Бюджетные GPU уходят с рынка
Сдвиг в структуре потребления выделенной инфраструктуры обусловлен усложнением требований со стороны корпоративных заказчиков. Крупным и средним компаниям всё чаще нужны не просто арендованные вычислительные ресурсы, а предсказуемая производительность, изоляция вычислительной среды и полный контроль над инфраструктурой — то, что публичное облако по определению обеспечить не может.
В общем объёме потребления выделенных ресурсов 70% по-прежнему приходится на базовые серверы, ещё 30% — на системы хранения данных и дисковую инфраструктуру. Однако в ИИ-проектах заказчики меняют подход: компании отказываются от отдельных выделенных хранилищ в пользу серверов с большим числом NVMe-дисков. Такая архитектура позволяет размещать ИИ-модели, наборы данных и промежуточные результаты вычислений внутри единой инфраструктуры, исключая задержки на обращение к внешним хранилищам.
Распределение по объёму видеопамяти
На одну компанию сегодня в среднем приходится от двух до восьми видеокарт — H200, H100, A6000, A4000 — в зависимости от масштаба задачи. Почти половина спроса на GPU-серверы (46%) сосредоточена в конфигурациях с объёмом видеопамяти до 24 ГБ. Решения с 48 ГБ занимают 13,5%, а высокопроизводительные конфигурации от 80 ГБ и выше формируют около 27% спроса.
Аналитики «Рег.облака» связывают этот сдвиг с тем, что современные ИИ-модели требуют не только большей вычислительной мощности, но и высокой скорости обмена данными между ускорителями. Чуть более года назад ускорители класса H100 и H200 были доступны преимущественно крупным игрокам по квотам — теперь они постепенно выходят на более широкий рынок. Отдельный интерес заказчики проявляют к H200 в SXM-исполнении (формат подключения с шиной NVLink вместо PCIe, обеспечивающий кратно большую пропускную способность между картами): для тяжёлых ИИ-задач важна производительность не только самих ускорителей, но и всей серверной платформы в целом.
Портрет спроса
Доля премиальных GPU-конфигураций в общем потреблении серверов выросла с 51% до 78% — это и есть основной драйвер роста средней стоимости заказа при стабильном числе машин.
По структуре использования треть заказов на GPU-серверы (33%) сегодня приходится на задачи в сфере ИИ и машинного обучения, 30% — на рендеринг, 25% — на тестирование и разработку, ещё 12% — на обработку данных. Этот профиль принципиально отличается от классической модели аренды сервера под корпоративный портал или учётную систему: в таких сценариях GPU-ускорители, как правило, не нужны вовсе.
«Бизнесу нужна не отдельная машина, а сбалансированная конфигурация, объединяющая вычислительные ресурсы, дисковую ёмкость и устойчивую производительность под длительную нагрузку», — прокомментировал Сергей Белов, операционный директор «Рег.облака».
Выделенная инфраструктура vs публичное облако
Рост интереса к выделенным серверам и Bare metal решениям не означает отказа от публичного облака. По оценке «Рег.облака», рынок чётко делится по сценариям использования: облачные сервисы по-прежнему выбирают для быстрого запуска проектов, тестирования гипотез и гибкого масштабирования на пиковые нагрузки. Выделенную инфраструктуру предпочитают для постоянных высоконагруженных систем, корпоративных приложений, обработки больших данных и специализированных вычислений, где критичны стабильность и предсказуемость.
Аналитики провайдера считают сложившийся тренд на удорожание GPU-конфигураций не временной конъюнктурой, а структурным сдвигом в сторону ИИ-задач, который будет только усиливаться по мере того, как модели становятся крупнее, а инференс (запуск обученной модели в промышленном режиме) — дороже.
