Epoch AI: будущие дата-центры смогут одновременно держать сотни миллионов AI-агентов

В оценке Epoch AI агентом считается непрерывно работающая сессия модели уровня систем, стоящих за Claude Code, OpenAI Codex или Meta Muse. Это важно отделить от числа зарегистрированных пользователей, разовых запросов или автономных программ, которые запускаются на минуты. Исследователи спрашивают не о том, сколько агентов компании захотят продать, а о физически доступной инфраструктуре: какой объём работы может обеспечить выпускаемое железо, если дата-центры будут его разворачивать и непрерывно обслуживать модели.

Отправной точкой стали прогнозы поставок HBM-памяти на 2025–2027 годы. Именно HBM Epoch AI считает бутылочным горлышком производства AI-ускорителей; на её основе прогноз переводится в число GPU, эквивалентных Nvidia GB300. Затем это число умножают на оценку количества одновременных агентных сессий на одном ускорителе. Метод описывает потенциальное предложение вычислений, а не гарантированно доступный кластер: строительство дата-центров, энергоподключение и другие ограничения развертывания могут сдвинуть момент, когда железо действительно начнёт работать.

При использовании наиболее мощных сегодняшних моделей построенные за следующие два года мощности, согласно расчёту, способны поддерживать от десятков до сотен миллионов агентов одновременно. При круглосуточной работе, включая ночи и выходные, это соответствует недельному объёму часов примерно 140–700 млн работников на полной занятости. Для масштаба: население США оценивается в 342 млн человек, а число работников умственного труда — примерно в 100 млн. Сопоставление намеренно считает часы, а не эквивалентный человеческий результат: скорость агентов может быть иной, а качество выполнения задач сильно варьируется.

Если вместо передовых моделей использовать более эффективные, те же мощности выглядят ещё крупнее. Применив бенчмарки обслуживания DeepSeek V4 Pro к центральному сценарию по оборудованию, Epoch AI получила около 1,9 млрд одновременных агентов — объём непрерывной работы, формально сопоставимый с часами 8 млрд сотрудников на полной ставке. Это не прогноз того, что такие агенты будут одинаково полезны или найдут столько реальных задач: коэффициент полезного действия, ошибки, надзор человека и требования к данным здесь способны радикально изменить экономическую картину.

Экономическая часть расчёта подчёркивает разрыв между предложением вычислений и подтверждённым спросом. Если предположить, что лишь 20% всей мощности используется для приносящего выручку инференса по текущим API-ценам, центральная оценка даёт потенциальные годовые доходы в 2,6–5,3 трлн долларов. Для сравнения, продолжение недавнего пятикратного годового роста выручки ведущих разработчиков привело бы их примерно к 1 трлн долларов к концу 2027 года. Epoch AI прямо отмечает, что столь больших доходов никто не гарантирует: избыток агентных мощностей возможен, если спрос не вырастет вслед за капитальными вложениями.