Google Cloud: 83% компаний обновят инфраструктуру для агентного AI

Корпоративный AI перешёл от чат-ботов к автономным агентам, выполняющим сложные задачи, — и унаследованная инфраструктура не выдерживает такой нагрузки.

Годами корпоративный AI ассоциировался с разговорными ботами и цифровыми ассистентами. Сегодня рынок сместился к AI, который действует самостоятельно, автоматизирует процессы и выполняет сложные задачи. Это открывает новые сценарии, но создаёт серьёзную нагрузку на инфраструктуру. Согласно новому исследованию Google Cloud, разрыв между амбициями в области AI и реальными возможностями инфраструктуры быстро растёт.

Что было анонсировано

Google Cloud опубликовала отчёт State of AI Infrastructure, основанный на опросе более 1400 руководителей IT-направлений. Главный вывод: 83% организаций нуждаются в обновлении инфраструктуры для поддержки промышленного агентного AI. Другие ключевые данные:

• 62% руководителей платят значительный inference tax из-за egress-платы, роста хранилищ и простоя специализированного оборудования.
• 81% называют операционную сложность скрытой стоимостью масштабирования AI.
• 79% считают безопасность, governance и MLOps главным вызовом при масштабировании inference.
• 78% получают GenAI-решения напрямую у основного облачного партнёра — на 30 п.п. больше, чем в 2025.
• 52% используют гибридную мультиоблачную архитектуру, 48% — приоритезируют строгую резидентность данных.
• 90% считают edge-развёртывание важным для AI; 72% — крайне важным.
• 91% учитывают энергопотребление при выборе оборудования.

Почему это важно

Для CIO, CISO, IT-директоров и руководителей закупок агентный AI меняет экономику и профиль риска любого внедрения. Один запрос агента может запускать сотни дочерних действий с большими контекстными окнами и непрерывными циклами рассуждений. Запускать такие нагрузки на устаревшей архитектуре — финансово нежизнеспособно и операционно опасно.

Отчёт подчёркивает новый риск — agent sprawl: тысячи автономных агентов работают на разных платформах, читают почту, обращаются к базам данных и выполняют действия без единого контроля. Governance, идентичность и аудит должны предшествовать инновациям. Одновременно цифровой суверенитет, резидентность данных и энергетические ограничения (например, требование PUE 1.2 для новых ЦОД в Германии) меняют то, где и как можно развёртывать AI.

Нельзя решить задачи завтрашних агентных систем архитектурой вчерашнего дня

Технические детали

• Fluid compute: динамическое сопоставление вычислений с задачей — TPU 8t для тяжёлого обучения, TPU 8i для inference с низкой задержкой, Arm-процессоры Google Axion для оркестрации.
• Agent Gateway: централизованная плоскость управления разрешениями, идентичностью, read/write-скоупами, аудитом и human-in-the-loop.
• Единый слой данных: Smart Storage автоматически аннотирует неструктурированные данные; Cross-Cloud Lakehouse даёт агентам нативный доступ без кастомных пайплайнов.
• Гибридное мультиоблако и суверенитет: Google Distributed Cloud обеспечивает air-gapped изоляцию и строгую резидентность данных.
• AI на edge: оптимизированные модели на смартфонах, IoT и локальных серверах снижают задержки и переменные затраты на токен.
• Энергоэффективность: TPU 8t — почти в 3 раза выше производительность предыдущего поколения при вдвое лучшей энергоэффективности.
• AI Hypercomputer: ко-дизайн TPU, GPU, CPU с Virgo Network, Managed Lustre, Hyperdisk и GKE.

Softprom и Google

Softprom является официальным партнёром Google. Корпоративные заказчики могут спланировать и внедрить инфраструктуру Google Cloud для агентного AI — от AI Hypercomputer и TPU до Agent Gateway и Google Distributed Cloud.

Этот материал подготовлен в рамках проекта Softprom DistriFlow — автоматизированной системы мониторинга и адаптации новостей вендоров. Источник: оригинальная статья.