-datacenter. Utbyggd AI-infrastruktur kräver lösningar för elförsörjning och kylning. 10
10. Säkerhet och integritet för agenter. Programvara som kan agera mer självständigt behöver kontroller; säkerhet kan inte läggas till först i efterhand. 110

Spåren hänger ihop. Mer kapabla agenter skulle behöva beräkningskraft till rimlig kostnad, beständigt minne, snabba förbindelser, energi till infrastrukturen och skydd kring självständiga handlingar. Det är den strategi Huawei föreslår – inte ett belägg för att samma arkitektur passar alla. 810

Börja med arbetslasten, inte med prognossiffran

För den som driver eller planerar system är den praktiska frågan vad agenterna faktiskt ska göra. Beräkna trafik och svarstider för rimliga användningsnivåer. Jämför kostnad per slutförd uppgift, inte bara klustrens storlek, och undersök om el, kylning, minne eller nätverk sätter gränsen. Pröva också hur information hålls tillförlitlig över tid och hur agenternas åtkomst och handlingar kan styras innan en arkitektur väljs. Målen om 100 gånger större kluster och 1 000 gånger lägre uppgiftskostnad är frågor att testa mot – inte färdiga inköpsspecifikationer. 89