Корпорация Microsoft зафиксировала значительный рост внутренних затрат на использование технологий искусственного интеллекта. Согласно внутренним отчетным данным, попавшим в распоряжение СМИ, индивидуальные расходы некоторых специалистов на облачные вычисления и нейросетевые сервисы исчисляются десятками тысяч долларов ежемесячно. Эти цифры подчеркивают высокую стоимость эксплуатации современных алгоритмов и LLM-моделей даже внутри компаний-разработчиков.
Анализ корпоративных затрат на нейросети
На основе данных из внутренней электронной таблицы Microsoft, которая отслеживает активность персонала за 28-дневный период, были выявлены существенные различия в потреблении ресурсов. В то время как средний показатель затрат на одного сотрудника составляет около $2 500, отдельные специалисты демонстрируют аномально высокое потребление.
- Максимальный зафиксированный расход одним сотрудником: более $77 000 в месяц.
- Подразделение с наиболее высокими тратами: «Решения для клиентов и партнеров» (Customer and Partner Solutions).
- Инструментарий контроля: корпорация использует внутреннее ПО для мониторинга активности в облаке Azure AI.
Причины высокой стоимости эксплуатации
Столь значительные суммы объясняются спецификой работы ИИ-инструментов, требующих колоссальных вычислительных мощностей графических процессоров (GPU). Высокие показатели в отделе по работе с клиентами могут быть связаны с тестированием сложных сценариев внедрения, обучением моделей на массивах данных заказчиков или демонстрацией возможностей экосистемы Microsoft 365 Copilot в промышленных масштабах.
Использование инструментов ИИ сопряжено с высокой себестоимостью генерации каждого токена, что требует от корпораций жесткого контроля над бюджетированием внутренних разработок.
Раскрытая информация демонстрирует, что даже для технологических гигантов инфраструктурные издержки на ИИ остаются серьезным вызовом. В долгосрочной перспективе Microsoft и ее конкурентам предстоит найти баланс между масштабированием функционала нейросетей и оптимизацией затрат на их обслуживание, чтобы обеспечить экономическую эффективность своих облачных платформ.