Ненасытный аппетит искусственного интеллекта к энергии оказался не только дорогостоящим, но и экологически неподъёмным. Таков главный вывод нового отчёта Bain & Company, который шокирует цифрами: к 2030 году глобальные инвестиции в дата-центры для удовлетворения вычислительных потребностей ИИ превысят $500 миллиардов в год, а для окупаемости таких капитальных затрат потребуется $2 триллиона годового дохода. Даже при самых оптимистичных предположениях, по оценкам Bain, индустрии ИИ не хватит $800 миллиардов.
Этот отчёт — как удар грома, разоблачающий мифы о триллионных параметрах ИИ и возвращающий нас к суровой реальности физики и экономики инфраструктуры. Если Bain прав, индустрия ИИ мчится к пропасти, где ограничения по энергоснабжению, дефицит графических процессоров и узкие места капитала сойдутся в катастрофической точке.
Ключевая проблема, по мнению Bain, в том, что спрос на вычисления растёт быстрее, чем возможности их обеспечения. Закон Мура практически остановился, тогда как нагрузки ИИ продолжают стремительно расти. По оценкам, требования к обучению и выводу ИИ увеличиваются более чем в два раза быстрее, чем плотность транзисторов, вынуждая операторов дата-центров полагаться на грубое масштабирование, а не на повышение эффективности чипов. Итог — глобальный вычислительный след ИИ к 2030 году может достичь 200 ГВт, половина из которых придётся на США.
Такой вызов потребует немыслимых модернизаций местных энергосетей, многолетних сроков поставки электрооборудования и тысяч тонн высокотехнологичного охлаждения. Хуже того, ключевые компоненты, такие как HBM и CoWoS, уже находятся в дефиците. Комментарии Nvidia, отражённые в отчёте Bain, подтверждают: спрос превышает возможности индустрии по всем направлениям, кроме цен.
Если капитал иссякнет или стабилизируется, гиперскейлеры сделают ставку на системы с максимальной отдачей на ватт и квадратный метр. Это возвышает полнорэковые платформы, такие как Nvidia GB200 NVL72 или поды AMD Instinct MI300X, где тепловая плотность и эффективность соединений доминируют в стоимости. Менее популярные конфигурации, особенно на базе стандартных компонентов для рабочих станций, отойдут на второй план, сократив поставки чипов для высокопроизводительных настольных ПК.
Последствия затронут и рынок ПК. Если обучение останется ограниченным затратами, а вывод в дата-центрах упрётся в энергетические лимиты, часть нагрузки переместится на периферийные устройства. Это играет на руку производителям ноутбуков и настольных ПК, уже поставляющих NPU с производительностью 40–60 TOPS. Bain объясняет, почему: вывод на периферии не только быстрее, но и дешевле, требуя меньше капиталовложений.
Тем временем гонка продолжается. Microsoft недавно увеличила инвестиции в свой ИИ-Дата-центр в Висконсине до более чем $7 миллиардов. Amazon, Meta, Google и xAI также выделяют миллиарды, но большая часть этих средств уже зарезервирована под распределение GPU и разработку моделей. Как отмечает Bain, даже эти амбициозные суммы могут не покрыть разрыва между затратами и доходами.
Отчёт подчёркивает напряжение в сердце текущего цикла ИИ. С одной стороны — инфраструктура, строительство и обеспечение которой занимает годы. С другой — модели, удваивающие размер и стоимость каждые шесть месяцев, подпитывая страхи перед пузырём ИИ. Если он продолжит раздуваться, высокопроизводительные чипы, память и системы охлаждения останутся дефицитными и баснословно дорогими вплоть до следующего десятилетия.
Оригинал
Уникальность
