Стратегический сдвиг: за пределами монополии GPU

Последние два года в глобальном дискурсе о полупроводниках доминировала одна аббревиатура: GPU. С началом бума генеративного ИИ гиперскейлеры и предприятия поспешили обеспечить себя оборудованием NVIDIA, позиционируя графические процессоры (GPU) как неоспоримый двигатель революции в сфере ИИ. Однако новый отчет Morgan Stanley предполагает, что отрасль находится на пороге значительных архитектурных изменений. По мере того как агентный ИИ (Agentic AI) эволюционирует, переходя от простых интерфейсов чат-ботов к автономным системам выполнения задач, спрос на вычислительную мощность будет распространяться на более широкую экосистему оборудования, в частности, возрождая рынок CPU (центральных процессоров).

По мнению аналитиков Morgan Stanley, этот переход представляет собой нечто большее, чем просто незначительное изменение в закупках; это фундаментальная реконфигурация центров обработки данных. Хотя GPU остаются жизненно важными для массивных параллельных вычислений, необходимых для обучения больших языковых моделей (LLM), развертывание автономных «агентов» требует иного вычислительного профиля — такого, который в значительной степени опирается на универсальные и чувствительные к задержкам возможности традиционных процессоров.

Понимание спроса на инфраструктуру для агентного ИИ

Переход от «генеративного» к «агентному» ИИ — это сдвиг в сторону систем, способных планировать, выполнять и итерировать сложные рабочие процессы с минимальным контролем со стороны человека. Эти агенты требуют постоянного, быстрого принятия решений и взаимодействия с разрозненными базами данных, API и данными из реального времени.

Morgan Stanley прогнозирует, что этот сдвиг парадигмы может принести до 60 миллиардов долларов дополнительной выручки на рынок CPU к 2030 году. Этот рост обусловлен несколькими ключевыми факторами:

• Узкие места ввода-вывода (I/O): Агентные рабочие процессы включают интенсивное перемещение данных между памятью, хранилищем и сетевыми интерфейсами — это области, в которых CPU превосходят GPU.
• Управление задержками: Автономные агенты не могут позволить себе накладные расходы на задержки, связанные с переносом каждой микрозадачи на GPU-ускоритель.
• Разнообразие рабочих нагрузок: Агенты часто выполняют мультимодальные задачи, требующие высокопроизводительных последовательных вычислений, что является исторической сильной стороной CPU.

Сравнительные требования к оборудованию для рабочих нагрузок ИИ

Чтобы визуализировать, как меняется ландшафт оборудования, мы выделили основные различия в ориентации на рабочие нагрузки между развивающимися категориями развертывания ИИ.

Тип оборудования	Основная функция ИИ	Ответственность в агентном рабочем процессе	Акцент оборудования
GPU	Обучение моделей и массовый инференс	Параллельная обработка массивных вычислений нейронных узлов	Высокопропускная память HBM и тензорные ядра
CPU	Оркестрация задач и предобработка данных	Управление агентной логикой, маршрутизацией данных и вызовами API	Высокая тактовая частота и низкая задержка пропускной способности I/O
ASIC/NPU	Специализированное ускорение	Энергоэффективный инференс на периферии	Высокая производительность на ватт

Реконфигурация центров обработки данных на следующее десятилетие

Вливание 60 миллиардов долларов в сектор CPU означает, что «ИИ-дата-центр» 2030 года будет фундаментально отличаться от кластеров 2024 года, перегруженных GPU. Отраслевые архитекторы в настоящее время перепроектируют серверные стойки, чтобы сбалансировать массивное тепловыделение мощных GPU с высокоскоростным подключением и вычислительной гибкостью современных CPU.

Эта эволюция является позитивным сигналом для сектора полупроводников в целом. Размывая гиперконцентрацию расходов на одну категорию оборудования, рынок достигает более устойчивой траектории роста. Как отметили аналитики Morgan Stanley, такая диверсификация снижает профиль риска для всей цепочки поставок технологий, гарантируя, что вычислительные ресурсы соответствуют специфическим характеристикам работающего на них программного обеспечения.

Ключевые драйверы роста рынка

1. Расширение автономных рабочих процессов: По мере того как предприятия интегрируют агентов в управление цепочками поставок и финансовый анализ, необходимость в надежных фоновых вычислениях возрастает.
2. Интеграция периферии и облака: Агентные системы часто должны находиться ближе к источнику данных, что требует более мощных CPU на уровне узлов.
3. Программно-определяемая инфраструктура: Переход к модульным программным стекам позволяет разработчикам направлять задачи на CPU, оптимизируя задержки и общую стоимость одного запроса.

Прогноз для инвесторов и технических лидеров

Для наблюдателей из Creati.ai последствия исследования Morgan Stanley очевидны: бум ИИ вступает в свою «фазу реализации». В то время как «фаза обучения» была эрой, определяемой дефицитом GPU и гипериростом капитальных затрат, «агентная фаза» будет определяться интеграцией, оптимизацией и сбалансированными гетерогенными вычислениями.

Компании, которые исторически оставались в стороне из-за интенсивного фокуса на производителях только GPU-оборудования, теперь возвращаются в центр внимания. Ожидается, что ведущие производители CPU и специализированные вычислительные провайдеры будут играть такую же критическую роль в будущем цепочки создания стоимости AGI (искусственного общего интеллекта), как и традиционные лидеры в области GPU-оборудования.

Глядя на 2030 год, спрогнозированный рост CPU на 60 миллиардов долларов — это не просто статистический прогноз; это дорожная карта того, как отрасль предвидит будущее производительности. Автономные агенты завтрашнего дня будут полагаться на целостную архитектуру, доказывая, что в гонке за созданием интеллекта будущего универсальный CPU остается незаменимым элементом инфраструктурной головоломки.