AI-датацентры уже тянут на себя около 1,5% мирового потребления электроэнергии, а к 2030 году эта доля может почти удвоиться. На этом фоне суверенные данные и перенос ИИ-ближе к базе данных подаются уже не как архитектурная прихоть, а как способ не сжечь бюджет и нервы в очереди на подключение к электросети.
Именно такой тезис продвигает EDB в партнерском материале, как пишет The Register: если компании хотят массово запускать агентный ИИ, им придется думать не только о моделях и GPU, но и о том, где живут данные, как они перемещаются между облаками и сколько ватт съедает эта логистика.
Повод для разговора вполне предметный. В материале приводятся примеры из США и Великобритании, где расширение датацентров уже обсуждают не только инвесторы и CIO, но и местные власти с жителями. От Арканзаса и Южной Калифорнии до Невады, Пенсильвании, Западной Вирджинии и Бокс-Элдера в штате Юта новые площадки упираются в старую проблему: электросеть, подстанции, трансформаторы и генерация не успевают за аппетитами ИИ-инфраструктуры. В Великобритании, по версии источника, проект OpenAI Stargate UK был частично свернут из-за опасений по поводу энергопотребления и регуляторного давления. Для бизнеса это неприятная математика: типичный новый hyperscale-датацентр на отдельных рынках может ждать подключения к сети до семи лет.
Дальше цифры становятся еще менее уютными. McKinsey, на которую ссылается материал, оценивает глобальные расходы на датацентры к 2030 году в 7 трлн долларов. International Energy Agency ожидает, что спрос со стороны датацентров, ориентированных на ИИ, вырастет с нынешних 1,5% мировой электроэнергии почти до 3%. Параллельно IDC прогнозирует к 2029 году уже 1 млрд агентов, выполняющих 217 млрд действий в день. Иными словами, индустрия обещает компаниям армию цифровых сотрудников, но забывает сразу приложить к офферу электростанцию, пару ЛЭП и терпеливого сетевого оператора.
На этом фоне EDB предлагает простую, хотя и очевидно выгодную для себя идею: перестать разбрасывать данные и ИИ по разным облачным карманам и собрать все в собственный контур управления. В тексте это называется суверенной AI- и data-платформой. Логика знакомая любому архитектору: если агентам постоянно нужны поиск, извлечение данных, векторная индексация и доступ к транзакционным системам, то дешевле подтащить ИИ к данным, чем гонять данные через пол-инфраструктуры. Именно здесь в игру вводят Postgres как базовый слой, на котором уже работает значительная часть корпоративных нагрузок и который проще вписать в мультиоблачный и on-prem-контур, чем экзотические стеки под очередной AI-эксперимент.
Отдельный акцент делается на банках, страховых и финсервисах. По оценке McKinsey, банковский сектор традиционно тратит на IT от 6% до 12% выручки, тогда как у следующей по расходам отрасли этот диапазон составляет 3,75-5%. Поэтому BFSI в материале выставлен в роли раннего индикатора: если уж кто и будет считать не только точность модели, но и стоимость ватта, хранения, комплаенса и контроля над данными, то это банки. В качестве примеров названы Wells Fargo, Mastercard, HSBC, JPMorgan Chase, Bank of America, Citigroup, Goldman Sachs, BNP Paribas, ING, Credit Agricole, UBS и NatWest. Вендор связывает их курс на углеродную нейтральность с интересом к собственным, более контролируемым AI-платформам.
Здесь, впрочем, важно не забывать, что речь идет о партнерском материале, а не о независимом исследовании рынка. Самые громкие цифры в тексте исходят от EDB: компания утверждает, что ее платформа EDB Postgres AI способна сократить энергопотребление датацентров до 81%, а выбросы — до 87%, одновременно уменьшая потребность в CPU для интенсивных нагрузок на поиск, retrieval и векторные индексы. Там же фигурируют обещания в духе 5x ROI и удвоения числа внедряемых AI- и agentic AI-систем у организаций, которые делают ставку на суверенную модель. Для CIO и CTO полезнее читать эти цифры не как готовый бизнес-кейс, а как направление для собственной проверки: на каких типах workloads считали экономию, с чем сравнивали и сколько стоит переход на такой контур в реальной инфраструктуре.
Для русскоязычной IT-аудитории в этой истории важен не столько рекламный слой, сколько сам разворот дискуссии. Еще год-два назад разговор об ИИ чаще сводился к качеству моделей, числу токенов и цене API. Теперь на столе у техдиректора появляются менее глянцевые, но более жизненные вопросы: где хранить данные, как не зависеть от одного hyperscaler, чем кормить агентов, кто оплатит сетевую задержку между сервисами и что делать, если нужная мощность появится не в следующем квартале, а через пять лет. Суверенные данные в таком контексте становятся не идеологией, а способом сократить лишнее движение данных, удержать контроль над контуром и сделать архитектуру чуть менее прожорливой.
У разработчиков отсюда тоже вполне практический вывод. Если агентный ИИ действительно станет штатным слоем корпоративных систем, выиграют не только команды, которые умеют подключать LLM, но и те, кто умеет проектировать плотную связку между базой, поиском, retrieval-механиками и политиками доступа. Мир, где суверенные данные и «интеллект на ватт» обсуждают наравне с производительностью, выглядит уже не как футурология, а как новый baseline для корпоративной архитектуры. Главный вопрос теперь в том, сколько компаний готовы перестроить платформу под эту логику раньше, чем их ИИ-стратегия упрется не в качество модели, а в счет за электричество и лимит мощности.