ღირს თუ არა საქართველოში ხელოვნური ინტელექტის ინფრასტრუქტურის შექმნა?

საქართველოში AI-ინფრასტრუქტურის განვითარება გამართლებულია, თუმცა მხოლოდ ეტაპობრივი მიდგომითა და საერთო სარგებლობის მოდელზე დაყრდნობით. ციფრული საილუსტრაციო მაგალითი აჩვენებს, რომ 64 მაღალი წარმადობის GPU-ს ცენტრს დაახლოებით 9.3 მილიონი ლარის საწყისი ინვესტიცია და მაქსიმალური დატვირთვისას დაახლოებით 0.97 გვტსთ ელექტროენერგია დასჭირდება წელიწადში – ქვეყნის 2025 წლის მოხმარების მხოლოდ დაახლოებით 0.007%. ეკონომიკური ზღვარი არა ენერგია, არამედ გამოყენებაა: ადგილობრივი ფლობა უცხოურ ღრუბლოვან სიმძლავრეზე იაფი ხდება დაახლოებით 45%-ზე მაღალი სტაბილური დატვირთვისას. ამიტომ საქართველოსთვის გამართლებულია 64-GPU-იანი საერთო პილოტი, მაგრამ არა მილიარდიანი ჰიპერმასშტაბური ცენტრი დადასტურებული მომხმარებლებისა და ენერგიის ახალი წყაროს გარეშე.

რა იგულისხმება AI ინფრასტრუქტურაში

AI ინფრასტრუქტურა მხოლოდ ძვირადღირებული GPU-ები არ არის. მასში შედის მაღალი სიჩქარის ქსელი, მონაცემთა საცავი, უწყვეტი ელექტრომომარაგება, გაგრილება, კიბერუსაფრთხოება, მოდელებისა და სამუშაო დატვირთვების მართვის პროგრამული ფენა, მონაცემთა მმართველობა და სპეციალისტთა გუნდი. თუ ამ კომპონენტებიდან რომელიმე აკლია, ძვირი გამოთვლითი მოწყობილობა შეიძლება დაბალი დატვირთვით მუშაობდეს ან საერთოდ ვერ მიაღწიოს ნავარაუდევ შედეგს.

საქართველოსთვის ინფრასტრუქტურის სამი განსხვავებული მასშტაბი უნდა გაიმიჯნოს. პირველი არის ერთი 8-GPU-იანი კვლევითი კვანძი – უნივერსიტეტების, სტარტაპებისა და მცირე პილოტებისთვის. მეორეა 64–256 GPU-ს საერთო ეროვნული ან რეგიონული ცენტრი, რომელიც მოემსახურება კვლევას, ქართულენოვან მოდელებს, კომპანიების უსაფრთხო გამოთვლებსა და საჯარო სექტორის პროექტებს. მესამეა ათეულობით ან ასეულობით მეგავატის ჰიპერმასშტაბური მონაცემთა ცენტრი, რომლის ეკონომიკა უკვე საერთაშორისო კლიენტებს, ახალ ენერგოგენერაციასა და გრძელვადიან კონტრაქტებს მოითხოვს. ამ სამის ერთ სიტყვაში გაერთიანება არასწორ საინვესტიციო დასკვნას ქმნის.

რატომ ჩნდება მოთხოვნა ახლა

2026 წლის მეორე კვარტალში საქართველოს ბიზნეს ასოციაციის გამოკითხული კომპანიების 47% AI-ის კვლევის ან დაგეგმვის ეტაპზე იყო, 24% პილოტირებას ახორციელებდა და 13%-ს AI ერთ ან რამდენიმე პროცესში სრულად ჰქონდა ინტეგრირებული. გამოკითხულთა 65% მომდევნო ერთ-ორ წელიწადში AI ბიუჯეტის გაზრდას გეგმავდა. ეს ჯერ არ არის GPU-ს მოთხოვნის ზუსტი პროგნოზი, მაგრამ მიუთითებს, რომ გამოყენება ექსპერიმენტიდან ორგანიზაციულ პროცესში გადადის.

ამავე დროს, კომპანიების ნახევარი მზა გლობალურ პლატფორმებს იყენებდა. ეს ლოგიკურია: ღრუბლოვანი სერვისები მცირე და არასტაბილური მოთხოვნისას იაფია, სწრაფად ირთვება და ტექნიკურ გუნდს ნაკლებად ტვირთავს. ადგილობრივი ინფრასტრუქტურის საჭიროება ჩნდება იქ, სადაც დატვირთვა განმეორებადია, მონაცემის ქვეყნიდან გატანა სენსიტიურია, დაბალი დაყოვნება მნიშვნელოვანია, გამოთვლითი რესურსის გარანტირებული ხელმისაწვდომობაა საჭირო ან რამდენიმე ორგანიზაციის მოთხოვნა ერთ ცენტრში ერთიანდება.

საქსტატის მიხედვით, 2025 წელს საწარმოთა 94.9%-ს ინტერნეტზე წვდომა ჰქონდა, თუმცა ეს არ ნიშნავს, რომ ისინი მზად არიან მაღალი წარმადობის AI-სთვის. ორგანიზაციის მონაცემთა ხარისხი, პროცესების ციფრული აღწერა და სპეციალისტები უფრო მნიშვნელოვანი შეზღუდვა შეიძლება აღმოჩნდეს, ვიდრე ინტერნეტკავშირი. ინფრასტრუქტურა მოთხოვნას ვერ შექმნის, თუ კომპანიებს გამოსაყენებელი მონაცემი და მკაფიო ბიზნესამოცანა არ ექნებათ.

რას აჩვენებს 64 და 256 GPU-ს საილუსტრაციო მაგალითები

გამოთვლა იყენებს საჯაროდ გამოქვეყნებულ საორიენტაციო ფასებსა და ტექნიკურ მახასიათებლებს. Supermicro-ის 8-GPU H100/H200 კლასის სისტემის გამოქვეყნებული კონფიგურაცია დაახლოებით 328.7 ათასი დოლარია. ამას ემატება 35% ქსელის, საცავის, გაგრილების, მონტაჟის, ტრანსპორტისა და რეზერვისთვის. 2026 წლის 27 აგვისტოს ოფიციალური კურსით ერთი სრულად მომზადებული 8-GPU კვანძი დაახლოებით 1.16 მილიონ ლარს აღწევს. რვა ასეთი სისტემა, ანუ 64 GPU, დაახლოებით 9.3 მილიონ ლარს, ხოლო 32 სისტემა, ანუ 256 GPU – დაახლოებით 37.2 მილიონ ლარს მოითხოვს.

ეს არ არის შესყიდვის შეთავაზება ან საბოლოო ბიუჯეტი. რეალური ფასი დამოკიდებული იქნება GPU-ს თაობაზე, ექსპორტის წესებზე, პროგრამულ ლიცენზიებზე, ქსელის ტოპოლოგიაზე, საცავის მოცულობაზე, გარანტიასა და იმაზე, აშენდება ახალი დარბაზი თუ გამოყენებული იქნება არსებული მონაცემთა ცენტრი. ამიტომ ციფრები საინვესტიციო მასშტაბის დასანახი სცენარია.

წყარო და სტატუსი: საჯარო ტექნიკური და ფასობრივი მონაცემების საფუძველზე შესრულებული BTU-ს მკვლევრების სცენარული გამოთვლა.

ენერგია პრობლემა არ არის – ამ მასშტაბზე

NVIDIA-ს მიხედვით, ერთი DGX H100/H200 კლასის 8-GPU სისტემა მაქსიმუმ 10.2 კვტ სიმძლავრეს მოითხოვს. თუ ახალი ცენტრის PUE 1.35 იქნება – ანუ ყოველ 1 კვტსთ IT ენერგიაზე კიდევ 0.35 კვტსთ მოდის გაგრილებასა და სხვა ინფრასტრუქტურაზე – 64 GPU-ს წლიური მაქსიმალური მოხმარება დაახლოებით 0.97 გვტსთ იქნება. 256 GPU-სთვის ეს მაჩვენებელი დაახლოებით 3.86 გვტსთ-მდე გაიზრდება.

საქართველოს შიდა ელექტრომოხმარება 2025 წელს დაახლოებით 14.3 ტვტსთ იყო. შესაბამისად, 64-GPU ცენტრის წილი მხოლოდ 0.007%, 256-GPU ცენტრისა კი 0.027% გამოდის. 35/110 კვ ძაბვის 2026 წლის საჯარო მიწოდების ტარიფით მაქსიმალური წლიური ელექტროენერგიის ხარჯი დაახლოებით 293 ათასი და 1.17 მილიონი ლარია. ამ ზომის პროექტისთვის ენერგია მართვადი კომპონენტია, თუმცა საჭიროა ორი დამოუკიდებელი კვება, UPS, გენერატორი და მიწოდების უწყვეტობის კონტროლი.

სრულიად სხვა სურათია ჰიპერმასშტაბურ ცენტრში. 50 მეგავატი უწყვეტი დატვირთვა წელიწადში დაახლოებით 438 გვტსთ-ს, ანუ ქვეყნის მოხმარების 3.1%-ს მოითხოვს; 100 მეგავატი – 876 გვტსთ-სა და 6.1%-ს. ასეთი პროექტი უკვე ვერ უნდა აშენდეს მხოლოდ არსებული სისტემის იმედად: საჭიროა ახალი გენერაცია, ქსელის გაძლიერება და გრძელვადიანი ენერგეტიკული კონტრაქტი.

ღრუბლოვანი სერვისები თუ საკუთარი ცენტრი

AWS-ის გამოქვეყნებული Capacity Blocks ფასი 8×H100 სისტემისთვის საათში 37.76 დოლარია. ამ ნიშნულით 64 GPU-ს უწყვეტი 100%-იანი წლიური გამოყენება დაახლოებით 6.93 მილიონი ლარი დაჯდება. ადგილობრივი 64-GPU ცენტრის წლიური სრული სცენარული ხარჯი – ხუთწლიანი ამორტიზაცია, ელექტროენერგია, მოვლა და ექვსკაციანი ძირითადი გუნდი – დაახლოებით 3.15 მილიონი ლარია. ორი ვარიანტის მიახლოებითი წონასწორობა 45%-იან საშუალო დატვირთვასთან ჩნდება.

25%-იან დატვირთვაზე ღრუბლოვანი სერვისები წელიწადში დაახლოებით 1.42 მილიონი ლარით იაფია. 50%-ზე ადგილობრივი ცენტრი უკვე დაახლოებით 313 ათასი ლარის უპირატესობას იძენს; 75%-ზე სხვაობა დაახლოებით 2.05 მილიონ ლარამდე იზრდება. 256 GPU-ს შემთხვევაში მასშტაბის ეფექტი წონასწორობის ზღვარს დაახლოებით 43%-მდე ამცირებს. მკაცრ სცენარში – უფრო ძვირი მშენებლობა, PUE 1.54 და უფრო მაღალი დაბალძაბვიანი ტარიფი – 64 GPU-ს ზღვარი დაახლოებით 51%-მდე იწევს.

ეს შედარება სრულად იდენტური არ არის. ღრუბლოვანი სერვისების ფასი შეიძლება შემცირდეს გრძელვადიანი კონტრაქტით ან წყვეტადი სიმძლავრით, მაგრამ დაემატოს საცავი, მონაცემის გატანა და სხვა სერვისები. ადგილობრივი ცენტრი კი ქმნის მონაცემთა კონტროლს და გარანტირებულ ხელმისაწვდომობას, თუმცა ტექნოლოგიური მოძველების, დაბალი დატვირთვისა და სპეციალისტების შენარჩუნების რისკს თავად იღებს.

ნიშანი: დადებითი სხვაობა ადგილობრივი ფლობის უპირატესობას აღნიშნავს. შედარება ეფუძნება AWS-ის გამოქვეყნებულ Capacity Blocks ფასს.

რისთვის იქნება ადგილობრივი სიმძლავრე ღირებული

საქართველომ არ უნდა სცადოს საკუთარი გლობალური მასშტაბის ფუნდამენტური მოდელის ნულიდან გაწვრთნა მხოლოდ იმიტომ, რომ ინფრასტრუქტურა ექნება. 64 ან 256 GPU უფრო რეალისტურად გამოდგება არსებული ღია მოდელების ქართულ ენაზე მორგებისთვის, დარგობრივი მოდელების დასატრენინგებლად, უნივერსიტეტებისა და სტარტაპების კვლევისთვის, საჯარო და კერძო მონაცემზე უსაფრთხო დასკვნის მისაღებად, ფინანსური და კიბერუსაფრთხოების მოდელებისთვის, ვიდეოანალიტიკისთვის და აგენტური სისტემების ტესტირებისთვის.

ღირებულება განსაკუთრებით იზრდება, თუ ცენტრი გაზიარებული პლატფორმაა. ცალკე აღებულ ერთ უნივერსიტეტს, სამინისტროს ან კომპანიას 45%-იანი დატვირთვის მიღწევა შეიძლება გაუჭირდეს. უნივერსიტეტების, ბანკების, ტელეკომის, ჯანდაცვის, წარმოების, საჯარო სექტორისა და სტარტაპების მოთხოვნის ერთ სისტემაში დაგეგმვა დატვირთვას ზრდის და ერთეულ ღირებულებას ამცირებს. მაგრამ ამისთვის საჭიროა გამჭვირვალე კვოტები, ფასები, მონაცემთა იზოლაცია, დამოუკიდებელი უსაფრთხოების შემოწმება და მომხმარებლისთვის მომსახურების მკაფიო დონე.

ყველაზე დიდი რისკი ცარიელი სიმძლავრეა

AI ინფრასტრუქტურის ეკონომიკაში ყველაზე მძიმე შეცდომა ზედმეტი სიმძლავრის წინასწარ ყიდვაა. GPU სწრაფად ძველდება, ახალი თაობა იგივე ამოცანას ნაკლები ენერგიითა და ფასით ასრულებს, ხოლო დაბალი დატვირთვისას ფიქსირებული ხარჯი თითოეულ გამოთვლით საათზე მკვეთრად იზრდება. ამიტომ პროექტის წარმატების მთავარი KPI არა შეძენილი GPU-ების რაოდენობა, არამედ გაყიდული ან გამოყენებული GPU-საათები, ხელმისაწვდომობა, მომხმარებელთა განმეორებითი მოთხოვნა და თითოეული GPU-საათის სრული ღირებულებაა.

მეორე რისკი ადამიანური კაპიტალია. მონაცემთა ცენტრის ოპერატორი, ქსელის ინჟინერი, კიბერუსაფრთხოების სპეციალისტი, MLOps გუნდი და დარგობრივი მკვლევარი ერთნაირად საჭიროა. მხოლოდ მოწყობილობის შეძენა საქართველოში AI შესაძლებლობას არ ქმნის. მესამე რისკია ერთ მომწოდებელზე დამოკიდებულება, ექსპორტის წესები და სათადარიგო ნაწილების ხელმისაწვდომობა. არქიტექტურამ ამიტომ უნდა დაუშვას ჰიბრიდული მუშაობა და მომწოდებლის შეცვლა.

BTU-ს მკვლევრების შეფასება

BTU-ს მკვლევრების შეფასებით, საქართველოსთვის ეკონომიკურად და სტრატეგიულად გამართლებულია არა „ყველაზე დიდი შესაძლო“, არამედ „მოთხოვნით მზარდი“ AI ინფრასტრუქტურა. პირველი ეტაპი უნდა იყოს 8-GPU კვანძი და ღრუბლოვანი რესურსი მოთხოვნის ზუსტად გასაზომად. მეორე ეტაპი – 64 GPU-ს საერთო ცენტრი მხოლოდ მაშინ, თუ წინასწარი მომხმარებლები 24 თვისთვის მინიმუმ 50%-იან საშუალო დატვირთვას ადასტურებენ. 256 GPU-მდე გაფართოება უნდა მოხდეს მხოლოდ მას შემდეგ, რაც არსებული ცენტრი ექვსი თვის განმავლობაში 65–70%-ზე მეტ დატვირთვას შეინარჩუნებს და მოთხოვნის რიგი წარმოიქმნება.

ამ მოდელში სახელმწიფო ან უნივერსიტეტი არ უნდა იყოს მხოლოდ მესაკუთრე. საჭიროა დამოუკიდებელი ოპერატორი, კომერციული და კვლევითი ტარიფების გამიჯვნა, აუდიტირებული დატვირთვის მონაცემები და კერძო სექტორის თანაინვესტირება. ინფრასტრუქტურის მიზანი უნდა იყოს ქართული AI ეკოსისტემის მომსახურება და არა ძვირადღირებული სიმბოლოს შექმნა.

ძირითადი მიგნებები

• 64-GPU საერთო ცენტრის სცენარული საწყისი ღირებულება დაახლოებით 9.3 მილიონი ლარია; 256 GPU-სი – დაახლოებით 37.2 მილიონი ლარი.
• 64–256 GPU-ს ენერგეტიკული მოთხოვნა საქართველოს მასშტაბისთვის მცირეა; მთავარი შეზღუდვა სტაბილური დატვირთვა და ადამიანური კაპიტალია.
• ღრუბლოვანი სერვისები უკეთესია მცირე, ცვალებადი და ექსპერიმენტული მოთხოვნისთვის; ადგილობრივი ფლობა დაახლოებით 43–46%-ზე მაღალი სტაბილური დატვირთვისას ხდება კონკურენტული.
• მკაცრი ხარჯობრივი სცენარი 64 GPU-ს წონასწორობის ზღვარს დაახლოებით 51%-მდე ზრდის, ამიტომ წინასწარი მომხმარებლების კონტრაქტები აუცილებელია.
• 50–100 მეგავატის ჰიპერმასშტაბური ცენტრი ქვეყნის ელექტრომოხმარების დაახლოებით 3.1–6.1%-ს მოითხოვდა და ახალი ენერგოგენერაციის გარეშე მაღალი რისკი იქნებოდა.
• საქართველოს რეალისტური შესაძლებლობაა ქართულენოვანი და დარგობრივი მოდელები, უსაფრთხო დასკვნა, კვლევა და აგენტური სისტემები – არა გლობალური ფუნდამენტური მოდელის ნულიდან შექმნის რბოლა.
• რეკომენდებული გზა არის ჰიბრიდული და ეტაპობრივი: ღრუბლოვანი სერვისები + 8 GPU, შემდეგ დადასტურებული მოთხოვნით 64 GPU და მხოლოდ გამოყენების შემდეგ 256 GPU.

რატომ არის ეს მნიშვნელოვანი საქართველოსთვის

საკუთარი გამოთვლითი სიმძლავრე ქვეყანას აძლევს არა სრულ ტექნოლოგიურ დამოუკიდებლობას, არამედ არჩევანის თავისუფლებას: სად დამუშავდეს სენსიტიური მონაცემი, ვის ჰქონდეს კვლევის რესურსი და რამდენად იყოს ადგილობრივი AI პროექტი დამოკიდებული უცხოურ ფასსა და ხელმისაწვდომობაზე. ეს განსაკუთრებით მნიშვნელოვანია ქართული ენის, საჯარო მონაცემების, კიბერუსაფრთხოების, ფინანსების, ჯანდაცვისა და განათლებისთვის.

მაგრამ ფინანსური დისციპლინის გარეშე იგივე ინფრასტრუქტურა შეიძლება ძვირადღირებულ ცარიელ აქტივად იქცეს. ამიტომ პროექტის შეფასება უნდა ეფუძნებოდეს არა პრესტიჟს, არამედ წინასწარ გაყიდულ GPU-საათებს, მონაცემთა რეალურ პროექტებს, ენერგიის ხელმისაწვდომობას, სპეციალისტებსა და გაფართოების მკაფიო ზღვრებს.

დასკვნა

საქართველოში AI ინფრასტრუქტურის აშენება ღირს – თუ ქვეყანა იწყებს 64 GPU-ზე ნაკლები ან დაახლოებით ამ მასშტაბის საერთო, ჰიბრიდული ცენტრით და გაფართოებას მხოლოდ დადასტურებული მოთხოვნის მიხედვით ახორციელებს. ენერგია ამ ზომის პროექტს არ ზღუდავს; ეკონომიკას წყვეტს 45–50%-ზე მაღალი დატვირთვა, კომპეტენტური ოპერირება და მრავალმომხმარებლიანი მოდელი. დიდი ჰიპერმასშტაბური ცენტრი კი მხოლოდ მაშინ იქნება გამართლებული, თუ მას ექნება საერთაშორისო კლიენტი, ახალი ენერგიის წყარო და გრძელვადიანი შესყიდვის კონტრაქტები. სწორი არჩევანი ინფრასტრუქტურასა და ღრუბლოვან სერვისებს შორის არ არის: საქართველოს სჭირდება ორივეს ჰიბრიდული კომბინაცია.

მონაცემები და ძირითადი წყაროები

• საქართველოს ბიზნეს ასოციაციის 2026 წლის II კვარტალის კვლევა AI-ის დანერგვაზე.
• საქსტატის 2025 წლის საწარმოთა ICT მონაცემები და ეროვნული ენერგეტიკული სტატისტიკა.
• GNERC-ის 2025 წლის ანგარიში და 2026 წლის არასაყოფაცხოვრებო ელექტროენერგიის ტარიფები.
• NVIDIA-ს DGX H100/H200 ტექნიკური და მონაცემთა ცენტრის დაგეგმვის სპეციფიკაციები.
• AWS-ის Capacity Blocks ფასი და Supermicro-ის გამოქვეყნებული სერვერის საორიენტაციო ფასი.
• საქართველოს ეროვნული ბანკის USD/GEL ოფიციალური კურსი, 27 აგვისტო 2026.

Authorship

მომზადებულია Business and Technology University-ის აკადემიური გუნდისა და BTUAI Research Team-ის მიერ, Tbilisi, Georgia.