9 сентября 2026 года Epoch AI опубликовал интерактивный инструмент AI Chip Users explorer (автор — Josh You). Он системно оценивает не формально владеемый, а фактически используемый вычислительный ресурс пяти фронтир-лабораторий — OpenAI, Google DeepMind, Anthropic, Meta Superintelligence Labs и SpaceXAI — в эквиваленте видеокарт Nvidia H100 (H100e).
Что произошло
По оценке Epoch, медианные значения используемого compute на декабрь 2025 года составляют: у OpenAI около 1,74 млн H100e, у Google DeepMind — около 1,58 млн, у Anthropic — около 1,19 млн, у Meta Superintelligence Labs — около 1,0 млн, у SpaceXAI — около 0,6 млн. Anthropic увеличила используемый ресурс примерно в 6 раз за 2025 год, а мощность, доступная OpenAI, росла примерно втрое ежегодно: от ~0,2 ГВт на конец 2023 года до ~0,6 ГВт на конец 2024-го и ~1,9 ГВт на конец 2025-го, что в эквиваленте H100e означает рост примерно в 17 раз за два года, с ~103K до ~1,7 млн единиц. Для каждого показателя Epoch приводит 90-процентные интервалы доверия: у OpenAI это 1,25–2,19 млн H100e, у Google DeepMind — 1,01–2,55 млн, и они сильно пересекаются. В материале также упоминается обязательство OpenAI потратить порядка $50 млрд на compute в 2026 году.
Контекст
Ключевой методологический шаг инструмента — разграничение используемого и владеемого вычислительного ресурса. OpenAI и Anthropic почти не владеют «железом» и арендуют вычисления у Microsoft, Amazon, Google, Oracle и CoreWeave, тогда как Google и Meta владеют собственными флотами, но выделяют своим ИИ-лабораториям лишь часть объёма, а остальное уходит на внутренние сервисы. Поскольку флоты лабораторий не сопоставимы напрямую, Epoch нормализует все мощности в единый эквивалент H100. Разница между арендной и владельческой моделями определяет и структуру рынка: Epoch описывает сделки, при которых SpaceX сдаёт compute лабораториям Anthropic и Google, а OpenAI арендует мощности у SpaceXAI.
Почему это важно для индустрии
Для отрасли это первая публичная количественная базовая линия фактического потребления compute фронтир-лабораториями, и она меняет карту рынка: инфраструктура, а не сами модели, становится главным ограничителем и главным активом гонки. Баланс сил лидеров впервые стал измеримым, а статистическая близость их оценок показывает, что технологическое опережение в моделях нельзя напрямую считывать из размера вычислительной базы. Арендная модель делает реальную вычислительную базу OpenAI и Anthropic зависимой от внешних провайдеров, тогда как владельцы флотов одновременно являются и арендодателями. Для стартапов и продуктовых команд публичные оценки ёмкости становятся цитируемым ориентиром и сигналом, что дефицит и цены на frontier-уровневые вычисления будут только расти.
Почему это важно для пользователей
AI Chip Users explorer доступен прямо сейчас: любой читатель может открыть его, посмотреть оценки по каждой лаборатории с 90-процентными интервалами доверия и методологией и использовать их как ориентир при обсуждении новостей об ИИ. Практический вывод для инженеров: инструмент не меняет цены и продукты напрямую, но подтверждает, что рынок аренды GPU перегрет и растёт, поэтому командам с большими inference-нагрузками стоит закладывать в бюджет удорожание аренды и заблаговременно резервировать capacity. Наконец, материал объясняет, почему новости об аренде GPU и энергопотреблении лабораторий становятся самостоятельной новостной темой, которая напрямую влияет на стоимость ИИ-продуктов.
Что пока неизвестно / ограничения
Сами цифры не являются воспроизводимыми и не могут быть независимо верифицированы: исходные данные — контракты по мощности, закупки чипов — не публикуются, поэтому оценки следует читать как экспертную аналитику, а не как отчётность. Нормализация в H100e — грубая прокси: она не учитывает гетерогенность чипов (поколения GPU, TPU против GPU), утилизацию флота и разницу между compute для обучения и инференса, поэтому большее число H100e не означает более сильную модель. Наконец, это аналитический инструмент и инфографика, а не продукт: API для автоматического получения оценок нет.
Источники
Автор
Look at AI, редакция