Триллионные инвестиции в ИИ: как быстро устаревают GPU

Крупнейшие технологические компании, включая Microsoft, Amazon, Google, Oracle и OpenAI, планируют инвестировать около триллиона долларов в центры обработки данных (ЦОД) для искусственного интеллекта в ближайшие пять лет. Однако эта масштабная инвестиция может столкнуться с неожиданной проблемой: графические процессоры (GPU), необходимые для обучения моделей ИИ, вероятно, не прослужат и половины срока, заложенного в финансовые расчеты.

Согласно данным CNN, эксперты оценивают фактический срок службы GPU, используемых для обучения больших языковых моделей, от 18 месяцев до 3 лет. После этого срока они могут применяться для менее ресурсоемких задач, таких как инференс (запуск готовых моделей), но для передовых разработок окажутся неактуальны. Для сравнения, стандартные процессоры в ЦОД обычно работают от 5 до 7 лет. По данным Princeton CITP Blog, архитектор Google указал, что при типичной для ИИ загрузке в 60-70%, GPU могут выдержать всего 1-2 года, максимум 3.

Ключевая причина такого быстрого износа – экстремальные условия эксплуатации. Современные дата-центровые GPU потребляют свыше 700 Вт и генерируют огромное количество тепла, что создает серьезный термический и электрический стресс для полупроводников. Статистика показывает, что около 9% GPU выходят из строя в течение года, в то время как для традиционных CPU этот показатель составляет 5%. Помимо физического износа, важную роль играет и скорость обновления технологий: Nvidia перешла на ежегодный цикл выпуска новых чипов, каждое последующее поколение которых обеспечивает значительный прирост производительности на ватт. Это значит, что даже работающий GPU возраста 3 года становится экономически невыгодным, поскольку его эксплуатация обходится дороже, чем замена на более современную модель.

Тенденции на вторичном рынке подтверждают эти выводы. Цены на аренду GPU H100 упали на 70% с момента пика, с более чем 8 до примерно 2,5 доллара в час. По прогнозам, к декабрю 2025 года стоимость аренды H100 и более старых A100 практически сравняется, несмотря на то, что производительность последних в три раза ниже. Если бы старые чипы действительно сохраняли свою ценность, рынок отразил бы это в дифференцированной ценовой политике.

Компании осознают сложившуюся ситуацию и адаптируются. Генеральный директор Microsoft Сатья Наделла признал, что компания теперь планирует распределять закупки GPU во времени, чтобы избежать ситуации, когда на балансе окажутся обесценивающиеся активы. Аналитики Barclays уже скорректировали прогнозы прибыли ИИ-компаний на 2025 год, снизив их на 10% из-за заложенной более реалистичной амортизации. А по оценкам Bain, к 2030 году индустрии потребуется дополнительно 800 миллиардов долларов ежегодно для покрытия капитальных расходов, что превышает годовую выручку Amazon.

В общем, великие технологические умы, потратившие триллионы, вдруг обнаружили, что их железо устаревает быстрее, чем успевает обновиться ваша новостная лента. Наверное, стоило сначала посчитать, сколько электричества оно сожжет, прежде чем строить столь амбициозные планы.