Исследование Fluence: тарифы гиперскейлеров на GPU почти вдвое выше специализированных облаков

Компания Fluence представила исследование The AI Compute Race, посвященное стоимости аренды графических процессоров для задач искусственного интеллекта. Согласно отчету, опубликованные тарифы крупнейших облачных провайдеров в среднем в 1,98 раза превышают медианные ставки специализированных GPU-облаков. Разница зависит от модели процессора, поставщика и условий аренды.
Насколько различаются тарифы на GPU
Исследование охватывает стоимость облачных вычислений на графических процессорах NVIDIA H100, H200 и B200.
По оценке Fluence, медианные тарифы гиперскейлеров превышают показатели специализированных GPU-облаков в 2,8 раза для H100 и в 1,4 раза для B200.
Для NVIDIA H200 разброс опубликованных ставок составляет от $4,08 до $10,60 за один GPU-час.
Существенное влияние на стоимость оказывает продолжительность договора. В сравнении с почасовыми тарифами того же поставщика годовое резервирование обеспечивает медианную скидку 21%, а трехлетнее – 48%.
Аренда прерываемых вычислительных мощностей обходится в среднем в 53% от стоимости стандартного использования по запросу. Однако такие ресурсы подходят преимущественно для задач, которые допускают остановку и последующее возобновление вычислений.
При этом сравнение основано на заявленных тарифах, которые могут отличаться от фактических условий индивидуальных корпоративных договоров.
Стоимость аренды GPU продолжает расти
Согласно данным GetDeploying, на которые ссылается исследование, за последний год подорожала аренда 17 из 22 отслеживаемых моделей графических процессоров.
Медианные ставки на NVIDIA H100 выросли на 13–30% в зависимости от периода сравнения.
Авторы отчета связывают ситуацию с высоким спросом на вычисления для искусственного интеллекта и ограниченной доступностью оборудования.
Дополнительным фактором стало распространение моделей с открытыми весами, которые компании могут самостоятельно запускать на арендованных или собственных GPU.
По оценкам, приведенным в исследовании, совокупные капитальные расходы четырех крупнейших гиперскейлеров в 2026 году могут достичь $720–740 млрд.
Одновременно крупные разработчики ИИ заключают долгосрочные соглашения со специализированными облачными компаниями. Это ограничивает объем новых вычислительных мощностей, доступных другим заказчикам.
На рынке появляются финансовые инструменты на GPU-вычисления
Рост стоимости вычислительных ресурсов сопровождается развитием финансовых инструментов, связанных с GPU-инфраструктурой.
CME Group, Intercontinental Exchange (ICE) и Nodal Exchange объявили о планах запуска фьючерсных контрактов, расчеты по которым будут привязаны к индексам стоимости вычислений.
Подобные инструменты предназначены для управления рисками изменения цен на аренду GPU, хотя их фактический запуск зависит от условий соответствующих бирж и регуляторных процедур.
Параллельно развивается кредитование под обеспечение вычислительной инфраструктуры. Например, в октябре компания Lambda сообщила о привлечении обеспеченного финансирования на сумму около $1 млрд с фиксированной процентной ставкой 6,78%.
Таким образом, вычислительные мощности постепенно становятся не только технологическим ресурсом, но и предметом долгосрочных контрактов, кредитных соглашений и финансовых инструментов.
Материал подготовлен исключительно в ознакомительно-информационных целях и не является финансовым советом и рекомендацией.





