Российские компании резко нарастили спрос на облачные GPU для задач с ИИ. По данным «Рег.Облака», за первое полугодие 2026 года потребление такой инфраструктуры выросло на 507%, а число новых подключений и пользовательская активность увеличились на 160% и 240% соответственно.
Бизнес больше не держит нейросети где-то в стороне, в режиме пилота. Их уже встраивают в обычную работу: в поддержку клиентов, разбор документов, антифрод, речевую аналитику, компьютерное зрение. И вот тут облачные видеокарты стали нужны не «на попробовать», а каждый день.
Спрос подогрел и дефицит более мощных ускорителей. Простые карты для прикладных задач на рынке ещё есть, а с железом для обучения крупных моделей всё сложнее. Поэтому компании чаще режут одну большую задачу на несколько специализированных систем, чем пытаются собрать всё в одной нейросети.
Самой популярной у клиентов «Рег.Облака» стала NVIDIA A4000 — на неё приходится 63% компаний. Средний чек на GPU-серверы к лету поднялся до 2,3 млн рублей, а число клиентов, которые тратят на такие мощности больше 500 тыс. рублей в месяц, выросло более чем вдвое.
Для ИИ обычного облачного сервера уже мало. Модели, которые отвечают клиентам, ищут аномалии в платежах или распознают речь, быстро съедают вычислительный бюджет, если запускать их на универсальном железе. GPU здесь — не украшение к инфраструктуре, а рабочая штука: она ускоряет обработку и даёт масштабироваться без покупки собственной фермы.
На российском рынке это особенно видно на фоне ограниченного выбора мощных ускорителей. После ухода части зарубежных поставщиков и более сложных закупок компании сильнее зависят от того, что доступно в облаках прямо сейчас, а не от поставки «через несколько месяцев». Поэтому спрос уходит от тестов и демо к регулярной эксплуатации, где у ИИ-проектов уже появляется понятная цена в рублях.
Картина при этом совпадает с мировой. Облачные провайдеры по всему миру несколько лет наращивают закупки ускорителей NVIDIA и строят отдельные кластеры под генеративный ИИ. Российский рынок просто догоняет эту фазу быстрее: у многих компаний нет времени собирать собственную инфраструктуру с нуля.
Если нагрузка сохранится на текущем уровне, облачные провайдеры дальше будут поднимать ставки на дефицитные конфигурации и выделять больше мощностей под крупные модели. Для бизнеса это переводит ИИ-проекты в довольно приземлённую логику: считать уже не абстрактную «эффективность», а цену каждого запроса и каждой обученной модели.