Каждый раз, когда выходит новая модель искусственного интеллекта — обновления GPT, DeepSeek, Gemini — люди поражаются их размерам, сложности и, всё чаще, потребности в вычислительных ресурсах. Считается, что именно эти модели определяют потребности в ресурсах для революции в области ИИ.
Но это предположение неверно.
Да, крупные модели требуют много вычислительных мощностей. Однако основная нагрузка на инфраструктуру ИИ исходит не от нескольких мегамоделей — она возникает из-за повсеместного распространения моделей ИИ в различных отраслях, каждая из которых адаптирована для конкретных применений и потребляет вычислительные ресурсы в беспрецедентных масштабах.
Несмотря на потенциальную конкуренцию, где победитель получает всё, среди больших языковых моделей (LLM), ландшафт ИИ в целом не централизуется — он фрагментируется. Каждая компания не просто использует ИИ — она обучает, настраивает и внедряет собственные модели, адаптированные под свои нужды. Именно эта ситуация создаст спрос на инфраструктуру, к которому облачные провайдеры, предприятия и правительства не готовы.
Мы уже видели подобную тенденцию. Облака не консолидировали рабочие нагрузки IT — они создали обширную гибридную экосистему. Сначала это было разрастание серверов. Затем — виртуальных машин. Теперь — распространение ИИ. Каждая волна вычислений приводила к распространению, а не упрощению. ИИ не является исключением.
### Распространение ИИ: почему будущее искусственного интеллекта — это миллион моделей, а не одна
Финансы, логистика, кибербезопасность, обслуживание клиентов, исследования и разработки — у каждой сферы своя модель ИИ, оптимизированная под свои функции. Организации не обучают одну модель ИИ для управления всеми операциями. Они обучают тысячи. Это означает больше циклов обучения, больше вычислений, больше спроса на хранение данных и больше разрастания инфраструктуры.
Это не теория. Даже в отраслях, которые традиционно осторожно относятся к внедрению технологий, инвестиции в ИИ ускоряются. Согласно отчёту McKinsey за 2024 год, организации сейчас используют ИИ в среднем в трёх бизнес-функциях, причём производство, цепочка поставок и разработка продуктов лидируют в этом направлении (McKinsey).
Здравоохранение — яркий пример. Navina, стартап, интегрирующий ИИ в электронные медицинские записи для получения клинических выводов, только что привлёк 55 миллионов долларов в рамках финансирования серии C от Goldman Sachs (Business Insider). В энергетике происходит то же самое — лидеры отрасли создали Open Power AI Consortium для оптимизации работы сетей и электростанций с помощью ИИ (Axios).
### Нагрузка на вычислительные ресурсы, о которой никто не говорит
ИИ уже ломает традиционные модели инфраструктуры. Предположение о том, что облако может бесконечно масштабироваться для поддержки роста ИИ, в корне неверно. ИИ масштабируется не так, как традиционные рабочие нагрузки. Кривая спроса не постепенная — она экспоненциальная, и крупные облачные провайдеры не успевают за ней.
* **Ограничения по мощности:** центры обработки данных, ориентированные на ИИ, теперь строятся с учётом доступности электроэнергии, а не только сетевых магистралей.
* **Узкие места в сети:** гибридные ИТ-среды становятся неуправляемыми без автоматизации, которую только усилят рабочие нагрузки ИИ.
* **Экономическое давление:** рабочие нагрузки ИИ могут потреблять миллионы за один месяц, создавая финансовую непредсказуемость.
Центры обработки данных уже потребляют 1% мирового потребления электроэнергии. В Ирландии они сейчас потребляют 20% национальной электросети, и ожидается, что к 2030 году эта доля значительно возрастёт (IEA).
Добавьте к этому надвигающееся давление на графические процессоры. Bain & Company недавно предупредила, что рост ИИ создаёт предпосылки для нехватки полупроводников, вызванной взрывным спросом на чипы для центров обработки данных (Bain).
Тем временем проблема устойчивости ИИ нарастает. Анализ 2024 года, опубликованный в журнале Sustainable Cities and Society, предупреждает, что широкое внедрение ИИ в здравоохранении может существенно увеличить энергопотребление и выбросы углекислого газа в секторе, если не будут приняты целенаправленные меры по повышению эффективности (ScienceDirect).
### Распространение ИИ важнее рынка — это вопрос государственной власти
Если вы думаете, что распространение ИИ — это проблема корпораций, подумайте ещё раз. Самым значительным фактором фрагментации ИИ является не частный сектор — это правительства и агентства оборонной промышленности, внедряющие ИИ в масштабах, которые не может сопоставить ни один крупный облачный провайдер или предприятие.
Только правительство США внедрило ИИ более чем в 700 приложениях в 27 агентствах, охватывающих анализ разведывательной информации, логистику и многое другое (FedTech Magazine).
Канада инвестирует до 700 миллионов долларов в расширение внутренних вычислительных мощностей ИИ, запустив национальный проект по укреплению суверенной инфраструктуры центров обработки данных (Innovation, Science and Economic Development Canada).
И всё чаще звучат призывы к «программе Аполлон» для инфраструктуры ИИ — подчёркивая переход ИИ от коммерческого преимущества к национальному императиву (MIT Technology Review).
Военный ИИ не будет эффективным, скоординированным или оптимизированным с точки зрения затрат — он будет driven by national security mandates, геополитической срочностью и потребностью в закрытых, суверенных системах ИИ. Даже если предприятия ограничат распространение ИИ, кто скажет правительствам замедлиться?
Потому что, когда на кону национальная безопасность, никто не остановится, чтобы спросить, справится ли энергосистема с нагрузкой.
Добавить комментарий