疯狂地“交易市场和数据访问”，以使用他们无法控制的人工智能设施(K-F)。李开复 2018: Kindle Loc. 2759)。这种前景，加上人工智能军事力量的更直接威胁，确保了没有一个国家愿意被排除在发展资本主义生产和破坏的一般条件之外。
边缘、云和规模经济
对于人工智能行业来说，无论是在公司还是国家层面，运行人工智能的昂贵硬件都是至关重要的。今天，这主要以“云”的形式出现—一用户可以通过互联网付费访问的庞大、耗电的数据中心(Mosco2014)。随着可用带宽和处理能力的增加，云不仅可用于存储、数据库和计算功能，而且在过去几年中还可用于云人工智能或“人工智能即服务”(MSV2018)。注入人工智能的消费设备和服务将数据发送到云，在云上完成实际的人工智能处理。云还可以将ML技术(如图像和语音识别)插入到网站或程序中，以及在线构建ML模型。训练深度ML模型的密集计算需求意味着，很少有小公司能够负担得起购买必要的硬件，而是从云提供商那里购买计算时间。
Tractica(2018)报告称，自2012年以来，人工智能行业的计算能力需求增长了30万倍，使云人工智能成为一个激烈竞争的空间。亚马逊网络服务(Amazon Web Services)和微软Azure一直是表现最好的，谷歌Cloud、IBM和百度Cloud都试图获得市场份额。因此，云人工智能承诺将机器学习提供给远远超出人工智能行业内部圈子的公司，但云的所有权已经巩固在“极少数人”手中，科技巨头是占主导地位的提供商(Miller2018)。
云是由一种称为边缘计算的新兴技术补充的。边缘计算是一种方法，其中一些处理在设备上本地完成，而不是发送到云。据Tractica(2018)估计，人工智能边缘设备的出货量将从2018年的1.614亿台增加到2025年的26亿台。在带宽、网络延迟问题和安全性方面，边缘计算比云计算具有优势。在自动驾驶汽车等应用中，一点点延迟可能是灾难性的。此外，将数据保存在设备上可以提供明显的安全优势
42
. inhuman power