Обычно вычислительные мощности обсуждают как главный дефицит эпохи ИИ: моделей становится больше, запросы усложняются, а чипов и электричества постоянно не хватает.
Исследователи Epoch AI перевернули вопрос: а что, если строящаяся инфраструктура окажется больше, чем рынок способен загрузить оплачиваемой работой?
Они оценили объём высокоскоростной памяти HBM3E, HBM4 и HBM4E, выпущенной с 2025-го по 2027 год, перевели его в эквивалент ускорителей Nvidia GB300 и рассчитали, сколько агентных сессий сможет одновременно обслуживать это оборудование после развёртывания.
Под агентом здесь понимается рабочая сессия внутри системы наподобие Codex или Claude Code: модель вызывает инструменты, пишет и запускает код, обращается к файлам и ждёт выполнения операций.
Получился диапазон от 33 до 171 млн одновременно работающих агентов фронтирного уровня.
Поскольку цифровой агент может работать круглосуточно, один такой процесс производит 168 часов активности в неделю — в 4,2 раза больше стандартной 40-часовой занятости. Поэтому расчётная инфраструктура эквивалентна по времени работы примерно 140–720 млн штатных сотрудников.
Это сравнение относится только к количеству часов. Оно не означает, что агент выполняет работу человека с тем же качеством, самостоятельностью или ответственностью.
С более эффективными моделями цифры становятся почти фантастическими. Если применить результаты серверных тестов DeepSeek V4 Pro, та же инфраструктура теоретически сможет поддерживать около 1,9 млрд одновременных агентов — столько же рабочих часов, сколько дали бы восемь миллиардов людей с обычной занятостью.
Получается, что если бы задача состояла только в инференсе уже существующих моделей, потенциальных вычислительных мощностей в мире может оказаться достаточно — и даже с большим запасом.
Но «потенциальных» — ключевое слово. Исследование предполагает, что память превратится в ускорители, ускорители будут установлены в дата-центрах, обеспечены электричеством и сетями, а затем значительная часть оборудования будет выделена именно агентам. В реальности мощности нужны также для обучения моделей, исследований и других сервисов, а запуск дата-центров может отставать от производства компонентов.
Главное ограничение может возникнуть на другом конце цепочки — в спросе.
Epoch AI рассматривает довольно умеренный сценарий: 40% оборудования работает на коммерческий инференс, а средняя загрузка составляет 50%. Это означает эффективное использование лишь 20% потенциальной мощности.
Даже такая загрузка по текущим ценам API соответствовала бы $2,6–5,3 трлн расходов в год. Между тем совокупная годовая выручка ведущих разработчиков моделей к концу 2027 года достигнет примерно $1 трлн, только если продолжит расти фантастическими темпами — в пять раз ежегодно.
Есть в работе и ещё одна интересная статистика. По изученным логам час непрерывной работы агента Codex обходился в среднем в $16–18, а Claude Code — в $24–50. Это уже сопоставимо с человеческой почасовой оплатой во многих профессиях, поэтому агент должен не просто потреблять токены, а создавать измеримую ценность. Исследование рисует непривычную картину будущего.
Возможно, главным дефицитом станет не кремний, а способность организаций сформулировать миллионы полезных задач, предоставить агентам данные и инструменты, встроить их в процессы и оплатить результат.
Мы строим огромную цифровую фабрику. Но пока неясно, найдётся ли достаточно работы для всех машин, которые она сможет запустить.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться