• Гиперскейлеры предлагают GPU H100, H200 и B200 по цене в 1,98 раза выше медианной цены облачных GPU-сервисов.

• Самый большой разрыв у H100 — 2,8 раза; у B200 — 1,4 раза.

• Трёхлетнее обязательство по использованию GPU снижает медианную цену на 48% по сравнению с почасовым тарифом того же провайдера.

Гиперскейлеры выставляют цены на GPU в 1,98 раза выше

Согласно исследованию, опубликованному Fluence в понедельник, гиперскейлеры выставляют цены на вычислительные мощности GPU в 1,98 раза выше медианного уровня специализированных облачных GPU-сервисов. В отчёте сравниваются опубликованные почасовые тарифы на H100, H200 и B200. Исследование «Гонка за вычислительными ресурсами для ИИ» подготовлено совместно с партнёрами: NEAR AI, io.net, Boundless, Phala, Gensyn, Fortytwo, Theta, Compute Labs и GAIB. Его главный тезис прост: цена зависит от того, где компания покупает GPU-час. Разброс составляет от 1,4 раза для B200 до 2,8 раза для H100, а цена на один и тот же H200 варьируется от $4,08 до $10,60 в час в зависимости от провайдера. Срок обязательств не менее важен, чем выбор поставщика: годовая бронь снижает медианную цену на 21% по сравнению с почасовым тарифом того же провайдера, трёхлетний срок — на 48%, а прерываемые ресурсы по спотовому тарифу стоят 53% от цены по запросу. Покупателям, надеющимся на снижение цен, тренд не сулит облегчения. Семнадцать из 22 моделей GPU, отслеживаемых агрегатором цен GetDeploying, стоят дороже, чем год назад, а медианная стоимость аренды H100 выросла на 13–30% в зависимости от выбранного периода. В отчёте выделяются три причины такого роста. Модели с открытыми весами используются всё шире: доля китайских моделей в токенах OpenRouter среди компаний США, Европы и стран Глобального Юга выросла с 6–13% до 57–67% менее чем за восемь месяцев. Поэтому любая компания, располагающая GPU, может запускать на своём оборудовании модель, близкую к передовым. Крупнейшие покупатели зарезервировали новейшие поставки: четыре крупнейших гиперскейлера прогнозируют капитальные затраты в размере $720–740 млрд в 2026 году, а общая сумма четырёх крупнейших раскрытых сделок между лабораториями ИИ, Meta и неооблачными провайдерами составляет около $233 млрд — значительная часть этих средств предназначена для ещё не введённых в эксплуатацию мощностей. GPU-час также становится финансовым активом: CME, ICE и Nodal Exchange объявили о запуске фьючерсов на GPU, основанных на отдельных ценовых индексах, а кредиторы выдают займы под залог оборудования. Ставка по инвестиционному кредиту Lambda составляет 6,78%, а Sharon AI — 9,95%. «Самое сложное — это GPU», — сказал сооснователь Fluence Евгений Пономарёв, комментируя переход к моделям с открытыми весами. В завершение отчёт предлагает четыре способа снизить затраты: сравнивать цены на один и тот же чип у разных типов провайдеров, брать ресурсы с обязательством, если нагрузка стабильна, подбирать поколение GPU под модель и рассматривать не только гиперскейлеров.

Как измерялся разрыв в 1,98 раза

Показатель 1,98 — это медиана опубликованных почасовых тарифов, а не утверждение, что каждый контракт у гиперскейлера стоит вдвое дороже. Выборка, на которой основан этот показатель, различалась в зависимости от модели: сравнение H100 охватывало три гиперскейлера и семь облачных провайдеров GPU, H200 — три и шесть, а B200 — два и шесть, поскольку Azure не публикует тариф для своего продукта B200 с восемью GPU. В отчёте полная стоимость таких комплектов пересчитана в стоимость одного GPU-часа. У опубликованных цен есть и свои условия. На странице тарифов Google Cloud не были указаны регионы, а тариф Azure на H200 приведён для региона US East 2. При этом тарифы на инстансы гиперскейлеров могут включать CPU, память и сеть, тогда как некоторые специализированные провайдеры указывают цену только за GPU. Проверка чувствительности в отчёте показала, что исключение одного гиперскейлера меняло измеренный разрыв по H100 на 15–52 процентных пункта, поэтому итоговый множитель зависит от выборки не меньше, чем от рынка. Диапазон цен на H200 — от 4,08 до 10,60 доллара в час — показывает разброс: цены на идентичные чипы различаются более чем в 2,5 раза. Независимый мониторинг указывает на ту же тенденцию, хотя цифры отличаются. Согласно еженедельным данным GetDeploying за 9 ноября, за последний год цены выросли на 17 из 22 сопоставимых моделей GPU и снизились на пяти; медианное изменение составило 15%. По собственному анализу отчёта того же набора данных медианный рост составил 19%. В обоих случаях трёхлетняя скидка равна 48%, но скидка за год составляет 21% против 25%, а цена спотовых мощностей — 53% против 56% от стоимости по модели on-demand. Следует учитывать и то, кто опубликовал отчёт: Fluence управляет облаком GPU, агрегирующим мощности независимых дата-центров, то есть продаёт вычислительные ресурсы на рынке, цены на котором анализирует. Отчёт посвящён только ставкам аренды и не приводит данных, связывающих разницу в ценах с FLT — токеном, на котором работает Fluence DAO в Ethereum.

Заранее законтрактованные мощности и расходы в 2026 году

Если рассматривать выводы вместе с оговорками, для покупателей вырисовывается более узкий, но ясный план действий. Медианный разрыв в 1,98 раза показывает общую тенденцию, а не точное значение, однако сама тенденция однозначна; скидка в 48% при аренде на три года — самый значительный способ сократить расходы при стабильной нагрузке. Цены выросли на 17 из 22 моделей за последний год, и рынок аренды развивался словно карта уровней поддержки и сопротивления в замедленной съёмке: формировались ценовые минимумы, а не происходил их пробой. Капитальные расходы гиперскейлеров в размере 720–740 млрд долларов и раскрытые сделки неоклауд-провайдеров примерно на 233 млрд долларов указывают на то, что дефицит новейших GPU сохранится. Поэтому данные подтверждают целесообразность сравнения провайдеров и заблаговременного бронирования мощностей.