Согласно новому базовому прогнозу, глобальные расходы на центры обработки данных могут достичь 31,6 триллиона долларов к 2050 году, превратив развитие искусственного интеллекта в одну из крупнейших капитальных программ в истории еще до того, как отрасль продемонстрирует рост доходов или производительности в сопоставимых масштабах.
Оценка, опубликованная PwC и более подробно рассмотренная в анализе Reuters в субботу, представляет собой прогноз, а не уже выделенные средства. Она охватывает капитальные затраты на центры обработки данных в 46 странах и территориях и включает в себя многократную замену серверов, процессоров и сетевого оборудования. Тем не менее, ее масштаб иллюстрирует растущий разрыв между планируемой физической инфраструктурой для ИИ и экономической отдачей, необходимой для ее поддержания.
Этот разрыв не доказывает существование «пузыря» ИИ и не означает, что инфраструктура потеряет свою долгосрочную ценность. Железные дороги и интернет-сети пережили крах компаний, которые чрезмерно инвестировали во время предыдущих технологических бумов. Но это смещает непосредственный вопрос с того, могут ли системы ИИ выполнять полезные задачи, на то, смогут ли предприятия превратить эти возможности в достаточный доход до того, как затраты на финансирование, устаревание оборудования и строительные риски достигнут своего предела.
Прогноз в 31,6 триллиона долларов
PwC Global Data Centre Outlook прогнозируется, что ежегодные капитальные затраты на центры обработки данных вырастут с примерно 800 миллиардов долларов в 2026 году до 1,8 триллиона долларов в 2050 году. Основной сценарий предполагает совокупные затраты в размере 31,6 триллиона долларов; ускоренное внедрение ИИ может приблизить эту цифру к 50 триллионам долларов. Это смоделированные сценарии, а не гарантированные расходы.
Затраты на строительство отличаются от традиционной инфраструктуры, поскольку большая их часть приходится на недолговечное вычислительное оборудование, а не на бетон и сталь. Современные процессоры и связанные с ними системы могут потребовать замены в течение нескольких лет, поскольку новые модели обеспечивают более высокую производительность на ватт. Центр обработки данных может оставаться полезным в течение десятилетий, но дорогостоящие технологии внутри него могут амортизироваться гораздо быстрее. Это создает постоянные капитальные затраты даже после завершения строительства зданий, подключения к электросети и систем охлаждения.
Модель PwC также зависит от спроса, доступа к электроэнергии, поставок микросхем, регулирования и темпов внедрения ИИ в бизнесе. Каждая переменная может существенно повлиять на общий результат. Поэтому итоговая цифра отражает масштаб текущей траектории развития отрасли, а не является окончательной суммой, которую должна оплатить мировая экономика.
Дефицит доходов составляет 4,2 триллиона долларов
Более непосредственным испытанием станет оценка Bain & Company относительно того, что потребуется для поддержки ожидаемых к 2031 году инвестиций в инфраструктуру ИИ. Как сообщает MarketWatch, ежегодные инвестиции в инфраструктуру ИИ могут достичь 1,5 триллиона долларов. Если капитальные затраты составляют примерно четверть выручки отрасли, то для поддержания такого уровня рынку потребуется получать примерно 6 триллионов долларов ежегодной выручки.
Компания Bain выявила потенциальные рынки сбыта на сумму от 1,2 до 1,8 триллиона долларов за счет подписок, рекламы и повышения производительности предприятий, при этом еще около 4,2 триллиона долларов остаются неиспользованными. К потенциальным новым рынкам относятся автономные машины, промышленная робототехника, разработка лекарств с помощью ИИ и новые материалы. Эти возможности могут значительно расшириться, но прогнозы не гарантируют продаж, и многие из них зависят от технических достижений или изменений в поведении бизнеса, которые еще не произошли.
Проблема получения дохода особенно важна, поскольку инвестиционный цикл становится все более взаимосвязанным. Производители микросхем финансируют клиентов, поставщики облачных услуг заключают долгосрочные соглашения о предоставлении мощностей, а разработчики ИИ берут на себя обязательства по инфраструктуре, которую поставщики затем используют для обоснования расширения. Эти договоренности могут ускорить строительство, но они также могут концентрировать риски, если ожидаемый спрос задерживается.
Данные о производительности остаются противоречивыми
Экономическое обоснование строительства частично основано на повышении производительности труда за счет использования ИИ. Бюджетное управление Конгресса США прогнозирует, что более широкое внедрение генеративного ИИ будет способствовать ускорению роста производительности труда. В то же время, по прогнозам Бюджетного управления, реальный экономический рост замедлится в конце десятилетия по мере замедления роста населения и сохранения других ограничений. Это согласуется с тем, что ИИ может принести существенную пользу, но не обеспечит немедленного получения тех чрезвычайных результатов, которые необходимы для подтверждения каждой текущей оценки или плана строительства.
Аналогично, данные по рынку труда противоречивы. Пересмотренное исследование Лаборатории цифровой экономики Стэнфордского университета показало, что занятость среди работников в возрасте от 22 до 25 лет в профессиях с высокой степенью взаимодействия с ИИ на 19% ниже, чем была бы, если бы она соответствовала уровню занятости в менее подверженных влиянию ИИ сверстников. Однако исследователи не обнаружили широкого распространения этого явления в масштабах всей экономики. Они также предупредили, что предполагаемый разрыв уменьшается при некоторых контрольных переменных, что некоторые расходящиеся тенденции существовали еще до широкого распространения генеративного ИИ, и что этот эффект сильнее выражен в их выборке компаний, занимающихся расчетом заработной платы, чем в данных общенационального опроса.
Эти результаты показывают, почему производительность нельзя оценивать просто по расходам или внедрению программного обеспечения. Искусственный интеллект может сократить время, необходимое для выполнения некоторых задач, в то время как компании получают экономию за счет экспериментов, затрат на интеграцию или сокращения найма персонала, а не за счет измеримого роста объемов производства. Преимущества могут быть реальными, но не проявляться достаточно быстро, чтобы оправдать финансовые обязательства, взятые на себя во время внедрения.
Что могло бы оправдать инвестиции?
Наиболее убедительным доказательством мог бы стать устойчивый рост доходов от продуктов на основе ИИ вне рамок компаний, финансирующих инфраструктуру, в сочетании с измеримым повышением производительности в различных отраслях. Увеличение загрузки существующих центров обработки данных, долгосрочные контракты с клиентами и снижение вычислительных затрат также укрепили бы аргументы в пользу расширения. Напротив, повторяющиеся задержки проектов, низкая загрузка мощностей или зависимость от циклического финансирования повысили бы риск того, что расширение превзошло бы спрос.
На данный момент отрасль инвестирует, не дожидаясь подтверждения эффективности. Прогноз в 31,6 триллиона долларов может в конечном итоге показаться консервативным, если ИИ создаст новые крупные рынки, или чрезмерным, если отдача будет медленной. Важное различие заключается в том, что инфраструктурные мощности и экономическая ценность — это не одно и то же. Следующий этап гонки ИИ будет оцениваться не столько по тому, сколько вычислительных мощностей смогут создать компании, сколько по тому, какой долгосрочный результат смогут обеспечить клиенты с их помощью.