Рынок ПК столкнулся с новой угрозой: дефицит процессоров становится более ощутимым, чем нехватка оперативной памяти. Согласно данным аналитиков DigiTimes, если память сегодня доступна, пусть и по завышенным ценам, то некоторые категории CPU фактически исчезли из свободной продажи, и это касается продукции как Intel, так и AMD.
Ситуация осложняется тем, что спрос на вычислительные мощности растет повсеместно — не только в серверном сегменте, где потребность в процессорах подстегивается бурным развитием агентских ИИ, но и в потребительском секторе.
По мнению экспертов, надежды на быстрое исправление ситуации связаны с оптимизацией техпроцесса Intel 18A. Однако это поможет лишь частично, так как на данной литографии выпускаются преимущественно новейшие решения, такие как Panther Lake и представленные недавно энергоэффективные Core Series 3 (Wildcat Lake). Эти меры не решают проблем с поставками более ранних поколений серверных и пользовательских чипов, а продукция AMD, производство которой целиком сосредоточено на мощностях TSMC, продолжает оставаться в дефиците.
Наиболее остро нехватка ощущается в сегменте процессоров Raptor Lake. Ситуация выглядит парадоксально на фоне планов Intel по продлению жизненного цикла платформы LGA1700 с поддержкой памяти стандарта DDR4.
Алгоритм Google TurboQuant: спасение или новая угроза?
Многие участники рынка возлагали надежды на алгоритм сжатия памяти Google TurboQuant, который обещает снижение затрат ресурсов при обучении ИИ в четыре-восемь раз. Однако ряд аналитиков предупреждает: вместо ожидаемого снижения нагрузки на инфраструктуру, технология может спровоцировать «эффект Джевонса», когда повышение эффективности приводит к взрывному росту потребления ресурса.
Квон Сок-джун, профессор Университета Сонгюнкван в Сеуле, подчеркивает, что снижение стоимости вывода данных откроет доступ к задачам, которые раньше считались экономически нецелесообразными. Это неизбежно приведет к увеличению общей потребности в вычислительных мощностях для работы ИИ-агентов в реальном времени.
«Значительно более низкая стоимость вывода данных открывает доступ к задачам, выполнение которых ранее было слишком дорогостоящим, что приводит к увеличению, а не к снижению общей потребности в вычислительных ресурсах», — отмечает профессор Квон Сок-джун.
Эту точку зрения разделяет и Хан Ин-су, соавтор исследований, легших в основу TurboQuant. По его словам, алгоритм станет фундаментом для обработки сверхдлинных контекстов и внедрения мощного ИИ в компактные устройства. С ним солидарен и аналитик Ким Ён-гун, проводящий аналогию с внедрением технологии контейнеризации Google Kubernetes. В тот период рынок также опасался снижения спроса на оборудование, но на практике доступность технологий лишь кратно увеличила масштабы использования серверов.
По мнению экспертов, рынок недооценил долгосрочное влияние инноваций, подобных TurboQuant. По мере усложнения моделей искусственного интеллекта потребность в памяти будет только расти — как для этапа обучения, так и для выполнения (инференса) задач. Реальное воздействие алгоритма на индустрию станет понятно после его официальной презентации на Международной конференции по обучению представлениям в Бразилии, которая запланирована на конец апреля.
