Чипы для ИИ ждет удорожание из-за растущего спроса
Спрос на чипы для ИИ будет расти примерно на 30% в год до 2030-го. Это стало известно благодаря прогнозу южнокорейской компании SK Hynix.
HBM-чипы нужны для обработки больших данных в ИИ. Сейчас они используются в моделях GPT, Claude, системах Google, Amazon, Microsoft, а в ближайшие годы могут стать стандартом для всех серьезных ИИ-проектов.
Неудивительно, что цены на чипы для ИИ будут расти: сегодня ИИ внедряют во все сферы жизни, для обработки данных необходим колоссальных объем памяти. Подорожание чипов объясняется простой экономической схемой - спрос порождает предложение. Чипы для ИИ становятся все более востребованными, а производители еще несколько лет не будут успевать удовлетворить этот спрос сполна, считает основатель ИТ-интегратора AWG и платформы гибкой занятости SkillStaff Александр Хачиян.
Кроме того, во многих странах такие чипы попросту еще не производят. Например, в России производство HBM-чипов сегодня отсутствует. Для создания чипов требуется передовое литографического оборудование, высокоточные технологические процессы и доступ к глобальной цепочке поставок, где лидерами являются SK Hynix, Samsung и Micron. Российские предприятия в области микроэлектроники работают в основном с памятью предыдущих поколений и не имеют возможности массово производить решения уровня HBM. Это делает внутренний рынок полностью зависимым от импорта и внешних технологических поставщиков.
Тем не менее, инвестиции в ИИ-разработки по всему миру настолько велики, что в бюджеты на продукты и их внедрение заранее включают непредвиденные затраты, отметил маркетолог Дмитрий Назаркин. Однако себестоимость обучения моделей вырастет, что может привести к удорожанию конечных сервисов и услуг. Мелким и средним игрокам будет все сложнее входить в рынок, что усилит концентрацию индустрии вокруг нескольких глобальных лидеров. Это также может замедлить скорость распространения новейших ИИ-технологий в странах и компаниях с ограниченным бюджетом.
С другой стороны, рост цен станет стимулом для поиска альтернатив - от разработки энергоэффективных алгоритмов до инвестиций в новые типы памяти и архитектуры, которые смогут снизить зависимость от HBM, считает независимый эксперт в сфере искусственного интеллекта, кандидат экономических наук Алексей Лерон.