Мощность без результата. Вычислительная мощность сама по себе ничего не производит

Мощность без результата. Вычислительная мощность сама по себе ничего не производит

brekotin

Недавно я решил немного поиграться с компьютером и заняться тем, чем раньше практически не занимался: обработкой видео и голоса, установкой ИИ-агентов и прочего программного обеспечения на домашнем компьютере. И неожиданно для себя впервые за много лет столкнулся с совершенно банальной, но в моём случае необычной проблемой: компьютер просто не тянет.

Дело в том, что я прекрасно понимаю, где компьютеру требуется вычислительная мощность. В самом общем виде она нужна тогда, когда приходится либо обрабатывать большие объёмы данных, либо выполнять сложные вычисления, либо обеспечивать какую-то тяжёлую графическую нагрузку. В обычной жизни мощный компьютер большинству людей нужен прежде всего для игр. Именно поэтому на протяжении многих лет я практически не видел для себя особого смысла в покупке дорогого железа.

Играть я никогда особенно не стремился. В студенчестве, конечно, играл в Heroes, где требования к компьютеру были минимальными. До этого был Quake 2–3, ради которого я даже купил видеокарту за «целых» 100 долларов, огромные для меня по тем временам деньги. Но дальше гонка за производительностью ради игр для меня закончилась. Я прекрасно понимал, что можно потратить значительную часть зарплаты (а то и всю) на компьютер, который будет в несколько раз мощнее имеющегося. Это конечно прикольно. НО ЗАЧЕМ? Если компьютер начинает выполнять мою рабочую задачу в пять раз быстрее, а сама задача занимала у меня десять минут, экономия составляет всего несколько минут. Причём далеко не всегда эти пять раз вообще превращаются в пять раз реальной производительности.

Если производительность не экономит рабочего времени, не увеличивает выпуск продукции и не приносит дополнительного дохода, то сама по себе она для меня особой ценности не имеет.

При этом я прекрасно знаю, что вычислительная мощность действительно может давать колоссальный экономический эффект. В первые годы своей работы я занимался обработкой данных и миграциями ERP-систем. Там постоянно требовалось проверять данные, преобразовывать их, конвертировать, сопоставлять структуры старой и новой систем, выявлять ошибки и подготавливать информацию для загрузки в новую систему. И там производительность компьютера могла непосредственно влиять на продолжительность рабочего процесса.

У меня был совершенно показательный случай. Одни данные я обрабатывал на персональном компьютере примерно сутки. Поставил обработку утром, пришёл на следующий день утром, и только тогда она закончилась. После этого возникла задача с другими данными, примерно такого же объёма и с сопоставимым набором проверок. Я перенёс обработку на сервер ERP (причем на продакшн. Мог себе позволить) и стал выполнять её непосредственно средствами MS SQL. В результате вся обработка прошла быстрее, чем за минуту. 24 часа и ... минута!!!

Но это был не пример того, как сервер оказался просто в тысячу раз мощнее персонального компьютера. Главный выигрыш был архитектурным. На персональном компьютере происходило постоянное обращение через ODBC непосредственно к базе данных. Данные находились в одном месте, программа, которая их обрабатывала, находилась в другом, и между ними постоянно происходил обмен. На каждом обращении возникали накладные расходы. Данные нужно было запросить, получить, передать, обработать и снова обратиться к базе. Когда же вычисление было перенесено туда, где уже находились сами данные, MS SQL получил возможность работать с ними непосредственно внутри базы. Поэтому задача, занимавшая сутки, превратилась в задачу продолжительностью меньше минуты. Мне было 22 года и свою ошибку в архитектуре я понял быстро. Помню, представительница заказчика даже спросила: "Что-то ты в этот раз всё быстро сделал".

Важна не сама по себе производительность процессора или количество серверов. Важно, как устроена вся система. Где находятся данные, где выполняются вычисления, сколько раз приходится передавать данные между компонентами, как организовано хранение, насколько эффективно используется программное обеспечение. Иногда изменение архитектуры даёт выигрыш в тысячи раз, тогда как покупка компьютера в несколько раз мощнее практически ничего не меняет.

Именно поэтому сегодняшняя гонка за вычислительными мощностями сама по себе ещё ничего не говорит об экономическом результате. Сейчас прежде всего в США строится огромное количество дата-центров, закупаются гигантские объёмы GPU, создаются новые энергетические мощности, расширяются сети и системы охлаждения. Всё это происходит вокруг искусственного интеллекта. Но возникает принципиальный вопрос:

Что именно экономика получает от этих вычислений?

Вычислительная мощность является ресурсом, а не конечным экономическим результатом. Она похожа на электроэнергию, станки или транспорт. Наличие большого количества ресурса само по себе не означает, что страна стала богаче. Важно, что именно производится с помощью этого ресурса.

Можно построить огромный вычислительный кластер и использовать его преимущественно для генерации текстов, картинок, музыки, видео и других форм контента. Это создаёт новый сектор потребления и, безусловно, имеет экономическую ценность. Но это совсем не то же самое, что непосредственное увеличение производительности производства. Разумеется, ИИ внедряется в производство и в США. Однако на фоне колоссальных вложений в вычислительную инфраструктуру вопрос об их влиянии на производительность всей экономики становится особенно важным.

Совершенно другой эффект возникает, когда искусственный интеллект становится инструментом производства. Если ИИ сокращает простои, снижает расход энергии и материалов, уменьшает количество брака и ускоряет проектирование, тогда мы действительно имеем технологическую революцию. Если же он лишь позволяет быстрее генерировать контент для потребления, экономический эффект существует, но имеет другую природу!

Здесь особенно интересен китайский опыт. Языковые модели в Китае, разумеется, тоже используются как обычные потребительские сервисы. Но одновременно там активно развивается внедрение ИИ непосредственно в промышленность. Китайская статистика и исследования последних лет показывают, что ИИ применяется для оптимизации распределения ресурсов, управления производством, проектирования, контроля качества и других производственных процессов.

В марте 2026 года министр промышленности и информатизации Китая Ли Лэчэн сообщил, что по итогам 2025 года уровень распространения технологий искусственного интеллекта среди крупных промышленных предприятий страны превысил 30 процентов.

Именно здесь, на мой взгляд, находится настоящий экономический смысл искусственного интеллекта. Не в том, сколько GPU установлено в дата центрах, не в том, сколько запросов в секунду способна обработать языковая модель и не в том, сколько пользователей каждый день с ней разговаривают. Вопрос заключается в том, сколько дополнительного выпуска создаётся благодаря этим вычислениям.

Это можно выразить очень простой цепочкой. Вычисления позволяют оптимизировать производство. Оптимизация увеличивает производительность труда и оборудования. Рост производительности позволяет увеличить выпуск либо снизить себестоимость. Увеличение выпуска повышает количество доступных товаров и услуг. А уже это может приводить к росту реального уровня жизни.

Но не надо забывать, что производство требует энергии. Если ИИ действительно позволяет увеличить физический выпуск экономики, то дополнительная производительность вычислений должна быть встроена в расширение самого производства. Значит, потребуется не только электроэнергия для дата центров, но и дополнительная энергия для заводов, транспорта, оборудования и всей производственной цепочки.

Это принципиально отличается от ситуации, когда вычислительная инфраструктура сама по себе растёт быстрее, чем реальный выпуск экономики. Если страна строит всё новые дата центры, расходует всё больше электричества на GPU, но при этом эти вычисления в основном обслуживают потребительский спрос на генерацию контента, то возникает вопрос о соотношении затрат и результата. Огромный объём капитала и энергии был потрачен, но где соответствующее увеличение производства материальных благ?

Именно поэтому я бы сформулировал главный вопрос сегодняшней ИИ-гонки совсем не так, как это обычно делают. Вопрос не в том, у кого больше вычислительных мощностей. Вопрос в том, кто эффективнее превращает вычислительные мощности, данные и энергию в рост производительности реального производства.

Мой старый опыт с ERP для меня поэтому гораздо показательнее любого красивого графика роста количества GPU. Там вычисления позволили превратить сутки работы в минуту. Это был совершенно конкретный прирост производительности. Если искусственный интеллект сможет делать то же самое не с одной процедурой обработки данных, а с миллионами производственных процессов, тогда мы действительно получим новый этап технологического развития.

А если огромные вычислительные мощности будут в основном использоваться для того, чтобы человечество быстрее разговаривало с чат-ботами и производило больше цифрового контента, то вопрос об экономическом эффекте всей этой инфраструктуры останется гораздо менее очевидным.

ИСТОЧНИК https://aftershock.news/?q=node/1644839