Эксперт: Сергей Белов, операционный директор «Рег.облака».
Еще несколько лет назад облачный искусственный интеллект (ИИ) воспринимался бизнесом как практически общедоступный ресурс. Компании разных размеров охотно пробовали генерацию писем, анализ отзывов, чат-боты для поддержки — поводы находились для любых задач.
Однако в 2026 году картина заметно изменилась. Растущий дефицит GPU (графических процессоров — РБК), удорожание электроэнергии и смена приоритетов вендоров привели к тому, что облачный ИИ перестает быть дешевым. Бизнес все чаще использует нейросети не для демо, а для промышленных задач, а это требует совсем других мощностей.
Что уже произошло: цифры подорожания
По данным аналитиков «Рег.облака», средняя стоимость GPU-конфигураций в 2025 году выросла в два раза, а с начала 2026 года — еще в два раза. При этом общее количество серверов с графическими ускорителями в парке клиентов существенно не изменилось. Российские компании перестали наращивать число серверов с GPU, переключившись на более производительные премиальные конфигурации: доля премиальных GPU-конфигураций выросла с 51% до 78%.
Структура спроса сегодня выглядит иначе, чем классическая аренда сервера под корпоративный портал или IT-систему. Треть заказов на GPU-серверы (33%) связана с искусственным интеллектом и машинным обучением, 30% — с рендерингом, 25% — с тестированием и разработкой, еще 12% — с обработкой данных. Почти половина спроса (46%) приходится на конфигурации с объемом видеопамяти до 24 ГБ, 13,5% — на решения с 48 ГБ, а более четверти (27%) формируют высокопроизводительные конфигурации от 80 ГБ. Чуть более года назад такие карты, как H100 и H200, были доступны в основном крупным игрокам по квотам, а теперь постепенно выходят на более широкий рынок.
Можно с уверенностью сказать: удорожание носит не случайный, а структурный характер. И возврата к ценам 2024 года, скорее всего, не будет.
Главные драйверы роста цен
Дефицит ускорителей вычислений и усложнение задач. В 2024–2025 годах многие компании пробовали нейросети — ставили простые эксперименты, тестировали гипотезы. Сейчас эксперименты переросли в реальную работу. Бизнес начал использовать искусственный интеллект для промышленных задач: обработка длинных документов, анализ изображений, работа с видео, мгновенные ответы в системах поддержки. Все это требует гораздо более мощных ускорителей — тех самых GPU, которых и так не хватает.
Спрос на производительные модели (например, последние разработки NVIDIA, AMD и других производителей) заметно превышает предложение. Облачные провайдеры просто не успевают наращивать парк оборудования. Как следствие — цены на выделенные серверы с ускорителями растут, потому что свободных мощностей почти не осталось. Электричество и охлаждение. Современный вычислительный ускоритель при полной нагрузке потребляет энергию как небольшой обогреватель — до 700 Вт. А если таких ускорителей тысяча в одном центре обработки данных? Получаются уже МВт. В 2026 году тарифы на электроэнергию выросли в России на 15%, и это стало заметным, но не единственным фактором удорожания облачных услуг. Рост цен на услуги дата-центров в целом опередил динамику энерготарифов: сказались удорожание импортного оборудования, сбои в цепочках поставок, увеличение расходов на обслуживание мощностей, а также кадровый дефицит в отрасли.
Плюс к этому — системы охлаждения. Промышленные GPU греются сильно, и воздушного охлаждения уже недостаточно. Провайдеры вынуждены устанавливать жидкостное охлаждение или специальные погружные системы. Все это приведет к удорожанию инфраструктуры, и затраты будут закладываться в стоимость каждого вызова нейросети.
Как изменится структура расходов на ИИ в 2026–2027
Опираясь на текущую динамику, можно сделать несколько прогнозов, которые помогут бизнесу подготовить бюджет.
Вызов нейросети через готовое API. Стоимость 1 млн токенов (условных единиц текста, которые обрабатывает модель) к концу 2027 года может вырасти на 40–70% по сравнению с серединой 2025 года. Причем рост будет не скачкообразным, а постепенным — провайдеры будут повышать цены маленькими шагами, но неуклонно. Час аренды выделенного ускорителя. Тут тоже ждет подорожание — ориентировочно на 20–30% поверх нынешних цен. Особенно это затронет компании, которые арендуют целые серверы под свои задачи (например, для дообучения моделей или обработки больших объемов данных). Хранение данных для нейросетей станет заметной статьей расходов. Многие компании хранят так называемые векторные представления — специальные «слепки» информации, которые нейросеть быстро ищет и сравнивает. Оперативная память под такие задачи подорожала в разы, так что и хранение этих данных будет обходиться все дороже.
Чек-лист для бизнеса: как готовиться
Проверьте, где нейросеть вообще не нужна. Самый простой и часто самый эффективный шаг — пройтись по всем задачам, куда вы подключили искусственный интеллект, и честно подумать, можно ли это сделать простым скриптом. Если задача решается обычным правилом вроде «если — то» или парой строк кода — не стоит использовать дорогие токены. Экономия может составить 80% и выше. Присмотритесь к открытым моделям на собственном оборудовании. Вместо того чтобы платить за каждый вызов через облачное API, можно арендовать выделенный сервер с ускорителем и поставить на него открытую модель вроде Llama или Qwen. Для многих повседневных задач этого более чем достаточно. Сравните: платить за миллионы вызовов помесячно или один раз арендовать сервер — иногда второй вариант оказывается значительно выгоднее. Главное — посчитать полную стоимость владения. Научитесь сокращать длину запросов. Кажется мелочью, но на практике дает ощутимый эффект. Чем длиннее запрос и чем больше истории вы передаете нейросети, тем больше токенов вы тратите. Обрезайте лишние диалоги, сжимайте контекст, для черновиков используйте более легкие и быстрые модели. Сокращение длины запроса всего на треть — это прямая экономия трети расходов. Разделите редкое дообучение и повседневную работу. Дообучение больших моделей — процедура затратная, но необходимая. Ее целесообразно выполнять в облачной среде с периодичностью не чаще одного раза в месяц. А вот повседневные ответы нейросети («инференс» на профессиональном сленге) можно перенести на собственное недорогое оборудование или в сервисы с кэшированием, где одинаковые запросы не обрабатываются каждый раз заново. Это называется гибридная схема, и она экономит деньги. Считайте выгоду для бизнеса. Если нейросеть реально приносит пользу — поднимает продажи на 20%, сокращает ручную работу наполовину, ускоряет выпуск продукта в два раза, — то удорожание в два-три раза не должно пугать. Опасно, когда искусственный интеллект используют «для галочки», просто потому что модно. В таких проектах любой рост цен делает их убыточными. Поэтому сначала бизнес-результат, а потом инструменты.
➤ Подписывайтесь на телеграм-канал «РБК Трендов» — будьте в курсе последних тенденций в науке, бизнесе, обществе и технологиях.
