Спустя всего несколько дней после презентации совместно с SK hynix первых спецификаций стандарта High Bandwidth Flash (HBF), компания SanDisk объявила о завершении финального этапа проектирования (стадии tape-out) первого кристалла HBF, продемонстрировав его образец на слайде. Заодно компания сообщила подробности о своей стратегии роста и долговременной экономической модели.

В HBF используется многослойная архитектура NAND вместо DRAM с размещением её рядом с ускорителем, подобно HBM. HBF использует запатентованную технологию, которая помогает уменьшить напряжение и деформацию кристалла и улучшить теплопроводность, позволяя использовать многослойную структуру из 16 кристаллов для достижения целевой ёмкости и пропускной способности.

Источник изображений: SanDisk

Как сообщила SanDisk, первое поколение HBF нацелено на 512 Гбайт на один стек — 16 кристаллов по 256 Гбайт с общей пропускной способностью 1,6 Тбайт/с при чтении. SanDisk утверждает, что HBF обеспечивает в 8–16 раз большую ёмкость, чем HBM, при аналогичной стоимости и в упаковке, по размерам, высоте стека и энергопотреблению практически не уступающем HBM4. А поскольку это NAND-память, она энергонезависима.

Ожидается, что второе и третье поколение HBF обеспечат скорость чтения, превышающую 2 и 3,2 Тбайт/с соответственно, а ёмкость многослойной структуры достигнет 1 и 1,5 Тбайт на стек. При этом они будут потреблять соответственно в 0,8 и 0,64 раза меньше энергии, чем память первого поколения. Как сообщает StorageReview.com, в презентации SanDisk были чётко обозначены целевые рабочие нагрузки HBF: LLM с MoE-архитектурой, длинные контекстные окна и большие KV-кеши — всё с учётом предложений крупных клиентов в области облачных вычислений и ИИ.

В представленной презентации также указаны три варианта развёртывания памяти HBF в рамках одного XPU. Она может дополнять HBM, заполняя некоторые позиции в стеке вокруг xPU, или полностью заменять её, занимая аналогичную площадь. Либо же она будет хранить веса декодирования и KV-кеши, тогда как HBM (меньшего объёма) будет работать как кеш. Эта гибкость важнее, чем кажется на первый взгляд, поскольку позволяет использовать HBF, не требуя от производителя ускорителя отказа от HBM.

SanDisk показала результатов внутренних тестов генерации токенов для одного GPU c HBF, четырёх GPU с HBF и восемью GPU с HBM. На основе тестов компания сделала два заявления. Первое — о восьмикратном увеличении эффективности капитальных затрат исходя из минимальной конфигурации, необходимой для запуска модели: один GPU с HBF против восьми GPU с HBM. Второе — о двукратном увеличении эффективности GPU: четыре GPU с HBF выдают тот же объём токенов, что и восемь GPU с HBM.

HBF показывает результат, отличающийся от HBM с высокой пропускной способностью всего на 2,2 % при чтении весов для Llama 3.1 405B. Следует учесть, что речь идёт о предварительных данных самой SanDisk, где, например, не даны точные значения по скорость генерации токенов. Но в целом компания говорит о том, что увеличение объёма набортной памяти ускорителя в 8–16 раз при той же пропускной способности и примерно той же мощности, что у HBM, потребует меньшего количества ускорителей для хранения одной и той же модели, а сами ускорители будут тратить меньше времени на ожидание данных.

Как сообщает TrendForce со ссылкой на Mizuho Securities и Goldman Sachs, компания планирует выпустить первые образцы HBF в 2027 году, а массовое производство, как ожидается, начнётся в 2028 году. В Mizuho Securities полагают, что HBF вряд ли полностью заменит HBM, но позволит создавать дезагрегированные архитектуры для ИИ-инференса — консорциум HBF, куда входят Google, Meta✴, SK hynix и Tenstorrent, работает над развитием этого подхода.

TrendForce полагает, что в долгосрочной перспективе выиграет гибридная архитектура, где HBM будет использоваться для высокоскоростных вычислений, а HBF — для повышения плотности хранения. Такая иерархия памяти может стать ключевым фактором крупномасштабной коммерциализации ИИ.

Компания DayOne при участии австралийской Cortical Labs и медицинского факультета (NUS Medicine) Национального университета Сингапура ввела в эксплуатацию первый в стране прототип «биологического» дата-центра, сообщает DataCenter Dynamics. Ранее копании договорились о создании ЦОД в Мельбурне и Сингапуре.

Сингапурская биологическая вычислительная система состоит из 20 блоков CL1 и находится в действующей исследовательской среде NUS Medicine, предоставляемой DayOne. Представленная в 2025 году система CL1 объединяет нейроны, выращенные из человеческих стволовых клеток, с кремниевыми решениями. По данным компании, речь идёт о создании «более передовой и экоустойчивой формы ИИ» — нейросети Synthetic Biological Intelligence (SBI).

Источник изображения: DayOne

Платформа передаёт нейронам информацию об окружающей виртуальной среде, а те реагируют на поступающую информацию, генерируя импульсы, влияющие на события в симуляции. Интегрированная система поддерживает нейроны живыми до полугода. CL1 — модернизированная версия биокомпьютера Cortical Labs DishBrain, который использовал CMOS-чип с 800 тыс. человеческих и мышиных нейронов. Он самостоятельно научился играть в Pong — компьютерную игру 1972 года, имитировавшую партии настольного тенниса.

Источник изображения: DayOne

По словам представителя Cortical Labs, создание нового прототипа переводит биологические вычисления в сферу коммерческого применения. Они могут дополнять ИИ в сферах, в которых недостаточно данных обычному искусственному интеллекту, поскольку «биологический» ИИ может обучаться на значительно меньших объёмах информации и адаптироваться по мере изменения условий.

Cortical Labs, основанная в Мельбурне в 2019 году, уже привлекла $11 млн финансирования. Среди инвесторов — Horizons Ventures, Blackbird Ventures, LifeX Ventures, Radar Ventures и связанная с ЦРУ In-Q-Tel. Сингапурский оператор ЦОД DayOne (ранее GDS International) располагает портфолио дата-центров совокупной мощностью более 500 МВт и сейчас готовится к IPO. В июне 2026 года компания привлекла финансирование в размере $4,5 млрд.

Жители Истпорта (Eastport, шт. Мэн) совместно с представителями местных индейских племён и экоактивистов выступили против строительства компанией DeepGreen Western Passage в заливе Фанди (Bay of Fundy) подводного ИИ ЦОД. Противники проекта опасаются, что тот негативно скажется на местной экосистеме, в частности, нагревая воды залива, сообщает The Maine Monitor.

В феврале DeepGreen подала федеральному регулятору FERC заявку на получение предварительного разрешения сроком на 48 мес. на проведение инженерных и экологических исследований на участке около 160 га в заливе Фанди, где со временем планировалось развернуть автономный подводный дата-центр с модульной архитектурой, позволяющей подключать сторонние источники электричества, в частности, приливные турбины Ocean Renewable Power Co. (ORPC), в обход локальной энергосети.

Ранее ORPC уже реализовала инициативу по использованию приливных турбин для местной микросети. Меморандум о взаимопонимании действовал до 2025 года, ещё в 2021 году проект обеспечил Истпорту федеральное финансирование в рамках программы Energy Transitions Initiative Partnership Project (ETIPP) в числе десятка других городов. Предварительное разрешение ORPC на участок истекло в феврале 2026 года.

Источник изображения: Chris Henry/unsplash.com

В заявке DeepGreen, поданной в том же месяце, регулятор FERC выявил четыре ключевых изъяна. Так, не были названы все затронутые проектом индейские племена и не были названы точные физические размеры и конфигурация объекта. Более того, компания не пояснила, зачем ей нужна операционная зона площадью в полторы сотни гектар, если сам объект будет занимать гораздо меньше места, а также зачем-то включила в заявку зоны, выходящие за пределы границ реализации проекта.

DeepGreen исправила заявку, разъяснив взаимоотношения с племенами, сократив запрашиваемую площадь со 162 га до 11 га, уменьшив размеры основания объекта и пересмотрев используемые материалы, а также снизив мощность с 51 МВт до всего 15 МВт. На первом этапе предполагалась установка 16 морских турбин, на втором этапе, для которого пришлось бы получать отдельное разрешение — 34. Изначально же предусматривалось использование сразу 170 турбин.

Однако в итоге в дело вмешались жители Истпорта, в результате чего городской совет единогласно ввёл мораторий на реализацию любых проектов ЦОД в течение 180 дней — на суше, под водой, с частичным или полным погружением, а также связанной инфраструктуры. Совет имеет право отменить мораторий раньше или продлить его действие, хотя в последнем случае у него возникнут трудности. Аналогичный проект DeepGreen на Аляске с установкой 330–350 турбин тоже пока не получил одобрение FERC.

Вскоре после закрытия раунда финансирования C на $300 млн, поддержанного NVIDIA, компания Etched, занимающаяся разработкой чипов для инференса, привлекла ещё $700 млн, сообщает Silicon Angle. Общая оценка всего за несколько недель выросла с $10,3 млрд до $21 млрд, тогда как в конце 2025 года она составляла около $5 млрд.

Раунд возглавила инвестиционная группа Jane Street, участие в нём приняли Kleiner Perkins, Sequoia, венчурный фонд Andreessen Horowitz, Tiger Global, Bain Capital Ventures и другие инвестиционные структуры. Jane Street также стала первым клиентом Etched. Ранее сообщалось, что уже заключены контракты на поставку чипов для инференса на сумму более $1 млрд.

Источник изображения: Etched

Etched основана в 2021 году для разработки чипов, оптимизированных для моделей-трансформеров, рассчитанных на скалярные операции и умножение матриц, а также способных работать при пониженном напряжении. Первый прототип чипа был выпущен TSMC в этом году, а сейчас компания расширяет собственные ЦОД для тестирования чипов потенциальными клиентами.

Etched ориентируется на поставку стоечных решений с проприетарным межчиповым интерконнектом с низкой задержкой (700 мс против типовых 4 мкс), фирменными водоблоками и кастомным VRM для питания. По словам Etched, для постройки первой серверной стойки «с нуля» компании потребовалось три года. Следующий вариант планируется представить значительно быстрее.

Компания MWS Cloud (входит в МТС Web Services) проанализировала требования к вычислительной инфраструктуре для запуска ведущих мировых и российских больших языковых моделей.

Экспертную оценку прошли популярные открытые модели, выпущенные весной и летом соответствующего года. Для 2025 года рассматривались Kimi K2, gpt-oss-120b, Gemma 3 27B, GLM-4.5V, Qwen3 235B и российская Cotype Pro 2. Для 2026 года — Kimi K3, Qwen3.5 397B, DeepSeek-V4-Pro, DeepSeek-V4-Flash, GLM-5.2, Gemma 4 и Cotype Pro 3. Исследование показало, что средняя стоимость минимального набора ускорителей NVIDIA для запуска одной модели увеличилась в 2,8 раза — с 13,7 млн руб. в 2025 году до 38,8 млн руб. в 2026 году.

Новые ИИ-модели становятся более мощными: они лучше справляются со сложными задачами и могут обрабатывать больше информации в одном запросе. Однако для этого им требуется больше памяти и более производительные GPU. При этом растёт и стоимость самих видеокарт, поэтому развёртывание моделей обходится дороже, пояснили в MWS Cloud результаты исследования.

Источник: MWS Cloud / mws.ru

По словам экспертов MWS Cloud, цены на GPU в России во многом зависят от мирового рынка: глобальная гонка в области ИИ увеличивает спрос на вычислительные мощности и поддерживает рост стоимости ускорителей. Как следствие, развёртывать крупные модели на собственной инфраструктуре становится дороже, однако единого ценового предела, после которого рынок потеряет интерес к ИИ, нет: если покупка оборудования перестаёт окупаться, компании выбирают более компактные модели, оптимизируют вычисления или переходят в облако, где можно платить только за фактически используемые мощности.

Компания Cerebras Systems анонсировала мощные ИИ-ускорители WSE-3 Turbo и стоечную систему на их основе CS-4. Утверждается, что это решение обеспечивает выигрыш в производительности на задачах инференса до 30 раз по сравнению с платформами на базе современных GPU.

Как и оригинальное изделие WSE-3 (Wafer Scale Engine), ускоритель WSE-3 Turbo содержит 4 трлн транзисторов, 900 тыс. ядер и 44 Гбайт памяти SRAM. При производстве по-прежнему применяется 5-нм техпроцесс TSMC, а площадь кремниевой пластины сохранилась на отметке 46 225 мм². При этом пропускная способность памяти поднялась с 21,6 до 43,2 Пбайт/с, а подсистемы ввода-вывода — с 1,2 до 2,4 Тбит/с.

Источник изображений: Cerebras

Производительность в разреженных FP16-вычислениях выросла вдвое — со 125 до 250 Пфлопс, на обычных FP16-операциях — с 12,5 до 25 Пфлопс. Показатель TDP на уровне пластины оценивается в 33 кВт против 15 кВт у WSE-3, на уровне узла — 46 кВт против 23 кВт, а на уровне всей стойки CS-4 — порядка 120–140 кВт. По-видимому, компания просто подняла рабочие частоты — ориентировочно с 1,4 ГГц до 2,8 ГГц.

ИИ-стойка CS-4 выполнена на модульной архитектуре Nexus. Система разделена на три ключевых блока: это вычислительный узел Wafer-Scale Backpack, подсистема питания и IO-подсистема. Такая архитектура упрощает производство, развёртывание, обслуживание и обновление. Отмечается, что Cerebras полностью переосмыслила концепцию ИИ-сервера. В общей сложности в составе CS-4 задействованы три узла Wafer-Scale Backpack, каждый из которых представляет собой автономную сборку с ускорителем, преобразователем питания, прямым жидкостным охлаждением, компонентами высокоскоростного ввода-вывода и управляющей электроникой.

Питание подводится вплотную к чипам (всего около 0,5 мм против 50 мм в традиционных платах с GPU), что почти полностью исключает потери на уровне платы и позволяет подавать больше мощности, повышая частоту работы и скорость генерации токенов. Специальный IO-модуль позволяет соединять пластины WSE-3 Turbo внутри стойки и между стойками без коммутатора: в результате заявленная задержка передачи данных между пластинами находится на уровне всего 2 мкс. Общее быстродействие достигает 750 Пфлопс в разреженных FP16-вычислениях.

В целом, новинка обеспечивает высочайшую производительность. В качестве примера приводится тест на модели GPT-OSS-120B, где система CS-4 показала результат более 4400 токенов в секунду на одного пользователя. Для сравнения, «наиболее производительный на сегодняшний день сервис ИИ-инференса на базе GPU» демонстрирует показатель в 350 токенов в секунду. Утверждается также, что CS-4 выдаёт свыше 1000 токенов в секунду на моделях с более чем 10 трлн параметров. Поставки системы планируется организовать в текущем квартале.

Американская компания Credo Technology Group Holding Ltd, специализирующаяся на создании высокоскоростных решений для передачи данных, объявила о планах по разработке стандартного интерконнекта в рамках проекта OCP (Open Compute Project). Предполагается, что новая технология поможет в решении проблемы «стены памяти» в современных ИИ-системах.

В настоящее время наблюдается значительный разрыв в вычислительных мощностях ИИ-ускорителей и возможностях памяти. Производительность ИИ-ядер растет в разы быстрее, чем пропускная способность шин и модулей памяти. В результате, ускорители большую часть времени простаивают в ожидании данных. Это приводит к неэффективному использованию доступных ресурсов и падению быстродействия всей системы в целом. При этом чипы HBM, которыми оснащаются передовые GPU-карты, остаются не только очень дорогими, но и ограниченными по ёмкости.

Источник изображения: Credo

Для решения проблемы Credo сформировала рабочую группу OCP Open Chiplet Economy (OCE) Lightweight Serial Interconnect (LSI) Workstream. Она займётся стандартизацией высокоэффективного последовательного интерконнекта для связи чиплетов и модулей в составе ИИ-платформ. Предполагается, что новая технология снизит зависимость от НВМ и поможет более полно использовать доступные вычислительные мощности. Разработчики ИИ-систем смогут адаптировать архитектуру под разные модели, потоки данных и характеристики нагрузок. Такой подход, как утверждается, обеспечит увеличение плотности памяти до 25 раз по сравнению с нынешними решениями и позволит поднять пропускную способность на 5 % по отношению к HBM4.

В целом, инициатива будет способствовать переходу к компонуемой инфраструктуре, в которой вычислительные ресурсы, память и хранилища данных могут комбинироваться для достижения оптимальных показателей производительности и экономической эффективности. В рамках проекта Credo предоставит ОСР спецификацию OmniConnect Lightweight AXI Framer.

Компания Lightmatter объявила об официальном запуске инициативы «Открытая кремниевая фотоника для ИИ-систем» (Open Silicon Photonics for AI Systems), анонсированной ранее в этом году в рамках проекта Open Compute Project (OCP), в сотрудничестве с расширенной коалицией, которая помимо 10 компаний-учредителей теперь включает девять новых участников. В коалицию входят Celestica, Dell Technologies, Flex, Foxconn Interconnect Technology, Global Unichip Corporation, Hyve Solutions, Keysight, Lightmatter, Qualcomm, Quanta Cloud Technology и другие.

Также был опубликован основополагающий документ инициативы под названием «Архитектурное видение: открытая кремниевая фотоника для систем ИИ» (Architecture Vision: Open Silicon Photonics for AI Systems). Этот 300-страничный документ послужит руководством для разработки общей концепции CPO (Community-Outdoor Office) для масштабирования ИИ-кластеров, совместимых с MHS-платформами и ORv3-стойками, с 72–1024 (и более) узлов, обеспечивая при этом совместимость с оборудованием разных производителей и значительно более высокую загрузку вычислительных кластеров.

Источник изображения: Fujiphilm/unsplash.com

В отличие от подключаемой оптики, где трансиверы отделены от основных микросхем, CPO интегрирует оптические и электрические компоненты, такие как оптические модули и коммутирующие ASIC, на одной компактной подложке. Эталонная архитектура предлагает гиперскейлерам основу для поддержки перехода от медных подключений к фотонике, что необходимо для масштабируемости и совместимости между несколькими поколениями SerDes, циклами проектирования коммутаторов и XPU.

Технологически независимый подход архитектуры также обеспечивает поддержку разнообразных фотонных решений, включая кремниевую фотонику, VCSEL и MicroLED, способствуя созданию надёжной мультивендорной цепочки поставок, которая может масштабироваться для удовлетворения потребностей в производительности и энергопотреблении.

«Интерконнекты стали столь же фундаментальными для производительности ИИ-инфраструктуры, как и вычислительные ресурсы», — заявил основатель и генеральный директор Lightmatter. «Переход отрасли к кремниевой фотонике откроет следующий крупный скачок в возможностях передовых моделей. Этот документ закладывает основу, на которой это растущее сообщество OCP будет разрабатывать общую архитектуру стоек CPO на основе MHS, которая впишется в процессы гиперскейлеров», — добавил он.

Everpure (ранее Pure Storage) объявила о победе в тендере на проектирование и поставку решения для «второго из пяти крупнейших гиперскейлеров». Первым клиентом Everpure из числа гиперскейлеров стала Meta✴, с которой она заключила контракт в конце 2024 года. Everpure не стала раскрывать имя нового клиента, отметив, что более важным является то, что теперь две крупнейшие в мире инфраструктурные среды будут использовать технологию Everpure.

Ресурс Blocks & Files указал на то, что в пятёрку крупнейших провайдеров входят AWS, Azure, Google, Meta✴ и Alibaba или Oracle, поэтому, возможно, это один из них. Everpure также сообщила, что значительная часть доходов от нового контракта начнёт поступать, начиная с 2028 финансового года с нарастанием в дальнейшем.

Технология Everpure DirectFlash (DFM) позволяет гиперскейлерам развёртывать согласованную и унифицированную архитектуру на нескольких уровнях производительности в своей иерархии хранения данных. Благодаря высокой плотности, производительности и надёжности она позволяет значительно снизить эксплуатационные расходы, одновременно высвобождая жизненно важные ресурсы — электроэнергию и место в стойках — для рабочих ИИ-нагрузок, заявляет Everpure.

Аналитик William Blair Джейсон Адер (Jason Ader) отметил, что новый контракт является ещё одним важным подтверждением эффективности архитектуры DirectFlash и программно-ориентированного подхода к хранилищам гиперскейлеров: «Дифференцированная архитектура Everpure продолжает завоёвывать доверие как альтернатива традиционным конструкциям на основе SSD и HDD, при этом руководство постоянно подчёркивает преимущества DirectFlash в плане плотности, эффективности и совокупной стоимости владения по сравнению с устаревшей инфраструктурой хранения данных».

Источник изображения: Everpure

Контракт оформлен как генеральное соглашение о поставках (Master Supply Agreement), включающее ПО и компоненты, отличные от NAND. Гиперскейлер будет закупать собственные аппаратные модули, включая NAND, через свою собственную цепочку поставок. Это важный пункт, поскольку ранее Everpure как раз критиковали за невозможность контроля цен и доступности NAND, что отражается на стоимости её СХД в условиях дефицита. Кроме того, у компании есть платформа FlashBlade//EXA для ИИ/HPC-нагрузок, которая лишь частично полагается на фирменные DFM-накопители и позволяет задействовать для хранения обычные x86-узлы с традиционными SSD.

Остальные поставщики массивов All-Flash на основе SSD, за исключением IBM, используют стандартные SSD. Технология DFM от Everpure обладает большей ёмкостью, чем SSD-накопители, теперь до 300 Тбайт на модуль, и управляется на уровне системы, а не на уровне накопителя, что означает меньшую потребность в избыточной ёмкости. Для достижения целевых показателей ёмкости или пропускной способности требуется меньшее количество накопителей DFM, что означает меньшую потребность в электроэнергии.

У IBM есть собственная разработка — накопители Flash Core Module (FCM), теперь уже пятого поколения, которые используются в средах IBM FlashSystem, Elastic Storage System (ESS) и Storage Scale System (SSS). Однако их «сырая» ёмкость составляет 106,6 Тбайт на основе 176-слойной 3D NAND QLC, в то время как ёмкость обычных SSD сейчас достигает 256 Тбайт.

Расследование, проведённое The Guardian, показало, что заявления Microsoft об ИИ-мощностях компании расходятся с данными о количестве чипов, находящихся в эксплуатации. Ранее, как сообщается, Microsoft рассчитывала установить в ЦОД по всему миру 1,8 млн ИИ-ускорителей к концу 2024 года, но сейчас, в разгар реализации программы по расширению ИИ-мощностей стоимостью $280 млрд, она развернула «всего» 2,2 млн ускорителей, согласно внутренним документам. Это вдвое меньше, чем прогнозировали эксперты.

Такое расхождение в данных может означать, что новейшие дата-центры или ещё не ввели в эксплуатацию, или для них нет достаточного количества чипов. Оценить реальный прогресс компании непросто, в том числе потому, что данные в цепочке поставок NVIDIA хранятся в большом секрете. Как и её клиенты, сама NVIDIA крайне редко раскрывает, сколько чипов и кому она продаёт, а без этого сложно определить, действительно ли отрасль ИИ развивается так, как заявлено.

В последние два года Microsoft заявляет о стремительном строительстве ИИ-инфраструктуры. В прошлом году сообщалось, что к середине 2027 года компания удвоит масштабы своей сети ЦОД. С 2022 года она направила на покупку земли, зданий вычислительную ИИ-инфраструктуру около $280 млрд. Только за последний квартал вложено более $41 млрд. Впрочем, сложно определить, сколько именно ЦОД построено на эти деньги.

Источник изображений: Microsoft

Оценить прогресс можно по косвенным данным. Собственная отчётность Microsoft свидетельствует, что мощность ЦОД компании выросла на 5 ГВт в рамках строительства ИИ-инфраструктуры. Сейчас в компании говорят о наличии сотен ЦОД на пяти континентах. Фактически мощность должна быть ещё выше, поскольку ИИ-инфраструктуру компания строит с 2022 года.

Внутренняя презентация Microsoft за 2024 год свидетельствует, что уже тогда компания якобы располагала 5 ГВт установленной мощности ЦОД. Совокупная мощность на сегодня соответственно может составлять порядка 10 ГВт, но нет данных, все ли эти ЦОД поддерживают ИИ-сервисы или некоторые обслуживают другие облачные сервисы. Впрочем, сама Microsoft утверждает, что в последние годы подавляющая часть капитальных затрат идёт именно на ИИ-инфрастурктуру.

Если предположить, что у Microsoft есть 10 ГВт ИИ ЦОД, у неё должно быть около 6,4 млн ИИ-ускорителей, но некоторые эксперты уверены, что картина несколько иная. По некоторым свидетельствам, мощность ИИ ЦОД Microsoft в 2024 году была на уровне 1,23 ГВт, но если та добавила 5 ГВт ещё, ей потребовалось бы около 4 млн ИИ-ускорителей. Эксперты уверены, что верить стоит прежде всего сторонним данным об устойчивом развитии, поскольку те проверяются независимыми структурами.

В самой Microsoft выкладки The Guardian называют неверными, хотя в чём именно ошибка, не рассказали. Некоторые эксперты считают, что строительство ИИ-мощностей идёт медленнее, чем ожидалось, судя по годовым отчётам компании. Журналисты сообщают, что источники в самой компании подтвердили, что за последний год общее количество ИИ-чипов «почти не изменилось». Отчасти «недостача» может объясняться партнёрством с OpenAI, поскольку некоторые ЦОД Microsoft, связанные с этой компанией, могут не фигурировать во внутренних документах.

Кроме того, некоторые крупные проекты ЦОД, вероятно, ещё не запущены полностью. Например, крупнейший ИИ-проект Microsoft в США — Fairwater в Висконсине и Джорджии. В апреле компания заявила, что ЦОД в Висконсине «вводится в эксплуатацию», но спутниковые снимки свидетельствуют, что работает лишь часть объекта. В мае Microsoft признавала, что Fairwater ещё не запущен.

Также внутренний документ свидетельствует, что у компании меньше чипов NVIDIA Blackwell, чем можно было бы ожидать, исходя из публичных заявлений NVIDIA. По косвенным данным, у Microsoft должно быть около 1 млн таких чипов, но в действительности установлено меньше половины от этого количества. По словам главы Microsoft Сатьи Наделлы (Satya Nadella), главной проблемой является дефицит электроэнергии и проблемы со строительством ЦОД. Т.е. у компании может быть огромное количество чипов на складе, но нет готовых объектов, чтобы разместить их.

Как заявил один из представителей Microsoft, компания использует самые разные чипы, от собственных до разработанных NVIDIA, AMD и Intel, а также другое оборудование, поэтому оценки The Guardian неточны и «основаны на неправильных предположениях, из которых сделаны ошибочные выводы». В The Guardian использовала предложенную учёными методику, согласно которой общую мощность можно разделить на энергопотребление одного ускорителя. Самым распространённым у Microsoft является NVIDIA H100, потребляющий около 700 Вт. Если мощность ЦОД Microsoft составляет 10 ГВт, при простом делении речь моджет идти о 12 млн чипов. Впрочем, у Micrsooft есть немало менее мощных A100 и более энергоёмких Blackwell.

Конечно, такие оценки не учитывают использования систем охлаждения и энергопотребления другого оборудования. По некоторым оценкам, в ИИ ЦОД непосредственно на чипы тратится лишь около 80 % от общего энергопотребления. Другими словами, при мощности 10 ГВт на вычисления может приходиться 8 ГВт. Так, в одном из отчётов Microsoft речь идёт об использовании 89 % ИИ-чипами.

Кроме того, далеко не все чипы относятся к ИИ-ускорителям. Энергии требуют модули памяти, накопители, процессоры и др. Сервер с восемью H100 потребляет до 10 кВт. Если разделить 8 ГВт на 10 кВт, выйдет 800 тыс. серверов или около 6,4 млн чипов. Эксперты считают, что это «консервативная» оценка, поскольку на практике компании вроде Microsoft «перегружают» свои ЦОД, устанавливая больше чипов, чем способна поддержать площадка.