ИИ-революция: вложения в центры AGI превысят $8 триллионов

По данным Tomshardware, IBM представила анализ текущей тенденции вложений в создание крупномасштабных центров обработки данных, ориентированных на достижение уровня искусственного общего интеллекта (AGI). Речь идет о масштабных инвестициях, которые, по оценкам, могут превысить $8 триллионов.

Arvind Krishna, генеральный директор IBM, указал, что стоимость оборудования для одного гигаваттного центра искусственного интеллекта может составлять около $80 млрд. При этом, по его расчетам, текущие планы развития отрасли предполагают создание инфраструктуры с общей мощностью около 100 гигаватт. Это делает общую сумму вложений значительной.

Экономическая нагрузка и сроки обновления

Особое внимание в анализе уделено срокам амортизации и обновления оборудования. В большинстве случаев ускорители ИИ рассчитываются на пять лет. По мнению Krishna, такие сроки обусловлены быстрым развитием архитектур, что делает невозможным простое обновление старых систем — их приходится заменять полностью.

Это приводит к тому, что компании должны неоднократно повторять капитальные вложения в течение нескольких лет, что, в свою очередь, увеличивает общую сумму требуемых ресурсов. По оценке IBM, для обслуживания таких затрат необходимо ежегодное получение прибыли на уровне $800 млрд.

Риски для инвесторов

Вопросы по поводу экономической устойчивости текущих моделей уже обсуждаются на финансовом рынке. Например, Michael Burry указывает на то, что гипермасштабные компании могут столкнуться с трудностями при попытке продлить срок использования оборудования, если рост производительности и размера моделей будет требовать более частой замены устаревших GPU.

Однако, по мнению IBM, инструменты генеративного ИИ способны повысить продуктивность в корпоративной среде. Тем не менее, компании, которые планируют развивать мощности в масштабах нескольких гигаватт и сжимать сроки обновления, должны показать, что вложения действительно оправданы и прибыль будет соответствовать масштабу расходов.

Угол зрения бизнеса

Для отечественного бизнеса ключевое значение имеет анализ экономических моделей, связанных с внедрением ИИ. Особенно это касается компаний, которые рассматривают возможность участия в глобальных проектах построения центров искусственного интеллекта. Здесь важно учитывать не только текущие вложения, но и долгосрочные обязательства, связанные с обновлением оборудования.

Интересно: Сможет ли существующая экономическая модель искусственного интеллекта оправдать масштаб вложений, если сроки обновления оборудования и требования к производительности будут продолжать сокращаться?

i

Создано специально для ASECTOR

Концептуальное изображение

Гигаватты и гигантские вложения: зачем нужны эти центры и кто их будет платить

Создание центров искусственного интеллекта, способных на гигаваттную мощность, уже давно не кажется фантастикой. IBM оценивает, что для развития такой инфраструктуры потребуется больше $8 триллионов. Но за этими цифрами скрываются не только амбиции, но и глубокая зависимость от скорости технологического прогресса, а значит — и от рисков, которые не всегда очевидны.

Сколько стоит «умный» киловатт

Центры ИИ требуют не только мощных процессоров и охлаждения, но и инфраструктуры, способной поддерживать их круглосуточно. IBM оценивает стоимость одного гигаваттного центра в $80 млрд. Это не только капиталовложения — это долгосрочные обязательства. Аппаратура рассчитана на пять лет, но с каждым годом архитектура устаревает, и обновлять систему приходится целиком. Это значит, что вложения не разово — они цикличны, и каждые пять лет компании должны повторять инвестиционный процесс [!].

Такой подход требует не только денег, но и стабильности. В условиях, когда рынок может снизить спрос на ИИ-услуги, или когда производительность не будет расти так быстро, как ожидается, вложения могут не окупиться. Особенно это касается компаний, которые ставят на масштаб: чем больше мощностей, тем больше рисков.

Кто платит — и за что?

Ключевой вопрос: кто будет оплачивать эти вложения? На первый взгляд, это крупные корпорации и государственные структуры, которые видят в ИИ стратегический ресурс. Но реальная картина сложнее. Даже если компания может позволить себе начальные инвестиции, она должна быть уверена, что в будущем эти вложения принесут прибыль. IBM оценивает, что для обслуживания таких затрат необходимо ежегодное получение прибыли на уровне $800 млрд. Это уровень, который доступен лишь немногим [!].

Важный нюанс: В этой ситуации выигрывают не только создатели ИИ, но и поставщики оборудования — компании вроде NVIDIA, Intel или AMD. Они получают стабильный поток заказов, а значит, и доход. Но проигрывают те, кто рассчитывает на устойчивость технологий: если оборудование устаревает слишком быстро, это приводит к перерасходу бюджета и снижению рентабельности.

В чем риск для российского бизнеса

Для российских компаний, которые рассматривают возможность участия в глобальных ИИ-проектах, важен не только масштаб вложений, но и долгосрочные обязательства. Участие в таких масштабных проектах требует не только финансовой устойчивости, но и стратегической гибкости. Если рынок изменится — и рост производительности замедлится, или спрос на ИИ-услуги снизится — компании могут оказаться в ситуации, когда вложенные средства не окупятся.

Важный нюанс: В этой связи особенно важно оценивать не только текущие возможности, но и долгосрочные перспективы. Инвестиции в ИИ должны быть частью более широкой стратегии, а не отдельным проектом. Это касается как крупных корпораций, так и государственных структур, которые рассматривают ИИ как инструмент для повышения конкурентоспособности.

Новые игроки и новые технологии

Рынок ИИ-оборудования становится всё более насыщенным. Компании, такие как Cerebras Systems, активно привлекают инвестиции, чтобы сократить зависимость от традиционных лидеров, таких как NVIDIA. IBM, являясь ключевым клиентом Cerebras, участвует в формировании новой экосистемы, которая может снизить барьеры входа для других игроков [!].

С другой стороны, развитие таких технологий, как HBM4, демонстрирует, что производители памяти также играют важную роль в обеспечении производительности центров ИИ. HBM4 позволяет удваивать пропускную способность и увеличивать объем памяти, что критично для обучения генеративных моделей. Конкуренция между SK Hynix, Micron и Samsung ускоряет внедрение этих решений [!].

Давление на компоненты

Спрос на компоненты для ИИ-инфраструктуры уже ощущается на рынке. Производители, такие как Samsung и SK hynix, ограничивают рост мощностей, чтобы сохранить прибыльность. Это приводит к дефициту DRAM и HBM, а также к росту цен на видеокарты и накопители. Особенно остро эта проблема затрагивает корпоративные клиенты, которым требуется стабильный и масштабируемый доступ к ресурсам [!].

Долгосрочные перспективы

Искусственный интеллект получает устойчивую поддержку со стороны бизнеса: инвестиции в 2024 году достигли $252,3 млрд, а частные вложения выросли на 44,5%. Однако лишь 5% компаний получают прибыль от внедрённых решений, в отличие от остальных 95%, которые не видят результата. Успешные организации инвестируют значительную часть цифрового бюджета в ИИ и масштабируют инициативы, перестраивая процессы вокруг его возможностей [!].

В этой связи особенно важно не только внедрять ИИ, но и обеспечивать его устойчивое развитие. Компании, которые смогут адаптироваться к изменяющимся условиям, будут иметь преимущество на рынке. Для российского бизнеса это означает необходимость не только финансового, но и стратегического планирования, а также инвестиций в кадры и внутренние ИИ-компетенции [!].

Выводы

Создание гигаваттных центров искусственного интеллекта — это не только вопрос технологий, но и экономической устойчивости. Вложения в ИИ становятся масштабными, но их окупаемость зависит от множества факторов: от скорости развития архитектур до спроса на готовые решения. Для компаний, которые рассматривают участие в глобальных ИИ-проектах, важно не только оценивать текущие риски, но и строить стратегию, которая позволит адаптироваться к изменяющимся условиям.