Аренда H100 в российских облаках начинается от 342 ₽/час, а серая карта H100 80 ГБ по дилерским прайсам сентября стоит 2,65-3,86 млн ₽. За этими цифрами стоят две разные экономики: почасовая оплата чужого железа и покупка актива, который потом нужно кормить электричеством, обслуживать и лицензировать.
Короткий ответ для тех, кто считает бюджет прямо сейчас. При загрузке GPU меньше 30% времени аренда почти всегда дешевле. Больше 70% на горизонте от двух лет - своё железо отбивает вложения. Между этими точками выигрывает гибрид: постоянные задачи на собственном сервере, пиковые нагрузки в облаке.
Дальше конкретика по трём странам: ставки аренды, цены серого импорта, полная стоимость владения, господдержка и дефицит мощностей, который будет определять рынок до конца десятилетия.
Аренда H100 в России: реальные ставки и что за ними стоит
Стартовая цена аренды H100 в российских облаках - от 342 ₽/час, по данным публичного обзора рынка вычислений. Это минимальная конфигурация: одна карта, оплата по часам, без обязательств на месяцы вперёд. Под реальную задачу ставка выше, и складывается она из нескольких параметров.
От чего зависит цена аренды GPU
- Тип ускорителя. H100 дороже A100, A100 дороже карт прошлых поколений. Разница в цене часа отражает пропускную способность памяти и поддержку форматов вроде FP8.
- Число карт в инстансе. Одна H100 и узел на восемь H100 тарифицируются по-разному: чем крупнее конфигурация, тем выше цена за час и тем меньше провайдеров готовы её выдать.
- Объём VRAM. 80 ГБ на карту - рабочий стандарт для обучения; для инференса компактных моделей иногда выгоднее взять карты с меньшей памятью.
- Interconnect. NVLink внутри узла и InfiniBand между узлами стоят отдельных денег. Без них многоузловое обучение упирается в сеть, и восемь GPU работают как один с лишней памятью.
- Хранилище. Локальный NVMe под датасет и объектное хранилище под чекпоинты - разные статьи счёта.
- Срок аренды. Почасовая оплата дороже месячной, месячная дороже годовой. Резервирование на год снижает ставку, но привязывает вас к конкретному железу.
- SLA и поддержка. Гарантированный аптайм, время реакции инженера и скорость замены карты входят в цену.
Для обучения критична пропускная способность между GPU: при слабом interconnect время шага растёт, а вы платите за простой. Для инференса важнее latency и цена часа, потому что запросы короткие, а модель висит в памяти постоянно.
Площадок, которые дают GPU в аренду, в России немного. Selectel обслуживает более 33 000 клиентов и держит шесть собственных дата-центров уровня Tier III в Москве, Санкт-Петербурге и Ленинградской области, ещё одна площадка работает в Новосибирске, по данным обзора серверных провайдеров. Собственные парки GPU есть у Яндекса и Сбера, плюс строятся площадки Cloud.ru.
Давление на цены одностороннее. Сбалансированный дефицит вычислительных мощностей в России к 2030 году оценивают примерно в 3 ГВт, поэтому провайдеры редко снижают ставки: спрос растёт быстрее, чем вводятся стойки. Экономику аренды подпирает и маржинальность поставщиков: при месячной выручке $10 000 прибыль inference-провайдера может составлять около $200, мы разбирали это в материале про маржинальность inference-провайдеров.
ЦКП Минпромторга: что это и кому подходит
Центр коллективного пользования Минпромторга даёт платный доступ к вычислительным мощностям от 208 ₽/час, по данным того же обзора рынка. Это дешевле коммерческих облаков, и логика понятна: часть расходов берёт на себя государство. Ограничения здесь важнее цены. Публично известна ставка, а по условиям остаются открытые вопросы: как формируется очередь, какой набор ПО и версии CUDA доступны, берут ли физических лиц или только юридических, есть ли гарантии доступности в конкретные даты.
Практический вывод: ЦКП стоит рассматривать под задачи, которые можно поставить в очередь, то есть эксперименты, обучение небольших моделей, разовые расчёты. Как основу продакшена, где нужны SLA и предсказуемый отклик, его закладывать рискованно. Перед планированием запросите условия напрямую и проверьте, покрывает ли доступный софт ваш стек.
Покупка H100: серый импорт, реальные цены и скрытые расходы
H100 80 ГБ по дилерским прайсам сентября идёт за 2,65-3,86 млн ₽, по данным разбора цен на серые карты. Нижняя граница близка к паритету с американским прайсом (около $31 тыс.), верхняя примерно в полтора раза выше. NVIDIA попадает в Россию только через параллельный импорт, наценка к американскому прайсу варьируется от паритета до 2,5 раз в зависимости от карты и момента. К цене карты закладывайте ещё 30-100% на гарантию, лицензии, логистику и валютные риски.
Почему цена карты - это только начало
Собственный узел на восемь H100 - это не восемь карт, а проект с несколькими статьями затрат:
- Комплектующие сервера. Платформа на 8 GPU, CPU, 1-2 ТБ RAM, NVMe под датасеты, корпус, охлаждение, блоки питания.
- Сеть. Для многоузловых обучений нужен InfiniBand или RoCE с коммутаторами. Экономия на сети превращает кластер в набор медленных карт.
- Инфраструктура. Стойка в ЦОД или собственная серверная с резервированием питания и охлаждением. Восемь карт в офисный шкаф не поставить.
- Эксплуатация. Электроэнергия, обслуживание, запасные части, инженерные часы.
- Лицензии и поддержка. Драйверы, оркестрация, мониторинг, enterprise-подписки.
- Валютные риски. Закупка идёт в долларах, а выручка у многих команд в рублях: курс двигает TCO сильнее, чем тариф на электричество.
Ориентир для расчёта: итог по проекту на 8×H100 с сетью, инфраструктурой и запасом на риски выходит примерно в 1,5-2 раза выше стоимости самих карт. Для одиночного сервера с одной H100 под ключ реалистичный бюджет - 4-5 млн ₽ с учётом наценки на карту, лицензий и логистики. Это оценка по публичным прайсам, а не точная смета: цены серых карт зависят от момента и конкретной позиции.
Рынок профессиональных GPU живёт по своим правилам: кто и зачем платит $16 000 за RTX 6000 PRO мы разбирали отдельно, и там хорошо видно, почему покупатели идут мимо официальных каналов.
Гарантия и лицензии: что вы теряете с серой картой
Официальной гарантии NVIDIA на такие карты нет. Доступна реселлерская на 3-12 месяцев либо никакой: RMA иногда едет через третью страну, и срок этого путешествия никто не гарантирует, по данным разбора рисков серого импорта. Практический риск простой: вышедшая из строя карта за 3 млн ₽ может уехать в ремонт на неопределённый срок, и заменить её в узле нечем.
Лицензий NVIDIA AI Enterprise на сером рынке нет. Вместе с ними пропадают сертифицированные драйверы, enterprise-поддержка и вменяемые SLA: их покупают через иностранные юридические лица или живут без. Для исследовательского стенда это терпимо, для продакшена с обязательствами перед заказчиками уже нет.
Что с этим делать: закладывать риск отдельной строкой бюджета, покупать у реселлеров с историей и понятной процедурой замены, держать хотя бы одну карту в резерве на несколько узлов. Если простои критичны, аренда с SLA часто дешевле владения серой картой именно за счёт переложенного риска.
Аренда или покупка: считаем порог рентабельности
Считаем на консервативных допущениях. Аренда по 342 ₽/час при непрерывной загрузке даёт 246 240 ₽ в месяц (720 часов) и около 2,95 млн ₽ в год. Сервер с одной H100 под ключ, с наценкой, лицензиями и логистикой, укладывается примерно в 4-5 млн ₽. Делим одно на другое и получаем срок окупаемости 17-20 месяцев, но только при 100% загрузке и без учёта электричества и обслуживания.
Дальше арифметика работает против покупки. При загрузке 50% срок растягивается до 34-40 месяцев, при 20% - до 85-100 месяцев. Второй сценарий означает, что карта устареет раньше, чем отобьёт вложения.
Ключевой вопрос не в цене часа, а в профиле нагрузки. Обучение даёт высокую, но рваную загрузку: неделю кластер работает на пределе, потом месяц простаивает. Инференс даёт низкую, зато постоянную загрузку, и здесь аренда почти всегда выигрывает, если нет причин держать данные на своём контуре.
Все цифры выше - расчёт на публичных ставках и ориентирах, а не измеренная окупаемость конкретной конфигурации. Свои допущения по загрузке подставьте сами: разница в 20 процентных пунктов меняет вывод.
Как считать TCO для собственного сервера
Соберите смету из четырёх групп:
- Капитальные затраты: GPU, серверная платформа, память, диски, сеть, корпус, охлаждение, блоки питания.
- Инфраструктура: место в ЦОД или своя серверная, стойка, ввод питания, резервирование, каналы связи.
- Операционные расходы: электроэнергия, охлаждение, обслуживание, лицензии, инженерные часы.
- Риски: гарантия, курсовые колебания, моральное устаревание ускорителя.
Электроэнергия - единственная статья, где география меняет цифры по-настоящему. Для Беларуси с тарифом 0,69 ₽/кВт·ч стойка на 8 карт, потребляющая условные 7 кВт на всё оборудование, набирает около 5 040 кВт·ч в месяц, то есть примерно 3,5 тыс. ₽. Это меньше 1% месячной стоимости аренды сопоставимого узла, так что дешёвая энергия сама по себе не компенсирует отсутствие канала поставок чипов.
Порог рентабельности считайте не по цене карты, а по часам полезной загрузки в год: ускоритель, который работает 1 500 часов в год, не окупается почти никогда.
Гибридная схема: база на своём, пики в облаке
Схема выглядит так: постоянный инференс и небольшие дообучения идут на собственном сервере с 1-4 GPU, а крупные обучения и всплески нагрузки уезжают в облако. Капитальные затраты падают в разы, эксперименты не требуют новых закупок, а платите вы за часы, которые действительно нужны.
Когда гибрид выигрывает: если 70% времени железо простаивает, а 30% работает на пределе. В этом случае полностью своё железо окупается плохо, полностью облако дорого на пиках, а комбинация укладывается в бюджет.
Главное требование к гибриду - совместимость окружений. Зафиксируйте версии драйверов, CUDA и фреймворков, собирайте контейнеры, держите чекпоинты и данные в объектном хранилище, а не на локальном диске. Тогда перенос обучения в облако сведётся к смене контекста kubectl, а не к неделе на адаптацию кода. Пример сборки постоянного узла с низким энергопотреблением есть в материале про круглосуточный AI-ассистент, а механика финансирования парка под такие пики разобрана в статье про neocloud и долговое финансирование закупок GPU.
Господдержка: 243-ФЗ, пакет 71,7 млрд и ЦКП
Из трёх мер окончательно работает одна: 243-ФЗ уже вступил в силу. Пакет мер на 71,7 млрд ₽ в год обсуждается, то есть пока это планы, а не действующий механизм. Платный ЦКП Минпромторга доступен от 208 ₽/час. Общая картина господдержки описана в обзоре рынка вычислений, но деталей по механизмам там немного, и здесь лучше опираться на официальные тексты, а не на пересказы.
Что реально даёт 243-ФЗ
Закон вступил в силу, но публичный разбор рынка не раскрывает его практических механизмов: какие именно льготы, кому и в каком порядке. Строить бюджет на пересказе закона из новостей не стоит. Разумный порядок действий: прочитать текст закона, проверить подзаконные акты и уточнить применимость у юриста, который ведёт вашу отрасль. Выгода для части проектов может быть в налоговых преференциях или в доступе к инфраструктуре, но без сверки с первоисточником это гадание.
Пакет 71,7 млрд ₽ в год: что обсуждается
Пакет на 71,7 млрд ₽ в год обсуждается, и это ключевое слово. По формату такие пакеты обычно включают субсидии, гранты и льготное кредитование, но подтверждённого перечня мер в открытых данных нет. Пока пакет не принят, он не влияет на TCO: считайте бюджет на 2026-2027 годы по действующим условиям, а обсуждаемые меры держите как опцию.
Отдельный ограничитель, который господдержка пока не снимает: отечественных ускорителей для обучения моделей нет. Есть заявленные проекты инференс-чипов от Яндекса, Сбера и МТС, есть нишевые нейропроцессоры НТЦ «Модуль». Обучение больших моделей по-прежнему требует NVIDIA или её аналогов из параллельного импорта, и это главная причина, по которой серый рынок никуда не уходит.
Казахстан и Беларусь: альтернативные юрисдикции для AI-нагрузок
У соседних юрисдикций разные преимущества: у одной официальные поставки, у другой дешёвая энергия. Объединяет их одно: публичных данных о ценах аренды H100 там нет, поэтому сравнение идёт по условиям, а не по ставкам.
Казахстан: официальные поставки NVIDIA и Долина ЦОДов
Казахстан строит ИИ-хаб с NVIDIA и имеет официальные поставки ускорителей. Практический смысл очевиден: карту можно купить легально, с гарантией производителя, лицензиями NVIDIA AI Enterprise и поддержкой. Это ровно то, чего не хватает при параллельном импорте в Россию.
Обратная сторона: инфраструктура вокруг поставок ещё строится, а наценка и сроки зависят от местного партнёра. Для российской команды добавляются сложности с ввозом и оформлением: официальная покупка в Казахстане не отменяет вопросов о том, как оборудование окажется на вашей площадке.
Беларусь: дешёвая энергия, но нет прямого канала чипов
У Беларуси профицит атомной энергетики и тариф 0,69 ₽/кВт·ч. Для энергоёмкого ЦОД это сильный аргумент: электричество перестаёт быть заметной статьёй расходов. Прямого канала поставок чипов нет, поэтому GPU всё равно придётся ввозить, со всеми рисками серого импорта: гарантия, RMA, лицензии.
Развилка по задачам получается такой:
| Параметр | Россия | Казахстан | Беларусь |
|---|---|---|---|
| Канал поставки GPU | Параллельный импорт | Официальные поставки NVIDIA, строится ИИ-хаб | Прямого канала чипов нет |
| Аренда H100 | От 342 ₽/час | Публичных данных нет | Публичных данных нет |
| Электроэнергия | По тарифу региона | Данных нет | 0,69 ₽/кВт·ч, профицит атомной генерации |
| Гарантия и лицензии | Реселлерская на 3-12 месяцев, без AI Enterprise | Гарантия производителя и лицензии доступны | Как в России: только серый ввоз |
| Главное ограничение | Дефицит мощностей и серый импорт | Инфраструктура строится | Нет канала чипов |
Для обучения с длительными прогонами дешёвая энергия Беларуси даёт заметную экономию, потому что узлы работают непрерывно месяцами. Для инференса с умеренным потреблением выигрыш меньше: экономия на киловатт-часах тонет в стоимости карт и логистики. Аренда в России остаётся самым быстрым способом начать, официальная покупка в Казахстане - самым чистым по документам, а размещение энергоёмких ЦОДов в Беларуси имеет смысл считать отдельным проектом.
Дефицит мощностей: почему GPU дорожают и что будет дальше
К российским сетям подключено порядка 5 ГВт ЦОДов, из них 2,7 ГВт приходится на майнинг; без майнинга на всю страну остаётся около 2 ГВт. Сбалансированный дефицит вычислительных мощностей к 2030 году оценивают в ~3 ГВт. Реальный парк GPU тоже скромный: кластер Сбера на ~9000 A100 и порядка 6 тысяч ускорителей у Яндекса. Дефицит памяти, по словам председателя SK Hynix, продлится до 2030 года, а 2027-й обещает стать худшим годом предложения в истории отрасли - всё это прогнозы, а не свершившиеся факты, и они важны для планирования закупок (обзор рынка вычислений).
Почему дефицит памяти влияет на GPU
Ускорители для ИИ используют HBM, а не обычную DDR-память, и линии под HBM ограничены. Когда производители памяти переключают мощности на дорогую HBM под долгосрочные контракты с NVIDIA и AMD, страдают потребительские сегменты: DDR дорожает, доступность карт падает. Экономику этого сдвига мы подробно разбирали в статье про то, почему рынок памяти смещается от потребительских GPU в сторону enterprise. Для покупателя вывод прикладной: даже при наличии денег карты может просто не быть в наличии, а аренда дорожает вслед за спросом на ограниченный парк.
Что строят в России: ЦОДы Яндекса и Cloud.ru
Предложение растёт, но с задержкой. Яндекс запустил крупнейший частный ЦОД страны во Владимирской области: около 100 МВт и более 30 млрд ₽ инвестиций. Самый амбициозный проект - ЦОД Cloud.ru в Подмосковье: ~60 МВт с перспективой до 100 МВт, ввод намечен на 2026 год, первая очередь на 10 МВт - на 2027-й. Обе площадки рассчитаны в первую очередь на облачные сервисы и внутренние нагрузки, а не на розничную аренду отдельных GPU.
Существующие площадки тоже расширяются. Например, Selectel работает на шести собственных дата-центрах уровня Tier III с резервированием N+1 (обзор серверных провайдеров). Ввод новых мощностей снижает дефицит, но не убирает его: при разрыве в 3 ГВт к 2030 году каждая новая очередь ЦОД меняет картину лишь частично.
Как выбрать поставщика и не прогадать: чек-лист для CTO
Критерии выбора облачного провайдера
- Наличие нужных GPU. H100 или A100 в нужном количестве и в одной локации. Уточните, выделены карты физически или это виртуализация с овербукингом.
- Цена за час и модель тарификации. Что входит в ставку: хранилище, трафик, снапшоты, время простоя инстанса.
- SLA. Гарантированный аптайм, время реакции на инцидент, размер компенсаций.
- Сеть. InfiniBand или NVLink между картами узла, если планируете обучение.
- Окружение. Кто управляет драйверами и CUDA, можно ли приносить свои образы, есть ли управляемый Kubernetes.
- Окружающие сервисы. Объектное хранилище, реестр контейнеров, управляемые базы, мониторинг. Чем меньше интеграций на вашей стороне, тем короче путь до продакшена.
- Надёжность площадок. Уровень Tier III, число дата-центров, география. Для ориентира: у Selectel в экосистеме есть managed Kubernetes, Container Registry, managed PostgreSQL, MySQL и Redis, объектное хранилище S3 и GPU-серверы (обзор провайдеров).
Когда покупать, а когда арендовать: итоговый алгоритм
- Оцените профиль загрузки: сколько часов в месяц GPU реально считает, а не простаивает.
- Посчитайте TCO собственного узла: карты с наценкой, сервер, сеть, инфраструктура, электричество, обслуживание, лицензии, резерв на риск.
- Сравните с арендой по часам: ставка умножить на часы, плюс хранение данных и трафик.
- Если расчёт близкий, выбирайте гибрид: базовый контур на своём железе, пики в облаке.
- Проверьте, применима ли к проекту господдержка и есть ли доступ к ЦКП под разовые задачи.
Ориентир по решению: загрузка ниже 30% - аренда, выше 70% на горизонте от двух лет - своё железо, между ними - гибрид. Это рамка, а не догма. При недоступности карт на рынке аренда становится единственным рабочим вариантом, а при наличии льгот покупка может выигрывать и при меньшей загрузке.
Что сделать прямо сейчас: поднимите статистику загрузки GPU за последние месяцы, посчитайте два бюджета, аренду по 342 ₽/час и собственный узел на 4-5 млн ₽, и сравните результат. Если разница в пределах 20-30%, решайте не деньгами, а рисками: кто отвечает за замену карты в три часа ночи, где лежат данные и что будет с курсом.