Борьба за владение ИИ – почему центры данных важнее, чем когда-либо

Несколько лет назад центры данных казались чем-то чисто техническим и невидимым – инфраструктурой, спрятанной глубоко в бэкенде, редко обсуждаемой вне профессиональных кругов. Но взрывной рост ИИ полностью изменил эту картину. Сегодня центры данных стали новыми “нефтяными скважинами” цифровой экономики: стратегическим активом, вокруг которого строятся миллиарды инвестиций, государственные политики и корпоративные стратегии.

Недавние новости подтверждают это. Anthropic объявила о строительстве своих собственных центров данных в США, стоимостью 50 миллиардов долларов, сумма, сопоставимая с бюджетами крупных энергетических мегапроектов. Почти одновременно X.AI и Nvidia раскрыли совместный проект в Саудовской Аравии, один из крупнейших центров данных в регионе.

Почему тема центров данных стала так глобальной? Почему крупные игроки отходят от чисто облачных моделей и инвестируют десятки миллиардов в свою собственную мощность? И как это изменение влияет на архитектуру ИИ, энергетические системы, геополитику и возникновение альтернативных моделей, от арктических до космических центров данных?

Это то, что исследует статья ниже.

Глобальный всплеск интереса к владению центрами данных

Когда потребление вычислительных ресурсов измеряется миллионами долларов в год, аренда облачных серверов действительно более экономична: бизнесу не нужно строить и содержать здания, платить за электричество и охлаждение, покупать оборудование или регулярно его обновлять. Но когда расходы достигают десятков миллиардов долларов, логика меняется.

В этот момент становится более экономически эффективным построить свои собственные центры данных, нанять инженеров, купить оборудование и оптимизировать инфраструктуру для своих конкретных потребностей. Компания перестает переплачивать за маржу облачных провайдеров и получает гораздо больший контроль над стоимостью и эффективностью вычислений.

Это почему тренд построения частных центров данных наиболее актуален для гигантов, таких как OpenAI или Anthropic, компаний, чьи потребности так велики, что облако больше не экономически оправдано.

В то же время важно понять, что концепция “центра данных” многослойна. Для некоторых компаний это в первую очередь хранилище данных, диски, базы данных и информация о пользователях. Для других это также вычислительный хаб: серверы, запускающие модели, такие как GPT, Claude или LLaMA, одновременно хранящие данные и выполняющие сложные операции. По сути, сегодня центр данных – это огромный технологический “склад”, в котором размещаются тысячи специализированных компьютеров.

И чем выше спрос на емкость ИИ, тем более стратегическим и обсуждаемым становится этот “склад”, что делает центры данных темой, обсуждаемой не только инженерами, но и инвесторами, политиками и топ-менеджерами.

Что важнее при построении центров данных ИИ: скорость или качество?

В реальности ни скорость строительства, ни формальное “качество” центра данных не является основным фактором. Крупные компании инвестируют в свою собственную инфраструктуру, чтобы снизить затраты и получить максимальный контроль над вычислениями.

Качество моделей самих по себе беспокоит топ-игроков гораздо меньше, чем можно было бы подумать. Причина проста: разрыв в качестве между лидерами рынка минимальен. Это очень похоже на автомобильную промышленность: Volkswagen, Toyota, Honda – все разные, но никто не может далеко оторваться, чтобы монополизировать рынок. Каждый поддерживает свою стабильную долю.

Рынок ИИ следует аналогичной логике. Продвинутые пользователи уже используют несколько моделей одновременно: одну для программирования, другую для генерации текста, третью для аналитики или поиска. Корпоративные клиенты делают то же самое. Например, сервисы, такие как Grammarly, не имеют своей модели вообще. Они покупают токены у нескольких поставщиков, Anthropic, OpenAI, Meta. Когда поступает запрос, система автоматически выбирает поставщика: тот, который в настоящее время дешевле, быстрее или более точен. Если текст на английском – он идет к GPT; если на хинди – к Claude; если LLaMA в настоящее время имеет самые низкие ставки – он идет туда. Это по сути модель распределения нагрузки, подобная фондовой бирже.

В разговорах с корпоративными клиентами Keymakr я все чаще вижу тот же тренд: крупные компании давно отказались от подхода “одна модель – один поставщик”. Они строят мульти-модельные конвейеры, где запросы маршрутизируются между разными системами ИИ в зависимости от стоимости, задержки или языковой специфики. Однако эта архитектура предъявляет значительно более высокие требования к данным, в частности, к их чистоте, аннотации, валидации и согласованности. В этом смысле инфраструктура данных становится такой же стратегической, как и сами центры данных: без высококачественного входного сигнала мульти-модельная система просто не работает.

В конечном итоге, в этой архитектуре качество модели становится лишь одним из многих параметров. Ключом является поддержание скорости, масштабируемости и способности обрабатывать огромные вычислительные нагрузки. Именно это придает частным центрам данных их стратегическую ценность: они позволяют компаниям контролировать стоимость, пропускную способность и стабильность, оказывая при этом мало влияния на окончательное качество модели.

Иными словами, сегодня компании строят центры данных не для скорости или идеального качества, а для экономики и контроля.

География данных

Под “контролем” я имею в виду географию данных. Если компания работает с государственными агентствами, закон часто запрещает вывоз данных за пределы страны. Правительственные и квази-военные применения активно используют ИИ в разведке, оборонных ИТ-единицах и муниципальных услугах. Но невозможно предоставить этим системам доступ к модели, если центр данных расположен в регионе с неопределенной юрисдикцией или низким уровнем доверия. Поэтому правительства требуют, чтобы вычислительная мощность физически находилась внутри страны.

Крупные компании идеально понимают это. Если они хотят участвовать в государственных тендерах, подписывать контракты или обрабатывать чувствительные данные, им нужно инфраструктура в конкретных регионах и возможность гарантировать соблюдение стандартов безопасности. Этот географический ограничение также существенно влияет на другой критический фактор при строительстве и эксплуатации центров данных – энергию.

Центры данных ИИ потребляют огромные количества электричества, как для работы серверов, так и для их охлаждения. Охлаждение часто стоит больше, чем само вычисление. Это создает жесткие ограничения. В некоторых регионах центры данных ограничены в потреблении определенного количества энергии из сети; в других регионах выбросы тепла в окружающую среду строго регулируются. Превышение лимитов приводит к штрафам и дорогостоящим инженерным модернизациям.

Более того, электричество покупается в основном у государственных энергетических компаний, которые имеют свои тарифные структуры. Вы не можете просто “купить столько, сколько хотите”. Например, до определенного порога цена составляет один тариф; выше – другой. Если центр данных потребляет больше энергии, чем разрешено, во время пиковых периодов, он автоматически несет штрафы. По этой причине крупные компании часто находят более экономически эффективным построить свои собственные центры данных рядом со своими собственными электростанциями.

Это естественно приводит к идее разработки частной генерации электроэнергии, такой как солнечные фермы, газовые электростанции или небольшие гидроэлектростанции. Но все эти решения имеют ограничения. Газовые и угольные электростанции производят выбросы. Гидроэнергия изменяет экосистемы рек. Атомная энергия – наиболее чистая в плане выбросов, но только правительства могут строить атомные электростанции.

И именно на этом этапе начинают появляться новые концепции…

Альтернативные решения

Самым очевидным вариантом является перемещение центров данных в регионы с естественно холодным климатом, такие как северная Канада, северные территории Скандинавии или удаленные области Арктики. Там природа сама решает проблему охлаждения, радикально снижая эксплуатационные затраты.

Следующий шаг – “подводные центры данных”. Вычисления производятся под водой, а холодная морская среда обеспечивает естественное охлаждение. Но этот подход также имеет недостатки. Экологи уже выразили обеспокоенность. Например, у южного побережья Исландии, где проходит Гольфстрим, некоторые предложили, что крупномасштабное развертывание подводных центров данных может повлиять на местные климатические процессы, потенциально даже изменяя поведение океанических течений. Первоначальные наблюдения таких отклонений уже были зафиксированы.

Существуют также более футуристические варианты. Недавно я обсуждал концепцию космических центров данных с коллегами. Идея запуска вычислительной инфраструктуры на орбиту существовала давно; однако технологии привели ее к порогу практической осуществимости, с готовой технической основой.

Почему космос кажется привлекательным? Он сразу решает две основные ограничения: охлаждение и электричество. Температуры в ближнем космосе чрезвычайно низки, что делает рассеивание тепла почти бесплатным. Электричество также не проблема: можно развернуть массивные солнечные панели, подобно космическим телескопам, которые разворачивают свои зеркала. В космосе нет пыли, нет погоды, нет затенения. Панели обеспечивают стабильную мощность круглосуточно с практически нулевым обслуживанием.

Связь с Землей – отдельная инженерная задача, но она полностью решаема. Один из подходов – использовать спутниковые системы, такие как Starlink, но с гораздо более широкими каналами. Радиосвязи могут, в принципе, справиться с этими объемами, а оптические связи, световые каналы с огромной пропускной способностью, могут быть использованы, если это необходимо. Инженеры обязательно найдут решение здесь.

В целом, космическая инфраструктура – это больше будущая ветвь развития, но обсуждение ее больше не кажется научной фантастикой, особенно учитывая, что спрос на вычислительные мощности растет гораздо быстрее, чем появляется новая емкость на Земле.

Стоит отметить последние новости: Google объявила о своем проекте Suncatcher, направленном на создание орбитальных центров данных ИИ. Согласно плану, спутники, оснащенные чипами TPU, будут питаться солнечной энергией и передавать данные через оптические каналы. Google утверждает, что это решение может обеспечить до восьми раз большую эффективность производства энергии по сравнению с наземными системами. Первые прототипы спутников планируется запустить уже в 2027 году.

Влияние регулирования

Когда речь идет о регулировании, влияющем на центры данных, их воздействие на окружающую среду и о том, могут ли правовые рамки фактически “вытолкнуть” этот рынок в космос или под воду, вопрос остается открытым.

Каждая страна действует по-разному, реализуя регулирование в соответствии со своими долгосрочными планами. Не секрет, что Европа, например, имеет более строгие правила, которые замедляют развитие ИИ. США, с другой стороны, подходят к этому более прагматично: законы обычно пишутся так, чтобы позволить инновациям и росту продолжаться. Сильный технологический лобби в Калифорнии, где находятся компании, такие как Nvidia, Apple, Microsoft и Meta, делает полный запрет на ИИ маловероятным. Это означает, что технологии будут продолжать развиваться.

Мы живем в эпоху, когда “думать вне коробки” культивируется как на Западе, так и в Азии, и примеры Илона Маска и Стива Джобса продолжают вдохновлять на амбициозные проекты. Итак, может быть, вычисления в космосе – это следующий логический шаг после всего.