Запуск больших языковых моделей в 2026 году обходится в 2,8 раза дороже, чем год назад, а спрос на GPU-мощности продолжает расти. Разбираем, где арендовать серверы для обучения нейросетей и какие варианты есть на рынке.
С выходом ChatGPT в 2022 году машинное обучение вышло в мейнстрим. Бизнес начал активно развивать собственные LLM и генеративные нейросети. По данным аналитиков, в 2023 году компании увеличили средние расходы на работу с GPU-кластерами сразу на 40%, а многие предпочли перенести такие задачи в облако.
В 2026 году ситуация только обострилась. Стоимость минимального набора ускорителей для запуска LLM выросла в 2,8 раза — с 13,7 млн рублей в 2025 году до 38,8 млн рублей в 2026-м. Оборудование дорожает, а бизнесу нужно решать задачу — где взять доступные GPU-мощности для обучения и инференса?
Спрос на GPU формируют несколько сегментов. Разработчики ИИ-решений арендуют мощности для обучения нейросетей и инференса. Компании из ритейла, e-commerce и финансового сектора активно внедряют компьютерное зрение и предиктивную аналитику. Производители контента используют видеокарты для рендеринга и видеокодирования.
Облачные провайдеры увеличивают число серверов со специализированными процессорами для ИИ, расширяют и регулярно обновляют кластеры GPU. По данным CNewsMarket, среди российских провайдеров облачных серверов с видеокартами для ИИ в 2026 году лидируют Selectel, Турбо Облако и MWS Cloud. Компании всё чаще выбирают аренду вместо покупки собственного железа — чтобы не замораживать капитал в оборудовании и платить только за фактическое потребление.
Самый гибкий вариант — аренда GPU в публичном облаке. Позволяет быстро проверить гипотезы, обучить модель и масштабироваться под нагрузку. Оплата по модели Pay as you go — только за потреблённые ресурсы.
MWS Cloud в первом полугодии 2025 года расширила мощности виртуальной инфраструктуры с GPU в 1,5 раза в двух московских ЦОДах и в Санкт-Петербурге. Инфраструктура подходит для обучения и инференса любых ML-, LLM- и CV-моделей. С начала года потребление GPU-ресурсов в облаке MWS Cloud выросло почти в 1,7 раза.
Не все компании могут работать в публичных облаках — требования информационной безопасности или регуляторные нормы требуют развертывания инфраструктуры в закрытом контуре. Для таких случаев провайдеры предлагают установку серверов с GPU непосредственно на площадке заказчика.
MWS Cloud запустила сервис MWS GPU on-premises — установку серверов с графическими ускорителями для обучения и инференса ИИ в периметре предприятий. Оборудование можно приобрести или взять в аренду, а серверы развернуть как на площадке компании, так и в дата-центре провайдера.
Сервис ориентирован на промышленные компании для интеграции с существующими on-premises системами и медицинские организации, работающие с персональными данными пациентов при диагностике с помощью ИИ.
Для обучения больших моделей требуются мощные ускорители — H100, H200, B300. Чем новее модель, тем больше памяти и производительности нужно. Например, для запуска Kimi K3 требуется 8 × B300 288 ГБ, а стоимость такого набора достигает 80 млн рублей.
Гибкость — ключевое преимущество облака. Оплата по модели Pay as you go позволяет не замораживать бюджет и масштабироваться по мере роста задач. Для on-premises решений доступна аренда, что переводит капитальные вложения в операционные расходы.
Для критичных проектов важна географическая распределённость. Это позволяет обеспечить отказоустойчивость и низкие задержки.
Для компаний из госсектора, промышленности и медицины критично развертывание в закрытом контуре. Важно, чтобы провайдер предлагал решения on-premises и помогал с установкой и поддержкой оборудования.
LLM становятся «тяжелее». Модель 2025 года могла работать на 4 × H200, а аналогичная по функционалу модель 2026 года требует 8 × H200 или даже B300. Экономия на памяти — прямой путь к падению производительности.
Для кластеров из нескольких GPU критически важна скорость обмена данными между серверами. Без высокоскоростной сети даже мощные видеокарты будут простаивать.
Низкая стоимость часа аренды может обернуться недоступностью ресурсов в нужный момент, нестабильной производительностью или отсутствием поддержки. Для бизнес-задач важна предсказуемость.
По данным CNewsMarket, в 2026 году лидерами рынка облачных серверов с видеокартами для ИИ стали Selectel, Турбо Облако и MWS Cloud. Ниже — три провайдера, предлагающих решения для разных сценариев.
Предлагает GPU-серверы в облаке с оплатой по модели Pay as you go. Входит в топ рейтинга CNewsMarket по условиям предоставления сервисов и доступным конфигурациям.
Ключевое преимущество: широкая линейка конфигураций и развитая облачная платформа.
Платформа в структуре МТС. В первом полугодии 2025 года расширила GPU-мощности в 1,5 раза в московских и петербургском ЦОДах. Предлагает виртуальную инфраструктуру с GPU для ML-, LLM- и CV-задач по модели Pay as you go. Запустила сервис MWS GPU on-premises для установки серверов с GPU в периметре предприятий — с возможностью приобретения или аренды.
Ключевое преимущество: гибкость — от публичного облака до on-premises решений для закрытых контуров. Интеграция с экосистемой МТС.
Предлагает серверы с графическими ускорителями для ИИ-задач.
Ключевое преимущество: высокая доступность ресурсов и соответствие требованиям информационной безопасности.
Рынок GPU в России активно растёт. Не стоит экономить на инфраструктуре. Недостаток памяти или производительности сведёт на нет все усилия по обучению модели. Начинайте с чёткого понимания требований, выбирайте провайдера с нужными конфигурациями и всегда имейте план масштабирования. Тогда GPU-кластер станет не статьёй расходов, а драйвером роста вашего бизнеса.