Инференс поглощает 70% вычислений: осенью 2026 года индустрия вычислений упирается в «точку перелома эффективности»

За последнюю неделю в сфере вычислений не произошло какого-либо отдельного «взрывного релиза», но случилось нечто более символичное: несколько ранее параллельных линий в одном временном окне сошлись в чёткий сигнал перелома — вычислительные мощности для инференса полностью превзошли обучение как по доле расходов, так и по доле нагрузки, а масштабное развёртывание агентов толкает индустрию вычислений от «гонки за скупкой карт» к «гонке за эффективность и окупаемость». Это не простой отраслевой лозунг, а результат того, что данные политики, структура спроса, бизнес-отчётность, техническая архитектура и сомнения капитала в одну и ту же неделю указали в одном направлении. Индустрия вычислений по-прежнему быстро расширяется, но логика расширения меняется: раньше спрашивали «сколько ещё карт можно купить», теперь спрашивают «сколько одна карта может заработать за час»; раньше смотрели на масштаб кластера, теперь смотрят на эффективную отдачу на единицу вычислений; раньше вычисления рассматривали как статью капитальных затрат, теперь всё больше людей рассматривают их как производственный актив, который должен проходить проверку амортизацией, ценами на электроэнергию, коэффициентом использования и сроком окупаемости.

I. Одна точка перелома, три набора данных

20 октября Министерство промышленности и информационных технологий (MIIT) на пресс-конференции Пресс-канцелярии Госсовета сообщило, что к концу сентября масштаб интеллектуальных вычислительных мощностей Китая достиг 2592 EFLOPS, увеличившись на 146% год к году, и чётко заявило, что следующим шагом станет «ускорение расширения вычислительных объектов и повышения их качества». Сами эти цифры являются продолжением предложения, но направление недели действительно определило структурное изменение на стороне спроса. 2592 EFLOPS показывают, что предложение вычислений всё ещё быстро расширяется, а рост на 146% год к году показывает, что интеллектуальные вычисления остаются ключевым направлением инфраструктурных инвестиций. Однако словосочетание «расширение мощностей и повышение качества» означает, что политическая цель больше не состоит только в увеличении масштаба, а в том, чтобы одновременно с расширением повышать коэффициент использования, способность к сетевой координации, энергоэффективность и фактическую отдачу. Иными словами, система оценки строительства вычислительных мощностей смещается от «сколько построено» к «насколько хорошо используется».

В докладе «Исследование развития экономики токенов (2026 год)» Китайской академии информационных и коммуникационных технологий (CAICT) прогнозируется, что в 2026 году вычислительные мощности для инференса достигнут 70,5% общей нагрузки AI-вычислений, а спрос на AI-вычисления будет ускоряться в переходе от обучения моделей к инференсу и работе агентов. Значение этой доли в том, что она меняет форму спроса на вычисления. Нагрузка обучения обычно носит поэтапный, централизованный и планируемый характер: задача обучения большой модели может потреблять большой объём вычислений в относительно определённый период, а затем завершаться. Нагрузка инференса ближе к производственным системам: она распределена по пользовательским запросам, задачам агентов, вызовам инструментов, обработке длинного контекста и многоходовым итерациям, обладая непрерывностью, волатильностью и длинным хвостом. Когда инференс превышает 70%, вычислительные центры перестают быть просто «фабриками обучения» и всё больше становятся «фабриками токенов» и «основой для работы агентов».

Статистика Gartner показывает другую сторону того же вывода: в 2026 году мировые расходы на инференс достигнут 23,3 млрд долларов и впервые превысят расходы на обучение в 19 млрд долларов. Изменение структуры расходов влияет на бизнес-решения более непосредственно, чем доля нагрузки. Высокие расходы на обучение соответствуют гонке за возможности моделей и предварительным капитальным затратам; высокие расходы на инференс соответствуют сервисной выручке, объёму вызовов, удельным затратам и валовой марже. Для облачных провайдеров, компаний по аренде вычислений и поставщиков модельных сервисов это означает необходимость пересчёта модели доходов: недостаточно построить кластер и ждать, пока обучающий клиент забронирует его целиком; нужно конкурировать за устойчивый спрос на вызовы на рынке инференса через пропускную способность, задержку, кэширование, планирование и ценообразование. Превышение расходов на инференс над расходами на обучение не означает, что обучение неважно; это означает, что звено реализации стоимости в индустрии вычислений смещается от «разовых инвестиций в обучение» к «непрерывным сервисам инференса».

Движущей силой этого сдвига является переход агентов от демонстраций к масштабному развёртыванию. Дженсен Хуанг в своей речи на GTC в Берлине 21 октября заново разложил баланс спроса на вычисления: агенты обладают способностью думать, рассуждать, итерировать и использовать инструменты, а количество токенов, потребляемых одной задачей, кратно увеличивается по сравнению с традиционным взаимодействием «вопрос — ответ». Традиционное чат-взаимодействие часто представляет собой один вопрос и один ответ с относительно контролируемым потреблением токенов; агент может сначала спланировать задачу, затем вызвать инструменты, прочитать результаты, исправить ошибки и повторить попытку, а в конце сгенерировать резюме. За одним пользовательским запросом могут стоять несколько раундов вызовов модели, несколько сборок контекста и несколько внешних взаимодействий с инструментами. Потребление токенов увеличивается, и спрос на вычислительные мощности для инференса перестаёт быть линейным ростом; он может демонстрировать мультипликативный эффект, определяемый сложностью задач. Одновременно агенты предъявляют более высокие требования к задержке, стабильности и параллелизму, а планирование вычислений не может смотреть только на пиковую мощность, но должно учитывать согласованную эффективность сетей, хранения, кэширования и фреймворков инференса.

В тот же день отчёт Meta предоставил операционный пример потребительского агента: примерно через полтора месяца после запуска Muse более 10 млн пользователей завершили настройку, покупки стали крупнейшим сценарием использования, потребление вычислений оказалось значительно выше, чем у любого предыдущего AI-продукта, и Meta поэтому предложила в течение года повысить эффективность вычислений в десять раз. Ценность этого примера в том, что он показывает, как потребительские агенты выталкивают спрос на вычисления из «отделов разработки моделей» в «производственные системы, обслуживающие массовых пользователей». Сценарий покупок означает наложение рекомендаций, сравнения цен, поддержки принятия решений, многоходового диалога и вызовов инструментов; за seemingly простой потребностью пользователя может стоять сложная цепочка рассуждений. Чем больше масштаб пользователей, тем более непрерывной становится нагрузка инференса и тем ближе затраты на вычисления к операционным, а не к исследовательским. Предложение Meta повысить эффективность вычислений в десять раз за год также показывает, что даже ведущие платформы не могут решить экономику инференса только наращиванием карт; им необходимо искать эффективность в сжатии моделей, фреймворках инференса, повторном использовании кэша, планировании задач и аппаратной кооперации.

Структурный разворот на стороне спроса означает, что якорь оценки индустрии вычислений смещается: раньше смотрели на «сколько карт и насколько велик кластер», теперь смотрят на «сколько ценных токенов одна карта может произвести за час». Это изменение передаётся по многим звеньям производственной цепочки. Производители чипов не могут говорить только о пиковой производительности, но должны говорить о пропускной способности инференса, энергоэффективности и возможностях межсоединений. Облачные провайдеры не могут говорить только о масштабе дата-центров, но должны говорить о коэффициенте использования и стоимости токена. Модельные компании не могут говорить только о параметрах и рейтингах, но должны говорить о ценах на инференс и валовой марже. Компании по аренде вычислений не могут говорить только о коэффициенте размещения, но должны говорить о структуре клиентов и стабильности долгосрочной аренды. Вычисления остаются дефицитным ресурсом, но определение дефицита смещается от «есть ли карты» к «есть ли эффективные, стабильные и подлежащие оплате эффективные вычисления».

II. 38 долларов DeepSeek: проверяемый пример эффективности

Если превышение инференса над обучением является точкой перелома «количества», то операционные данные, раскрытые DeepSeek 20 октября при открытии исходного кода фреймворка инференса DeepInfer, пытаются ответить на вопрос «качества». На основе этого фреймворка пропускная способность сервиса одного кластера DeepSeek достигла 155 трлн токенов в день, а общая выручка составила 38 долларов на карту в час при ценообразовании в часы низкой нагрузки. Этот показатель вызвал резонанс в отрасли не потому, что он «высок», а потому, что он предоставил ранее редко публиковавшуюся систему сравнения: каталожная цена аренды NVIDIA H200 составляет около 6–8 долларов на карту в час, B300 — около 15–20 долларов; даже по фактическим рыночным ценам долгосрочная аренда B300 может опускаться до 5–6 долларов в час. Для одной и той же карты между способностью зарабатывать при прямой аренде и способностью зарабатывать при продаже токенов существует нескольких крат разница.

Ключ к этому сравнению не в простом выводе, что «продавать токены выгоднее, чем сдавать карты в аренду», а в том, что вычислительные мощности для инференса впервые поставлены перед аудируемой бизнес-отчётностью. В модели аренды карт доход — это арендная плата, а затраты — амортизация, электроэнергия, сеть, дата-центр и эксплуатация. В модели продажи токенов доход — это плата за вызовы, а затраты включают не только вышеперечисленное, но и амортизацию инвестиций в обучение моделей, эффективность фреймворка инференса, долю попаданий в кэш, потери планирования и ценовую стратегию. 38 долларов на карту в час важны потому, что они превращают вычисления из «цифры в статье капитальных затрат» в производственный актив, о котором можно спросить «сколько он приносит на карту в час». Для вычислительных центров, если прямая аренда карты приносит лишь несколько долларов, а эффективные сервисы инференса могут давать более высокий удельный доход, фокус конкуренции сместится с «у кого есть карты» на «кто может заставить карты производить больше подлежащих оплате токенов».

Зарубежные соцсети на основе этого оценили, что валовая маржа аппаратного обеспечения в бизнесе инференса DeepSeek может находиться в диапазоне 84–96%. Необходимо подчеркнуть, что эта оценка зависит от множества допущений — доли попаданий в кэш, пропускной способности и ценообразования — и не является полной базой прибыли; DeepSeek также не раскрыл модели чипов, количество и полную структуру затрат своего кластера. Высокая оценка валовой маржи легко вызывает воодушевление, но и легко misinterpreted. Валовая маржа аппаратного обеспечения покрывает лишь часть затрат и не включает полную амортизацию инвестиций в обучение моделей, расходы на НИОКР, маркетинг, колебания электроэнергии, пропускную способность сети и строительство дата-центров. Ценообразование в часы низкой нагрузки также означает, что 38 долларов не являются круглосуточной средней ценой, и фактическая выручка будет колебаться вместе с кривой нагрузки. Поэтому этот показатель лучше понимать как сигнал эффективности: при определённом фреймворке, определённой нагрузке и определённых ценовых условиях удельная отдача вычислительных мощностей для инференса может значительно превышать простую модель аренды карт. Он доказывает наличие огромного пространства для оптимизации эффективности, но из него нельзя напрямую вывести, что вся отрасль сможет получить такую же норму прибыли.

Его значение также в том, что конкуренция в вычислительных мощностях для инференса начинает смещаться от «аппаратных параметров» к «системной инженерии». Пропускная способность в 155 трлн токенов в день — это не только результат вычислений чипов, но и результат пакетной обработки фреймворка инференса, управления KV-кэшем, спекулятивного декодирования, оптимизации операторов, планирования кластера и сетевых коммуникаций. После открытия DeepInfer отрасль может более конкретно обсуждать, откуда берётся эффективность инференса: за счёт увеличения размера пакета, снижения задержки первого токена, повышения доли попаданий в кэш или оптимизации параллельных коммуникаций между GPU. Раньше обсуждение в индустрии вычислений часто останавливалось на моделях чипов и масштабе кластеров; пример DeepSeek продвигает вопрос к тому, «сколько эффективных токенов может произвести одна и та же карта при разных фреймворках инференса и стратегиях планирования». Это как раз перекликается с политическим курсом «расширения мощностей и повышения качества». В «Плане развития отрасли информационных и коммуникационных технологий на 15-ю пятилетку», опубликованном MIIT в сентябре, предлагается к 2030 году увеличить масштаб интеллектуальных вычислений более чем в пять раз по сравнению с 2025 годом и поставить «повышение качества» рядом с «расширением мощностей». Когда инференс становится основным потребителем вычислений, экономический смысл «повышения качества» становится конкретным: не строить больше карт, а заставить существующие карты производить больше подлежащих оплате токенов.

Если смотреть дальше, повышение эффективности инференса изменит напряжённость спроса и предложения вычислений. Если единица вычислений может обслуживать больше пользователей и обрабатывать больше задач, то краткосрочный предельный спрос на новые вычисления может замедлиться; но если повышение эффективности приведёт к снижению цен, это стимулирует выход更多 агентских приложений, что, в свою очередь, увеличит общее потребление вычислений. Это типичное взаимодействие эффективности и спроса: чем выше эффективность, тем ниже удельные затраты, тем шире распространение приложений, и общий спрос на вычисления может не уменьшиться, а расти быстрее. Что действительно определяет здоровье отрасли, так это не просто общий масштаб вычислений, а то, могут ли улучшения эффективности превращаться в устойчивую выручку и прибыль. 38 долларов DeepSeek дают отправную точку, но это скорее вопрос, чем ответ: сможет ли вся отрасль воспроизвести такую эффективность при реальных нагрузках, полных затратах и долгосрочном ценообразовании?

III. Ответ предложения: от «поставки вычислений» к «поставке окупаемых вычислений»

Потоки капитала и технологий также подтверждают это направление. 20–21 октября появилась информация, что Anthropic ведёт переговоры с Nscale о втором соглашении об аренде вычислений примерно на 45 млрд долларов; если оно будет заключено, два соглашения в сумме составят около 90 млрд долларов и продолжат использовать чипы NVIDIA нового поколения Vera Rubin. Такие сверхкрупные соглашения показывают, что ведущие модельные компании по-прежнему нуждаются в долгосрочных, зафиксированных поставках вычислений, и совместный спрос на обучение и инференс далеко не исчерпан. Но сама форма соглашения также заслуживает внимания: это не просто покупка карт, а аренда вычислений, фиксация мощностей и привязка к чипам нового поколения. Поставщик вычислений должен предоставить не только оборудование, но и скорость развёртывания, сетевые возможности, гарантии электроснабжения и долгосрочную эксплуатацию. Для стороны спроса контракты на вычисления всё больше напоминают долгосрочные инфраструктурные контракты, которые должны одновременно обеспечивать поставки и контролировать удельные затраты.

Маск также представил план SpaceX по вычислениям: к концу следующего года запустить 13 ГВт, в экстремальном случае рассматривать 20 ГВт, аренда облачных вычислений превышает 50 млрд долларов за ГВт, а срок окупаемости вычислительных активов переоценивается. Планирование вычислений на уровне гигаватт выводит проблему на уровень энергетики и инфраструктуры. Вычисления — это уже не только вопрос чипов, а комплексный вопрос электроэнергии, охлаждения, земли, подключения к сети и капитальных затрат. Когда один гигаватт вычислений соответствует сотням миллиардов долларов арендной выручки, срок окупаемости, коэффициент использования и чувствительность к ценам на электроэнергию вычислительных активов становятся ключевыми переменными. Чем дальше гонка вычислений идёт к крупным масштабам, тем меньше она является простой гонкой закупок чипов и тем больше — гонкой энергетической инфраструктуры и структуры капитала.

На уровне технической архитектуры отечественный сверхкрупный кластер на 100 тыс. карт и жидкостный суперузел Huawei Ascend на 1024 карты, показанные на выставке WEC2026 в Шэньчжэне на этой неделе, а также полностью жидкостная стойка NVIDIA Vera Rubin на 72 GPU совместно указывают на тенденцию: единица конкуренции повышается от «производительности одной карты» к «согласованной работе всей стойки, суперузла и кластера». Производительность одной карты по-прежнему важна, но нагрузки инференса и агентов больше зависят от эффективности кластера. Межсоединения многих карт, жидкостное охлаждение, плотность питания, восстановление после сбоев и системы планирования определяют, сможет ли крупномасштабный кластер стабильно работать. Сверхкрупный кластер на 100 тыс. карт и жидкостный суперузел на тысячу карт показывают, что отечественные вычисления переходят от догоняния на уровне отдельных чипов к системной интеграции; полностью жидкостная стойка показывает, что вычисления высокой плотности должны поддерживаться более энергоэффективными решениями охлаждения. Будущая конкуренция в вычислениях будет идти не только за пиковую производительность чипов, но и за то, чей кластер стабильнее, энергоэффективнее, проще в эксплуатации и лучше превращает вычисления в эффективные токены при реальных нагрузках.

Эти действия на стороне предложения совместно указывают на «поставку окупаемых вычислений». Раньше обычная логика вычислительных проектов была «сначала построить, потом искать клиентов»; теперь капитальные затраты слишком велики, а сроки окупаемости слишком длинны, поэтому нужно заранее фиксировать спрос, оптимизировать энергоэффективность и повышать коэффициент использования. Компаниям по аренде вычислений нужно больше внимания уделять структуре клиентов: являются ли клиенты обучающими или инференс-клиентами, краткосрочная это аренда или долгосрочная, бронирование всего кластера или оплата по токенам. Облачным провайдерам нужно больше внимания уделять валовой марже сервисов инференса, а не просто расширять коэффициент размещения GPU. Производителям чипов нужно больше внимания уделять пропускной способности инференса и энергоэффективности, потому что чем выше доля нагрузки инференса, тем важнее стоимость электроэнергии на токен. Политический курс «расширения мощностей и повышения качества» и рыночный «окупаемости» пересекаются здесь: вычислительная инфраструктура всё ещё должна расширяться, но расширение должно соответствовать реализации спроса, энергетическим условиям и коммерческой отдаче.

IV. Другая сторона эффективности: амортизация, маржинальное ценообразование и разрыв в окупаемости

Но эта история об «окупаемых вычислительных активах» на этой неделе одновременно столкнулась с серьёзными сомнениями с другого конца. Gartner 20 октября повторил вывод, который беспокоит рынок: до 3,5 трлн долларов инвестиций в AI-инфраструктуру могут оказаться под риском, потому что в 2027–2030 годах общая выручка AI будет недостаточной, чтобы запланированные капитальные затраты принесли прибыль. Его главный прогнозист прямо заявил, что «сейчас вычислительных мощностей больше, чем спроса, и большие объёмы токенов и вычислительной мощности раздаются бесплатно через freemium-модели». Острота этого суждения в том, что оно говорит не об отсутствии спроса на AI, а о том, что скорость реализации спроса и уровень цен могут не покрыть колоссальные капитальные затраты. Предложение вычислений может быть быстро развёрнуто за один-два года, но внедрение в предприятиях, распространение агентов и формирование привычки платить требуют больше времени. Если предложение растёт быстрее выручки, на рынке вычислений может возникнуть阶段性 переизбыток.

Основатель Citadel Кен Гриффин 21 октября разложил потенциальную ловушку инвестиций в вычисления на три слоя: во-первых, предельные операционные издержки GPU крайне низки, и при переизбытке предложения спотовые цены аренды и цены API могут «свободно падать», повторяя траекторию тёмного волокна в телекоммуникационном пузыре 2000 года; во-вторых, ситуация, когда за старые GPU 5–6-летней давности берут высокую арендную плату, скорее всего, неустойчива, и модель амортизации за 7–9 лет сталкивается с системной переоценкой; в-третьих, расходы предприятий на AI сместились от проб и ошибок к точному расчёту ROI, и принцип «экономить где можно» вступит в прямое напряжение с колоссальными капитальными затратами гигантов. Эти три слоя соответствуют цене, амортизации и спросу и точно бьют по самым уязвимым местам вычислительных активов.

Первый слой — маржинальное ценообразование. Как только кластер GPU построен, предельные операционные издержки состоят в основном из электроэнергии, эксплуатации и сети и невысоки относительно стоимости строительства. Если рынок перенасыщен, компании по аренде вычислений могут сдавать мощности по ценам, близким к предельным издержкам, чтобы распределить амортизацию, что приведёт к быстрому падению спотовых цен. Это похоже на тёмное волокно в телекоммуникационном пузыре: после прокладки волокна предельные издержки использования очень низки, но спрос не реализуется синхронно, и ценовые войны разрушают окупаемость инвестиций. Рынок вычислений может не повторить это полностью, но ценовые войны в API инференса уже показывают давление маржинального ценообразования. Когда поставщики модельных сервисов снижают цены в борьбе за объём вызовов, выручка на токен падает, а срок окупаемости вычислительных активов удлиняется.

Второй слой — амортизация. GPU не являются вечными активами; технологии быстро итерируются, энергоэффективность и производительность растут каждый год. Разумна ли модель амортизации за 7–9 лет, зависит от того, смогут ли старые GPU через несколько лет получать достаточную арендную плату или доход от инференса. Если чипы нового поколения значительно превосходят старые карты по стоимости токена, арендная плата за старые карты упадёт, и срок амортизации может оказаться завышенным. Для компаний по аренде вычислений самое опасное — не отсутствие клиентов, а ситуация, когда клиенты готовы платить за старые карты всё меньше, а балансовая амортизация ещё не завершена. Для облачных провайдеров постоянная закупка новых карт создаёт давление на капитальные затраты, но без обновления удельная стоимость вычислений отстаёт. Переоценка модели амортизации напрямую повлияет на оценку и способность привлекать финансирование вычислительных активов.

Третий слой — точный расчёт ROI предприятиями. Расходы предприятий на AI сместились от «попробовать» к «посчитать». Когда предприятия обнаруживают, что некоторые AI-функции не приносят явной выручки или экономии затрат, они сокращают объём вызовов или требуют более низкой цены. Это вступает в прямое напряжение с колоссальными капитальными затратами гигантов: предложение расширяется, спрос точно считает. Хотя агенты увеличивают потребление токенов, предприятия не будут безоговорочно платить за все токены; только задачи, приносящие реальную ценность, будут продолжаться. Это означает, что рост спроса на вычислительные мощности для инференса будет структурно дифференцироваться: спрос в высокоценных сценариях силён, а в низкоценных сценариях может сжиматься или становиться бесплатным. Утверждение Gartner о том, что «большие объёмы токенов и вычислительной мощности раздаются бесплатно через freemium-модели», как раз является проявлением этой дифференциации.

Эти предупреждения не отрицают долгосрочный рост спроса на вычисления, а указывают на временное несоответствие: скорость амортизации вычислительных активов может быть выше скорости реализации спроса. Ещё одна новость на этой неделе дала физическую сноску: Amazon имеет почти на 5 млрд долларов GPU, простаивающих из-за нехватки электроэнергии. Когда темпы электроснабжения, охлаждения и подключения к сети не успевают за развёртыванием чипов, «расширение мощностей» само по себе не становится автоматически «повышением качества». GPU куплены, дата-центры построены, но если не хватает энергии, подключение к сети медленное, а мощности охлаждения недостаточны, вычисления не могут превратиться в выручку. Это показывает, что узкое место вычислительной инфраструктуры — не только чипы, но и энергетика и инженерные возможности. Для вычислительных проектов гарантии электроснабжения и прогресс подключения к сети могут определять фактический коэффициент размещения и реализацию выручки больше, чем закупка чипов.

V. Влияние на производственную цепочку: якоря оценки, ценовая власть и показатели наблюдения

Если посмотреть на линии этой недели вместе, якорь оценки производственной цепочки вычислений претерпевает трёхслойный сдвиг.

Первый слой — от «масштаба вычислений» к «эффективным вычислениям». Общий масштаб вычислений по-прежнему важен, но инвесторы и клиенты будут больше внимания уделять коэффициенту размещения, коэффициенту использования, пропускной способности инференса и стоимости токена. Кластер на 100 тыс. карт с недостатком энергии, перегрузкой сети и низкой эффективностью планирования может иметь фактические эффективные вычисления значительно ниже номинального масштаба. Напротив, меньший по масштабу кластер с эффективным планированием, высокой долей попаданий в кэш и оптимизированным фреймворком инференса может генерировать более высокий удельный доход. Эффективные вычисления становятся более реальным показателем конкурентоспособности.

Второй слой — от «дохода от аренды карт» к «доходу от токенов». Доход модели аренды карт относительно стабилен, но его потолок ограничен арендной ценой; модель дохода от токенов более эластична, но зависит от объёма вызовов, ценообразования и конкуренции. Если компании по аренде вычислений предоставляют только bare metal, они могут попасть в ценовые войны; если они могут предоставлять сервисы инференса, хостинг моделей и среду работы агентов, они могут получить более высокую добавленную стоимость. Конкуренция облачных провайдеров также сместится от скорости размещения GPU к возможностям платформы инференса, включая пакетную обработку, кэширование, мониторинг, эластичное масштабирование и модели выставления счетов.

Третий слой — от «капитальных затрат» к «сроку окупаемости». Вычислительные проекты — это уже не только вопросы финансирования и строительства, но вопросы эксплуатации и окупаемости. Чем больше капитальные затраты, тем длиннее срок окупаемости и тем выше чувствительность к коэффициенту использования и ценам на электроэнергию. Стоимость финансирования, амортизационная политика, контракты на электроэнергию и долгосрочные контракты с клиентами вычислительных активов влияют на осуществимость проекта. Если политический курс «расширения мощностей и повышения качества» сможет способствовать координации зелёной энергетики, жидкостного охлаждения, сетей и планирования, это поможет сократить срок окупаемости; если же только расширять масштаб, можно усилить несоответствие спроса и предложения.

Для наблюдателей в ближайшие кварталы можно отслеживать несколько групп показателей: продолжает ли расти доля расходов на инференс; превращается ли потребление токенов агентскими приложениями в устойчивую оплату; быстро ли падают спотовые цены аренды вычислений и цены API; переоцениваются ли сроки амортизации GPU и цены на вторичном рынке; улучшаются ли коэффициент размещения, коэффициент использования и гарантии электроснабжения дата-центров; пропускная способность и энергоэффективность отечественных суперузлов и жидкостных кластеров при реальных нагрузках; и могут ли валовые маржи инференса ведущих модельных компаний удержаться при полном учёте затрат. Эти показатели лучше отражают здоровье отрасли, чем просто масштаб вычислений.

VI. Во второй половине гонки вычислений конкурируют не за то, кто больше

Оглядываясь на прошедшую неделю, самой горячей темой в сфере вычислений был не отдельный продукт, не отдельный заказ и не отдельная политика, а формирующийся новый консенсус: вычислительные мощности для инференса стали основным субъектом спроса, агенты толкают потребление вычислений от прерывистого обучения к непрерывным, длиннохвостым производственным нагрузкам, а коммерческая рациональность вычислительных активов впервые должна быть доказана через «доход на карту в час».

Это не означает, что обучение неважно, и не означает, что расширение остановится. Масштаб 2592 EFLOPS и цель пятикратного роста в «15-й пятилетке» определяют, что сторона предложения будет по-прежнему быстро расширяться. Обучение по-прежнему требует крупномасштабных кластеров, гонка за передовыми моделями по-прежнему требует вычислений топового уровня, а системная интеграция отечественных вычислений по-прежнему требует непрерывных инвестиций. Но центр тяжести конкуренции смещается: в первой половине конкурировали за то, кто получит больше карт и построит больший кластер; во второй половине конкурируют за то, кто на тех же картах произведёт больше подлежащих оплате эффективных токенов и чья эффективность инференса позволит доходу на единицу вычислений обгонять амортизацию, электроэнергию и стоимость капитала.

38 долларов DeepSeek дают отправную точку, но это скорее вопрос, чем ответ. Когда предупреждение Gartner о 3,5 трлн долларов и план расширения MIIT появляются на одной неделе, когда плотность стоек Vera Rubin и простаивающие GPU Amazon одновременно становятся новостями, реальный вопрос, на который должна ответить индустрия вычислений, уже не «сколько ещё вычислений нужно», а «с какой эффективностью, когда и для кого эти вычисления принесут отдачу». Точка перелома уже наступила, и свисток гонки за эффективность только что прозвучал. Для производителей чипов, облачных провайдеров, модельных компаний, компаний по аренде вычислений и инвесторов важнейшей способностью в дальнейшем может стать не продолжение наращивания масштаба вычислений, а превращение вычислений в измеримую, ценообразуемую и окупаемую эффективную производительную силу.