Результаты последнего исследования, проведенного компанией Liquid Web, показывают, что несмотря на стабильное доминирование Nvidia на рынке оборудования для искусственного интеллекта, ситуация постепенно меняется. На фоне роста конкуренции активизируют свою деятельность такие крупные компании, как Google, AMD и Intel. Опрос, в котором приняли участие 252 специалиста в области ИИ, выявил, что примерно треть из них используют решения на базе Google TPU, графические процессоры AMD или чипы Intel хотя бы на некоторых этапах своих рабочих процессов. Это говорит о формировании более разнообразной инфраструктуры и интересе к альтернативным платформам, которое ранее считалось менее приоритетным.
Несмотря на это, Nvidia сохраняет свое лидерство: около 68% респондентов отмечают, что не менее двух третей их системы построены именно на её оборудовании. Такой преобладающий рынок-делает создание альтернативных решений сложным, однако и не исключает их важную роль, особенно в контексте полной или частичной диверсификации инфраструктуры. Важно отметить, что даже ограниченное внедрение решений конкурентов уже влияет на общую картину, так как крупные организации и команды могут использовать сотни графических процессоров одновременно.
Обнаружены и организационные проблемы, связанные с неправильно оцененной технической стороной проекта. Около 28% участников признались, что покупали оборудование без проведения должной экспертизы, что приводило к недостаточной мощности инфраструктуры для решения поставленных задач. Такие ошибки часто влекли за собой задержки или полностью останавливались проекты. Райан Макдональд, технический директор Liquid Web, отметил, что спешка и недостаточная подготовка обходятся дорого, а для быстрореагирующих ИИ-команд время — это критический ресурс, поэтому предварительная оценка и подготовка инфраструктуры должны стать обязательными.
Выбор оборудования в основном определяется не только техническими характеристиками, но и привычками и опытом команд. Так, 43% респондентов ориентируются на предыдущий опыт, 35% — делая ставку на стоимость, и 37% — Полагались на результаты тестирования производительности. Однако бюджеты остаются серьезным препятствием: 42% участников сталкивались с необходимостью сокращения масштабов проектов или отказом от части инициатив из-за высокого ценового порога или нехватки оборудования. В некоторых случаях, более 14%, пришлось полностью исключить определённые идеи.
На сегодняшний день трендом становятся гибридные и облачные решения. Более половины специалистов используют комбинацию локальной инфраструктуры и облачных сервисов, при этом многие готовы увеличить свои расходы на облачные услуги в ближайшие годы. Это обусловлено потребностью в более надежной и масштабируемой системе, а также стремлением снизить риски просадок производительности, характерных для общего оборудования. Особенно выделяется использование выделенного GPU-хостинга — это помогает избежать проблем, связанных с конкуренцией за ресурсы, и обеспечить стабильную работу тяжелых вычислительных задач.
Энергопотребление остается еще одной важной проблемой. 45% респондентов считают, что эффективность энергетики должна стать приоритетом, однако только 13% команд реализовали реальные меры по оптимизации энергозатрат. Ограничения в энергетической инфраструктуре, охлаждении и цепочках поставок активно мешают масштабированию и внедрению новых решений. В данном контексте появляется всё больше внимания к вопросам повышения энергоэффективности систем, внедрению новых технологий охлаждения и развитию инфраструктур, которые могут обеспечить более устойчивую работу оборудования.
В целом, несмотря на сильное присутствие Nvidia, конкуренты активно наращивают свои позиции, сокращая разрыв на рынке искусственного интеллекта. Для команд и организаций важен не только высокопроизводительный и надежный парк оборудования, но и поиск оптимальной комбинации стоимости, эффективности и устойчивости. В условиях стремительно меняющегося рынка ключевыми становятся гибкость, технологическая адаптация и внедрение инновационных решений, способных не только повысить производительность, но и обеспечить долгосрочную стабильность инфраструктуры ИИ.
