Устойчивое мнение в индустрии ИИ состоит в том, что рост вскоре упрётся в глобальный дефицит топовых GPU.
Однако ограничением, определяющим следующий этап развития ИИ, может оказаться не столько абсолютная нехватка, сколько структурная неэффективность.
По словам Render Network’s Trevor Harries-Jones, большая часть мировой вычислительной мощности вообще не используется, и этот разрыв он считает более важным, чем ограничения по поставкам.
Неправильно понятый дефицит GPU
«Сорок процентов GPU в мире простаивают», — рассказал он в интервью Yellow.com на полях мероприятия Breakpoint от Solana. «Люди думают, что есть дефицит, но на самом деле существует избыток GPU, которые достаточно производительны, чтобы выполнять задачи рендеринга и ИИ».
Харрис-Джонс утверждает, что, хотя спрос на чипы уровня обучения, такие как Nvidia H100, остаётся высоким, само обучение составляет лишь небольшую долю реальных ИИ-нагрузок.
«Обучение на самом деле — лишь очень небольшой процент использования ИИ, — отмечает он. — Инференс занимает 80 процентов».
Это несоответствие, по его словам, открывает дорогу потребительскому “железу”, менее мощным GPU и новым классам процессоров, таким как LPU, TPU и ASIC, которые могут взять на себя гораздо большую долю глобальной вычислительной нагрузки, чем многие предполагают.
Второй сдвиг, на который он указывает, — это сближение традиционных 3D‑процессов с новыми ИИ-нативными форматами ассетов.
Создатели контента ведут ИИ к кинематографическим пайплайнам
Такие техники, как Gaussian splatting, которые сохраняют базовую 3D‑структуру вместо генерации плоских 2D‑кадров, и появление world models начинают подтягивать ИИ‑системы ближе к кинематографическому производственному конвейеру.
Эти изменения важны тем, что делают ИИ‑результаты пригодными для использования в существующих профессиональных инструментариях, а не оставляют их в виде отдельных «курьёзных» форматов.
Размер моделей остаётся проблемой, но Харрис-Джонс ожидает, что квантизация и сжатие моделей продолжат уменьшать открытые модели до такого уровня, когда они будут комфортно работать на потребительских устройствах.
Меньшие модели, по его словам, критически важны для децентрализованных сетей, которые опираются на распределённую ОЗУ и пропускную способность, а не на гипермасштабные кластеры.
Also Read: Data Shows Bitcoin Enters 'Cost-Basis Cycle' Era As ETFs Redefine Market Structure
В то время как многие ожидают, что растущая сложность моделей будет разгонять издержки, он считает, что доминировать будет противоположная динамика.
Прорывы в обучении, такие как недавние китайские проекты моделей, где приоритет был отдан эффективности, а не масштабу, указывают на будущее, в котором ИИ становится дешевле, даже когда использование ускоряется.
«По мере снижения стоимости, — говорит он, — вы будете видеть всё больше и больше сценариев использования».
Вместо дефицита вычислительных ресурсов Харрис-Джонс ожидает цикл в духе парадокса Джевонса: снижение стоимости порождает больший спрос, а рост спроса стимулирует ещё более эффективные системы.
Он также ожидает, что гибридные вычисления — смесь он‑девейс, локальных и централизованных облачных нагрузок — будут определять следующий этап развития индустрии.
По аналогии с распределённой моделью интеллекта Apple, разные среды будут обрабатывать разные задачи в зависимости от требований к задержкам, приватности, чувствительности и масштабу.
Критически важные рабочие нагрузки по‑прежнему будут требовать соответствующих стандартам дата‑центров, но несекретные или пакетные задачи всё чаще смогут выполняться на децентрализованных сетях. Достижения в области шифрования со временем могут расширить эти границы.
Грядущая волна 3D‑контента «в первую очередь»
В более долгосрочной перспективе он видит куда более широкий сдвиг: массовое распространение 3D, подпитываемое ИИ.
Харрис-Джонс ожидает, что следующая эра ориентированного на потребителя ИИ будет вращаться вокруг иммерсивного, изначально 3D‑контента, а не текста или плоских изображений.
«Мы будем потреблять больше 3D‑контента, чем когда‑либо прежде», — говорит он, указывая на ранние сигналы от иммерсивного “железа” и стремительную эволюцию 3D‑ИИ‑инструментов.
Традиционные узкие места моушн‑дизайна — высокотехнические процессы, доступные лишь узкому кругу экспертов, — могут уступить место инструментам, которые позволят миллионам пользователей создавать сцены уровня киноиндустрии.
Создатели, ранее сопротивлявшиеся ИИ, теперь напрямую экспериментируют с этими пайплайнами, ускоряя темп доработки инструментов и формируя эволюцию гибридных рабочих процессов.
Их обратная связь, по его словам, способна повлиять на направление развития отрасли не меньше, чем тренды в аппаратном обеспечении.
Read Next: Why Gradient Thinks Trillion-Parameter Models Won’t Belong To OpenAI or Google In The Future