Потребление облачных GPU-ресурсов в РФ выросло на 507% за первое полугодие 2026 года
Шестикратный рост облачных мощностей графических процессоров (GPU) зафиксирован в России по итогам первого полугодия 2026-го. По данным «Рег.Облака», потребление таких ресурсов прибавило 507% год к году, число новых клиентов выросло на 160%, помесячная активность на 240%.
Рывок обеспечен переходом ИИ из экспериментов в бизнес-процессы: ускорители задействуют в поддержке, базах знаний, распознавании речи, обработке документов, антифроде и компьютерном зрении. По данным «Коммерсанта», средняя цена GPU-сервера для ИИ к лету превысила 2,3 млн руб. (+64% за год).
Структура спроса неоднородна: NVIDIA A4000 занимает 63% корпоративного парка. Для прототипов достаточно одного GPU, для сложных проектов нужно 2–8 карт, уточняет коммерческий директор «Рег.Облака» Максим Дарулис. В сегменте выделенных серверов и bare-metal («голое железо» (англ.) — физический сервер, которым распоряжается один пользователь) число заказчиков с бюджетом от 500 тыс. руб./мес. удвоилось, их доля в обороте выросла с 35 до 49% из-за требований к предсказуемой производительности и аппаратной изоляции.
В ООО «Облачные технологии» (Cloud.ru) рост связывают с выходом ИИ на промышленный уровень и экономией на капзатратах: аренда позволяет масштабироваться без закупки устаревающего оборудования. В АО «К2 Интеграция» (K2 Cloud) число запросов на GPU выросло в 4–5 раз, причём клиенты чаще просят не просто карты, а готовые отраслевые решения и гибридные схемы. Наибольший интерес к NVIDIA L4, L40s и H100.
Однако за ростом скрывается дисбаланс: простых карт достаточно, но высокопроизводительные ускорители для крупных нейросетей в дефиците, отмечает анонимный собеседник «Коммерсанта». Преимущество получают провайдеры, законтрактовавшие мощности ранее и умеющие их гибко перераспределять — наличие «железа» перестаёт быть гарантией.
По мнению источника, дефицит топовых GPU подтолкнёт бизнес к переходу от универсальных «гигантов» к узкоспециализированным моделям. Независимый эксперт, кандидат экономических наук Алексей Лерон уточняет: оптимальный путь — не противопоставление, а разделение функций. Массовому бизнесу стоит внедрять экономичные узкие системы, а разработку базовых моделей и собственных ускорителей оставить за ограниченным числом технологических лидеров в рамках национальных проектов.