По прогнозам аналитиков, мощности ЦОД в течение следующих 6 лет увеличатся в 3 раза
В новом отчете Synergy Research Group говорится, что, хотя в последнее время существует много преувеличенных заявлений об искусственном интеллекте, нет никаких сомнений в том, что генеративный ИИ оказывает огромное влияние на рынки ИТ. Обновленный шестилетний прогноз Synergy показывает, что средняя мощность новых гипермасштабных центров обработки данных вскоре более чем вдвое превысит существующие мощности. А в период с 2023 по 2028 год общая мощность всех действующих центров обработки данных вырастет почти в три раза.
Исследование основано на анализе площади центров обработки данных и операций 19 крупнейших мировых компаний, предоставляющих облачные и интернет услуги. К середине 2023 года у этих компаний по всему миру было 926 действующих крупных центров обработки данных. Прогноз Synergy относительно будущих ЦОД включает строительство в ближайшие годы еще 427 объектов.
Synergy заявляет, что развитие генеративного искусственного интеллекта не столько способствовало увеличению количества центров обработки данных, сколько привело к существенному увеличению количества энергии, необходимой для работы этих центров обработки данных. Поскольку количество графических процессоров в гипермасштабных центрах обработки данных стремительно растет, плотность мощности соответствующих стоек и объектов центров обработки данных также должна существенно увеличиться. Это заставляет операторов переосмысливать некоторые архитектуры своих центров обработки данных, а также планы их строительства.
Пока корпорации для улучшения своего бизнеса спешат внедрить генеративный искусственный интеллект, стоимость приобретения оборудования и его эксплуатации заставляет многих задуматься. Например, цена сервера DGX от Nvidia, специально созданного для генеративного искусственного интеллекта и оснащенного соответствующим аппаратным обеспечением, может легко находится в шестизначном диапазоне. За такие деньги можно купить около 10 обычных серверов.
К тому же, для таких систем следует учесть дополнительные расходы на их эксплуатацию. Графические процессоры Nvidia не отличаются низким энергопотреблением, а совсем наоборот. Они являются крупнейшими потребителями электроэнергии в ЦОД. Таким образом, для предприятия с ограниченным бюджетом, особенно среднего размера, развертывание оборудования генеративного ИИ может оказаться слишком обременительным.
Кроме того, способ работы искусственного интеллекта отличается от традиционных бизнес-приложений. Есть трудоемкая задача обучения, для которой требуются мощные графические процессоры, и есть логический вывод, который выполняется на основе моделей, обученных графическими процессорами. Как только модель обучена, то велика вероятность, что эту модель не понадобится пересматривать в течение нескольких месяцев. В этом случае очень дорогое оборудование простаивает, становится неэффективным и обесценивается.
«Могут ли предприятия сделать это самостоятельно, не обращаясь к поставщику гипермасштабируемых облаков? Теоретически да, но затраты могут быть непомерно высоки, а доступ к нужным экспертным знаниям может быть серьезно ограничен», — сказал Джон Динсдейл, главный аналитик и директор по исследованиям Synergy Research Group.
Приобретение и эксплуатация оборудования искусственного интеллекта обходится дорого, и многие корпоративные клиенты могут предпочесть, чтобы за них это сделали гиперскейлеры. Зачем вкладывать сотни тысяч долларов в редко используемое оборудование, если его можно арендовать? Это называется «ИИ как услуга» — новое предложение от гиперскейлеров, таких как AWS, Google и Microsoft. Так что в ближайшие годы можно ожидать существенного развития в этом направлении.
