Искусственный интеллект упёрся в электричество: почему дата-центры — не единственное будущее ИИ

За каждым впечатляющим ответом нейросети стоит не только код, но и киловатты, которые откуда-то надо взять. Только в 2024 году дата-центры мира сожгли 415 ТВт·ч электроэнергии — это около 1,5% всего мирового потребления. К 2030-му, по прогнозу Международного энергетического агентства, цифра может почти удвоиться, до 945 ТВт·ч, а нагрузка серверов, заточенных именно под ИИ, будет расти примерно на 30% в год.

Гонку ИИ мы привыкли обсуждать в терминах параметров модели и качества ответов. На деле она давно превратилась в гонку инфраструктуры: больше серверов, больше электричества, больше охлаждения. Логика понятная — если сервис обслуживает миллионы людей одновременно, генерирует текст, картинки, видео и код, без гипермасштабного дата-центра не обойтись.

Только не всем он и не всегда нужен.

«Построить глобальный сервис на миллионы пользователей» и «дать AI-инструмент отделу из тридцати человек» — это две разные задачи. Вторая огромного дата-центра почти никогда не требует.

Открытые модели догоняют закрытые быстрее, чем кажется

История ИИ повторяет историю обычного компьютера: сначала машина размером с комнату, потом персональный компьютер, потом ноутбук в сумке. Похожая миниатюризация происходит и здесь — open-weight-модели, чьи параметры можно скачать и развернуть на своих серверах, догоняют закрытых лидеров рынка быстрее, чем можно было предположить.

Исследователи Epoch AI посчитали: с начала 2026 года лучшие открытые модели отстают от передовых закрытых всего на четыре месяца по агрегированному индексу возможностей. Не по всем задачам — но разрыв сокращается на глазах.

Отсюда вопрос, который стоит задать себе до подписания очередного контракта с крупным AI-провайдером: а нужна ли вам вообще самая мощная модель в мире?

Бизнесу чаще нужен не самый умный ИИ, а достаточный

Если модель нужна, чтобы разбирать внутренние документы, искать по базе знаний или готовить типовые ответы, дорогая frontier-модель — это роскошь, а не необходимость. Компактная модель на своей инфраструктуре даёт то, что действительно важно: контроль над данными, независимость от чужих тарифов, возможность подогнать систему под свои процессы.

Первые годы генеративного ИИ прошли под лозунгом «чем больше модель — тем лучше». Следующие, похоже, пройдут под другим: «какая минимальная модель решает мою конкретную задачу». Вопрос куда более зрелый — и куда более выгодный.

Соседи не хотят жить рядом с дата-центром

Есть и вторая проблема, о которой обычно не думают, пока не столкнутся напрямую. Дата-центр — это не облако в буквальном смысле, а промышленный объект с потреблением, охлаждением и нагрузкой на местную энергосеть. Общественное мнение это уже почувствовало.

В опросе Gallup в марте 2026 года 71% американцев выступили против строительства AI-дата-центра в своём районе, из них 48% — категорически. За высказались только 27%.

Забавный парадокс: пользоваться искусственным интеллектом хотят все, а видеть рядом с домом инфраструктуру, которая его обслуживает, — почти никто. Из технологического вопроса это превращается в социальный и политический.

Дата-центры никуда не денутся — просто перестанут быть единственным вариантом

Бросаться в другую крайность и хоронить гипермасштабную инфраструктуру рано. Передовые модели всё равно нужно где-то обучать, а сервисы на миллионы пользователей — где-то держать. Централизованные мощности остаются нужны.

Но не для каждого запроса. Рынок, скорее всего, расслоится: сложные задачи — в больших облаках, повседневный ИИ — локально, на корпоративных серверах, рабочих станциях, ноутбуках. Похожее уже случилось в энергетике: гигантские электростанции никуда не делись, но рядом с ними выросла распределённая генерация и локальные батареи.

Для науки локальный ИИ — вообще не роскошь, а необходимость. Если эксперимент зависит от закрытой модели стороннего разработчика, любое обновление API или смена условий доступа ставит крест на воспроизводимости результатов. Наука десятилетиями строилась вокруг открытого кода — открытые модели вписываются в эту культуру естественно.

Следующий этап гонки — не мощность, а эффективность

Первые раунды AI-гонки были соревнованием моторов: больше параметров, больше GPU, больше капитальных затрат. Зрелые технологии обычно проходят следующий этап — оптимизацию, когда вопрос «насколько мощно» сменяется вопросом «сколько ресурсов ушло на результат».

IEA закладывает в прогноз почти двукратный рост энергопотребления дата-центров к 2030 году. Но параллельно модели учатся делать больше с меньшим количеством вычислений, а разрыв между открытыми и закрытыми решениями продолжает сокращаться.

Обе силы будут действовать одновременно: с одной стороны — миллиарды новых запросов, агенты, видео, роботы; с другой — компактные модели, локальные вычисления, оптимизация. Какая победит быстрее — вопрос на миллиарды долларов, и от ответа зависит не только судьба дата-центров, но и экономика значительной части AI-рынка.

Через пару лет признаком технологической силы, возможно, будет не размер построенного дата-центра, а способность решить ту же задачу без него. Обсудим ИИзацию бизнеса и наших жизней на Форуме Франчкэмп V. Соберём предпринимателей, инвесторов и франчайзеров, разберём разборы конкретных кейсов и запустим конкурс франшиз. Регистрация здесь - бесплатно.