Гонка параметров и дефицит «железа»
Новые модели становятся мощнее, но вместе с этим стремительно растут требования к памяти и вычислительной мощности.
В 2025 году топовые модели (например, Kimi K2 или Qwen3) запускались на конфигурациях из 4–8 карт H100/H200 (стоимость ~18–35 млн рублей).
В 2026 году флагманы вроде Kimi K3 (2,8 трлн параметров) или DeepSeek-V4-Pro требуют уже 8 карт B300 или H200, что толкает стоимость развертывания к отметке 55–80 млн рублей.
Китайский компромисс: не так дешево, как казалось
В условиях санкций многие рассчитывали на Huawei Ascend 910B как на доступную альтернативу Nvidia.
Однако данные показывают, что это компромисс, а не панацея:
1. Поддержка есть не у всех моделей (в 2026 году подтверждена лишь для 5 из 7 протестированных).
2. Из-за архитектурных особенностей для запуска тех же задач теперь требуется в среднем 13,6 ускорителя Ascend против 10,7 в прошлом году.
При этом их рыночная цена в России — 50–67% от стоимости аналогичных GPU Nvidia. Экономия есть, но она нивелируется необходимостью покупать больше «железа».
Главный тренд: массовый исход в облака (CapEx → OpEx)
Покупка собственного GPU-кластера становится неподъемной. Поэтому бизнес переходит от капитальных затрат (CapEx) к операционным (OpEx).
Индикатором этого сдвига стали данные самого МТС: потребление китайских LLM российскими компаниями через облачные платформы (MWS GPT Model Hub) в первом полугодии 2026 года более чем в 11 раз превысило показатель за весь 2025 год.
Компании больше не хотят замораживать десятки миллионов рублей в «железе», которое быстро устаревает. Теперь они арендуют вычислительные мощности и API, чтобы платить только за фактически использованные токены.
Раздвоение рынка ИИ
Мы наблюдаем расслоение рынка на два сегмента:
— Гипермасштабные задачи: решаются исключительно через облачные провайдеры, так как in-house развертывание моделей уровня DeepSeek-V4-Pro (55+ млн рублей) не окупается для большинства.
— Локальные нишевые задачи: компактные, дообученные под конкретный бизнес модели по-прежнему могут запускаться на одной карте A100 за ~3 млн рублей, оставаясь доступными для локального развертывания.
Что в итоге
Эпоха «купи сервер и запусти нейросеть» для крупных моделей заканчивается. Будущее корпоративного ИИ в России — это гибридная модель: тяжелые базовые модели арендуются в облаке у крупных игроков, а тонкая настройка и работа с чувствительными данными происходят на небольших локальных кластерах.
