Вокруг аренды серверов для искусственного интеллекта сейчас много шума, и у владельца бизнеса легко возникает ощущение, что он что-то упускает: все арендуют GPU, а он сидит на обычном VPS. Свежее отраслевое исследование даёт повод спокойно разложить, что на этом рынке происходит на самом деле и когда дорогая видеокарта в сервере действительно нужна, а когда это просто переплата.
Что показало исследование
Selectel вместе с аналитической компанией Apple Hills Digital оценил российский рынок облачных сервисов для ИИ. Совокупное потребление таких сервисов за 2025 год составило 65,5 миллиарда рублей. Больше половины этой суммы, 40,8 миллиарда, приходится на внутреннее потребление внутри экосистем самих провайдеров, и лишь 24,7 миллиарда — на то, что компании покупают на открытом рынке.
Если смотреть на публичное облако, картина такая. GPU-инфраструктура, то есть аренда серверов с видеокартами, принесла 8,2 миллиарда рублей и выросла почти на 69 процентов за год. Платформы для обучения и запуска моделей прибавили ещё больше — 97 процентов, до 9,4 миллиарда. Темпы впечатляют, но важна и абсолютная величина: восемь-девять миллиардов на всю страну — это пока нишевый сегмент на фоне рынка обычной аренды серверов, который измеряется десятками миллиардов. Отдельно аналитики отмечают, что за девять месяцев 2026 года потребление серверов с GPU выросло в 2,6 раза год к году, а основной спрос идёт от крупного бизнеса.
Почему это происходит
Спрос на ИИ в облаке реален: в опросе 46 процентов компаний сказали, что уже используют искусственный интеллект в облаке, пилотируют проекты или планируют начать в ближайший год. Но интереснее другой вывод исследования: рынок пока ограничен не спросом, а предложением. Провайдеры не могут поставить столько мощностей, сколько у них готовы купить, — упор идёт в доступность самих видеокарт и в наличие энергии и площадок под высоконагруженные стойки.
Для того, кто считает деньги, это ключевая деталь. Дефицитный ресурс не дешевеет. Пока спрос на GPU и дорогую память для ИИ-стоек обгоняет поставки, цена этого железа держится высоко, а заодно подтягивает вверх стоимость всей элементной базы, из которой собирают и обычные серверы. То есть ИИ-бум — это не только отдельный дорогой рынок, но и одна из причин, по которой медленно дорожает аренда самого простого VPS.
Что это значит для бюджета
Переведём в рубли. Типовой рабочий сервер под сайт, интернет-магазин или 1С — 4 vCPU, 8 ГБ памяти, 80 ГБ NVMe — стоит у российских провайдеров порядка 1200 рублей в месяц, около 14 400 рублей в год. Сервер с видеокартой — это совсем другой порядок цен. На рынке аренда VPS с начальной профессиональной картой стартует примерно от 17 000 рублей в месяц, конфигурация с RTX 4090 обходится около 29 000 рублей, а машина с топовой H100 — порядка 145 000 рублей в месяц. Разрыв между обычным сервером и GPU-сервером — не проценты, а десятки раз.
Отсюда простой бюджетный вывод: подавляющему большинству задач видеокарта в сервере не нужна вообще. Сайт, интернет-магазин, 1С, Битрикс, базы данных, телеграм-бот, корпоративный портал — всё это считает обычный процессор, и GPU там простаивает, а деньги за него уходят каждый месяц. Арендовать сервер с видеокартой под такие задачи — это платить 17 000 рублей там, где работа делается за 1200.
При этом совсем мимо тренд не пройдёт даже тех, кому ИИ не нужен. Тот же дефицит железа, что разгоняет рынок GPU, понемногу давит и на цену обычных серверов. Разумно закладывать в годовой бюджет на инфраструктуру индексацию в 10–15 процентов — на парке из пяти рабочих машин это около 7000–11 000 рублей в год сверх нынешней цены. Это не повод переходить на дорогие конфигурации, а повод не удивляться плановому росту счёта.
Что делать тому, кто выбирает сервер сейчас
Первое — подбирать сервер под реальную задачу, а не под моду. Если в проекте нет обучения моделей или тяжёлого инференса, GPU не нужен, и переплата за него ничем не окупится. Прикинуть нужную конфигурацию и её цену удобно в калькуляторе ServerCalc: он считает ресурсы под конкретную нагрузку, а не предлагает брать с запасом на всякий случай.
Второе — если ИИ-задача всё же есть, но разовая (посчитать модель раз в неделю, обработать партию данных), почти всегда выгоднее почасовая аренда GPU, чем сервер с видеокартой на постоянку. Карта работает несколько часов и выключается, а не стоит в простое за десятки тысяч рублей в месяц.
Третье — сравнивать по цене за ресурс. В каталоге ServerCalc у каждого тарифа стоит дата проверки цены, и видно, где обычный рабочий сервер стоит своих денег, а где в тариф зашит запас, за который платить не нужно. Рынок ИИ-облаков будет расти и дальше — по прогнозу исследования, GPU-сегмент прибавляет от 21 до 35 процентов в год до 2030 года, — но для большинства бизнес-задач это чужой праздник, и правильный сервер под них стоит прежних разумных денег.
Данные приведены по исследованию Selectel и Apple Hills Digital «Облачные сервисы для ИИ», представленному на конференции Selectel «ТехноДень» в октябре 2026 года; ориентировочные цены на обычные и GPU-серверы взяты из тарифных сеток и прайс-листов российских провайдеров на момент подготовки материала.