Дорогущие ИИ-чипы страдают от быстрого износа — GPU от AMD и Nvidia выдерживают всего 1–3 года

Серверные графические процессоры, являющиеся «сердцем» современных систем искусственного интеллекта, выходят из строя гораздо быстрее, чем предполагалось ранее. По данным инженеров, работающих в структурах Alphabet, срок службы таких чипов при стандартной нагрузке в 70% не превышает двух лет, а в лучшем случае достигает трех. Эта информация ставит под вопрос не только окупаемость многомиллиардных вложений в ИИ-инфраструктуру, но и создает угрозу стремительного роста объемов токсичных электронных отходов.

Ресурс чипов: между производительностью и износом

Современные ускорители вычислений, такие как линейки Nvidia H100 или AMD Instinct, потребляют до 700 Вт энергии. При такой плотности мощности и относительно скромной площади кристалла постоянные циклы нагрева и охлаждения приводят к ускоренной деградации полупроводниковой структуры. Физический износ становится неизбежной платой за высокую производительность.

Экономический парадокс дата-центров

Логичным решением для продления жизни GPU было бы снижение нагрузки до 40-50%. Однако операторы облачных платформ и разработчики больших языковых моделей идут по другому пути. В условиях жесткой конкуренции и гонки за лидерство каждый чип должен работать на пределе возможностей, чтобы быстрее принести прибыль инвесторам. Недогрузка мощностей в текущей рыночной ситуации рассматривается как прямая потеря капитала.

Экологический след ускоренных вычислений

Проблема выходит далеко за рамки балансовых отчетов IT-корпораций. Израильские исследователи ранее подсчитали, что к 2030 году индустрия ИИ будет ежегодно производить до 5 миллионов тонн электронного мусора. Короткий жизненный цикл серверных GPU, которые невозможно быстро и дешево модернизировать, напрямую усугубляет этот кризис. В отличие от потребительской электроники, утилизация промышленных чипов требует сложных и дорогих технологий рециклинга редкоземельных металлов.

По сути, отрасль оказалась перед трилеммой: наращивание вычислительной мощности для сохранения темпов развития ИИ ведет к ускоренному износу оборудования, росту затрат на его замену и увеличению экологического ущерба. Вопрос о том, как долго рынок сможет игнорировать этот замкнутый круг, остается открытым. Некоторые эксперты уже прогнозируют, что в ближайшие годы стоимость владения ИИ-инфраструктурой может вырасти на 30-40% из-за необходимости более частой ротации парка GPU.