OpenAI закладывает в бюджет $750 млрд на инфраструктуру до 2030 года. Это на 25% больше предыдущих оценок, которые еще год назад казались пределом возможностей. Первый этап - Project Camellia, кампус дата-центра в Джорджии мощностью 3,2 ГВт. Такой объем сопоставим с энергопотреблением крупного города вроде Сан-Франциско. Ставка сделана на природный газ: более 70% новой мощности в штате обеспечат газовые турбины, включая простые циклы с высокими выбросами CO₂. Для ML-инженеров и архитекторов это прямой сигнал - будущие кластеры для обучения и инференса упираются не в архитектуру чипов, а в физические ограничения энергосетей и экологические компромиссы.
План меняет ландшафт всей индустрии. Концентрация вычислительных ресурсов у одного игрока создает новые барьеры для стартапов и независимых разработчиков. Одновременно налоговые льготы в Джорджии и потенциальные юридические риски по образцу спора вокруг xAI Colossus заставляют пересматривать экономику AI-проектов. Сроки ввода GPU раньше 2028 года означают, что окно для планирования собственных инфраструктурных решений сужается прямо сейчас.
Масштаб, от которого захватывает дух: $750 млрд и 3,2 ГВт
$750 млрд до 2030 года - это сумма, превышающая годовой ВВП многих стран. Для сравнения: весь рынок облачных вычислений в 2025 году оценивался примерно в $700 млрд. OpenAI планирует потратить столько же на одну только инфраструктуру. Цифра отражает экспоненциальный рост потребностей: модели следующего поколения требуют на порядок больше вычислительных ресурсов, чем текущие флагманы. Мультимодальные архитектуры, работающие одновременно с текстом, изображениями, видео и звуком, умножают нагрузку на каждый кластер.
Конкуренция подливает масла в огонь. Дискуссия о том, является ли масштаб главным преимуществом OpenAI и Anthropic, получила практическое подтверждение: прорыв открытых моделей DeepSeek V4 и Kimi K3 до уровня триллионов параметров доказал, что размер имеет значение. Чтобы удержать лидерство, проприетарные компании вынуждены наращивать мощности опережающими темпами.
Project Camellia: первый камень в фундамент
Project Camellia - это кампус дата-центра в Джорджии мощностью 3,2 ГВт. Для понимания масштаба: средний атомный реактор выдает около 1 ГВт. Три таких реактора - или один крупный город - вот эквивалент энергопотребления этой площадки. Локация выбрана не случайно: Джорджия предлагает сочетание доступной земли, относительно либерального энергетического регулирования и близости к магистральным газопроводам.
Точное назначение кампуса - обучение или инференс - пока не раскрыто. Архитектура современных AI-кластеров предполагает гибридное использование: обучение занимает пиковые периоды нагрузки, инференс - постоянную базовую. Для ML-команд это означает, что часть GPU может быть доступна для внешних пользователей облачных сервисов OpenAI в периоды между тренировочными циклами. ChatGPT 5.6 уже демонстрирует архитектурные изменения, требующие принципиально иной инфраструктуры инференса - с низкой латентностью и высоким параллелизмом.
Почему $750 млрд - это не предел?
Предыдущие оценки расходов OpenAI на инфраструктуру были на 25% ниже - около $600 млрд. Пересмотр произошел за последние 12 месяцев. Три фактора толкают цифру вверх. Первый - экспоненциальный рост размеров моделей: если тренд сохранится, к 2028 году флагманские архитектуры могут достигнуть 50-100 триллионов параметров. Второй - переход к непрерывному обучению: вместо дискретных тренировочных сессий модели будут обновляться в реальном времени, потребляя вычислительные ресурсы постоянно. Третий - мультимодальность: обработка видео в реальном времени требует на порядок больше FLOPS, чем текстовая генерация.
Энергетический кризис AI-инфраструктуры - не гипотетическая угроза. Даже государственные научные программы сталкиваются с дефицитом вычислительных мощностей, вынуждая такие компании как Google выделять облачные кредиты национальным лабораториям. Коммерческий сектор конкурирует за те же энергетические ресурсы, и ставки растут.
Энергетический ландшафт: газовая игла для AI
Более 70% новой мощности в Джорджии обеспечит природный газ. Это не временное решение и не переходный этап - это структурный выбор, продиктованный физикой и экономикой. Возобновляемые источники не могут обеспечить базовую нагрузку 24/7, необходимую дата-центрам. Солнечная генерация работает 20-25% времени, ветровая - 30-40%. Накопители энергии достаточной емкости для компенсации таких перепадов стоят дороже самих дата-центров.
Атомная энергия могла бы стать решением, но сроки строительства новых реакторов в США составляют 10-15 лет. OpenAI нужно электричество сейчас, а не в 2040 году. Геотермальная энергия в Джорджии ограничена геологическими условиями - регион не относится к тектонически активным зонам. Остается газ.
Простые циклы: быстрый газ с высокими выбросами
Технический выбор в пользу простых циклов - газовых турбин без утилизации тепла - продиктован скоростью строительства. Парогазовые установки с КПД 55-60% требуют на 30-40% больше времени на возведение и сложнее в согласовании. Простой цикл дает КПД 35-40%, но запускается в полтора-два раза быстрее. Разница в выбросах существенна: около 500-600 г CO₂ на кВт·ч против 350-400 г для парогазового цикла.
Для контекста: угольная генерация выдает 900-1000 г CO₂ на кВт·ч. Газ - чище, но не чистый. При мощности 3,2 ГВт и коэффициенте использования 90% годовые выбросы Project Camellia составят порядка 12-15 млн тонн CO₂. Это сопоставимо с выбросами 2,5-3 млн автомобилей. Экологические организации уже готовят иски, опираясь на прецедент xAI Colossus.
Может ли зеленая энергия угнаться за AI?
Короткий ответ - нет, в текущих технологических реалиях. Солнечная и ветровая генерация могут покрыть часть нагрузки в дневные часы, но дата-центры требуют стабильного энергоснабжения. Отключение кластера на пике обучения означает потерю недель работы и миллионы долларов. Гибридные схемы - газ как базовая нагрузка плюс возобновляемые источники для снижения среднего углеродного следа - становятся стандартом для новых проектов, но не решают проблему полностью.
Единственная низкоуглеродная альтернатива с приемлемыми сроками - малые модульные реакторы, но технология не вышла за пределы пилотных проектов. Первый коммерческий SMR в США ожидается не раньше 2029-2030 годов. OpenAI не может ждать.
Экономика проекта: налоговые льготы и скрытые издержки
Джорджия предложила OpenAI пакет налоговых льгот, детали которого не раскрыты публично. По аналогии с другими проектами дата-центров в штате, речь идет об освобождении от налога на имущество на 10-15 лет, скидках на электроэнергию для крупных потребителей и ускоренном согласовании разрешений на строительство. Для штата это рабочие места на этапе строительства и постоянная занятость для обслуживающего персонала - около 100-200 высококвалифицированных позиций на кампус такого масштаба.
Скрытые издержки ложатся на местные сообщества. Энергосистема Джорджии не проектировалась под нагрузку в 3,2 ГВт от одного потребителя. Модернизация сетей, строительство подстанций и газопроводов частично оплачивается из налоговых поступлений, частично - через повышение тарифов для остальных потребителей. OpenAI обещает «минимальное» использование воды и стабильные тарифы для населения, но механизмы enforcement этих обещаний неясны.
Юридические риски: уроки xAI Colossus
Кейс xAI Colossus в Мемфисе стал прецедентом. Проект столкнулся с исками от экологических организаций, оспаривающих разрешения на выбросы и использование водных ресурсов. Местные сообщества подали коллективный иск о нагрузке на энергосеть, которая привела к перебоям в электроснабжении жилых районов. Суд принял сторону истцов по нескольким пунктам, обязав xAI установить дополнительное оборудование для мониторинга выбросов и компенсировать часть расходов на модернизацию сетей.
Project Camellia повторяет этот сценарий почти буквально: газовые турбины, высокие выбросы, нагрузка на местную инфраструктуру. Юридические риски включают задержки строительства на 12-18 месяцев в случае судебных разбирательств, дополнительные расходы на экологические компенсации и репутационные потери. Для OpenAI, чей бренд ассоциируется с технологическим прогрессом, экологический скандал может стать чувствительным ударом.
График запуска: когда ждать GPU раньше 2028 года
Первая очередь Project Camellia должна войти в строй раньше 2028 года - ориентировочно, конец 2026 - начало 2027. Это агрессивный график, учитывая масштаб строительства и потенциальные юридические задержки. Первая очередь, по оценкам, составит 800-1200 МВт - достаточно для размещения 100-150 тысяч GPU следующего поколения.
Сроки коррелируют с дорожной картой производителей чипов. NVIDIA Rubin ожидается в 2026-2027 годах, AMD MI400 - примерно в тот же период. Оба поколения спроектированы под плотность размещения, требующую жидкостного охлаждения и энергоподвода нового уровня. Project Camellia проектируется с учетом этих требований: прямые подключения к газовым турбинам минуя общую сеть, замкнутые контуры жидкостного охлаждения, модульная архитектура зданий.
Для сторонних разработчиков запуск означает волну доступных облачных GPU после того, как OpenAI проведет основные тренировочные циклы. Практика крупных AI-компаний: после обучения флагманской модели часть кластера высвобождается для коммерческого использования. Окно возможностей - 2027-2028 годы, когда новые чипы уже развернуты, а следующее поколение моделей еще не начало полномасштабное обучение.
Что это значит для индустрии: концентрация мощи и новые барьеры
План на $750 млрд закрепляет разрыв между тремя-четырьмя крупнейшими игроками и всеми остальными. OpenAI, Google, Anthropic и Microsoft контролируют доступ к вычислительным ресурсам, которые на порядок превосходят возможности любого стартапа. Это не теоретическая проблема - это практический барьер для инноваций. Команда с прорывной архитектурой, но без доступа к кластеру уровня 3,2 ГВт, не может обучить модель конкурентоспособного размера.
Ответом индустрии становятся альтернативные стратегии. Федеративное обучение позволяет распределить нагрузку между множеством меньших кластеров. Оптимизация моделей - квантизация, дистилляция, sparse architectures - снижает требования к инфраструктуре в 2-5 раз. Появление открытых 27B-моделей уровня GPT-5.6 к концу 2026 года - один из сценариев, который демократизирует доступ к передовым AI-возможностям без необходимости строить собственные гигаваттные дата-центры.
Цены на AI-сервисы будут определяться амортизацией этих колоссальных инвестиций. OpenAI придется монетизировать $750 млрд через подписки, API и корпоративные контракты. Экономика сходится только при массовом внедрении AI в масштабах целых отраслей - здравоохранения, финансов, логистики. Провайдеры, не имеющие собственной инфраструктуры такого уровня, будут вынуждены конкурировать на других основаниях: специализация, кастомизация, приватность данных, цена.
Практический вывод для ML-команд: планируйте бюджеты на облачные вычисления с учетом роста цен на 15-25% в год до 2028 года. Рассматривайте гибридные стратегии - собственное железо для инференса плюс облачные кластеры для периодического обучения. Инвестируйте в оптимизацию моделей: каждый процент снижения требований к памяти и вычислениям напрямую конвертируется в доступность технологий для вашего проекта.