Расходы на вычислительные мощности ИИ могут вырасти в 15 раз, поскольку спрос опережает рост предложения

Автор: Dwarkesh Patel

Перевод: Shenchao TechFlow

Shenchao Overview: When AI model capabilities catch up to top software engineers, the reasonable rental price for a single H100 will exceed $250,000 per year—15 times today’s spot price. This is not a distant prediction, but a real trend driven by the structural tension between Anthropic’s 10x revenue growth and its 3x compute growth. For investors, whoever secures compute first and trains the most efficient models will determine the next competitive landscape.

Я хочу попробовать минимальный подход: выделить себе 2 часа и быстро написать пост. Многие важные подтемы я не успею изучить глубоко, но если не делать этого, многие интересующие меня темы будут оставаться без движения.

Сегодня я хочу поговорить о ситуации с вычислительными мощностями в AI-лабораториях в ближайшие годы.

Доходы Anthropic растут в 10 раз ежегодно. При такой тенденции доходы Anthropic к концу этого года, скорее всего, составят от 100 до 150 миллиардов долларов. Если эта тенденция сохранится, к концу следующего года им придется достичь дохода в 1 триллион долларов. Конечно, нет жестких оснований полагать, что тенденция обязательно продолжится — в конечном счете, все зависит от возможностей ИИ. Но предположим, что она действительно продолжится: какие условия должны быть выполнены в этом мире?

Вычислительная мощность лаборатории ежегодно растет в 3 раза. Чтобы лаборатория добилась роста выручки в 10 раз при росте вычислительной мощности только на 3 раза, должны одновременно произойти несколько из следующих трех событий: 1) повышение маржи прибыли лаборатории; 2) рост цены на вычислительную мощность; 3) лаборатория направляет большую долю вычислительной мощности на вывод.

Мое понимание таково, что все три этих явления в основном происходят одновременно: во-первых, маржинальная прибыльность Anthropic выросла с 40% в 2025 году до, возможно, более чем 80% в текущем году в сегменте Fable推理; (однако маржинальная прибыльность вычислительных ресурсов может отличаться — об этом позже); во-вторых, цена на спотовом рынке вычислительных ресурсов выросла более чем на 40% с минимума в феврале этого года, а фактическая стоимость, которую лаборатории вынуждены платить, может быть еще выше (подробности ниже); в-третьих, согласно данным Epoch, OpenAI в 2024 году примерно четверть своих расходов на вычислительные ресурсы тратила на推理, и сейчас эта доля, скорее всего, приблизилась к 50% или даже выше.

Лаборатории на самом деле не хотят идти третьим путем (направлять все больше вычислительных мощностей на вывод). Есть шутка, которая точно попадает в цель: смысл доходов от вывода — убедить инвесторов дать вам еще денег, чтобы вы могли купить еще больше вычислительных мощностей и обучить более крупные модели. Если вы направляете большую часть вычислительных мощностей на вывод, вы тем самым заявляете, что прогресс в ИИ остановился — потому что дальнейшие вложения в обучение уже невыгодны, и ваш бизнес по сути превращается в облачного провайдера. Однако крупные лаборатории так не считают — они считают, что модели, которые сейчас развертывают, через год будут выглядеть крайне устаревшими, и сейчас занимаются этим бизнесом, чтобы накопить коммерческие кейсы, поддерживающие дальнейшее обучение более умных моделей.

Остаются два пути: первый — повышение прибыльности лабораторий; второй — рост стоимости вычислительных мощностей. Если ведущие одна-две лаборатории значительно опережают конкурентов, первый путь будет более заметным. На рынке конкуренции прибыльность зависит от того, насколько лучше ваше решение по сравнению со вторым по эффективности вариантом. Чтобы первый эффект доминировал, к концу следующего года прибыльность должна достичь более 90%. Это, на мой взгляд, довольно абсурдно. Однако я действительно считаю, что доходы AI-лабораторий могут продолжать расти с поразительной скоростью.

Таким образом, последним эффектом, объясняющим, как мир может достичь безумного роста выручки до 1 триллиона долларов к концу следующего года, является резкое повышение цен на вычислительные мощности. Как я уже говорил, это уже началось. Если мы посмотрим на вычислительные мощности, действительно необходимые лабораториям, рост цен будет еще более впечатляющим — они явно не могут полагаться на спотовые инстансы; им необходимо обеспечить безопасность весов моделей и пользовательских данных, а также достаточный масштаб для достижения высокой эффективности использования и гибкости. Взгляните, насколько безумен этот рынок: Google и Anthropic арендуют вычислительные мощности у SpaceX. Сообщается, что Google тратит 900 миллионов долларов в месяц на аренду 110 000 GPU, представляющих собой смесь GB200 и GB300. Это примерно в два раза дороже спотовых цен на эти GPU. При этом текущие спотовые цены сами по себе уже на 40% выше, чем в феврале.

Я хочу подчеркнуть ключевой вывод: по мере того как модели ИИ становятся все мощнее, стоимость, генерируемая тем же объемом вычислительных ресурсов, также возрастает. Если настоящий программист-инженер, способный работать на уровне человека, сможет функционировать на устройстве уровня H100, то, исходя из текущего уровня заработной платы программистов на рынке, годовая аренда такой H100 должна превышать 250 000 долларов США — в 15 раз больше текущей цены на现货.

Конечно, если внезапно появится 10 миллионов дополнительных программистов, стоимость инженеров с низкой квалификацией естественно снизится, поэтому H100, возможно, не сможет генерировать в 15 раз больше выручки, чем сейчас. Но я действительно не уверен, что эта логика верна. Если применить этот аргумент к людям, а не к ИИ, это будет классическая «ошибка общей массы рабочей силы». Экономисты в целом считают, что высококвалифицированные иммигранты в долгосрочной перспективе не снижают заработную плату, поскольку специализация и инновации повышают ценность рабочей силы. Возможно, на этот раз шок предложения рабочей силы настолько велик и быстр, что эта экономическая закономерность перестаёт работать. Но если мы доверяем стандартной экономической теории о труде, то предельная стоимость рабочей силы (а значит, и предельная цена вычислительных мощностей) должна оставаться на удивительно высоком уровне.

Что произойдет в этом мире?

Крупнейшие модели всё лучше извлекают ценность из вычислительных мощностей, и становится всё труднее их догнать. Если к 2028 году программная инженерия будет автоматизирована, а стоимость вычислительных мощностей вырастет в 15 раз по сравнению с текущим уровнем, то конкурировать с ведущими лабораториями за вычислительные ресурсы без какого-либо дохода будет чрезвычайно сложно.

Если вы сможете обучить лучшую и наиболее эффективную модель, ваша прибыльная маржа будет намного выше, чем сегодня. Это эффект Алчина-Аллена: когда фиксированная стоимость добавляется к двум товарам разного качества, более качественный товар становится относительно более выгодным, и спрос смещается в его сторону. Когда стоимость H100 за час поднимается до 20 долларов, использование более слабой и менее эффективной модели становится чрезвычайно дорогим и неразумным — ведь вам придется тратить больше токенов и использовать больше дорогостоящих вычислительных ресурсов, чтобы получить тот же результат. Таким образом, если кто-то сможет обучить топовую модель, которая потребляет меньше вычислительных ресурсов, он сможет взимать высокую надбавку. Раз уж базовые вычислительные ресурсы и так стоят столько денег, почему бы не потратить немного больше и использовать самую эффективную модель, которая работает при тех же вычислительных затратах?

Многие сегодня популярные приложения ИИ будут вытеснены из-за стоимости. ИИ сейчас относительно дешев, по крайней мере дешевле человеческого труда, частично потому, что он пока не может делать многие вещи, которые делают лучшие люди. Однажды это перестанет быть правдой. Тогда стоимость создания коротких видео-мусора с помощью GPU станет слишком высокой, чтобы это было выгодно.

Однако такие прогнозы схожи с историческими ошибочными оценками дефицита. Я имею в виду пари Саймона-Элиха: Пол Элих поставил, что за десять лет до 1990 года цена корзины сырьевых товаров вырастет, а не снизится. Это пари известно в популярных экономических дискуссиях, поскольку, как утверждается, оно опровергло мальтузианскую мировоззренческую позицию Элиха — он недооценил роль рыночных сигналов и человеческого разума в экономии дефицитных ресурсов (однако некоторые аналитики отмечают, что если бы это пари было заключено на другой десятилетний период, Элих выиграл бы).

Я полагаю, что ориентир на сырьевые товары не подходит для вычислительной мощности, поскольку предложение вычислительной мощности гораздо менее эластично, чем добыча металлов, и оно значительно слабее справляется с крупными спросовыми шоками или поиском альтернатив. Ежегодный рост вычислительной мощности в 3 раза достигается путем перемножения следующих коэффициентов: 1,4 раза за счет закона Мура, 1,2 раза за счет строительства новых заводов по производству полупроводников (ограничено поставками оборудования EUV по крайней мере до 2030 года) и 1,8 раза за счет того, что ИИ забирает у других устройств квоты на передовые технологии производства чипов (этот фактор достигнет предела около 2027 года, когда доля ИИ на чипах N3 вырастет с 60% до 86%). Ни один из этих трех коэффициентов сложно еще больше увеличить, а последний достигнет пика в течение одного-двух лет из-за насыщения квот на чипы.

Я хочу подчеркнуть, что в какой-то момент в будущем вычислительная мощность снова станет дешевле. Однажды роботы смогут напрямую превращать кремниевый песок на побережье и медные руды под землей в компьютеры, и тогда цена вычислительной мощности, вероятно, снизится до уровня, близкого к стоимости сырья и инструментов. Сейчас я обсуждаю только текущий этап — вычислительная мощность для ИИ растет всего в 3 раза в год, и эта скорость совершенно не успевает за ростом цен, обусловленным ежегодным увеличением ценности ИИ.

Кстати, выручка Anthropic растет в 10 раз в год, а вычислительные мощности — только в 3 раза, что свидетельствует о сильной экономии от масштаба в бизнесе моделей. Логически это имеет смысл — обучая модель, вы несете одноразовые затраты на обучение, которые затем распределяются между всеми пользователями (в отличие от человеческой рабочей силы, где каждый экземпляр нужно обучать с нуля). Я не хочу жить в мире, где интеллект обладает такой сильной экономией от масштаба (поскольку я боюсь концентрации власти). Но реальность, похоже, именно такова.