Компании тратят миллионы на AI-инфраструктуру, не зная, во что это обходится
Опрос 107 компаний показал парадокс: бизнес массово закупает GPU и AI-инфраструктуру, но 83% используют мощности максимум наполовину, а больше половины не могут точно посчитать реальные затраты. При этом 64% планируют сменить провайдера в ближайший год — рынок в хаосе, инвестиции обгоняют понимание экономики.
Это сигнал о зрелости корпоративного AI-рынка: компании тратят миллионы, не понимая экономику, а провайдеры инфраструктуры получают окно для захвата доли. Для тех, кто строит или покупает AI-решения, это напоминание: метрики и видимость затрат критичнее красивых обещаний.
Гонка вслепую
Исследование VentureBeat среди 107 компаний (от 100 сотрудников) обнажило неудобную правду: корпоративный AI растёт на ощупь. Только каждая пятая организация (21%) запустила ИИ-проекты в промышленную эксплуатацию в полном масштабе, но инвестиции в инфраструктуру уже летят вперёд паровоза.
Главное открытие — «compute gap»: разрыв между скоростью закупок и способностью понять их экономику. 83% компаний используют GPU максимум на 50% мощности, меньше половины (44%) могут чётко отследить реальную стоимость вычислений. При этом 64% планируют сменить или добавить провайдера инфраструктуры в течение года, 38% — в ближайшие три месяца. Такая текучесть провайдеров для базовой инфраструктуры — редкость.
Кто в фаворе сейчас и завтра
Сегодня компании сидят на знакомых рельсах: Google Cloud (48%), Microsoft, AWS, Oracle плюс API от OpenAI, Anthropic, Gemini покрывают практически весь спрос. Специализированные GPU-облака (CoreWeave, Lambda, Crusoe) пока почти не представлены — их используют единицы.
Но завтра картина меняется: самая популярная статья для оценки в следующем году — AI-специализированные облака (45%) — как раз те самые провайдеры, которых сейчас нет в стеках. Это не смена, это перестройка с разбега.
Что решает: не цена токена, а интеграция
При выборе провайдера компании смотрят на интеграцию с существующим стеком (41%) и полную стоимость владения (35%), а не на красивую цену за миллион токенов — этот показатель решающий только для 8%. Проблема в том, что большинство не видят реальной unit-экономики: GPU недогружены, затраты размыты, а следующий раунд инвестиций уже на старте.
Грядущий сдвиг — переход от GPU-мощности к пропускной способности памяти при масштабировании инференса — пока вообще не в фокусе: примерно каждая пятая компания либо не знает об этом ограничении, либо не думала о нём.
Итог
Компании покупают AI-инфраструктуру быстрее, чем учатся считать, что она стоит. Железо простаивает, метрики не работают, но планы амбициозны. Классическая ситуация раннего рынка: много денег, мало прозрачности, и все ищут, кто им поможет не утонуть в собственных расходах.
Ключевые выводы
- Только 21% компаний запустили AI в полномасштабную эксплуатацию, но инвестиции в инфраструктуру растут опережающими темпами
- 83% компаний используют GPU максимум наполовину, меньше половины могут точно посчитать стоимость AI-вычислений
- 64% планируют сменить или добавить провайдера инфраструктуры в течение года — необычно высокая текучесть для базового слоя
- Компании выбирают провайдеров по интеграции (41%) и TCO (35%), а не по цене токена (8%)
- Сейчас доминируют Google Cloud и классические гиперскейлеры, но самый популярный план на год — оценка специализированных GPU-облаков (CoreWeave, Lambda и т.п.), которых сегодня почти никто не использует
Источник: VentureBeat AI
Это исследование — как рентген корпоративного AI прямо сейчас, и картина неприглядная. Компании буквально покупают инфраструктуру быстрее, чем учатся её считать: GPU загружены наполовину, меньше половины могут внятно сказать, сколько стоит их вычислительная мощность, а планы уже включают переход на специализированные облака, которых в стеке пока вообще нет. Это классическая ловушка раннего рынка: FOMO (страх упустить) гонит бюджеты вперёд, а инструменты управления отстают на круг.
Особенно показательно, что при выборе провайдеров компании смотрят не на цену токена (всего 8%), а на интеграцию и полную стоимость владения — но при этом не могут эту стоимость посчитать. Получается замкнутый круг: хотим оптимизировать TCO, но не видим его. А дальше ещё веселее: индустрия уже движется к следующему узкому месту (пропускная способность памяти вместо чистой GPU-мощности), а каждая пятая компания вообще об этом не в курсе. Короче, рынок в режиме «покупаем, разберёмся потом», и это открывает огромные возможности для тех, кто продаёт прозрачность, метрики и реальный контроль затрат.
**А вот против:** Может, это вообще не проблема, а нормальная стадия роста? Когда технология меняет индустрию, компании *должны* инвестировать на опережение, иначе конкуренты уедут вперёд. Недогруженные GPU сегодня — это резерв под завтрашние проекты, которые ещё только выходят из пилотов. А текучесть провайдеров — не хаос, а здоровый шопинг: рынок молодой, все пробуют, ищут лучшее. Более того, отсутствие детальной unit-экономики на старте — это вообще норма для R&D-фазы: сначала построй, потом оптимизируй. Паника про «compute gap» может быть просто консультантским страшилкой, чтобы продавать инструменты мониторинга тем, кому пока важнее скорость, чем точность учёта.
Комментарии