Расчет ИИ: почему инфраструктура имеет наибольшее значение

ИИ является наиболее значимой технологией нашей жизни, и мы приближаемся к важному поворотному моменту, который изменит деловой ландшафт.

Усыновление набирает обороты, с 78% предприятий, развертывающих ИИ в 2025 году, и рыночными прогнозами в 1,81 триллиона долларов к 2030 году. Однако за этим ростом лежит более жесткая правда: многие предприятия борются с переводом ИИ в реальные, масштабируемые и осязаемые результаты. Становится ясно, что многие принимают ИИ без оперативных изменений, необходимых для его запуска в масштабе и для полной стоимости.

В то же время инфраструктура, лежащая в основе ИИ, не поспевает за необходимым ростом. Организации и модели все еще ограничены доступной вычислительной мощностью GPU, а доступная емкость центров обработки данных находится на рекордно низком уровне во всем мире. Новая емкость ИИ ограничена доступностью электроэнергии, сроками строительства и нехваткой квалифицированных специалистов.

Это расчет ИИ – разрыв между теми, кто строит и принимает ИИ с необходимой скоростью, и теми, кто ограничен консервативными устаревшими моделями. К 2035 году возможно, что этот разрыв может затронуть половину сегодняшних компаний. Соревнование началось: адаптироваться или умереть.

Выполнение обещаний ИИ

После лет громких, многогигаваттных объявлений организации, наконец, столкнутся с проверкой на соответствие рынку в этом году. Кто действительно выполняет, а кто просто полагается на заголовки и пресс-релизы, чтобы быть частью разговора.

Разница между нарративом и выполнением станет более очевидной, особенно поскольку ROI ИИ является реальной фокусом в совете директоров сегодня. Победители будут теми организациями, которые смогут объединить весь стек, т.е. поставку GPU, электроэнергию, капитал и устойчивую цепочку поставок, и доказать это в операциях и доходах, а не только в маркетинге. Те, кто выполняет, будут ускоряться быстро и появляться в качестве достоверных долгосрочных лидеров. Те, кто закреплен в творческих объявлениях, отстанут. И разрыв будет продолжать расширяться между ними.

Ограничивающие факторы

Правила вычислений фундаментально изменились. С 2019 года вычислительная мощность, лежащая в основе моделей ИИ, примерно удваивалась каждые 10 месяцев. Возникновение ИИ нового поколения ускорило рост, поскольку жизненный цикл оборудования сжался, а экстремальное ко-дизайн NVIDIA задал темп, который будет только ускоряться. Однако большинство центров обработки данных по-прежнему спроектированы для устаревших рабочих нагрузок, а не для мощности, плотности охлаждения и трафика современных вычислений GPU.

Традиционные подходы не поспевают за изменениями, обусловленными ИИ. Попытка запуска рабочих нагрузок ИИ в устаревших средах похожа на подключение быстро совершенствующегося двигателя Формулы 1 к семейной машине; шасси просто не рассчитано на такую производительность и изменение. А к тому времени, когда традиционно построенный центр обработки данных будет введен в эксплуатацию, оборудование уже эволюционирует за пределами его проектных параметров.

По всей отрасли, с миллиардами инвестиций в традиционную инфраструктуру, это создает неудобную реальность. Либо поглотить стоимость перестройки, надеяться, что старые чипы останутся ценными, либо постоянно отставать от тех, кто спроектировал для меняющихся ИИ с самого начала. Важно отметить, что ретрофитинг является сложным. Прогресс требует специально построенной инфраструктуры, включая прямое охлаждение чипов, высокоскоростную сетевую связь и переработанные системы питания.

Строительство для постоянных изменений

Решение этой проблемы требует совершенно нового подхода к инфраструктуре, который уже набирает обороты. Отрасль смещается в сторону гибких, стандартизированных единиц, которые можно развертывать, модернизировать и заменять поэтапно по мере эволюции требований. Вместо строительства фиксированных объектов, оптимизированных для определенного момента времени, операторы все чаще развертывают емкость поэтапно, добавляя сегменты с более высокой плотностью по мере изменения архитектур чипов и требований к питанию.

Этот более гибкий подход теперь может обеспечить емкость, оптимизированную для GPU, в течение месяцев, а не лет. Производство на стороне и стандартизированные компоненты позволяют строить и тестировать системы в контролируемых средах, ускоряя развертывание и снижая сложность и необходимость квалифицированного труда на месте. Критически важно, что модернизация может быть выполнена, пока остальная часть объекта остается эксплуатируемой, а демонтированные сегменты могут быть восстановлены и повторно развернуты, продлевая срок службы, снижая отходы и максимизируя доход.

Гибкость имеет решающее значение в среде, где требования к производительности эволюционируют быстрее, чем традиционные циклы жизни центров обработки данных. Гибкость теперь является определяющим требованием над традиционной жесткостью, к которой мы привыкли в устаревших постройках.

Расчет уже здесь

Расчет ИИ больше не является будущим сценарием; он разворачивается в реальном времени. Разделение между центрами обработки данных, спроектированными для непрерывных изменений, и теми, кто ограничен устаревшими предположениями, уже видно, и оно будет ускоряться отсюда. Это не просто технологический цикл; это структурный перезапуск того, как инфраструктура концептуализируется, финансируется и поставляется. Организации, которые принимают гибкость, выравнивают весь стек и выполняют с темпом, определят следующее десятилетие. Остальные не только отстанут, но и станут неактуальными.