⬆️ ИИнфляция: стоимость развертывания LLM в России выросла в 2,8 раза за год — 21 августа 2026 г. в 06:44:01.021
⬆️ ИИнфляция: стоимость развертывания LLM в России выросла в 2,8 раза за год Исследование MWS Cloud (МТС) показывает суровую экономическую реальность рынка ИИ в России. Если в 2025 году минимальный набор ускорителей Nvidia для запуска одной передовой модели обходился в 13,7 млн рублей, то в 2026 году эта сумма взлетела до 38,8 млн рублей. Барьеры для входа растут, и это заставляет бизнес пересматривать стратегии внедрения ИИ. 📺 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: 1️⃣ поддержка есть не у всех моделей (в 2026 году подтверждена лишь для 5 из 7 протестированных). 2️⃣ 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. Фото: генерация ChatGPT 📎 Подпишись на МИР Робототехники