एआई मॉडल और प्लेटफ़ॉर्म
2027 में AI कंप्यूटिंग: इनफ़रेंस की लागत डेटा सेंटर का स्वरूप बदल देगी

मुख्य बिंदुसॉफ़्टवेयर अपग्रेड पहले से स्थापित एक्सेलेरेटर पर निश्चित विलंबता लक्ष्यों के भीतर 30%…
और देखें
- सॉफ़्टवेयर अपग्रेड पहले से स्थापित एक्सेलेरेटर पर निश्चित विलंबता लक्ष्यों के भीतर 30% अधिक थ्रूपुट अनलॉक कर सकते हैं।
- प्रीफ़िल को डिकोड से अलग करना केवल तब लाभदायक होता है जब ट्रैफ़िक का स्वरूप अतिरिक्त नेटवर्किंग और परिचालन जटिलता को उचित ठहराता है।
- वैकल्पिक एक्सेलेरेटर चुनिंदा सर्विंग वर्कलोड में तब जीत सकते हैं जब तुलनाओं में माइग्रेशन और परिचालन लागतें शामिल हों।
किसी डेटा सेंटर में महँगे एक्सेलरेटर भरे हो सकते हैं, फिर भी उपयोगी क्षमता की कमी हो सकती है। कुछ चिपें मेमोरी के इंतज़ार में रहती हैं। दूसरी ऐसी रिक्वेस्ट सँभाल रही होती हैं जो तय विलंबता लक्ष्य पर खरी नहीं उतरतीं। बेंचमार्क के नतीजे शानदार दिख सकते हैं, जबकि सेवा का बिल लगातार बढ़ता रहता है। हार्डवेयर का मालिक होना आर्थिक समस्या की बस शुरुआत है।
2027 में कंप्यूटिंग की प्रतिस्पर्धा का बड़ा हिस्सा इस बात पर होगा कि ग्राहक जिन परिस्थितियों की वास्तव में माँग करते हैं, उनमें हर स्थापित सिस्टम क्या प्रदर्शन कर सकता है। इससे ध्यान सर्विंग सॉफ़्टवेयर, वर्कलोड के आवंटन और स्वीकार्य उत्तर की लागत पर जाएगा।
बेंचमार्क का मौजूदा आधार पहले से ही तेज़ी से बदल रहा है। सितंबर 2026 में जारी MLPerf Inference v6.1 में शुरू से अंत तक रिट्रीवल-ऑगमेंटेड जनरेशन और एज पर चलने वाला एक एजेंटिक वर्कलोड जोड़ा गया। इसमें API-केंद्रित Endpoints सूट की ओर बढ़ने का भी उल्लेख था। इससे पता चलता है कि बेंचमार्क बनाने वाले बहु-चरणीय वर्कलोड के अनुरूप ढल रहे हैं; इससे यह साबित नहीं होता कि हर AI अनुप्रयोग को एक ही बेंचमार्क स्कोर से दर्शाया जा सकता है।
इस बीच, IEA का 2026 का ऊर्जा विश्लेषण प्रति कार्य दक्षता में बढ़ोतरी और अधिक माँग वाले अनुप्रयोगों के विस्तार के बीच तनाव को रेखांकित करता है। इसमें डेटा सेंटरों की बिजली की बढ़ती खपत दर्ज की गई है और बदलते वर्कलोड से पैदा होने वाली अनिश्चितता पर ज़ोर दिया गया है। इससे मेरा निष्कर्ष है कि इकाई लागत घटने से सिस्टम डिज़ाइन को लेकर प्रतिस्पर्धा तेज़ होगी, जबकि बिजली और मेमोरी अहम बाधाएँ बनी रहेंगी। इससे बुनियादी ढाँचे का कुल खर्च अपने-आप कम नहीं होगा।
1. सॉफ़्टवेयर पहले से स्थापित हार्डवेयर से एक और बड़ा लाभ दिलाएगा
क्षमता में अगली बढ़ोतरी सॉफ़्टवेयर तैनात करने से मिल सकती है। शेड्यूलिंग, मेमोरी प्रबंधन और एक्ज़ीक्यूशन कर्नेल, चिप को बदले बिना, यह बदल सकते हैं कि स्थापित एक्सेलरेटर कितना काम पूरा करता है। मेरा अनुमान है कि 2027 में एक पुनरुत्पादित किया जा सकने वाला नतीजा सामने आएगा, जिसमें यहाँ निर्धारित स्थिर हार्डवेयर और मॉडल पर विलंबता लक्ष्य के भीतर थ्रूपुट कम-से-कम 30% अधिक होगा। इसका दिलचस्प व्यावसायिक लाभ यह है कि ऑपरेटर अपनी पहले से की गई खरीद से अतिरिक्त उपयोगी क्षमता हासिल कर सकेगा।
आर्थिक लाभ स्पष्ट है। शेड्यूलर उसका कुशलता से इस्तेमाल करे या नहीं, पहले से स्थापित हार्डवेयर की क्षमता की एक लागत होती है। बेहतर बैचिंग, कर्नेल एक्ज़ीक्यूशन, मेमोरी आवंटन और रिक्वेस्ट रूटिंग से एक्सेलरेटर जोड़े बिना उपयोगी आउटपुट बढ़ाया जा सकता है। यह उन जगहों पर खास तौर पर मूल्यवान है जहाँ एक नया रैक लगाने के लिए अधिक बिजली, कूलिंग या नेटवर्क क्षमता की भी ज़रूरत पड़ेगी।
मूल PagedAttention अनुसंधान दिखाता है कि प्रदर्शन की चर्चा में मेमोरी प्रबंधन को शामिल करना क्यों ज़रूरी है: की-वैल्यू कैश का अकुशल प्रबंधन क्षमता बर्बाद कर सकता है और बैचिंग को सीमित कर सकता है। इसके ऐतिहासिक नतीजों को मौजूदा सिस्टम पर मिलने वाली सार्वभौमिक गति-वृद्धि नहीं मानना चाहिए। वे लाभ के तंत्र को स्पष्ट करते हैं, न कि अगली बढ़ोतरी का आकार।
आज के दौर के प्रमाण बताते हैं कि प्रदर्शन सुधार की गुंजाइश अब भी है। अपने v6.1 सबमिशन विश्लेषण में AMD ने बेंचमार्क के विभिन्न दौरों के बीच समान MI355X हार्डवेयर पर अधिक थ्रूपुट दर्ज किया है। इसमें उसके बताए GPT-OSS-120B कॉन्फ़िगरेशन पर Server में 38% सुधार भी शामिल है। विक्रेता की यह तुलना मेरे अनुमान के लक्ष्य से अलग मॉडल पर आधारित है। इससे यह बात पुष्ट होती है कि सॉफ़्टवेयर का परिपक्व होना अब भी मायने रखता है; इससे यह साबित नहीं होता कि Llama 3.1 8B पर 30% सुधार की गारंटी है।
इस अनुमान में वर्कलोड को स्थिर रखना जान-बूझकर किया गया है। छोटा मॉडल, कम गुणवत्ता या अधिक ढीला विलंबता लक्ष्य अपनाने के बाद किसी सिस्टम के अधिक टोकन बनाने का दावा एक अलग आर्थिक तस्वीर पेश करता है। परीक्षण में इन विकल्पों को स्थिर रखना ज़रूरी है। AMD की प्रकाशित पुनरुत्पादन विधियाँ सॉफ़्टवेयर और कॉन्फ़िगरेशन का विवरण सामने रखने का एक उपयोगी उदाहरण हैं, हालाँकि विक्रेता की दी हुई विधियों की स्वतंत्र जाँच फिर भी ज़रूरी है।
2027 में किन बातों पर नज़र रखें
ऐसे सर्विंग बेंचमार्क पर नज़र रखें जो मॉडल, उत्तर की गुणवत्ता और प्रतिक्रिया-समय की आवश्यकताओं को स्थिर रखते हुए पहले से स्थापित हार्डवेयर पर थ्रूपुट बढ़ाएँ। प्रकाशित कॉन्फ़िगरेशन और विलंबता के वितरण से इन बढ़ोतरी का आकलन आसान होगा। छोटे मॉडल, गुणवत्ता जाँचे बिना कम प्रिसिज़न या ढीले विलंबता लक्ष्य के ज़रिए हासिल किए गए नतीजे एक अलग दावे का समर्थन करेंगे।
व्यवसायों के लिए इसका क्या अर्थ है
बुनियादी ढाँचा खरीदने वालों को और एक्सेलरेटर खरीदने का निर्णय लेने से पहले अपने मौजूदा सर्विंग स्टैक में उपलब्ध अतिरिक्त क्षमता मापनी चाहिए। सॉफ़्टवेयर अपग्रेड, ट्यूनिंग और परिचालन सहायता की लागत की तुलना उस क्षमता से करें जिसे वे खोल सकते हैं। विस्तार के फैसले अनुप्रयोग के सेवा लक्ष्यों के भीतर स्वीकार की गई रिक्वेस्ट के आधार पर होने चाहिए, ताकि टोकन दर का ऊँचा दिखने वाला आँकड़ा ग्राहकों के खराब अनुभव को छिपा न दे।
2. वर्कलोड-विशिष्ट अर्थशास्त्र से ही डिसएग्रीगेशन अपनी उपयोगिता साबित करेगा
लंबा प्रॉम्प्ट पढ़ने और उत्तर तैयार करने के लिए सर्विंग सिस्टम से अलग-अलग क्षमताएँ चाहिए। दोनों काम एक ही हार्डवेयर पर करना सुविधाजनक है, लेकिन इस सुविधा के कारण महँगे संसाधन काम की ज़रूरतों से ठीक से मेल नहीं खा सकते। 2027 में कुछ विशिष्ट ऑपरेटर दिखाएँगे कि इन चरणों को अलग करने से प्रति एक्सेलरेटर-घंटे पर दी जाने वाली रिक्वेस्ट में कहाँ उल्लेखनीय बढ़ोतरी होती है। नतीजा ट्रैफ़िक के स्वरूप पर निर्भर करेगा; एक सेवा के लिए बेहतर आर्किटेक्चर दूसरी के लिए अनावश्यक जटिलता बन सकता है।
प्रीफिल आने वाले संदर्भ को संसाधित करता है। डिकोडिंग उत्तर को एक-एक टोकन करके तैयार करती है। दोनों की संसाधन संबंधी माँगें और विलंबता के लक्ष्य अलग-अलग होते हैं, इसलिए साझा संसाधन पूल से आपसी बाधा पैदा हो सकती है या ज़रूरत से ज़्यादा संसाधन लगाने पड़ सकते हैं। इन चरणों को अलग करने से संसाधन अलग-अलग आवंटित किए जा सकते हैं, लेकिन उनके बीच स्थिति स्थानांतरित करने की लागत बढ़ जाती है।
DistServe ने इस समझौते को गुडपुट—यानी सेवा की विलंबता संबंधी सीमाओं के भीतर पूरा किया गया काम—के आधार पर औपचारिक रूप दिया। इसमें बताई गई बढ़त कुछ खास परीक्षण किए गए कार्यभारों और परिस्थितियों में हासिल हुई थी। इसे हर उत्पादन क्लस्टर पर लागू होने वाले सामान्य गुणक के रूप में नहीं देखना चाहिए। नेटवर्क टोपोलॉजी, संदर्भ की लंबाई, आउटपुट की लंबाई और ट्रैफ़िक में उतार-चढ़ाव तय करते हैं कि चरणों को अलग करने से लागत वसूल होती है या नहीं।
2026 तक यह महज़ एक शोध प्रस्ताव नहीं रह जाएगा। NVIDIA Dynamo में वितरित इन्फ़रेंस के लिए एक योजनाकार, कैश-सचेत रूटिंग और डेटा-हस्तांतरण के घटक शामिल हैं। NVIDIA का मल्टीमॉडल असंबद्धता का विश्लेषण आंशिक रूप से इसलिए उपयोगी है कि यह उन परिस्थितियों की पहचान करता है जिनमें लाभ घट जाते हैं या कोई टोपोलॉजी अपेक्षा से कम प्रदर्शन करती है। लाभ न मिलने वाली परिस्थितियों का वर्णन करने वाला आपूर्तिकर्ता खरीदारों को एक अकेली अधिकतम गति-वृद्धि की तुलना में अधिक उपयोगी शुरुआती आधार देता है।
मेरा पूर्वानुमान इस शर्त पर आधारित है कि सही कार्यभार पर्याप्त पैमाने तक पहुँचें। लंबे प्रॉम्प्ट और असमान माँग से शेड्यूलिंग में इतनी बाधा आ सकती है कि अधिक जटिल सर्विंग आर्किटेक्चर उचित ठहरे। छोटे और स्थिर कार्यभारों को प्रणाली सरल रखकर अधिक किफ़ायती ढंग से संभाला जा सकता है। इसलिए चरणों को अलग करना क्षमता-प्रबंधन का एक निर्णय है, जिसकी सॉफ़्टवेयर और संचालन संबंधी लागतों की भरपाई करनी होगी।
2027 में किन बातों पर नज़र रखें
ऐसे ऑपरेटरों पर नज़र रखें जो वास्तविक अनुरोध-मिश्रणों के परिणाम प्रकाशित करते हैं—जिनमें लंबे प्रॉम्प्ट, बदलती माँग और इन्फ़रेंस के चरणों के बीच स्थिति स्थानांतरित करने की लागत शामिल हो। सभी आरक्षित एक्सेलरेटर और डेटा-हस्तांतरण का अतिरिक्त खर्च जोड़ने के बाद भी लाभ स्पष्ट बने रहने चाहिए। यदि तैनाती से जटिलता बढ़े, लेकिन क्षमता की हर इकाई से मिलने वाला उपयोगी काम न बढ़े, तो असंबद्धता के पक्ष में तर्क कमज़ोर पड़ेंगे।
व्यवसायों के लिए इसका क्या अर्थ है
प्रीफिल–डिकोड अलगाव को ऐसा आर्किटेक्चर विकल्प मानें जिसे अपने ट्रैफ़िक के आधार पर परखना ज़रूरी है। इसे अपनाने से पहले टीमों को नेटवर्किंग, शेड्यूलिंग और संचालन की अतिरिक्त ज़रूरतों का आकलन करना चाहिए। बड़े और असमान कार्यभार इस प्रयास को उचित ठहरा सकते हैं; छोटी सेवाओं के लिए यह प्रमाण ज़रूरी है कि सामान्य संचालन के दौरान अतिरिक्त घटक अपनी लागत की भरपाई करते हैं।
3. वैकल्पिक एक्सेलरेटर घोषित लागत के आधार पर चुनिंदा सर्विंग कार्यभारों में जीतेंगे
कोई सस्ता एक्सेलरेटर तभी फ़ायदेमंद है, जब उससे मिलने वाला अंतिम उत्तर स्वीकार्य हो और समय पर मिले। इससे चुनिंदा कार्यभारों में NVIDIA के विकल्पों के लिए गुंजाइश बनती है, भले ही सॉफ़्टवेयर की परिपक्वता और उपलब्धता अब भी मौजूदा अग्रणी की बड़ी ताक़तें हों। मेरा अनुमान है कि 2027 की स्वतंत्र तुलनाएँ दो अलग-अलग वैकल्पिक एक्सेलरेटर परिवारों में लागत का उल्लेखनीय लाभ दिखाएँगी। यह लाभ तभी मायने रखेगा जब वह उन माइग्रेशन और संचालन संबंधी बारीकियों को ध्यान में रखने के बाद भी बना रहे, जो चिप की विशिष्टताओं वाली शीट में नहीं दिखतीं।
यह कुछ खास परिचालन स्थितियों के बारे में पूर्वानुमान है, पूरे प्लेटफ़ॉर्म को बदल देने के बारे में नहीं। कोई सर्विंग स्टैक एक मॉडल और ट्रैफ़िक पैटर्न के लिए आकर्षक हो सकता है, लेकिन दूसरे के लिए अनुपयुक्त। पोर्ट करने का प्रयास, ऑपरेटरों का परिचय, समर्थित कर्नेल और उपयोगी इंस्टेंस की उपलब्धता, हार्डवेयर की अनुकूल विशिष्टताओं के लाभ से भी भारी पड़ सकते हैं।
कई आपूर्तिकर्ता पहले से ही पर्याप्त विकल्प देते हैं। Google के Ironwood के दस्तावेज़ में उच्च-बैंडविड्थ मेमोरी की क्षमता, बैंडविड्थ और इंटरकनेक्ट की विशेषताएँ दी गई हैं। AWS की Trainium3 की उपलब्धता संबंधी घोषणा में सघन और एक्सपर्ट-पैरेलल कार्यभारों के लिए डिज़ाइन किए गए प्लेटफ़ॉर्म का वर्णन है। AMD के MLPerf सबमिशन मानकीकृत कार्यभारों में उसकी भागीदारी को प्रमाणित करते हैं। इनमें से कोई भी स्रोत अपने आप में मेरे पूर्वानुमान में बताए गए मूल्य-लाभ को साबित नहीं करता।
तुलना आर्थिक रूप से तभी सार्थक होती है, जब कार्यभार तय हो। अगर किसी एक्सेलरेटर के लिए अधिक होस्ट, अलग पैरेललिज़्म योजना या लंबी आरक्षण प्रतिबद्धताओं की ज़रूरत हो, तो इन लागतों को कुल लागत की गणना में शामिल करना चाहिए। जिस विज्ञापित कीमत पर परीक्षण वाले क्षेत्र में खरीदारी संभव न हो, उसे नतीजे का आधार नहीं बनाना चाहिए। यही बात अप्रयुक्त आरक्षित क्षमता और ऐसे अनुकूल बेंचमार्क पर भी लागू होती है, जिसे ऐसे हार्डवेयर पर तैयार किया गया हो जिसे ग्राहक वास्तव में हासिल नहीं कर सकते।
मेरा भरोसा मध्यम स्तर का है, क्योंकि तकनीकी प्रतिस्पर्धा और पारदर्शी अर्थशास्त्र दो अलग-अलग कसौटियाँ हैं। परीक्षण में सफलता मिल सकती है, जबकि लागत का ब्योरा व्यावसायिक गोपनीयता के कारण सार्वजनिक न हो। यह भी संभव है कि कोई प्रतिस्पर्धी एक्सेलरेटर थ्रूपुट में जीत जाए, लेकिन संचालन की सरलता में पीछे रह जाए। पूरे आकलन में बार-बार होने वाले बुनियादी ढाँचे के खर्च और एकमुश्त माइग्रेशन प्रयास को अलग-अलग दिखाना चाहिए।
2027 में किन बातों पर नज़र रखें
ऐसी तुलनाएँ देखें जिन्हें जीतने वाली चिप के आपूर्तिकर्ता से अलग संगठन करें और जिनमें खरीद के लिए उपलब्ध क्षमता तथा गुणवत्ता और विलंबता की समान आवश्यकताओं का इस्तेमाल हो। निर्णायक साक्ष्य में होस्ट, नेटवर्किंग, निष्क्रिय क्षमता और माइग्रेशन से जुड़ी मान्यताएँ शामिल होंगी। अगर एक्सेलरेटर की प्रभावशाली विशिष्टताओं के साथ सर्विंग लागत की पुनरुत्पादित की जा सकने वाली तुलना न हो, तो आर्थिक पूर्वानुमान अप्रमाणित ही रहेगा।
व्यवसायों के लिए इसका क्या अर्थ है
हार्डवेयर का मूल्यांकन किसी प्रतिनिधि मॉडल और ट्रैफ़िक ट्रेस के आधार पर करें, फिर पूरे परिनियोजन की लागत का आकलन करें। बार-बार होने वाली परिचालन बचत को पोर्टिंग, कर्मचारियों को दोबारा प्रशिक्षित करने और एक अन्य सॉफ़्टवेयर स्टैक के रखरखाव की लागत से अलग रखें। कोई वैकल्पिक एक्सेलरेटर किसी खास सेवा के लिए आकर्षक हो सकता है, लेकिन इसका मतलब यह नहीं कि वह कारोबार के हर वर्कलोड के लिए सही प्लेटफ़ॉर्म होगा।
4. एजेंटिक बेंचमार्किंग में पूरे किए गए काम के साथ ऊर्जा की खपत भी मापी जाएगी
कोई एजेंट सोचते समय, टूल इस्तेमाल करते समय, दोबारा प्रयास करते समय और अंततः विफल होते समय ऊर्जा खर्च कर सकता है। इन्फरेंस के एक चरण को मापने से यह पूरी तस्वीर सामने नहीं आती। 2027 के अंत तक, मेरी अपेक्षा है कि एजेंटिक बेंचमार्किंग की MLPerf परंपरा सफलतापूर्वक पूरे किए गए काम के साथ-साथ सिस्टम की मापी गई ऊर्जा खपत भी दर्ज करेगी। इससे ऑपरेटरों को एक कठिन सवाल का बेहतर मापदंड मिलेगा: ग्राहक के वास्तविक उपयोग लायक चीज़ तैयार करने में यह सेवा कितना बुनियादी ढाँचा इस्तेमाल करती है?
कोई एजेंट मॉडल को बार-बार कॉल कर सकता है, लंबे संदर्भ पर फिर से लौट सकता है, टूल इस्तेमाल कर सकता है और विफल चरणों को दोहरा सकता है। प्रति टोकन ऊर्जा खपत का आँकड़ा इस व्यवहार की लागत का केवल एक हिस्सा दिखाता है। कई चरणों वाले वर्कलोड के लिए प्रासंगिक इकाई पूरा किया गया कार्य है, और इसके साथ यह स्पष्ट सीमा भी तय होनी चाहिए कि माप में कौन-सा बुनियादी ढाँचा शामिल है।
v6.1 की घोषणा में पहले ही एजेंटिक इन्फरेंस में बातचीत का बढ़ता इतिहास, एजेंटिक एज परीक्षण और डेटासेंटर में एजेंटिक बेंचमार्किंग की दिशा में जारी काम शामिल हैं। इसलिए यह पूर्वानुमान एजेंटिक बेंचमार्किंग की शुरुआत के बारे में नहीं, बल्कि मापन की एक अतिरिक्त आवश्यकता के बारे में है। मुझे अपेक्षा है कि इन्फरेंस के खरीदार बिजली की सीमाओं का सामना करेंगे, तो इन वर्कलोड को सिस्टम की ऊर्जा खपत से जोड़ने का दबाव बढ़ेगा।
IEA का 2026 का आकलन इस मुद्दे के व्यापक महत्व को स्पष्ट करता है: दक्षता और कुल माँग के बीच का संबंध इस बात पर निर्भर करता है कि तकनीक कितनी अपनाई जाती है और वर्कलोड कितने जटिल हैं। छोटे उत्तर वाली क्वेरी और लंबे समय तक चलने वाले एजेंट को ऊर्जा की एक ही प्रतिनिधि लागत नहीं दी जा सकती। इसी तरह, किसी एक एक्सेलरेटर का कुशल होना यह साबित नहीं करता कि पूरा वर्कफ़्लो भी कुशल है।
इस लेख के पूर्वानुमानों में इस पर मेरा भरोसा सबसे कम है, क्योंकि मापन के मानकों के लिए समन्वय ज़रूरी होता है। टूल सेवाएँ मापे जा रहे सिस्टम के बाहर चल सकती हैं। कोई बेंचमार्क यथार्थपरकता के बजाय पुनरुत्पादकता को प्राथमिकता दे सकता है, या शुरू से अंत तक कार्य की सफलता की शर्त लगाए बिना बिजली की खपत बता सकता है। ये उचित डिज़ाइन विकल्प हो सकते हैं, लेकिन इस खास पूर्वानुमान की कसौटी पर खरे नहीं उतरेंगे।
2027 में किन बातों पर नज़र रखें
ऐसी एजेंटिक बेंचमार्क रिपोर्टों पर नज़र रखें जो पूरे किए गए कार्यों के साथ मापी गई ऊर्जा खपत भी दर्ज करें और बताएँ कि मापन की सीमा में कौन-से घटक शामिल हैं। मॉडल को बार-बार कॉल करना, दोबारा प्रयास करना और असफल कोशिशें करना—इन सबका विवरण स्पष्ट रहना चाहिए। केवल एक्सेलरेटर की बिजली खपत या प्रति टोकन ऊर्जा बताने से खरीदारों को कई चरणों वाले एजेंट की लागत की अधूरी तस्वीर मिलेगी।
कारोबार के लिए इसका क्या अर्थ है
क्षमता और टिकाऊपन से जुड़ी टीमों को ऊर्जा के आँकड़ों की तुलना करने से पहले काम की उपयोगी इकाई पर सहमति बनानी चाहिए। यह दर्ज करें कि कितने कार्य सफल हुए, असफल प्रयासों में कितने संसाधन खर्च हुए और अनुमान से कितना बुनियादी ढाँचा बाहर रखा गया। यह लेखा-जोखा टीमों को यह तय करने में मदद कर सकता है कि अधिक सक्षम एजेंट उपलब्ध बिजली और कंप्यूट बजट का कुशलता से उपयोग भी करता है या नहीं।
उत्तर उसी इकाई में है जो वास्तव में मायने रखती है
दुर्लभ संसाधन वह क्षमता होगी जो सेवा की ज़रूरत पूरी करे और जिसकी लागत स्वीकार्य हो। तेज़ चिपें अहम होंगी, लेकिन ऐसा शेड्यूलर भी मायने रखेगा जो कम संसाधन बर्बाद करे, ऐसा मेमोरी लेआउट जो वर्कलोड के अनुकूल हो और ऐसा मापन जो विफलताओं को ईमानदारी से गिने। अगले डेटासेंटर का फ़ायदा नई रैक जितना दिखाई न दे—लेकिन बिल पर उसका असर कहीं ज़्यादा हो सकता है।












