Meta платить Microsoft сотні мільйонів доларів за доступ до хмарних AI-потужностей Azure — і робить це попри власні мільярдні вкладення в дата-центри та GPU-кластери. За даними The Decoder, йдеться саме про хмарні AI-сервіси, а не про традиційний хостинг чи офісний софт.

На перший погляд це виглядає нелогічно: Meta — одна з компаній, що будує власні дата-центри найагресивніше в галузі, з амбіціями Llama та власних AI-продуктів у Instagram, Facebook і WhatsApp. Але факт закупівлі компути в прямого конкурента на ринку AI-хмари каже більше про стан галузі, ніж будь-яка презентація на конференції.

Для AI-білдерів це не просто корпоративна цікавинка. Якщо навіть Meta з її капітальними бюджетами не встигає закрити власний попит на compute власними потужностями, то команди меншого масштабу тим паче мають рахувати на мультихмарну стратегію, а не покладатися на єдиного постачальника GPU.

Що саме сталося?

Meta домовилася з Microsoft про закупівлю хмарних AI-послуг на суму в сотні мільйонів доларів. Це відбувається на тлі того, що Meta одночасно веде одні з найбільших у галузі капітальних витрат на власну AI-інфраструктуру — будівництво дата-центрів і закупівлю GPU для навчання та інференсу моделей родини Llama.

Формально дві компанії — прямі конкуренти на ринку хмарних AI-сервісів: Azure AI від Microsoft і власна інфраструктура Meta для внутрішніх продуктів. Але для покриття пікового навантаження Meta все одно звертається до чужих потужностей.

Чому найбільший інвестор в AI-інфраструктуру купує чужий compute?

Головна причина — швидкість. Будівництво дата-центру й підключення нового GPU-кластера займає роки: від погодження ділянки під забудову до постачання чипів Nvidia та підключення до енергомережі. Попит на compute для навчання моделей і обслуговування inference-навантаження зростає швидше, ніж встигає добудовуватися будь-яка окрема мережа дата-центрів, навіть якщо будівництво веде компанія з бюджетом Meta.

Ймовірно, частина закупівлі також страхує Meta від локальних вузьких місць — нестачі GPU певного покоління, обмежень з електроживленням у конкретному регіоні або затримок постачання обладнання, які складно спрогнозувати навіть за рік наперед.

Що це означає для ринку AI-інфраструктури?

Це означає, що дефіцит compute — не проблема окремих стартапів без капіталу, а структурна риса всієї галузі. Якщо гіперскейлер такого масштабу купує потужності в іншого гіперскейлера, то:

Про те, чому будівництво нових дата-центрів наштовхується на спротив на місцях, ми писали окремо: чому американці все частіше проти дата-центрів по сусідству.

Для команд, які проєктують інференс-навантаження, це практичний сигнал: варто закладати мультихмарну архітектуру й гнучкі контракти на GPU з самого початку, а не як план B на випадок дефіциту. Компанія такого масштабу, як Meta, вже живе за цим правилом.

Висновок AiiN

За нашою оцінкою, головний висновок тут не про Meta й Microsoft конкретно, а про межі вертикальної інтеграції в AI-інфраструктурі. Ще рік тому головним наративом були оголошення про власні дата-центри на десятки мільярдів доларів — Meta, Microsoft, Google і Amazon змагалися, хто швидше побудує найбільший кластер. Тепер стає очевидно, що навіть найбільші капітальні бюджети не гарантують compute саме тоді й там, де він потрібен. Це посилює позицію Nvidia та хмарних провайдерів як точки, через яку все одно проходить попит, і послаблює тезу про те, що власна інфраструктура швидко звільнить гігантів від залежності одне від одного.

Чи означає це, що Meta відстає в AI-перегонах?

Ні, пряма ознака відставання тут не проглядається. Закупівля додаткового хмарного compute — це радше страховка на пікові навантаження, ніж свідчення провалу власної інфраструктурної стратегії.

Навіщо взагалі купувати AI-хмару в конкурента?

Тому що короткострокова оренда потужностей у Microsoft Azure доступна одразу, тоді як власний дата-центр і GPU-кластер потребують місяців чи років на будівництво й постачання обладнання. Для критичних термінів — навчання нової моделі чи запуску продукту — швидкість важливіша за принцип «усе своє». До того ж короткострокові хмарні контракти легше масштабувати вниз, якщо попит на конкретну модель виявиться нижчим за прогноз — на відміну від уже збудованого дата-центру, який залишається капітальним зобов'язанням на роки вперед.