Искупление ИИ: почему инфраструктура имеет наибольшее значение

ИИ – это наиболее значимая технология нашей жизни, и мы приближаемся к важному поворотному моменту, который изменит бизнес-ландшафт.

Принятие ИИ растет, и 78% предприятий развертывают ИИ в 2025 году, а прогнозы рынка составляют 1,81 триллиона долларов к 2030 году. Однако за этим ростом скрывается более сложная 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 крупном масштабе и для получения полной ценности.

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 рабочей силы.

Это и есть искупление ИИ – разделение 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 компаний, существующих сегодня. Соревнование началось: адаптироваться или умереть.

Выполнение обещаний ИИ

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

Разница между повествованием и выполнением станет более очевидной, особенно когда ROI ИИ является реальной фокусировкой в совете директоров сегодня. Победителями будут организации, которые смогут объединить полный стек, т.е. поставку GPU, энергию, капитал и устойчивую цепочку поставок, и доказать это в операциях и доходах, а не только в маркетинге. Те, кто выполняет обещания, будут ускоряться быстро и выходить как достоверные долгосрочные лидеры. 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 ускорило рост, поскольку циклы жизни оборудования сжались, 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 плотности мощности, требований к охлаждению и трафика современных вычислений GPU.

Традиционные подходы не смогут поспевать за изменениями, обусловленными ИИ. Попытка запуска рабочих нагрузок ИИ в устаревших средах похожа на подключение быстро улучшающегося двигателя Формулы 1 к семейной машине; шасси просто не спроектировано для обработки производительности и изменений. И к тому времени, когда традиционно построенный центр обработки данных будет введен в эксплуатацию, оборудование уже эволюционирует за пределами его параметров проектирования.

По всей отрасли, с миллиардами инвестиций в традиционную инфраструктуру, это создает неудобную реальность. Либо поглотить стоимость перестройки, надеяться, что старые чипы останутся ценными, либо отстать от тех, кто спроектировал инфраструктуру с учетом изменений ИИ с самого начала. Важно отметить, что ретрофитинг сложен. Прогресс требует специально спроектированной инфраструктуры, включая прямое охлаждение чипов, высокоскоростную сетевую связь и переоборудованные системы питания.

Строительство для постоянных изменений

Решение этой проблемы требует совершенно нового подхода к инфраструктуре, который уже набирает обороты. Отрасль переходит на гибкие, стандартизированные единицы, которые можно развертывать, модернизировать и заменять поэтапно по мере изменения требований. Вместо строительства фиксированных объектов, оптимизированных для определенного момента, операторы все чаще развертывают емкость поэтапно, добавляя сегменты с более высокой плотностью по мере изменения архитектуры чипов и требований к мощности.

Этот более гибкий подход может теперь обеспечить емкость, оптимизированную для GPU, в течение месяцев, а не лет. Производство вне объекта и стандартизированные компоненты позволяют строить и тестировать системы в контролируемых средах, ускоряя развертывание и снижая сложность и потребность в квалифицированной рабочей силе на объекте. 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 конструкциях.

Искупление ИИ уже здесь

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