Когда логические выводы становятся дефицитным ресурсом, кто присваивает себе ценность
В 2023 году Дэвид Кан выявил разрыв между расходами на GPU и реальными доходами от ИИ — «проблема в 2000 млрд долларов», которая к 2024 году выросла до 6000 млрд. Однако разрыв заполняется не на стороне обучения моделей, а на стороне **инференса** (вывода), что рынок начал учитывать лишь недавно. Успешное IPO Cerebras и реструктуризация отчетности NVIDIA вокруг «токенов как услуги» подтверждают: инференс, а не обучение, стал узким местом и основным драйвером повторяющихся расходов, особенно с ростом agentic и physical ИИ.
Такие компании, как Anthropic, уже сталкиваются с нехваткой вычислительных мощностей для инференса. В стеке поставок ИИ-вычислений (от кремниевых чипов до API-интерфейсов) большинство игроков контролируют только один уровень. Исключением является **Hyperbolic** — платформа, не владеющая собственными GPU, но агрегирующая фрагментированные мощности из множества облаков (CoreWeave, Lambda Labs и др.) в единый пул, оптимизируя маршрутизацию и стоимость для разработчиков. Её бизнес-модель выигрывает от возможного избытка предложения GPU.
В отличие от приложений, таких как Venice (которые покупают инференс как товар и добавляют стоимость через функции вроде приватности), Hyperbolic занимает более глубокий уровень агрегации и маршрутизации физических вычислений. В условиях, когда инференс становится дефицитным и дорогим ресурсом, основная ценность будет сосредоточена не у тех, кто владеет наибольшим количеством GPU, а у тех, кто может наиболее эффективно находить, агрегировать и распределять эти вычислительные мощности.
链捕手06/08 15:42
