WD в спонсорской статье: хранение данных, скрытый счёт за ИИ

Материал опубликован на сайте MIT Technology Review с пометкой «Sponsored. Provided by WD»: его подготовила компания WD, а не редакция издания. Основной тезис: когда руководители представляют себе стоимость ИИ, они видят видеокарты, стойки ускорителей, гигаватты энергии и очередь на чипы, но упускают расходы на хранение данных. По утверждению WD, это одна из самых трудных для планирования статей инфраструктуры, и в первоначальных планах её часто не учитывают.

Автор противопоставляет обучение модели и работу готовой модели (инференс). Обучение конечно: запуск, расход вычислений, завершение, это проект, который можно заложить в бюджет и закрыть. Инференс не заканчивается: каждый запрос оставляет после себя данные.

Пример, генерация видео. По внутренним измерениям WD, 8-секундный ролик, который пользователь получил как файл 720p размером 3,97 МБ, оставил на серверной стороне более 500 МБ связанных данных: журналы, кэшированный контекст, промежуточные рендеры, резервные копии и записи для проверки безопасности. Это в 130 раз больше размера файла, который увидел пользователь. Для предприятия, которое делает более длинные видео в более высоком разрешении, WD заявляет рост до сотен гигабайт на ролик (замеров под этим утверждением не приводится).

Для масштаба приводятся оценки роста. По прогнозу McKinsey, спрос на инференс будет расти со среднегодовым темпом (CAGR) 35% до 2030 года против 22% для обучения, и к концу десятилетия на него придётся более 40% всего спроса дата-центров. Опрос, который провела IDC по заказу WD (763 руководителя ИТ-подразделений и бизнеса), показал: почти 95% респондентов отметили рост объёма данных из-за генеративного ИИ за последние 12 месяцев, примерно 61%, рост на 25% и более. Ещё 96% ожидают, что им понадобится более быстрый доступ к архивам для инференса или RAG (генерации с поиском по данным).

Неназванный старший менеджер по продукту гипермасштабного облачного провайдера, цитируемый в отчёте, говорит, что больше хранилища, это способ не простаивать GPU, а часы простоя GPU становятся очень дорогими очень быстро. Автор иллюстрирует это гипотетически: если траты на хранение растут на 25% в год, а вычислительный бюджет, более предсказуемо и циклично, хранение обгонит самую заметную статью бюджета.

Далее WD утверждает, что объём накопленных данных не снижается вместе со спросом на вычисления: журналы моделей, синтетические выходные данные и результаты инференса копятся, а архивы, которые раньше лежали без дела, становятся входом для будущих ИИ-задач. По мнению WD, для основной массы сохраняемых данных жёсткие диски (HDD) дают недорогую ёмкую основу с заметным преимуществом по стоимости за терабайт (конкретных цен не названо). Большая часть ИИ-данных по объёму копится в тёплом, прохладном и холодном уровнях хранения, тогда как стратегию хранения часто строят вокруг дорогого «горячего» уровня.

Финансовым директорам и ИТ-директорам WD советует не сужать «расходы на ИИ-инфраструктуру» до вычислений. Пример: ритейлер генерирует видео товаров, страховщик пропускает документы по претензиям через RAG, вычисления можно спрогнозировать по цене за генерацию или запрос, а хранение растёт с каждым видео и каждой обработанной претензией. Команда, которая закладывает «вычисления плюс округление на хранение», может через 12-18 месяцев обнаружить, что «округление» стало значимой долей стоимости программы, как раз когда решается вопрос о расширении (это гипотетический сценарий, а не измерение).

Итог, три вопроса к бюджету ИИ: какая политика хранения у ИИ-контента и кто её задал; привязана ли закупка хранилищ к требованиям обучения или к реальному жизненному циклу данных; вырастет ли стоимость хранения вдвое или больше, если использование ИИ удвоится. По утверждению WD, большинство организаций не могут уверенно ответить на все три.

Ключевые факты

Спонсорский материал WD на сайте MIT Technology Review: хранение данных, по мнению WD, часто выпадает из бюджета ИИ-инфраструктуры.
По внутренним измерениям WD, 8-секундный ролик (файл 720p, 3,97 МБ) оставил на серверах более 500 МБ данных, в 130 раз больше выданного файла; замер один, методика не описана.
McKinsey прогнозирует рост спроса на инференс на 35% в год (CAGR) до 2030 года против 22% для обучения; к концу десятилетия на инференс придётся более 40% спроса дата-центров.
В опросе IDC по заказу WD (763 респондента) почти 95% отметили рост объёма данных из-за генеративного ИИ за 12 месяцев, 96% ждут потребности в более быстром доступе к архивам.
WD предлагает три вопроса к бюджету ИИ и продвигает жёсткие диски (HDD) как недорогую ёмкую основу для хранения.

Почему это важно

Обсуждение стоимости ИИ обычно сводится к видеокартам и энергии. WD обращает внимание на другую часть счёта: каждый ответ нейросети оставляет данные (журналы, кэш, резервные копии, записи безопасности), и они копятся, пока работает сервис. Если прогноз McKinsey верен, доля инференса в нагрузке дата-центров будет расти, а значит, будет расти и эта статья расходов. Сам тезис разумный, но подан компанией, которая продаёт накопители.

Кому это важно

Финансовым и ИТ-директорам, которые закладывают бюджет ИИ-проектов, командам инфраструктуры и закупок, а также тем, кто запускает генерацию видео или RAG-системы поверх больших архивов документов.

Как это применить

Материал предлагает три проверочных вопроса: кто и как задаёт политику хранения данных, созданных ИИ; привязана ли закупка хранилищ к потребностям обучения или к реальному жизненному циклу данных; во сколько раз вырастет стоимость хранения, если использование ИИ удвоится. Также советуется рассматривать архивы как активные ресурсы для RAG и инференса и задавать сроки хранения исходя из растущей ценности данных. Цен и расчётов в тексте нет, так что цифры придётся считать самим.

Можно ли доверять

Это спонсорский материал: он подготовлен WD и не написан редакцией MIT Technology Review, автор не назван. Ключевая цифра (более 500 МБ против 3,97 МБ, то есть 130 раз) взята из внутренних измерений WD по одному 8-секундному ролику; модель, методика и число проверенных роликов не указаны. Утверждение о «сотнях гигабайт на ролик» для длинного видео ничем не подкреплено. Опрос IDC проведён по заказу WD. Цитируемый менеджер облачного провайдера не назван. Прогноз McKinsey приведён без названия отчёта. Сценарии про рост хранения на 25% в год и 12-18 месяцев гипотетические.

Риски и подводные камни

Вывод о выгоде жёстких дисков исходит от производителя и не подкреплён ценами за терабайт. Масштабировать результат одного ролика на любые нагрузки нельзя: состав и объём серверных данных зависят от системы. Суммы расходов на хранение и простой GPU в тексте не приведены, поэтому оценить реальную долю хранения в бюджете по нему невозможно. Недооценка хранения как риск правдоподобна, но проверять её стоит на собственных данных.

«Можно считать, что больше хранилища, это оптимизация, позволяющая держать GPU загруженными.»

— старший менеджер по продукту гипермасштабного облачного провайдера (имя не названо), цитата из отчёта, приведённая в материале WD