К содержанию
Новости

Расходы на ИИ-инфраструктуру опережают измеримый рост производительности

стойки с вычислительным оборудованием в дата-центре
Архивное фото: стойки с вычислительным оборудованием в дата-центреDerrick Coetzee from Berkeley, CA, USA / Wikimedia Commons, CC0

Как сообщает CNBC, инвестиции в дата-центры и инфраструктуру для ИИ подталкивают вверх цены на электроэнергию, чипы, программное обеспечение и вычислительные мощности. При этом компании внедряют технологию с разной скоростью. Ожидаемый рост производительности пока не компенсирует расходы, а Федеральной резервной системе становится сложнее оценить, нужно ли повышать процентные ставки из-за ценового давления со стороны ИИ.

По оценке Goldman Sachs Research, в этом году капитальные расходы на развитие ИИ-инфраструктуры достигнут 581 млрд $ в США и до 1 трлн $ во всем мире. В США объем таких вложений составляет 1,8% валового внутреннего продукта. Компания прогнозирует, что к 2028 году их доля вырастет до 2,8%.

Согласно опросу Census Bureau, опубликованному в мае, ИИ используют от 17% до 20% американских компаний. В крупных организациях технология распространена заметно шире, чем в небольших.

Главный экономист OpenAI Ронни Чаттерджи считает, что влияние ИИ на экономику зависит от темпов внедрения и практической пользы для организаций. Поэтому в статистике производительности эффект становится заметен не сразу. Бывший директор по информационным технологиям Lululemon Джули Аверилл также говорила о сложностях масштабирования. Компаниям приходится менять поведение сотрудников и укреплять доверие к модели. В Lululemon ИИ использовали для прогнозирования того, где товары будут продаваться лучше всего.

Ключевые факты

  • Капитальные расходы на ИИ-инфраструктуру в США в этом году оцениваются в 581 млрд $, а в мире, до 1 трлн $.

  • Доля таких расходов в валовом внутреннем продукте США составляет 1,8% и к 2028 году прогнозируется на уровне 2,8%.

  • От 17% до 20% американских компаний сообщили об использовании ИИ.

  • Lululemon применяла ИИ для прогнозирования регионов с наиболее высокими продажами товаров.