Расходы на инфраструктуру ИИ опережают контроль

В 107 компаниях расходы на инфраструктуру искусственного интеллекта растут значительно быстрее, чем способность отслеживать их экономику или управлять ею. Большинство организаций запускают ИИ на привычной базе гиперскейлеров и API провайдеров моделей, однако следующий вложенный доллар направляется на специализированные вычисления, которые сегодня почти никто из них не использует; подавляющее большинство намерено сменить или добавить провайдеров в течение года, а многие — в течение квартала. Решения о покупке принимаются на основе интеграции и совокупной стоимости владения, а не объявленной цены за токен, — и это к счастью, поскольку большинство предприятий пока еще не могут четко видеть свою юнит-экономику: графические процессоры загружены наполовину или менее, и менее половины компаний тщательно отслеживают реальную стоимость своих вычислений. В результате возникает «вычислительный разрыв» — массивные, быстро развивающиеся инвестиции опережают уровень прозрачности, необходимый для контроля над ними.

Эта волна исследований VentureBeat Pulse Research посвящена корпоративной инфраструктуре ИИ и вычислениям: на каком этапе развертывания находятся организации, на чем они запускают ИИ сегодня, насколько они удовлетворены, что заставит их сменить провайдера, где они планируют оценивать свои инвестиции и — что самое показательное — насколько хорошо они могут измерять экономику лежащих в основе всего этого вычислений и управлять ею.

Главный вывод заключается в наличии вычислительного разрыва — расстояния между тем, насколько агрессивно предприятия инвестируют в ИИ-инфраструктуру, и тем, насколько мало они понимают в ее экономике. Лишь около каждого пятого (21%) ИИ работает в продакшене в промышленных масштабах, однако намерения тратить средства опережают эту зрелость: крупнейшей запланированной областью, которую предприятия собираются оценивать в следующем году, являются специализированные под ИИ облака (45%) — уровень, который сегодня практически не используется ни одной из этих компаний. Между тем уже имеющиеся вычислительные мощности простаивают: 83% респондентов сообщают о загрузке GPU на 50% или меньше, и менее половины (44%) могут строго отслеживать стоимость своих ИИ-вычислений. Предприятия покупают больше инфраструктуры быстрее, чем успевают учитывать то, чем они уже владеют.

Компании также не определились со своими инфраструктурными вендорами: явное большинство (64%) планирует сменить или добавить провайдера инфраструктуры в течение двенадцати месяцев, а 38% — в следующем квартале. Это необычно высокий показатель текучести для столь фундаментальной категории. Свой выбор они делают на основе интеграции с существующим стеком (41%) и совокупной стоимости владения (35%), а не на основе номинальной цены: стоимость миллиона токенов является решающим фактором лишь для 8%. При этом передовое ограничение, которое определит следующий раунд решений — переход от вычислений на GPU к пропускной способности памяти по мере масштабирования инференса, — едва заметно на радаре: примерно каждый пятый опрошенный либо не знает о нем, либо еще не занимался его решением.

Этот отчет является одним из пяти в рамках исследования агентского стека (agentic stack) от VentureBeat Research за II квартал. Затраты — это параметр контроля с наименьшим количеством инструментов измерения: более восьми из десяти операторов GPU сообщают об использовании мощностей наполовину или менее того, и лишь меньшинство тщательно отслеживает стоимость вычислений и окупаемость. В краткой выдержке из отчета «VentureBeat Research: Where enterprise AI agent governance hasn’t caught up» этот вывод помещен в контекст общей картины.

Методология

VentureBeat провела этот опрос в рамках своей продолжающейся серии Pulse Research, сосредоточив внимание на корпоративной инфраструктуре ИИ, вычислениях и экономике инференса. Ответы отфильтрованы по организациям с числом сотрудников более 100 (n=107; наименьшая категория опроса с 1–100 сотрудниками исключена), полученным в ходе единственной волны во II квартале 2026 года (июнь). Поскольку это одна волна, а не объединенная выборка за несколько месяцев, отчет носит кросс-секционный характер и не предполагает выявления тенденций месяц к месяцу. Несколько вопросов предполагали выбор нескольких вариантов ответа, поэтому их доли в сумме могут превышать 100%.

По размеру организаций выборка сосредоточена в среднем сегменте рынка: лидируют компании с численностью 101–250 сотрудников (36%) и 251–1 000 (27%), за ними следуют 1 001–5 000 (22%), 5 001–10 000 (8%) и более 10 000 (7%). По ролям респонденты распределяются следующим образом: менеджеры (38%), индивидуальные контрибьюторы (28%), вице-президенты и директоры (19%), а также высшее руководство (13%). С точки зрения покупательской способности аудитория авторитетна: 45% являются лицами, принимающими окончательные решения, а еще 30% — советниками или лицами, влияющими на выбор ИИ-решений. Технологии / ПО — крупнейшая отрасль (26%), за ней следуют здравоохранение / науки о жизни (15%), финансовые услуги (13%) и ритейл / электронная коммерция (12%).

При 107 респондентах выборка достаточно велика для понимания общих тенденций, но ее следует воспринимать скорее как ориентир, а не как точное измерение; она сформирована на основе самоотбора и не является вероятностной выборкой. Кроме того, она смещена в сторону среднего бизнеса и ранних последователей, поэтому ее лучше рассматривать как мнение организаций, активно создающих ИИ-инфраструктуру, а не крупнейших гиперскейлеров.

Вывод 1: Амбиции опережают производство

Лишь каждый пятый запускает ИИ в продакшн в промышленных масштабах

Мы спросили организации, на каком этапе внедрения ИИ они находятся. Большинство все еще движется к продакшну, а не работает в промышленных масштабах.

Кривая зрелости смещена в сторону начальных этапов. Три четверти предприятий (76%) либо экспериментируют, либо запускают в продакшн лишь некоторые рабочие нагрузки, и только 21% заявляют об использовании ИИ в продакшне в масштабе. Это важно для всего последующего: инфраструктурные решения в этом отчете принимаются в основном организациями, находящимися на ранних стадиях внедрения, чей вычислительный след — и чьи затраты — собираются расти. Намерения по оценке и смене провайдеров из выводов 3 и 4 являются передовым краем этого процесса наращивания мощностей, а не устоявшимися предпочтениями операторов, которые уже нашли то, что работает.

Вывод 2: Предприятия работают на гиперскейлерах и API моделей

Специализированные облака с GPU едва заметны — на сегодняшний день

Мы спросили, каких провайдеров и какие платформы предприятия используют в настоящее время для запуска своего ИИ. Ответ знаком: это действующие лидеры рынка.

Текущий стек построен на базе гиперскейлеров и API. Лидирует Google Cloud с 48%, а облака общего назначения (Google, Microsoft, AWS, Oracle) вместе с основными API моделей (Gemini, OpenAI, Anthropic) составляют практически весь объем текущих внедрений. Специализированные ИИ-провайдеры («неооблака» с GPU), которые доминируют в заголовках новостей об инфраструктуре ИИ — CoreWeave, Lambda, Crusoe, Nebius и другие, — сегодня регистрируются на уровне нуля или близком к нему среди этих предприятий. Лишь 6% запускают собственные локальные GPU-кластеры и 4% — кастомный стек с открытым исходным кодом. На данный момент предприятия запускают ИИ у тех провайдеров, у которых они уже покупают услуги, что делает намерения по оценке из Вывода 3 еще более поразительными.

(Примечание к интерпретации этих долей. Как описано в разделе методологии, эта выборка сформирована на основе самоотбора и смещена в сторону среднего бизнеса; в этом вопросе учитывался каждый провайдер, используемый респондентом — в среднем 2,1 варианта на каждого, — поэтому цифры отражают присутствие в стеке, а не расходы или статус основного поставщика. Выборка, составленная таким образом, покажет иной набор провайдеров, чем перепись более широкого рынка, взвешенная по затратам; например, позиции Google здесь согласуются с его давним присутствием среди небольших компаний, строящих решения на базе ИИ. Воспринимайте эти показатели как портрет того, что использует эта активная в сфере ИИ когорта сегодня, а разрывы между этими цифрами и оценками рыночной доли в масштабах всей индустрии рассматривайте как свойство выборки, а не противоречие).

Вывод 3: Следующий доллар направляется на инфраструктуру, которую они еще не используют

Специализированные под ИИ облака возглавляют список объектов для оценки

Мы спросили, какие элементы ИИ-инфраструктуры предприятия планируют оценить в течение следующих 12 месяцев. Их ответы указывают в сторону от стека, который они используют сегодня.

Здесь кроется самое острое противоречие отчета. Самая популярная запланированная область оценки — специализированные под ИИ облака (45%) — представляет собой именно ту категорию, которую сегодня почти никто из этих предприятий не использует (Вывод 2). Почти треть (32%) намерены оценить ускорители не от Nvidia, а 28% — кремниевые чипы Nvidia следующего поколения; даже децентрализованные вычислительные сети (16%) и суверенные вычисления (11%) вызывают заметный интерес. В сравнении с текущим использованием это не инкрементальное развитие, а авангард реплатформинга. Вопрос о направлениях движения говорит о том же: каждый инфраструктурный подход демонстрирует чистый рост, но специализированные ИИ-облака имеют наибольший потенциал чистой динамики (+24), опережая даже гиперскейлеров (+22). Предприятия готовятся перенести значительную часть ИИ-вычислений из облаков общего назначения.

Это продолжает тенденцию, наблюдавшуюся в нашей волне опросов за апрель–май. Тогда использование специализированных ИИ-облаков было столь же маргинальным: CoreWeave пользовались 3%, Lambda — 4%, Crusoe — 2% предприятий. Когда мы спросили компании, какие изменения они планируют в своей стратегии ИИ-инфраструктуры в течение следующих двенадцати месяцев, самым частым ответом (33%) был перенос рабочих нагрузок в специализированные ИИ-облака. На вопрос в апреле-мае о том, какие новые варианты вычислений они с наибольшей вероятностью оценят, специализированные под ИИ облака снова собрали больше всего голосов. Две волны, два по-разному сформулированных вопроса, одна и та же картина: тип облака, который предприятия стремятся оценить больше всего, — это тип, который они едва начали использовать.

Вывод 4: Назревает волна смены провайдеров

Шесть из 10 планируют сменить провайдера в течение года — многие в течение квартала

Мы спросили, планируют ли предприятия сменить или добавить инфраструктурного провайдера и когда именно. Лишь очень немногие намерены оставаться на прежнем месте.

Для столь фундаментальной категории, как вычисления, это поразительный объем планируемых перемещений. Лишь 36% не имеют планов по изменению, а это значит, что подавляющее большинство (64%) намерены сменить или добавить провайдера в течение двенадцати месяцев, причем 38% — только в следующем квартале. Показательно, куда направлен этот интерес: провайдеры, привлекающие наибольшее внимание с точки зрения смены поставщика, — это снова традиционные лидеры: Microsoft Azure и Google Cloud (по 33%), OpenAI (30%) и Gemini (22%). Это говорит о том, что большая часть краткосрочных перемещений представляет собой перетасовку среди крупных игроков и консолидацию расходов, а не переход к новым участникам рынка. Интерес к неооблакам из Вывода 3 — это 12-месячный тезис для оценки; смена провайдеров в ближайшем квартале — в основном перераспределение долей между действующими игроками.

(Примечание к методологии: респонденты, выбравшие одновременно «нет планов менять» и конкретный период для смены провайдера, засчитываются как мигрирующие, исходя из логики, что указание временных рамок является более конкретным ответом; в соответствии с этим правилом были реклассифицированы три респондента.)

Вывод 5: Никто не покупает по цене токена

Решающую роль играют интеграция и совокупная стоимость владения, а не ценник

Мы спросили, что имеет наибольшее значение при выборе предприятиями провайдера ИИ-инфраструктуры. Объявленная цена заняла последнее место.

Предприятия не покупают ИИ-инфраструктуру на основе ценообразования, по которому вендоры конкурируют наиболее жестко. Доминируют интеграция с существующим стеком (41%) и совокупная стоимость владения (35%), в то время как главный маркетинговый показатель — стоимость миллиона токенов — является решающим фактором лишь для 8% (последнее место). Эта закономерность логична: покупатели оптимизируют выбор под то, как провайдер вписывается в их процессы и во сколько реально обходится эксплуатация, а не под рекламируемую тарифную ставку. Это также предвосхищает Вывод 7: предприятия говорят, что TCO имеет наибольшее значение, но при этом большинство пока не может измерить ее строго. Заявленный приоритет и измеряемые возможности расходятся.

Вывод 6: Дорогие GPU, большую часть времени простаивающие

83% сообщают о загрузке GPU на 50% или меньше

Мы спросили, какую долю своих мощностей GPU предприятия используют на самом деле. Ответ демонстрирует хорошо известную, но редко поддаваемую количественной оценке неэффективность.

Раскрытие информации: проценты по категориям рассчитываются по всем 107 квалифицированным респондентам; 14 респондентов выбрали более одной категории, поэтому диапазоны перекрываются. На уровне респондентов 83 из 100 компаний, использующих GPU, сообщили об уровне загрузки на уровне или ниже 50%.

Уже развернутые вычислительные мощности простаивают. Если сложить показатели диапазонов на уровне половины емкости или ниже, то 83% предприятий, эксплуатирующих GPU, сообщают об их использовании на уровне 50% или менее, а почти половина (49%) работают на уровне 25% или ниже. Лишь 12% преодолевают отметку в 50%, а еще 8% вообще не измеряют показатель загрузки. Простаивающие ускорители — это дорогие ускорители, и это самый наглядный единичный показатель вычислительного разрыва: предприятия планируют покупать больше GPU и специализированных вычислительных мощностей (Вывод 3), в то время как имеющаяся у них емкость в значительной степени остается неиспользованной. Запас эффективности в текущем парке оборудования огромен — и в массе своей никак не измерен.

Вывод 7: Быстрые траты, медленные измерения

Менее половины компаний строго отслеживают стоимость своих вычислений

Мы спросили, могут ли предприятия количественно оценить стоимость и окупаемость своих инвестиций в ИИ-инфраструктуру, а также насколько они удовлетворены тем, что используют. Уверенность в финансовом учете отстает от расходов.

Измерения плетутся позади денег. Менее половины предприятий (44%) тщательно отслеживают стоимость и окупаемость своих ИИ-вычислений; большинство отслеживает их лишь частично (39%), пока не может измерить (20%) или еще не сделало это приоритетом (6%). Этот разрыв имеет важное значение в свете Вывода 5, где совокупная стоимость владения оказалась вторым по значимости критерием покупки: предприятия выбирают провайдеров на основе экономической модели, которую в большинстве своем пока не способны измерить. Удовлетворенность текущей инфраструктурой умеренно положительная, но без энтузиазма: по пятибалльной шкале общая удовлетворенность составляет в среднем 4,0 балла, причем простота внедрения (3,8) и соотношение цены и качества (3,9) отстают незначительно — причем наибольшее недовольство, что показательно, приходится на затраты. Предприятия тратят быстро, а отчитываются медленно.

Вывод 8: Следующее «бутылочное горлышко», за которым мало кто следит

По мере того как инференс смещается от вычислений к памяти, рынок рассыпается на части

Наконец, мы спросили, как предприятия собираются справляться с возникающим ограничением в крупномасштабном инференсе — переходом от вычислений на GPU к памяти, в частности к емкости KV-кэша. Ответы показывают наличие фронтира, который пока не является приоритетом.

Проблема пределов памяти реальна, но ей почти не управляют. На вопрос о том, на какой подход они будут опираться по мере смещения главного ограничения в инференсе с вычислений на пропускную способность памяти, мнения предприятий разделились: лидирует Dell с 31%, за ней следует Nvidia с 16%, а остальное фрагментировано между поставщиками систем хранения данных, инструментами с открытым исходным кодом и методами повышения эффективности на уровне моделей. Самое показательное заключается в том, что примерно каждый пятый респондент (18%) либо не осознает это ограничение, либо еще не начал им заниматься. Для сдвига, который изменит стоимость и архитектуру инференса, это ранний и неопределенный рынок — и, в соответствии с пробелом в измерениях из Вывода 7, рынок, на котором многие предприятия просто еще не сформировали своего мнения. Это следующая глава вычислительного разрыва, которая наступает раньше, чем большинство успело закрыть текущую.

Итог: Вычислительный разрыв, который быстрые траты лишь усугубят, а не ликвидируют

Организации с численностью сотрудников более 100 человек инвестируют в инфраструктуру ИИ быстрее, чем способны ее оценивать. Большинство из них все еще находятся на ранних стадиях развертывания, однако их намерения в отношении расходов выходят за рамки текущего стека — в сторону специализированных облаков и альтернативных ускорителей, которые сегодня почти никто из них не использует, — и явное большинство намерено сменить провайдеров в течение года. Они покупают решения на основе интеграции и совокупной стоимости владения, а не номинальной цены, что рационально; сложность заключается в том, что большинство пока не может отчетливо разглядеть эту экономику.

Проблема прозрачности вполне осязаема. Графические процессоры, которыми предприятия уже владеют, для подавляющего большинства работают с загрузкой вполовину или меньше, и менее половины компаний могут строго отслеживать стоимость своих вычислений или их окупаемость. Удовлетворенность находится на приличном, но сдержанном уровне, причем минимальна она в отношении соотношения цены и качества — параметра, который труднее всего оценить без измерений. А следующее ограничение — переход от вычислений к памяти в крупномасштабном инференсе — подкрадывается в то время, когда большинство предприятий еще даже не подозревают о нем. При 107 респондентах в рамках одной волны за II квартал это предварительный ориентир, смещенный в сторону среднего бизнеса и ранних последователей, но вектор неизменен: аппетит к тратам значительно опережает инструменты для грамотного расходования средств. Вычислительный разрыв — это не проблема дефицита мощностей, которую железо решит само по себе; это прежде всего проблема понимания того, во сколько уже обходится это железо. Открытым вопросом для последующих волн остается то, успеют ли предприятия выстроить эту прозрачность до наступления реплатформинга — или купят следующий слой инфраструктуры столь же слепыми к его экономике, как и предыдущий.

Основано на ответах 107 квалифицированных корпоративных респондентов (100+ сотрудников), полученных в ходе единичной волны исследования во II квартале 2026 года (июнь). Поскольку это одна волна, а не совокупная выборка за несколько месяцев, результаты носят кросс-секционный характер, а не отражают динамику месяц к месяцу; при 107 респондентах это скорее направленный сигнал, чем точное измерение — выборка сформирована на основе самоотбора, смещена в сторону среднего бизнеса и склоняется в сторону ранних последователей, а не крупнейших операторов гиперскейл-облаков. Респонденты включают менеджеров, индивидуальных контрибьюторов, вице-президентов/директоров и топ-менеджмент с полномочиями принимать решения о закупках в сферах технологий/ПО, здравоохранения/наук о жизни, финансовых услуг, ритейла/электронной коммерции и других отраслей.