- BrainTools - https://www.braintools.ru -

Токены жгут быстрее, чем успевают строить дата-центры

Два года назад Google обрабатывал 9,7 триллиона токенов в месяц. А уже весной 2026-го гендиректор Google Сундар Пичаи назвал со сцены конференции I/O уже больше 3,2 квадриллиона [1]. Это рост примерно в 330 раз.

Представьте ресторан, в который за пару лет стало ходить в сотни раз больше гостей. Блюда подешевели, повара готовят быстрее, а очередь всё равно тянется по всей улице, потому что газ к новой кухне обещают подвести только лет через пять. Примерно так сейчас выглядит индустрия ИИ. Блюда здесь – токены, кухни – дата-центры, газ – электричество. Чипы компании ещё как-то находят, а подключение к сети не ускоришь никакими деньгами.

Сегодня посмотрим, как растёт расход токенов у Google, Microsoft, OpenAI и Amazon и почему удешевление токена не сокращает общий счёт. Потом разберём, сколько денег и гигаватт под это закладывают и где всё упирается в подстанции.

Для начала стоит пояснить, что компании сами определяют, что относить к «токенам». У Google это объём по всем продуктам, у OpenAI это трафик API [2]. Amazon, в свою очередь, говорит о Bedrock, сервисе для работы с моделями через API. Складывать эти цифры в одну кучу будет как минимум неграмотно.

Зато можно смотреть на скорость роста внутри одного ряда. У Google в мае 2024-го было 9,7 трлн токенов в месяц, через год около 480 трлн, а к маю 2026-го больше 3,2 квадриллиона. На первом отрезке рост в 50 раз, на втором ещё примерно в семь.

Сколько токенов в месяц обрабатывают все продукты Google. Источник. 

Сколько токенов в месяц обрабатывают все продукты Google. Источник [1]. 

Google отдельно считает трафик API собственных моделей. На звонке Alphabet за третий квартал 2026-го компания назвала почти 32 млрд токенов [3] в минуту. Это на 40% больше, чем в прошлом квартале, и более чем в четыре раза больше, чем год назад.

У Microsoft история похожая, только с поворотом. Весной 2025-го гендиректор компании Сатья Наделла отчитался о более чем 100 трлн токенов за квартал [4]. Это в пять раз больше, чем годом раньше, причём 50 трлн из них пришлись на один только март.

А потом Microsoft перестала называть общий объём токенов. Тем не менее делать из этого вывод, что рост кончился, будет опрометчиво. Уверен, что нет. Ведь в октябре 2026-го финдиректор Microsoft Эми Худ всё ещё повторяет, что спрос клиентов выше доступного предложения [5]. Компании, у которой спрос падает, такие слова ни к чему (ну или кто-то рисует красивую картинку для инвесторов).

У OpenAI в 2023 году Developer API обрабатывал около 300 млн токенов в минуту [6]. А в 2025-м гендиректор OpenAI Сэм Альтман назвал уже больше 6 млрд [2]. Примерно двадцатикратный рост за два года, причём это только внешняя интеграция сторонних приложений через Developer API, без учёта пользовательского трафика самого веб-интерфейса и приложений ChatGPT.

Amazon абсолютную цифру в этом сообщении не раскрыла, зато сравнила периоды. По словам гендиректора Amazon Энди Джасси, за первый квартал 2026 года Bedrock обработал больше токенов, чем за все предыдущие годы вместе [7].

Ряды разные, но везде расход растёт в разы за год-два, а у Google в сотни раз. Дело не в притоке новых пользователей. Продуктами Google ещё в 2024 году пользовались миллиарды людей, и вырасти в 330 раз такая аудитория просто не могла. Значит, каждый пользователь и каждый запрос теперь сжигают больше токенов, чем раньше.

Почему токенов нужно всё больше

На этом вводная часть закончена. Думаю, вы убедились в аномальном росте потребления токенов. Но откуда идут такие страшные цифры? Причин три, и они складываются друг с другом.

Первая – рассуждения. Они увеличивают объём вычислений на одну задачу. Reasoning-модель, прежде чем ответить, пишет длинную цепочку мыслей. Она перебирает варианты, проверяет себя, иногда возвращается назад. Часто вы эту цепочку даже не видите, но каждый токен в ней посчитан (и, как правило, оплачен). Для любознательных – в нашем блоге есть статья про то, как работает Reasoning у LLM [8].

Можете сами удостовериться, насколько быстро это случилось:

Динамика использования токенов в reasoning- и non-reasoning-моделях. Декабрь 2025. Источник

Динамика использования токенов в reasoning- и non-reasoning-моделях. Декабрь 2025. Источник [9]

На графике изображено более чем 100 трлн токенов реального трафика. Доля трафика на reasoning-модели выросла почти с нуля в начале 2025-го до более чем половины всех токенов к концу года. Средняя длина запроса вместе с ответом за 20 месяцев увеличилась втрое, с менее чем 2000 токенов до более чем 5400.

Количество выходных токенов почти утроилось. Источник.

Количество выходных токенов почти утроилось. Источник. [9]
Средняя длина промптов с начала 2024 года увеличилась почти в четыре раза. Это отражает растущую сложность задач, для решения которых моделям требуется обрабатывать всё большие объёмы контекста. Источник.

Средняя длина промптов с начала 2024 года увеличилась почти в четыре раза. Это отражает растущую сложность задач, для решения которых моделям требуется обрабатывать всё большие объёмы контекста. Источник. [9]

Вторая причина — агенты, и они накладываются на первую причину. Если reasoning-модель удлиняет один ответ, то агент умножает число обращений к модели. Он читает репозиторий, гоняет тесты, переписывает код, снова читает (и так до утра). Каждый такой шаг уходит в модель новым запросом с кучей контекста.

Доля программирования в токенах выросла с 11% в начале 2025-го до более чем 50% в последние недели выборки.

Доля программирования в токенах OpenRouter в 2025 году. Источник.

Доля программирования в токенах OpenRouter в 2025 году. Источник. [9]

Запросы про программирование в этой выборке в среднем в 3–4 раза длиннее [9] запросов общего назначения. При чтении, отладке и генерации кода они регулярно превышают 20 тысяч входных токенов.

Глава NVIDIA Дженсен Хуанг на конференции GTC 2025 сказал, что из-за reasoning и агентов вычислений нужно «в сто раз больше» [10], чем думали годом раньше. Звучит громко и, конечно, удобно для человека, который продаёт видеокарты. Но если дослушать, он сам делит эту сотню на две части. Модель генерирует в 10 раз больше токенов, и считать их нужно в 10 раз быстрее, чтобы пользователь не уснул в ожидании ответа.

Третья причина – парадокс [11] Джевонса. Чем дешевле вычисления, тем больше для них находится задач. Для справки, в XIX веке паровые машины стали экономичнее, но угля начали жечь больше, а не меньше. Дешёвая энергия открыла новые применения, которые раньше просто не окупались.

Глава OpenAI Сэм Альтман в подкасте BG2 перенёс эту логику [12] на ИИ. Если цена вычислений завтра упадёт в сто раз [13], использование, по его словам, вырастет намного больше, чем в сто раз.

И цена действительно падает. Вопрос только в том, какую цену считать, за токен или за решённую задачу. Авторы работы «The Price of Progress» с NeurIPS 2025 считали именно цену прохождения бенчмарков. По их расчётам, фиксированный уровень качества дешевеет в 5–10 раз в год. А стоимость запуска самых сильных моделей, наоборот, растёт в 3–18 раз в год [14], потому что модели крупнее и рассуждения длиннее.

Токен дешевеет, а счёт «за подумать» — нет. Для прежних задач можно взять подешевевшую модель. А переход на более сильную модель с длинными рассуждениями может оказаться не самым выгодным решением.

Цена за 1 млн токенов при MMLU не ниже 42, 2021–2024 годы. Ступеньки показывают самую дешёвую модель, пунктир - падение цены примерно в 10 раз за год. Шкала линейная. Источник.

Цена за 1 млн токенов при MMLU не ниже 42, 2021–2024 годы. Ступеньки показывают самую дешёвую модель, пунктир – падение цены примерно в 10 раз за год. Шкала линейная. Источник [15].

У Epoch AI в исследовании за март 2025-го [16] сравниваются модели на шести тестах, от общих знаний до программирования. Для каждой планки качества исследователи искали самую дешёвую модель, которая её брала, и смотрели, как менялась цена со временем.

Общего темпа для всех задач не получилось. Уровень GPT-3.5 Turbo в тесте на общие знания MMLU дешевел примерно в 9 раз за год. А в GPQA, тесте со сложными научными вопросами, уровень GPT-4 дешевел в 40 раз за год, уровень GPT-4o – в 900 раз. Последний темп наблюдали на коротком отрезке, поэтому сами авторы не обещают, что он сохранится.

Цена за 1 млн токенов при фиксированном качестве на разных тестах. Точки - самые дешёвые модели на дату выхода, линии - темп удешевления. Шкала логарифмическая. Источник. Данные: Epoch AI.

Цена за 1 млн токенов при фиксированном качестве на разных тестах. Точки – самые дешёвые модели на дату выхода, линии – темп удешевления. Шкала логарифмическая. Источник [16]. Данные: Epoch AI [16].

Почему деньги не решают

Модели рассуждают дольше, агенты обращаются к ним снова и снова, а низкая цена позволяет запускать задачи, на которые раньше жалели денег. 

Пока мы радуемся дешёвому запросу, дата-центру приходится обслуживать всё больше таких запросов. Казалось бы, ответ простой: купите чипов да побольше, постройте ещё зданий. Деньги-то у крупных компаний есть. Почему же они продолжают жаловаться на нехватку мощностей?

Начнём с Alphabet, материнской компании Google. На той же I/O гендиректор Google Сундар Пичаи напомнил о $31 млрд [1] капекса за 2022 год. Это капитальные затраты на здания и железо. На 2026-й сначала планировали $175–185 млрд, но на этой сумме не остановились. К маю прогноз вырос до $180–190 млрд [17], а в июле Alphabet подняла его до $195–205 млрд [18]. До конца года оставалось два квартала, а прогноз уже дважды пересмотрели вверх.

Весной компания Microsoft рассчитывала потратить примерно $190 млрд [19] за календарный 2026-й, а в октябре снизила прогноз примерно до $170 млрд [5]. При этом в компании продолжали заверять, что спрос по-прежнему превышает предложение. Эми Худ на встречах с инвесторами регулярно подчёркивает, что клиенты выстраиваются в очередь за вычислениями, но компания физически не может потратить заложенные деньги вовремя. Сторонние подрядчики и девелоперы ЦОД запаздывают со сроками сдачи корпусов, подключением к электросетям и поставками оборудования.

Amazon на 2026-й ожидает около $220 млрд [20], а Meta – $135–145 млрд капекса [21]. Если взять середины вилок и грубо сложить 200 + 170 + 220 + 140, получим порядка $730 млрд планируемых капитальных затрат четырёх компаний за год. На ИИ, естественно, идёт не вся сумма, но значительная её часть. Сразу оговорюсь, что это моя личная арифметика поверх разных определений капекса, а не чья-то официальная общая цифра.

Казалось бы, при таких астрономических суммах проблема должна решаться сама собой. Но на июльском звонке с инвесторами в 2026 году финансовый директор Alphabet Анат Ашкенази прямым текстом признала, что компания всё ещё работает в условиях жёсткого дефицита мощностей. Подобная ситуация у них сохраняется уже несколько кварталов подряд.

Чтобы не терять клиентов и удержать растущий спрос, Alphabet объявила о временном расширении аренды сторонней инфраструктуры в третьем и четвёртом кварталах 2026 года в качестве «моста», пока строятся собственные ЦОД. 

При этом руководство предупредило инвесторов, что чужие мощности обходятся дороже и это надавит на операционную маржу. Из годового прогноза в $195–205 млрд 60–65% уходит на серверы и ускорители, и лишь 35–40% на сам бетон дата-центров и сетевое оборудование. Не имея возможности быстро достроить свои площадки, Google даже начала напрямую устанавливать свои TPU в ЦОД сторонних партнёров и клиентов [18], таких как Crux AI.

С OpenAI эта история ещё нагляднее. Так, в сентябре 2025 года OpenAI и NVIDIA подписали письмо о намерениях развернуть системы суммарной мощностью не менее 10 гигаватт. NVIDIA пообещала поэтапно инвестировать в OpenAI до $100 млрд по мере ввода [22] в эксплуатацию каждого нового гигаватта. Первый из этих гигаватт был запланирован к запуску только во второй половине 2026 года.

Как в известном меме, ожидания не совпали с реальностью. По расчётам исследовательского института Epoch AI, опирающимся на раскрытие самой OpenAI, к концу 2023 года компания арендовала всего 0,2 ГВт. К концу 2024-го этот показатель вырос до 0,6 ГВт, а к концу 2025 года достиг 1,9 ГВт [23], что эквивалентно примерно 1,7 млн чипов NVIDIA H100 в пересчёте на вычислительную мощность. Этого хватило бы для одновременного обеспечения 1,5 млн американских домов.

Мощности OpenAI за год выросли втрое, и всё же 1,9 ГВт – это меньше пятой части одного только соглашения с NVIDIA. По внутреннему прогнозу компании, к 2027 году она выйдет на «низкие двузначные» гигаватты [23], то есть умножит мощности ещё раз в пять. Пока эти гигаватты только обещают, а ввод реальных объектов требует времени, которое не купишь даже десятками миллиардов долларов.

Сколько электричества всё это ест

Как вы уже поняли, любой дата-центр упирается в электричество. Чтобы представить масштаб потребления, начнём с отдельного объекта. В докладе «Energy and AI» за 2025 год Международное энергетическое агентство (IEA) сравнивает потребление типичного дата-центра под задачи ИИ с расходом электричества у 100 000 домохозяйств [24]. Крупнейшие объекты, которые на момент выхода доклада ещё строились, должны потреблять в 20 раз больше.

Если перейти от отдельных объектов ко всем дата-центрам, в 2024 году их потребление составило 415 ТВт·ч, около 1,5% мирового электричества. В базовом сценарии IEA к 2030 году оно вырастет примерно до 945 ТВт·ч – чуть больше, чем потребляла вся Япония на момент выхода доклада. К 2035-му базовый сценарий предполагает около 1200 ТВт·ч [24], но в зависимости от сценария оценка колеблется от 700 до 1700 ТВт·ч.

По США цифры интереснее, ведь на страну приходится 45% мирового потребления дата-центров. Национальная лаборатория имени Лоуренса в Беркли (LBNL) в отчёте для Минэнерго США за декабрь 2024-го насчитала 176 ТВт·ч [25] в 2023 году, или 4,4% электричества страны. К 2028-му лаборатория ожидает от 325 до 580 ТВт·ч. При загрузке 50% выходит от 74 до 132 ГВт мощности.

А аналитики BloombergNEF в 2025 году насчитали по США всего 78 ГВт, причём к 2035 году [26]. Кто-то из них ошибся?

На самом деле противоречия здесь нет, так как аналитики отвечают на разные вопросы. Верх вилки LBNL в 132 ГВт очерчивает теоретический аппетит [25] индустрии и показывает, сколько энергии способны поглотить вычислительные чипы при отсутствии внешних преград. Это подтверждают и оценки Bain & Company [27], согласно которым к 2030 году мировой прирост потребности [28] ИИ-вычислений составит 200 ГВт, из которых ровно половина, 100 ГВт, придётся на США.

Прогноз же BloombergNEF опирается на физическую проходимость инфраструктуры. Авторы BNEF прямо отмечают, что их консервативность продиктована не сомнениями в силе рынка ИИ, а практическими барьерами развёртывания: дефицитом подходящей земли, отсутствием свободной генерации, сложностями согласования и сроками возведения объектов. 

В среднем запуск дата-центра в США сегодня растягивается на семь лет [26], из которых 4,8 года уходит на предпроектные согласования и бумажное ожидание подключения к сетям, и только 2,4 года занимает сама стройка. Ситуацию усугубляет и географическая концентрация, ведь почти половина мощностей дата-центров в стране сжата всего в пяти региональных кластерах вроде Северной Вирджинии, где подстанции уже работают на пределе своих физических возможностей.

Почему бутылочным горлышком стало именно подключение? Крупный дата-центр просит у сети сотни мегаватт [29], и к обычной линии такую нагрузку не подключить. Сетевой компании сначала нужно просчитать, выдержит ли сеть, а потом построить под объект подстанцию, а иногда и новую высоковольтную линию. А сама подстанция держится на силовых трансформаторах, которые делают под конкретный проект на немногих заводах. По данным Wood Mackenzie, трансформаторы мощнее 500 МВА в 2025 году ждали около трёх лет [30], а около 80% силовых трансформаторов [31] в США приходится импортировать.

В итоге разрыв между сценарием LBNL и консервативной планкой BNEF показывает разницу между тем, сколько электричества технологические гиганты захотят потребить в погоне за масштабированием моделей, и тем, сколько гигаватт энергетики физически успеют подвести к подстанциям за отведённые годы.

Спрос можно нарисовать за вечер, а подстанцию за вечер не построишь.

Потребление электричества дата-центрами США с 2014 по 2028 год в тераватт-часах. Источник.

Потребление электричества дата-центрами США с 2014 по 2028 год в тераватт-часах. Источник [32].

Чипы приезжают быстрее электричества

Дата-центр состоит не только из здания и стоек. К нему нужен провод от подстанции, трансформатор и турбина где-то на другом конце этого провода. Пока вся эта цепочка не готова, стойки с GPU остаются частью декора. Очень дорогого декора.

В докладе IEA расписаны инфраструктурные сроки. Новая линия электропередачи в развитых странах строится 4–8 лет, ведь нужно согласовать трассу, выкупить землю, пройти разрешения. Сроки поставки трансформаторов и кабелей за три года удвоились (видимо, потому что их заказывают все сразу). Газовые турбины ждут несколько лет, и ввод может легко уехать за 2030-й.

По оценке IEA, около 20% всех запланированных в мире проектов дата-центров рискуют сорвать сроки запуска [24] из-за перегруженных сетей, если эти риски не снять. В Северной Вирджинии, крупнейшем рынке дата-центров, энергокомпания Dominion Energy в 2024 году предупредила, что объектам мощнее 100 МВт придётся ждать подключения до семи лет [33] вместо прежних трёх-четырёх. Подстанцию Aspen [34] на 500 кВ в округе Лаудон компания заявила регулятору в марте 2024-го, линии к ней планируют закончить к июню 2028-го, а срок готовности самой подстанции пока не назван.

В таких условиях приходится выкручиваться. TechCrunch в ноябре 2025-го описал, как застройщики дата-центров подают электричество прямо к площадке [13], минуя общую сеть. Такую схему называют behind-the-meter.

А есть ли проблема с железом и чипами?

Гендиректор Microsoft Сатья Наделла в подкасте BG2 [13] открыто говорит, что у компании нет проблем с доступностью кремния, но чипы могут оседать на складах неподключенными, потому что им физически не хватает готовых зданий с устойчивым питанием и охлаждением. 

Поэтому самым медленным звеном, как мне кажется, остаётся энергосеть. До конца десятилетия, думаю, потолок индустрии ИИ будут задавать гигаватты, которые успеют подвести.

Что говорят скептики

Было бы нечестно на этом остановиться и не дать слово другой стороне. У скептиков есть два серьёзных аргумента.

Первый – эффективность. Она растёт, и быстро. Весной 2025-го Microsoft заявляла, что себестоимость токена упала больше чем вдвое. 

Если тот же токен можно получить за половину энергии, то при неизменном спросе половина стоек становится лишней. Да? Нет.

Слабое место этого суждения в словах «при неизменном спросе». Дешёвый токен не лежит без дела, его сразу тратят на длинные рассуждения, агентов и задачи, которые раньше было невыгодно отдавать модели.

В январе 2025 года китайская DeepSeek выпустила открытую модель R1. Базовую модель для неё, по словам компании, обучили меньше чем за $6 млн. 27 января акции NVIDIA за день упали на 17%, компания потеряла почти $600 млрд капитализации [35]. Ведь если сильную модель можно обучить за копейки, зачем миру столько GPU? Но меньше чем через полтора года ряд Google дошёл до 3,2 квадриллиона токенов в месяц, а Microsoft всё ещё жалуется, что спрос выше предложения. Пока правым оказался Джевонс.

Второй аргумент, на мой взгляд, самый сильный – денежный. Консалтинговая компания Bain в отчёте за сентябрь 2025-го посчитала, что для оплаты всей этой мощности к 2030 году нужно около $2 трлн годовой выручки [36]. Даже с учётом экономии от ИИ миру всё равно не хватит $800 млрд в год. Bain в том же отчёте пишет, что большинство компаний [36] остаётся на стадии экспериментов с ИИ и довольствуется скромным приростом продуктивности.

Значит ли всё это, что спрос фиктивный? Не думаю. Корпоративные проекты могут не приносить прибыли, а самые ходовые продукты в это же время упираться в ватты. Одно другому не мешает. Но если выручка не догонит стройку, первыми пострадают те, кто занимал под неё деньги (и привет, ИИ-пузырь).

Вместо итога

Если собрать всё вместе, картина получается такая. 

Токенов сжигают в сотни раз больше, чем два года назад. Каждый из них дешевеет, но один запрос с рассуждениями и агентами теперь съедает их куда больше, чем простой ответ. Деньги на новые дата-центры есть, их даже больше, чем компании успевают потратить. А линии электропередачи и подстанции строят по графикам, которые составили до того, как всё это началось.

Я не думаю, что спрос на токены упрётся в потолок в ближайшие годы. Скорее раньше сработает одно из двух ограничений.

Первое – физическое. Подстанции, линии и трансформаторы не построишь быстрее, чем позволяют очередь на подключение и заводы, поэтому часть дата-центров просто откроется на несколько лет позже. 

Второе – экономическое. Если выручка от ИИ не дотянет до тех $2 трлн в год, о которых пишет Bain, построенные мощности не окупятся, и платить за это будут те, кто строил в долг. К тому же, пока купленные чипы пыляться и ждут подключения, деньги в них уже вложены, а выручки нет, и Alphabet уже предупреждает инвесторов о давлении на маржу из-за аренды чужих мощностей. Какое из ограничений сработает первым, честно, не знаю. А судя по разбросу прогнозов, не знает никто. В ноябре 2025-го Альтман предупреждал, что если очень дешёвая энергия быстро появится в больших объёмах, многие обожгутся на уже заключённых контрактах [13] на электричество. Но если будете читать новый прогноз о «гигаваттах к 2030-му», первым делом посмотрите, что именно автор считает: сколько захотят или сколько успеют подключить.

А вы как думаете, что сломается первым? Энергосеть или вера в окупаемость? Пишите в комментариях.

Автор: rajce

Источник [37]


Сайт-источник BrainTools: https://www.braintools.ru

Путь до страницы источника: https://www.braintools.ru/article/38719

URLs in this post:

[1] уже больше 3,2 квадриллиона: https://blog.google/innovation-and-ai/sundar-pichai-io-2026/

[2] трафик API: https://openai.com/devday/2025/

[3] почти 32 млрд токенов: https://abc.xyz/investor/events/event-details/2026/2026-Q3-Earnings-Call-2026-Ujou16CTw9/default.aspx

[4] более чем 100 трлн токенов за квартал: https://www.microsoft.com/en-us/investor/events/fy-2025/earnings-fy-2025-q3

[5] спрос клиентов выше доступного предложения: https://www.microsoft.com/en-us/investor/events/fy-2027/earnings-fy-2027-q1

[6] около 300 млн токенов в минуту: https://www.youtube.com/watch?v=hS1YqcewH0c

[7] больше токенов, чем за все предыдущие годы вместе: https://www.aboutamazon.com/news/company-news/amazon-ceo-andy-jassy-aws-ai-q1-2026-earnings

[8] как работает Reasoning у LLM: https://habr.com/ru/companies/bothub/articles/1064512/

[9] Источник: https://openrouter.ai/state-of-ai

[10] «в сто раз больше»: https://www.nvidia.com/en-us/on-demand/session/gtc25-S72484/

[11] парадокс: http://www.braintools.ru/article/8221

[12] логику: http://www.braintools.ru/article/7640

[13] упадёт в сто раз: https://techcrunch.com/2025/11/03/altman-and-nadella-need-more-power-for-ai-but-theyre-not-sure-how-much/

[14] растёт в 3–18 раз в год: https://arxiv.org/html/2511.23455v1

[15] Источник: https://a16z.com/llmflation-llm-inference-cost/

[16] исследовании за март 2025-го: https://epoch.ai/data-insights/llm-inference-price-trends

[17] вырос до $180–190 млрд: https://abc.xyz/investor/events/event-details/2026/2026-Q1-Earnings-Call-2026-nW8kCrBAKS/default.aspx

[18] подняла его до $195–205 млрд: https://abc.xyz/investor/events/event-details/2026/2026-Q2-Earnings-Call-2026-GgTAq7Is0z/default.aspx

[19] примерно $190 млрд: https://www.microsoft.com/en-us/investor/events/fy-2026/earnings-fy-2026-q3

[20] ожидает около $220 млрд: https://ir.aboutamazon.com/news-release/news-release-details/2026/Amazon-com-Announces-Third-Quarter-Results/

[21] $135–145 млрд капекса: https://investor.atmeta.com/investor-news/press-release-details/2026/Meta-Reports-Third-Quarter-2026-Results/default.aspx

[22] $100 млрд по мере ввода: https://openai.com/index/openai-nvidia-systems-partnership/

[23] концу 2025 года достиг 1,9 ГВт: https://epoch.ai/gradient-updates/frontier-labs-dont-use-most-ai-compute

[24] 100 000 домохозяйств: https://www.iea.org/reports/energy-and-ai/executive-summary

[25] насчитала 176 ТВт·ч: https://eta-publications.lbl.gov/sites/default/files/2024-12/us_data_center_energy_usage_report_lbnl-2001637_0.pdf

[26] всего 78 ГВт, причём к 2035 году: https://about.bnef.com/insights/commodities/power-for-ai-easier-said-than-built/

[27] оценки Bain & Company: https://www.bain.com/insights/topics/technology-report/

[28] потребности: http://www.braintools.ru/article/9534

[29] сотни мегаватт: https://www.loudounnow.com/news/power-crunch-to-push-data-center-connections-by-1-3-years/article_e122ad16-6a5a-11ef-909c-33c14c795f00.html

[30] ждали около трёх лет: https://www.woodmac.com/news/opinion/meeting-the-data-center-power-challenge/

[31] 80% силовых трансформаторов: https://www.woodmac.com/news/opinion/transformer-troubles-manufacturing-and-policy-constraints-hit-us-transformer-supply/

[32] Источник: https://datacenters.lbl.gov/publications/2024-lbnl-data-center-energy-usage-report

[33] до семи лет: https://www.bloomberg.com/news/articles/2024-08-29/data-centers-face-seven-year-wait-for-power-hookups-in-virginia

[34] Подстанцию Aspen: https://www.dominionenergy.com/-/media/content/about/power-line-projects/nova/pdfs/application-documents/aspen-fact-sheet.pdf

[35] почти $600 млрд капитализации: https://www.cnbc.com/2025/01/27/nvidia-sheds-almost-600-billion-in-market-cap-biggest-drop-ever.html

[36] около $2 трлн годовой выручки: https://www.bain.com/about/media-center/press-releases/20252/%242-trillion-in-new-revenue-needed-to-fund-ais-scaling-trend---bain--companys-6th-annual-global-technology-report/

[37] Источник: https://habr.com/ru/companies/bothub/articles/1108774/?utm_source=habrahabr&utm_medium=rss&utm_campaign=1108774

www.BrainTools.ru

Rambler's Top100