უმსხვილესი ტექნოლოგიური კომპანიები — Microsoft, Amazon, Google, Oracle და OpenAI — გეგმავენ დაახლოებით ტრილიონი დოლარის ინვესტირებას ხელოვნური ინტელექტის მონაცემთა ცენტრებში მომდევნო ხუთი წლის განმავლობაში. მაგრამ ამ ფსონს აქვს სუსტი წერტილი: მოდელების საწვრთნელი GPU-ები, შესაძლოა, არც კი გაძლონ იმ ვადის ნახევარი, რაც ბუღალტრულ გათვლებშია ჩადებული.
CNN-ის მონაცემებით, ექსპერტები დიდ ენობრივ მოდელების საწვრთნელი ჩიპების რეალურ მომსახურების ვადას 18 თვიდან 3 წლამდე აფასებენ. ამის შემდეგ, GPU-ები შეიძლება გამოყენებულ იქნას ნაკლებად ინტენსიური ამოცანებისთვის, როგორიცაა ინფერენსი (მზა მოდელების გაშვება) კიდევ რამდენიმე წლის განმავლობაში, მაგრამ მოწინავე ამოცანებისთვის ისინი აღარ გამოდგებიან. შესადარებლად: მონაცემთა ცენტრებში ჩვეულებრივი პროცესორები 5-7 წელი მუშაობენ. Princeton CITP Blog-ის მონაცემებით, Google-ის არქიტექტორმა შეაფასა, რომ AI-დატვირთვებისთვის სტანდარტული 60-70% დატვირთვისას, GPU-ები უძლებენ 1-2 წელს, მაქსიმუმ — 3-ს.
მიზეზი ექსტრემალური სამუშაო პირობებია. თანამედროვე მონაცემთა ცენტრების GPU-ები 700 ვატზე მეტ ენერგიას მოიხმარენ და უზარმაზარ რაოდენობას სითბოს გამოყოფენ. ეს ქმნის მუდმივ თერმულ და ელექტრულ სტრესს ნახევარგამტარებისთვის. სტატისტიკის მიხედვით, GPU-ების დაახლოებით 9% ერთი წლის განმავლობაში გამოდის მწყობრიდან — ტრადიციული CPU-ების 5%-თან შედარებით. მაგრამ ფიზიკური ცვეთა ერთადერთი პრობლემა არ არის. Nvidia ორწლიანი ციკლის ნაცვლად ახალი ჩიპების ყოველწლიურ გამოშვებაზე გადავიდა, და ყოველი თაობა ვატზე პროდუქტიულობის მრავალჯერად ზრდას იძლევა. ეს ნიშნავს, რომ სამი წლის ჩიპიც კი ეკონომიკურად უაზრო ხდება: მისი ახლით შეცვლა უფრო იაფია, ვიდრე ელექტროენერგიის გადახდა.
მეორადი ბაზარი ადასტურებს ამ ლოგიკას. H100-ის გაქირავების ფასები 70%-ით დაეცა პიკური მაჩვენებლიდან — საათში 8 დოლარზე მეტიდან დაახლოებით 2,5 დოლარამდე. 2025 წლის დეკემბრისთვის H100-ისა და უფრო ძველი A100-ის ფასები თითქმის გათანაბრდა, თუმცა მათი წარმადობა სამჯერ განსხვავდება. ძველ ჩიპებს რომ მართლაც შეენარჩუნებინათ ღირებულება, ბაზარი აჩვენებდა ფასების მკაფიო გრადაციას.
კომპანიები განსხვავებულად რეაგირებენ. Microsoft-ის აღმასრულებელმა დირექტორმა, სატია ნადელამ, აღიარა, რომ კომპანია ახლა სპეციალურად ანაწილებს GPU-ების შესყიდვებს დროში, რათა არ აღმოჩნდეს ერთი მოძველებული თაობის რამდენიმეწლიანი ამორტიზაციის ტვირთის ქვეშ. Barclays-ის ანალიტიკოსებმა უკვე შეამცირეს AI-კომპანიების მოგების პროგნოზები 2025 წლისთვის 10%-ით, უფრო რეალისტური ამორტიზაციის გათვალისწინებით. ხოლო Bain-ის გათვლებით, 2030 წლისთვის ინდუსტრია ყოველწლიურად 800 მილიარდი დოლარის დეფიციტს შეხვდება კაპიტალური ხარჯების დასაფარად — ეს უფრო მეტია, ვიდრე Amazon-ის მთლიანი წლიური შემოსავალი.
