ainews
LinkedIn заморозил расширение дата-центров на год — как они оптимизировали AI-инфраструктуру
LinkedIn не будет увеличивать GPU-мощности и хранилища в 2025 финансовом году. Вместо строительства новых дата-центров компания удвоила эффективность использования существующих GPU за полгода — через оптимизацию моделей, дистилляцию и переброс задач с GPU на CPU. Экономия $24 млн, утилизация GPU >95%.
Это первый публичный кейс крупного AI-игрока, который заморозил капвложения в железо и сделал ставку на эффективность. Если тренд пойдёт дальше, переоценённые Nvidia и облачные провайдеры получат проблемы, а выигрывать будут те, кто умеет оптимизировать.
LinkedIn объявил, что не будет увеличивать GPU-парк и объёмы хранилищ в текущем финансовом году (до июня 2025). Вместо этого компания удвоила эффективность использования имеющихся GPU за шесть месяцев.
Как добились: - Утилизация GPU на тренировке моделей >95% (максимум в индустрии) — переписали систему распределения задач, чтобы железо простаивало минимально. - Дистилляция моделей: вместо двух больших моделей для рекомендаций вакансий обучили одну маленькую, которая справляется с обеими задачами без потери качества. - Переброс задач с дорогих Nvidia GPU на обычные CPU там, где это возможно. - Доработка низкоуровневого софта на Nvidia-чипах, чтобы они справлялись с задачами крупнее расчётных. - Инструменты мониторинга: каждая команда видит, сколько ресурсов жрёт, — появилась культура экономии.
Результат: экономия $24 млн за год (эквивалент 1100 GPU, работающих 24/7). Для компании с выручкой $18 млрд это копейки, но сигнал рынку: AI можно масштабировать без безумных капвложений. LinkedIn с 1,3 млрд пользователей — крупнейший игрок, публично заявивший о паузе в строительстве.
Автор: Анна Мельникова · Источник: wired.com
Разработчикам. Кейс прикладной оптимизации: дистилляция моделей, балансировка CPU/GPU, кастомизация CUDA-софта, системы мониторинга потребления ресурсов. Утилизация GPU >95% — реальная планка, к которой можно стремиться. Подход «держать compute-футпринт плоским» — новая норма для продакшена.
Бизнесу. LinkedIn доказал, что AI-рост возможен без бесконечных капвложений — через инженерную культуру и дисциплину. Если вы строите AI-продукт, не обязательно сразу арендовать тысячи GPU — сначала выжмите максимум из того, что есть. Это конкурентное преимущество перед теми, кто просто жжёт деньги на железо.
Инвесторам. Первый крупный сигнал о переходе AI от экспериментов к производственной дисциплине. Если LinkedIn (1,3 млрд пользователей) держит бюджет плоским, это меняет нарратив «AI = бесконечный рост капвложений». Риск переоценки Nvidia и дата-центровых REIT растёт. Выигрывать будут не те, кто больше тратит, а те, кто эффективнее использует.
- Консалтинг по оптимизации AI-инфраструктуры: помогать компаниям выжимать 2x из существующих GPU вместо покупки новых — LinkedIn показал, что это реально.
- Инструменты мониторинга и аллокации GPU-ресурсов: внутренние решения LinkedIn можно упаковать в SaaS для ML-команд.
- Дистилляция моделей как услуга: многие компании переплачивают, гоняя большие модели там, где хватит маленьких.
- CPU-оптимизированные AI-библиотеки: если LinkedIn переносит задачи с GPU на CPU, значит, есть рынок для софта, который это упрощает.
- Противовес хайпу Nvidia: если тренд на эффективность укрепится, вырастет спрос на альтернативные чипы (AMD, Intel, кастомные ASIC).
- LinkedIn — не типичный игрок: у них свои дата-центры с 2022, большинство стартапов сидят в облаках и не могут так гибко оптимизировать.
- Если спрос на AI-фичи взлетит неожиданно, заморозка бюджета может обернуться проблемами — признали сами.
- Экономия $24 млн на фоне $18 млрд выручки — статистическая погрешность. Реальный impact покажет только масштабирование подхода.
- Рынок может проигнорировать сигнал и продолжить гонку капвложений — один кейс не переломит тренд.
Это важнее, чем кажется. LinkedIn с 1,3 млрд пользователей публично сказал: «AI можно масштабировать без бесконечных капвложений». Утилизация GPU >95%, дистилляция моделей, переброс задач на CPU — всё это работает в проде прямо сейчас. Экономия $24 млн — мелочь для компании с $18 млрд выручки, но сам факт заморозки бюджета на фоне всеобщей гонки — сигнал.
Но есть нюанс: LinkedIn владеет своими дата-центрами с 2022 и может оптимизировать всё от железа до софта. Стартапы в облаках так не смогут. И если спрос на AI-фичи вдруг взлетит, заморозка обернётся проблемами — LinkedIn это признаёт. Тем не менее, кейс показывает: индустрия начинает переходить от «больше GPU = больше денег» к «умнее использовать = меньше тратить». Если тренд укрепится, Nvidia и дата-центровые REIT получат проблемы. А выигрывать будут те, кто умеет считать.
Комментарии