Результаты свежего исследования компании Liquid Web показали, что несмотря на продолжающееся доминирование Nvidia на рынке оборудования для искусственного интеллекта, конкуренты, такие как Google, AMD и Intel, активно наращивают своё присутствие. Опрос 252 специалистов в области ИИ выявил, что почти треть респондентов применяют решения на базе Google TPU, графических процессоров AMD или чипов Intel хотя бы для части рабочих задач, что свидетельствует о формирующемся интересе к альтернативам.
Тем не менее, Nvidia остаётся лидером — её оборудование используют более двух третей (68%) опрошенных команд. Даже ограниченное внедрение альтернативных платформ существенно влияет на картину, поскольку одна команда может использовать сотни графических процессоров одновременно.
Исследование обнаружило и организационные проблемы: примерно 28% респондентов признались, что приобрели оборудование, не проведя заранее структурированную техническую экспертизу. В результате некоторые инфраструктуры оказались недостаточно мощными для поставленных задач, что привело к задержкам или полной остановке проектов. Как отмечает технический директор Liquid Web Райан Макдональд, отказ от тщательной предварительной оценки стал причиной дорогостоящих ошибок — в быстроразвивающейся сфере ИИ время зачастую оказывается критически важным ресурсом.
Иллюстрация: Grok
Факторы выбора оборудования складываются не только из технических параметров: 43% респондентов руководствуются предыдущим опытом и привычками, 35% — стоимостью, 37% — результатами тестирования производительности. Однако ограниченные бюджеты становятся реальным барьером — 42% участников вынуждены были сократить проекты из-за недостатка оборудования или его высокой цены, а 14% — полностью отказаться от некоторых инициатив.
Новые технологические тренды выделяют гибридные и облачные решения: более половины специалистов используют комбинацию локальных и облачных инфраструктур, причём многие готовы увеличить расходы на облачные сервисы в ближайший год. При этом часть команд рассматривает выделенный GPU-хостинг как способ избежать просадок производительности, характерных для общего оборудования.
Проблема энергопотребления остаётся актуальной: важность эффективности признали 45% опрошенных, но только 13% команд реально оптимизировали свои ИИ-системы для снижения энергозатрат. Кроме того, многие сталкиваются с ограничениями, связанными с энергоснабжением, охлаждением и цепочками поставок.
В целом, несмотря на явное лидерство Nvidia, конкуренты сокращают разрыв в условиях дифференцированного и быстро растущего рынка. Для команд, создающих инфраструктуру под ИИ, на первый план выходит не только максимальная производительность, но и поиск баланса между стоимостью, эффективностью и надёжностью решений.