- Реальный срок службы GPU для обучения моделей ИИ составляет 1–3 года вместо заявленных 6 лет.
- Высокая нагрузка и тепловой стресс ускоряют износ GPU, делая их менее надежными и экономически невыгодными со временем.
- Компаниям приходится пересматривать финансовые прогнозы и стратегии обновления оборудования из-за ускоренной амортизации GPU.
В последние годы крупнейшие технологические корпорации, такие как Microsoft, Amazon, Google, Oracle и OpenAI, объявили масштабные инвестиции в развитие дата-центров для искусственного интеллекта (ИИ) на триллион долларов в ближайшие пять лет. Однако при тщательном анализе выяснилось, что ключевой элемент этих систем — графические процессоры (GPU) для обучения моделей — имеют существенно меньший жизненный цикл, чем предполагалось ранее.
По данным CNN и исследователей из Princeton CITP Blog, реальный срок активной эксплуатации GPU в интенсивных ИИ-операциях варьируется от 18 месяцев до максимум 3 лет. В то время как в бухгалтерских расчетах компании часто закладывают срок службы в 6 лет, фактическая нагрузка, связанная с высокими энергопотреблением (более 700 Вт) и теплоотдачей, ускоряет износ чипов. При этом около 9% GPU выходят из строя в первый год эксплуатации, что почти вдвое превышает показатель для традиционных центральных процессоров (CPU).
Помимо физического износа, существует ещё одна значимая причина сокращения экономической эффективности GPU: Nvidia, ведущий производитель чипов, сократила цикл обновления новинок с двух лет до одного, при этом каждое новое поколение предлагает значительно более высокую производительность при меньшем энергопотреблении. Это приводит к тому, что трехлетние GPU быстро устаревают — дешевле заменить их на новые, чем эксплуатировать из-за возрастания расходов на электричество.
Рынок аренды GPU подтверждает эту динамику: стоимость аренды модели H100 упала на 70% с пикового уровня примерно до 2,5 долларов в час. При этом стоимость аренды старых моделей вплотную приблизилась к H100, несмотря на значительную разницу в производительности.
Крупные игроки индустрии уже адаптируются к новым реалиям. Генеральный директор Microsoft Сатья Наделла отметил изменение в политике закупок GPU, стремясь равномерно распределять обновления оборудования во времени, чтобы не оказаться с устаревшими и амортизированными ценными активами. Аналитики Barclays снизили прогнозы прибыльности ИИ-компаний на 2025 год на 10%, учитывая более быструю амортизацию. По расчетам Bain, индустрия столкнется с ежегодным дефицитом капитальных расходов в размере 800 миллиардов долларов к 2030 году, что превышает весь годовой доход Amazon.
Таким образом, ускоренный износ GPU и стремительный технологический прогресс в сфере ИИ создают новые вызовы для компании, инвестирующих в инфраструктуру искусственного интеллекта, заставляя пересматривать финансовые модели и стратегии закупок оборудования.
