AI Radar
Nutanix вложила $20 млн в собственный AI-кластер, чтобы сократить растущие расходы на Copilot, Claude и оплату токенов. Компания перешла на локальный запуск моделей с открытыми весами и рассчитывает вернуть инвестиции всего за год.
Отправной точкой стал быстрый рост использования AI внутри команд разработки Nutanix. Инженеры применяли помощников на разных стадиях жизненного цикла ПО, включая Copilot и Claude, но вместе с объёмом запросов резко выросли и счета. Собственный кластер меняет экономическую модель: вместо постоянной оплаты входных и выходных токенов компания несёт крупные первоначальные капитальные затраты, после чего использует локальные вычислительные ресурсы.
Полностью от внешних сервисов Nutanix не отказалась. Сотрудники могут обращаться к передовым закрытым моделям или сторонним кластерам, когда этого требует конкретная задача, а основную нагрузку переносят на модели с открытыми весами внутри корпоративного контура. Генеральный директор Раджив Рамасвами описывает такую гибридную схему как всё более распространённую: организации сопоставляют цену и возможности разных моделей с типом работы, а не отправляют каждый AI-запрос одному поставщику.
Заявленный срок окупаемости — один год — означает, что прежние переменные расходы должны быть сопоставимы с десятками миллионов долларов, хотя Nutanix не раскрыла конфигурацию кластера, его загрузку и методику расчёта возврата инвестиций. Поэтому этот ориентир нельзя автоматически переносить на другие компании. Экономика локального AI зависит от интенсивности использования, стоимости ускорителей, энергопотребления, эксплуатации и от того, насколько эффективно организация способна загружать приобретённое оборудование.
Параллельно Nutanix обновила Enterprise AI, добавив шлюз Model Context Protocol. Он располагается между агентами и MCP-серверами и отвечает за идентификацию, безопасность и управление доступом к данным и сервисам. Такие шлюзы становятся типовым компонентом корпоративной агентной инфраструктуры: подключение инструментов по MCP упрощает интеграцию, но одновременно требует централизованно ограничивать полномочия агентов.
Ставка на собственную AI-инфраструктуру вписывается в более широкую работу Nutanix по снижению аппаратных издержек. Компания расширяет совместимость с оборудованием и внешними хранилищами, разрешила установку Kubernetes Platform на bare metal и продвигается с переносом своего стека на Arm. Интерес к Arm Рамасвами связывает с дороговизной и ограниченной доступностью оборудования, из-за которых клиенты откладывают некоторые покупки. Финансовый масштаб позволяет Nutanix экспериментировать самостоятельно: квартальная выручка достигла $757 млн, а годовая — $2,85 млрд.
Пример Nutanix показывает точку, в которой интенсивное использование AI может сделать собственный кластер дешевле постоянной оплаты токенов. Практический выбор при этом не сводится к «облаку или on-prem»: базовую нагрузку можно выполнять локально, сохраняя доступ к frontier-моделям для задач, где их качество оправдывает дополнительную стоимость.
DSML editors review the selection. AI helps deduplicate signals and draft the text; the published edition remains an editorial product, not a feed of individual channels.