Большинство компаний, использующих искусственный интеллект в производственных системах, сообщают о низкой загрузке GPU, но всё равно планируют внедрять новые вычислительные платформы. Согласно исследованию VentureBeat Intelligence, 79% из 218 респондентов, предоставивших данные об использовании графических процессоров, сообщили, что их загрузка не превышает 50% времени.
При этом 70% компаний с такой загрузкой планируют в течение следующих 12 месяцев внедрить новую, дополнительную или заменяющую вычислительную платформу для ИИ. Данные трёх ежемесячных опросов VB Pulse за июль — сентябрь 2026 года показывают, что ситуация остаётся стабильной: доля компаний, сообщающих о загрузке GPU не выше 50%, составляла от 77 до 81% в каждом месяце.
Эти результаты появились на фоне дискуссии о возможном пузыре на рынке искусственного интеллекта. 13 октября Международный валютный фонд предупредил, что резкое падение котировок акций компаний, связанных с ИИ, может угрожать глобальной финансовой стабильности. Основное внимание в этих дискуссиях уделяется производителям ускорителей, включая Nvidia, крупным облачным провайдерам Microsoft, Google и Amazon Web Services, а также специализированным поставщикам GPU-мощностей, таким как CoreWeave.
Однако проблема может находиться не только на стороне поставщиков. Данные VentureBeat указывают на возможный дисбаланс внутри самих компаний-заказчиков: они продолжают инвестировать в ИИ, хотя уже оплачиваемые вычислительные ресурсы используются не полностью.
Два параллельных рынка корпоративного ИИ
На первый взгляд результаты опроса противоречивы. Если компания располагает простаивающими GPU, почему она собирается покупать новые мощности? Почему не направить имеющиеся ресурсы на уже выполняемые задачи, особенно когда руководители требуют сокращать расходы на ИИ?
По версии VentureBeat, одна из причин заключается в том, что корпоративные заказчики одновременно оплачивают два разных типа ресурсов, которые не всегда могут заменить друг друга.
Первый — вычислительные мощности. Опасаясь дефицита ускорителей, о котором широко сообщалось в 2024–2025 годах, компании могли заранее резервировать GPU, чтобы гарантировать себе доступ к вычислениям. В результате часть приобретённых, арендованных или зарезервированных ресурсов может оставаться незагруженной.
Второй — доступ к передовым моделям ИИ, включая решения Anthropic, OpenAI и Google. Сотрудники используют их через API, подписки и облачные платформы, оплачивая обработку запросов по количеству токенов или по другим тарифным схемам.
Компании стремятся получить доступ к наиболее производительным моделям, рассчитывая, что повышение производительности сотрудников со временем компенсирует растущие расходы. Но такая окупаемость пока не гарантирована.
В августе технический директор Uber Правин Неппалли Нага заявил, что компания приближается к завершению периода, который называют tokenmaxxing, — интенсивного наращивания использования ИИ без достаточного внимания к экономике каждого запроса. По данным Fortune, Uber израсходовала бюджет на ИИ на 2026 год всего за несколько месяцев.
В октябре руководитель ИИ-направления одной из компаний из списка Fortune 500 также сообщил VentureBeat, что расходы продолжают расти. Компания рассчитывает со временем компенсировать их повышением производительности, однако пока не располагает подтверждением, что это произойдёт.
Почему нельзя просто перенести модели на собственные GPU
Крупные облачные провайдеры AWS, Microsoft и Google предоставляют клиентам доступ к моделям сторонних разработчиков. В октябре OpenAI также объявила о планах сделать свои модели доступными через Google Cloud.
Однако передовые модели OpenAI и Anthropic распространяются как закрытые решения. Клиенты могут обращаться к ним через API, но не могут самостоятельно развернуть их на принадлежащих им GPU. Вычисления выполняются на инфраструктуре поставщика модели или облачного провайдера.
Чтобы задействовать собственные простаивающие ускорители, компания может перейти на модель с открытыми весами и самостоятельно организовать её работу. Но это требует инженерных ресурсов, настройки программного обеспечения, интеграции с корпоративными системами и проверки качества результатов.
При этом более дешёвая модель не обязательно окажется экономически выгоднее. В октябрьских тестах VentureBeat модель DeepSeek показала наименьшую стоимость среди пяти исследованных моделей с открытыми весами. Однако некоторые компании неохотно выбирают китайские модели в качестве основного решения из-за требований к безопасности, соответствию внутренним политикам и другим корпоративным ограничениям.
Таким образом, наличие собственных GPU не означает, что компания сможет без дополнительных затрат перенести на них все задачи, которые сейчас выполняются через коммерческие ИИ-сервисы.
Что показали три опроса
Результаты VentureBeat Intelligence позволяют выделить три закономерности.
Во-первых, низкая загрузка GPU не мешает компаниям планировать новые закупки. В течение следующих 12 месяцев новую, дополнительную или заменяющую вычислительную платформу собираются внедрить 70% компаний с загрузкой GPU не выше 50%. Среди компаний с более высокой загрузкой этот показатель составляет 74%. Статистически значимого различия между группами исследователи не обнаружили.
Во-вторых, большинство компаний рассматривают облачные платформы и поставщиков моделей. Среди респондентов с низкой загрузкой GPU, планирующих новую платформу, 90% назвали среди возможных вариантов облачного провайдера или поставщика моделей. Только 8% рассматривают локальный или колокационный GPU-кластер либо самостоятельно управляемый программный стек с открытыми моделями.
В-третьих, компании, самостоятельно управляющие вычислительной инфраструктурой, сообщают о более высокой загрузке ускорителей. Среди организаций, использующих собственные или размещённые в колокационных центрах GPU-кластеры либо самостоятельно управляемый стек с открытыми моделями, 56% сообщили о загрузке GPU не выше 50%. Среди остальных компаний, использующих ИИ в производственных системах, доля достигла 83%.
Авторы исследования не выясняли, чем объясняется разница. VentureBeat предполагает, что собственная инфраструктура делает простой ресурсов более заметным для инженерных команд и позволяет оперативнее перераспределять нагрузки. Однако это объяснение остаётся гипотезой, а не установленной причиной.
Инвестиции без подтверждённой окупаемости
Особенно показательны данные о финансовой оценке проектов. Согласно сентябрьскому опросу VB Pulse, 91% компаний, планирующих внедрить новую вычислительную платформу для ИИ, не имели оценки возврата инвестиций, проверенной финансовой службой.
Это не означает, что все такие проекты убыточны. Отсутствие подтверждённой оценки ROI может указывать как на недостаточную зрелость финансового контроля, так и на сложность измерения эффекта от ИИ. Кроме того, часть простаивающих мощностей может быть зарезервирована для пиковых нагрузок, а новая платформа — предназначена для замены устаревшей инфраструктуры, а не для простого увеличения её объёма.
Тем не менее сочетание низкой загрузки GPU, планов по дальнейшим закупкам и отсутствия проверенной оценки окупаемости создаёт основания сомневаться в эффективности некоторых корпоративных стратегий внедрения ИИ.
При этом результаты опроса следует интерпретировать осторожно. Выборка сформирована из участников ежемесячных онлайн-опросов VentureBeat и не обязательно отражает ситуацию во всех компаниях. Исследование также не позволяет установить, связана ли низкая загрузка с избыточными закупками, особенностями аренды, резервированием ресурсов или ограничениями программной архитектуры.
Следующий этап оптимизации корпоративного ИИ может заключаться не столько в приобретении новых ускорителей, сколько в повышении эффективности уже оплачиваемых вычислений. Для этого компаниям необходимо оценивать стоимость завершённой задачи, сравнивать модели по качеству и совокупным затратам, эффективнее использовать кэширование контекста и переносить подходящие массовые операции на более экономичные модели.
Главный вопрос — не в том, является ли весь рынок ИИ пузырём, а в том, сколько компаний смогут доказать экономическую целесообразность своих инвестиций. Если организации продолжают расширять инфраструктуру, не подтвердив окупаемость существующей, не превращается ли гонка за вычислительными мощностями в самостоятельную цель, оторванную от реальной производительности бизнеса?
Если вам понравился материал, кликните значок — вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал —не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!
