Проблема электроэнергии в сердце современного ИИ
Каждый центр данных ИИ работает с фиксированным энергобюджетом. Компания, которая извлекает максимум полезной работы из каждого ватта, побеждает. Вот что это означает простым языком.
Ключевые моменты
- Система GB300 NVL72 компании NVIDIA обеспечивает до 25 раз большую полезную работу ИИ на ватт по сравнению с предыдущим поколением Hopper, согласно анализу SemiAnalysis InferenceX.
- Только совершенствование программного обеспечения повысило производительность на ватт для одной модели в 5 раз за один месяц в 2025 году.
- NVIDIA утверждает, что её программное обеспечение управления питанием позволяет операторам запускать на 40 процентов больше чипов в рамках одного и того же энергобюджета.
- По словам NVIDIA, компании Anthropic, OpenAI и Perplexity в настоящее время запускают производственные рабочие нагрузки на оборудовании Blackwell NVL72.
- Данные в этой статье взяты из промо-поста NVIDIA, а не из независимого рецензируемого исследования.
ИИ — это в своей сути проблема электроэнергии.
Каждый раз, когда чатбот отвечает на ваш вопрос или ИИ-агент, программное обеспечение, которое выполняет многошаговые задачи самостоятельно, бронирует вашу поездку или черновик вашего юридического документа, центр обработки данных где-то потребляет электроэнергию. Этот центр обработки данных имеет фиксированный энергобюджет. Компания, которая генерирует наибольший объём полезного результата из этого бюджета, зарабатывает больше всего денег. Компания, которая этого не делает, не может масштабироваться.
NVIDIA называет это «производительностью на ватт», то есть сколько выходных данных ИИ вы получаете на каждую единицу потреблённой электроэнергии. Чем выше это число, тем больше токенов (небольших текстовых фрагментов, обрабатываемых системами ИИ) может произвести объект, прежде чем достигнет своего энергетического предела.
Цифры, опубликованные NVIDIA, впечатляют. Её система GB300 NVL72, платформа серверов масштаба стойки, построенная вокруг последних чипов Blackwell, якобы обеспечивает до 25 раз большую производительность на ватт, чем более старое поколение Hopper, на DeepSeek V4 Pro, одной из текущих открытых моделей ИИ. На GLM5.1, другой передовой модели, прирост составляет до 20 раз. На Kimi K2.6, модели, созданной для более длительных автоматизированных задач, это достигает до 10 раз.
Эти цифры получены от SemiAnalysis InferenceX, независимой группы по бенчмаркингу, на которую ссылается сам блог-пост NVIDIA. Они не из рецензируемого исследования или независимого аудита.
Влияет ли это на обычных людей?
Да, косвенно, но значительно. Скорость, стоимость и доступность инструментов ИИ, которые обычные люди используют каждый день, зависят от эффективности работы центров обработки данных. Perplexity, компания по поиску на основе ИИ, говорит, что обрабатывает сотни миллионов запросов в день на оборудовании Blackwell. Если базовая инфраструктура становится более эффективной, услуги, построенные на ней, могут стать быстрее и дешевле.
NVIDIA также выделяет менее очевидную потерю: охлаждение. На типичном объекте ИИ только около 60 процентов электроэнергии, потребляемой из сети, фактически достигает чипов и выполняет полезную работу. Остальное теряется на управление теплом и другие неэффективности. Программное обеспечение DSX MaxLPS от NVIDIA, которое перераспределяет питание между чипами в реальном времени и поддерживает жидкостное охлаждение, направлено на восстановление части этих потерь.
Для компаний, управляющих этими системами, включая Anthropic и OpenAI согласно NVIDIA, это вопрос экономики не менее, чем инженерии. Больше выходных данных на ватт означает меньше затрат на запрос, что прямо влияет на размер прибыли.
Здесь программное обеспечение имеет значение не менее, чем оборудование. NVIDIA говорит, что на DeepSeek V4 обновления её стека программного обеспечения для вывода улучшили производительность на ватт на до 5 раз в течение одного месяца. Это большой прирост без замены ни одного чипа.
Всё это закладывает основу для следующей платформы NVIDIA, называемой Vera Rubin, которая, по словам компании, будет ещё больше повышать эффективность стойки.
Основное противоречие реально, даже если маркетинг избирателен: электроэнергия конечна, аппетит ИИ — нет, и каждая лаборатория, разрабатывающая следующую передовую модель, должна считаться с этим разрывом.
