Евросоюз расследует Northern Data AG по делу о налоговом мошенничестве с GPU на €100 миллионов

Европейские следственные органы начали расследование против компании Northern Data AG по подозрению в мошенничестве с налоговыми льготами при покупке графических процессоров Nvidia H100 на сумму в $568 миллионов. По данным Bloomberg, расследование направлено на выяснение, были ли эти GPU использованы для майнинга криптовалют, несмотря на заявленные цели в сфере искусственного интеллекта.

В 2023 году Northern Data приобрела около 10 000 ускорителей Nvidia H100 примерно за €400 миллионов, рассчитывая получить налоговые льготы, предназначенные для поддержки компаний, работающих в области ИИ. Согласно правилам, компания должна была выплатить около €100 миллионов НДС, но получила освобождение благодаря льготам, действующим в Швеции. Однако прокуратура подозревает, что оборудование использовалось не для AI-задач, а для майнинга криптовалют, что не подпадает под налоговые преференции.

Исторически компания занималась майнингом и закупала для этого сотни тысяч игровых видеокарт, но после отмены налоговых льгот для майнеров в 2023 году, Northern Data заявила о переходе к облачным AI-сервисам. Несмотря на это, прокуроры считают, что в реальности компания могла продолжить майнинг, скрывая истинное назначение оборудования.

Расследование ведёт Европейская прокуратура (EPPO), в рамках которого уже были проведены обыски в Франкфурте и шведском городе Буден, а также задержаны четыре человека. Фокус расследования — на трёх дочерних компаниях, активных с 2021 по 2024 годы. Среди обвинений — уклонение от налогов и отмывание денег.

Однако эксперты сомневаются в целесообразности использования H100 для майнинга. Эти ускорители созданы для AI-нагрузок: у них высокая стоимость, специализированные тензорные ядра и быстрая память HBM3, но они плохо подходят для алгоритмов proof-of-work. По вычислительной эффективности на вложённый доллар H100 уступает даже игровым видеокартам, не говоря об ASIC-чипах для биткойна. Это ставит под сомнение рациональность предполагаемой схемы.