К началу 2026 года российский рынок генеративного ИИ дошел до финансово взрослого вопроса: аренда GPU-мощностей в облаке или закупка собственных ускорителей, что дешевле на горизонте трех лет. В управленческой среде распространено убеждение, что собственная инфраструктура всегда выгоднее и безопаснее. Компания Comindware свела открытые тарифы Cloud.ru Evolution Compute, Yandex Cloud и Selectel в единую TCO-модель и нашла ответ, в котором это убеждение оказывается верным далеко не всегда.

Управленческое правило, выведенное аналитиками компании: до 40% устойчивой загрузки GPU выигрывает облако, выше 60–70% и при горизонте от трех лет выигрывает собственный контур. Между этими порогами решение зависит от тарифа провайдера, цены электроэнергии и графика амортизации.

Самая наглядная часть расчета построена вокруг типовой для серьезного корпоративного ИИ-контура конфигурации, кластера из восьми GPU NVIDIA H100. По публичным тарифам российских облаков, при условии непрерывной нагрузки в 730 часов в месяц, такая машина за три года обойдется в 180–460 млн рублей в зависимости от провайдера. Закупка тех же восьми ускорителей H100 80ГБ потребует 10–20 млн рублей единовременного CapEx.

Как отметили аналитики Comindware, разрыв в 15–25 раз выглядит шокирующе и регулярно используется в продажах подрядчиков, продающих on-prem-решения, однако при разборе сметы он превращается в сравнение разных категорий: непрерывной операционной аренды с полной поддержкой против стоимости голых карт без серверного шасси, ЦОДа, электроэнергии, персонала и амортизации. Полный TCO собственного контура заказчик собирает из этих составляющих сам.

Поэтому реальная картина видна на трехлетней TCO-модели по трем сценариям нагрузки. Для малого контура на 1–3 одновременных пользователей локальное развертывание стоит около 722 тыс. рублей против 3,06 млн рублей в облаке. Для среднего контура на 5–10 пользователей соотношение выглядит как 2,125 млн рублей против 7,65 млн рублей. Для крупного контура от 50 пользователей — 13,6 млн рублей против 30,6 млн рублей. На устойчивой нагрузке on-prem стабильно дает экономию в три-четыре раза, но это правило работает только в зоне постоянной загрузки выше порогового значения. Если ИИ-нагрузка спайковая, выводы могут быть прямо противоположными.

Точку безубыточности GPU-инфраструктуры на трехлетнем горизонте параметрически оценил исследователь Олег Ивченко в публикации Zenodo 2026 года. Она лежит в коридоре 55–75% утилизации в зависимости от тарифа провайдера, стоимости электроэнергии и графика амортизации. Это означает, что компании, у которых ИИ-нагрузка активизируется эпизодически, например для еженедельного анализа корпоративных документов или в часы пиковых обращений в поддержку, на горизонте трех лет вряд ли увидят экономию от собственного оборудования. Напротив, организация с постоянно работающим клиентским ассистентом, юридическим RAG-агентом или круглосуточным чат-ботом для сотрудников имеет финансовый смысл считать собственный кластер.

«Самый частый просчет в смете на корпоративный ИИ — это путать строку дедицированной аренды GPU как услуги со строкой CapEx закупки железа и ставить их в одну колонку без поправки на загрузку, ЦОД, электроэнергию и амортизацию. Это разные категории затрат, и без честного профиля утилизации сравнение получается обманчивым в обе стороны. Реальный коридор, в котором собственная инфраструктура начинает обыгрывать облако, начинается примерно с 55–60% устойчивой утилизации GPU и горизонта от трех лет. Ниже этого порога даже самый дорогой облачный тариф остается эффективнее, потому что заказчик не оплачивает простой дорогого ускорителя», — подчеркнул Виталий Шпак, генеральный директор Comindware.

К чисто финансовому расчету добавляется регуляторный слой. Для проектов, обрабатывающих персональные данные, и для контуров, попадающих под определения критической информационной инфраструктуры, требования 152-ФЗ и связанных нормативных актов о суверенитете данных часто перевешивают чистую экономику. Собственный контур исключает выход запросов и пользовательского контента за периметр организации, что снимает целый класс рисков утечек и ускоряет аттестацию. На практике это смещает порог выгодности on-prem в более низкий диапазон утилизации: часть стоимости облачного сценария в регулируемых отраслях связана не с инфраструктурой как таковой, а с дополнительной комплаенс-обвязкой, аттестованными сегментами и контурами защиты, и этот слой нередко удваивает фактическую цену облачной модели.

«Российский финансовый директор в 2026 году получает редкую возможность сделать выбор архитектуры ИИ как чисто финансовое решение, опираясь на цифры, а не на маркетинг подрядчиков. Тарифы российских облаков опубликованы, цены на закупку GPU прозрачны, формула TCO укладывается в одну страницу. Единственное, что требуется от заказчика, это честно оценить профиль нагрузки на горизонте трех лет. Если ИИ работает эпизодически, дешевле облако. Если он становится частью операционной модели и работает постоянно, считайте свой контур. Любая попытка решить вопрос ссылкой на абстрактную безопасность или абстрактное удобство облака приведет к перерасходу бюджета на десятки миллионов рублей», — добавил Виталий Шпак.

Сравнительная таблица TCO за три года по трем сценариям нагрузки, расчет порога утилизации, разбор формулы (CapEx + OpEx × годы + энергия × PUE × часы + персонал) и комментарий по применимости правила к российским тарифам и требованиям 152-ФЗ опубликованы Comindware в составе отчета о коммерческом обосновании внедрения корпоративного ИИ. Этот материал разработан как готовый расчетный инструмент для финансовых и ИТ-руководителей и может использоваться при защите бюджета и переговорах с подрядчиками без дополнительной адаптации.

Источник: пресс-служба Comindware

Изображение: DilokaStudio / Magnific

Подписывайтесь на каналы Let AI be в Telegram и «ВКонтакте» — оставайтесь в курсе главных новостей в сфере искусственного интеллекта!