Аренда GPU-серверов для ИИ в России подорожала на 64% за пять месяцев 2026 года
Средний месячный чек за аренду выделенных GPU-серверов для задач искусственного интеллекта и машинного обучения в России за первые пять месяцев 2026 года вырос на 64% по сравнению с аналогичным периодом прошлого года — с 1,4 млн до 2,3 млн рублей. На ИИ и машинное обучение уже приходится 33% заказов на GPU-серверы. Об этом сообщает «Код Дурова».
Рост среднего чека связан в том числе с изменением требований к оборудованию: компании переходят от экспериментов с небольшими моделями к промышленным системам, которым нужны более производительные ускорители, большой объем видеопамяти и стабильная работа под нагрузкой. Из-за этого дорожают проекты, усложняются закупки и растет зависимость бизнеса от доступности конкретных серверных конфигураций.
«GPU-ускорители нужны всем одновременно: облачным провайдерам, крупным промышленным компаниям, банкам, разработчикам ИИ-сервисов, научным центрам, производственным предприятиям. Спрос растет глобально, а число производителей таких компонентов ограничено», — объясняет Мария Соловьева, руководитель направления серверной инфраструктуры и систем хранения данных компании «ГИГАНТ — Компьютерные системы».
В компании «ГИГАНТ — Компьютерные системы» предупреждают, что в 2027 году дефицит высокопроизводительных ускорителей и увеличение сроков поставки могут стать одними из главных ограничений для корпоративных ИИ-проектов. Проблемы возникают еще до запуска моделей: согласованная конфигурация может подорожать, пока компания утверждает бюджет и проходит закупочные процедуры.
Банки, промышленные предприятия, телеком, ретейл, научные организации и разработчики ИИ-сервисов переходят к регулярному использованию моделей — внедряют компьютерное зрение, автоматизируют обработку документов, анализируют большие массивы данных, применяют машинное обучение в инженерных расчетах и производственном контроле. В таких сценариях вычислительные ресурсы нужны постоянно, а требования сильно различаются: для небольшой модели может хватить одного ускорителя, для обучения крупной модели или работы с большими объемами данных могут понадобиться несколько GPU, связанные высокоскоростной сетью.
В высокопроизводительном ИИ-сервере основную часть стоимости могут формировать графические ускорители, поэтому для конфигураций с четырьмя или восемью GPU даже относительно небольшое изменение цены одного ускорителя значительно влияет на общий бюджет. Пока компания согласует закупку, уточняет архитектуру, проверяет лимиты и проходит внутренние процедуры, стоимость оборудования и условия поставки могут измениться.
«Пока компания согласует закупку, уточняет архитектуру, проверяет лимиты и проходит внутренние процедуры, цена может измениться. Иногда меняется и срок поставки, потому что нужная партия уже ушла другому покупателю или поставщик пересобрал условия», — отмечает Мария Соловьева.
Ускорители составляют только часть инфраструктуры: при использовании нескольких производительных GPU необходимо учитывать энергопотребление серверов, тепловыделение, возможности системы охлаждения, характеристики сетевых соединений и пропускную способность подсистемы хранения. Итоговая стоимость проекта включает серверы, сетевое оборудование, системы хранения, подготовку площадки, эксплуатацию, техническую поддержку и возможное расширение мощностей.
Для пилотных проектов облако остается удобным вариантом, особенно при нерегулярной нагрузке. При переходе к промышленной эксплуатации аренда вычислительных мощностей становится регулярной статьей расходов, и собственная инфраструктура может оказаться выгоднее, но универсального решения нет — все зависит от загрузки оборудования, горизонта эксплуатации, облачных тарифов, расходов на персонал, энергопотребления и требований к доступности сервиса.
На выбор инфраструктуры влияют и требования к обработке информации: корпоративные модели могут работать с персональными данными, внутренней технической документацией, финансовой информацией, результатами инженерных расчетов и сведениями о производственных процессах. Для компаний, работающих с объектами КИИ и государственными информационными системами, могут действовать дополнительные требования к архитектуре, размещению и защите информации. Gartner выделяет геопатриацию — перенос данных и приложений из глобальных облаков в региональные, суверенные или собственные инфраструктуры для снижения геополитических и регуляторных рисков.
Высокий спрос на GPU не означает, что любому корпоративному ИИ-проекту необходим мощный вычислительный кластер: обучение модели, ее дообучение и обработка пользовательских запросов имеют разные профили нагрузки. Квантование, дистилляция и другие методы позволяют в определенных случаях уменьшить требования к вычислениям и памяти, сохранив приемлемое качество результата.
«Не каждый ИИ-проект требует мощностей GPU-сервера. Если сценарий еще не подтвержден, данные не подготовлены, а нагрузка непонятна, логичнее начать с тестов и расчетов», — считает Мария Соловьева.
Перед закупкой необходимо оценить характеристики модели, предполагаемое количество пользователей, пиковую и среднюю нагрузку, требования к задержке, объем данных и перспективы масштабирования, а также проверить происхождение оборудования, его фактическую конфигурацию, условия гарантии и возможность дальнейшего расширения. При сохранении высокого спроса и ограниченной доступности наиболее производительных ускорителей сроки поставки могут стать для ИИ-проектов не менее значимым ограничением, чем бюджет.
Подписывайтесь на наш Telegram-канал, чтобы быть в курсе всех новостей и событий Рунета.
