Облачный GPU или свой сервер: когда аренда перестаёт быть выгодной

Покупать GPU-сервер за несколько миллионов рублей ради эксперимента с новой моделью — странная идея. Гораздо проще арендовать видеокарту в облаке на несколько часов, проверить гипотезу и выключить машину.

Но через полгода ситуация может выглядеть иначе. Эксперимент превращается в рабочий сервис, GPU занят каждый день, а в счёте за облако появляется шестизначная сумма. Тогда возникает противоположный вопрос: не дешевле ли было поставить своё железо?

Ответ зависит прежде всего от загрузки.

На 10 сентября 2026 года Selectel предлагает облачную конфигурацию с одной RTX PRO 6000 96 ГБ, 16 vCPU и 120 ГБ оперативной памяти от 290,15 ₽ в час. Умножаем ставку на 730 часов — среднее количество часов в месяце при круглосуточной работе — и получаем около 211 810 ₽ в месяц. За три года непрерывной аренды получится уже примерно 7,63 млн ₽. Публичные цены Selectel указаны с НДС 22%.

Для сравнения, рабочая станция DigitalRazor 750D Tower с RTX PRO 6000 Blackwell Workstation Edition 96 ГБ, Threadripper 7965WX, 128 ГБ DDR5 ECC и SSD 2 ТБ сейчас стоит 4,19 млн ₽. Это не идентичные платформы: отличаются процессор, память, накопители и сама форма предоставления инфраструктуры. Но класс GPU и объём видеопамяти достаточно близки, чтобы на их примере разобраться именно в экономике длительной GPU-нагрузки.

И вот здесь начинается интересная математика.

Коротко: облако выгодно, пока GPU действительно включают по необходимости

У облака есть очевидное экономическое преимущество: если GPU нужен всего на десять часов, компания платит примерно за десять часов, а не покупает видеокарту стоимостью в миллионы рублей.

У собственного сервера логика обратная. Основная сумма выплачивается сразу, зато каждый следующий час работы не создаёт новый счёт за аренду вычислительной мощности.

Поэтому вопрос «что дешевле?» без количества часов почти бессмысленен.

Для дальнейшего расчёта возьмём три реально опубликованных варианта на основе профессионального ускорителя RTX PRO 6000 96 ГБ:

Здесь важно не сделать из таблицы ложный «бенчмарк цены». Конфигурации отличаются. У Selectel в физическом сервере стоит Ryzen 9 9950X и 192 ГБ non-ECC памяти, у 750D — Threadripper 7965WX и 128 ГБ ECC. Облачная машина использует 16 vCPU и 120 ГБ RAM. Сравниваем не производительность систем один к одному, а три способа получить в распоряжение GPU одного класса с 96 ГБ видеопамяти.

Сколько на самом деле стоит облачная RTX PRO 6000

Возьмём ставку Selectel 290,15 ₽/ч и несколько сценариев загрузки.

Для условного рабочего месяца используем 22 рабочих дня.

Расчёт простой:

Стоимость = количество часов × 290,15 ₽.

Например, при восьмичасовой загрузке в каждый из 22 рабочих дней:

176 × 290,15 = 51 066,40 ₽ в месяц.

За 36 месяцев:

51 066,40 × 36 = 1 838 390,40 ₽.

В таком режиме покупать систему за 4,19 миллиона рублей только ради экономии на облаке не получается: за три года само облачное вычисление стоит менее половины цены станции.

А теперь оставим тот же GPU работать круглосуточно:

730 × 290,15 = 211 809,50 ₽ в месяц.

За три года:

211 809,50 × 36 = 7 625 142 ₽.

Разница уже принципиальная.

Сама ставка 290,15 ₽/ч на сайте Selectel указана как «от», поэтому фактическую цену конкретной виртуальной машины нужно проверять в панели перед запуском. Дополнительная инфраструктура проекта также может оплачиваться отдельно.

Ранее мы уже подробно показывали, как подобрать GPU и практически запустить LLM на облачной GPU-машине Selectel. Для пилота именно этот подход удобен тем, что сначала позволяет измерить потребление VRAM, скорость генерации и реальное время использования, а уже потом принимать решение о покупке железа.

Где облако сравнивается по стоимости с покупкой

Теперь найдём математическую точку пересечения.

Цена 750D: 4 190 000 ₽.

Ставка облачной конфигурации Selectel: 290,15 ₽/ч.

Делим одно на другое: 4 190 000 / 290,15 = 14 440,8 часа.

То есть в самой упрощённой модели цена покупки соответствует примерно 14,4 тыс. часов аренды такой облачной конфигурации.

При круглосуточной загрузке:

14 440,8 / 730 = 19,8 месяца.

При загрузке по 16 часов в течение 22 рабочих дней:

14 440,8 / 352 = 41 месяц.

При стандартных восьми часах в течение 22 рабочих дней:

14 440,8 / 176 = 82 месяца.

Получается интересная картина. Если GPU нужен только в течение рабочего дня, облако может оставаться дешевле покупки много лет. Но если одна видеокарта реально загружена почти круглосуточно, одна только сумма почасовой аренды достигает цены выбранной локальной системы менее чем за два года.

Но это ещё не TCO (от англ. Total Cost of Ownership) — это совокупная или полная стоимость владения каким-либо оборудованием за весь срок его службы.

[ PERFORMANCE PRO 750D ]

750D Tower

W5-3425X · RTX 5090 32ГБ · 128GB DDR5 ECC · 1 ТБ NVME 5.0

2 092 000 ₽

156 900 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

750D Tower

7965WX · RTX 5090 32ГБ · 256GB DDR5 ECC · 1 ТБ NVME 5.0

3 079 500 ₽

230 963 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

750D Tower

7975WX · RTX 5090 32ГБ · 256GB DDR5 ECC · 1 ТБ NVME 5.0

3 972 000 ₽

297 900 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

Почему 19,8 месяца — не настоящий срок окупаемости сервера

Было бы заманчиво закончить расчёт здесь и сказать: «после двадцатого месяца покупайте сервер». Но такой вывод был бы неправильным.

4,19 млн ₽ — цена покупки системы. После покупки остаются эксплуатационные расходы.

Полный расчёт собственного железа выглядит так:

TCO своего сервера = цена оборудования + электричество + размещение + обслуживание + администрирование + сопутствующая инфраструктура.

А для облака:

TCO облака = часы работы × ставка + хранилище + сеть + резервные копии + другие используемые сервисы.

Поэтому 14 441 час — не точная окупаемость, а самая ранняя математическая граница, если учитывать только цену покупки и почасовую ставку.

Например, нельзя честно взять мощность блока питания 2000 Вт у 750D и записать в расходы два киловатта каждый час. Это максимальная мощность блока питания, а не постоянное энергопотребление компьютера. Фактическое потребление зависит от нагрузки и должно измеряться на конкретной системе. Selectel при колокации использует аналогичный принцип: заявляет учёт фактического максимального потребления и проверяет сервер ваттметром.

Если известны реальные данные, электричество считается без гаданий:

Расход на электричество = средняя мощность системы, кВт × часы работы × тариф за кВт·ч.

То же относится к серверной, кондиционированию и колокации: стоимость зависит от того, где именно будет стоять оборудование.

Поэтому для конкретного проекта правильный способ такой: сначала провести тест, получить реальный профиль нагрузки и потребления, а уже потом подставить его в TCO.

Есть ещё один вариант: перестать платить почасово, но ничего не покупать

Между облачным GPU и собственным сервером есть промежуточная ступень — аренда физической машины.

Сейчас на сайте Selectel есть конфигурация с RTX PRO 6000 96 ГБ, Ryzen 9 9950X, 192 ГБ DDR5 и двумя NVMe по 2 ТБ от 125 500 ₽ в месяц.

Посчитаем, при какой загрузке она сравняется с облачной RTX PRO 6000 по 290,15 ₽/ч:

125 500 / 290,15 = 432,5 часа в месяц.

То есть примерно после 433 часов ежемесячной загрузки фиксированная месячная аренда этой физической конфигурации становится дешевле простого умножения опубликованной почасовой ставки облачной машины.

433 часа — это в среднем около 14,2 часа в сутки на протяжении месяца. Или почти 20 часов на каждый из условных 22 рабочих дней.

Это не значит, что на 434-м часу нужно срочно мигрировать. Облако и физический сервер дают разную гибкость. Но сама граница хорошо показывает, почему постоянную нагрузку нельзя годами оплачивать как временный эксперимент.

При 352 часах в месяц облако по нашей исходной ставке обходится примерно в 102 тыс. ₽. Фиксированная аренда за 125,5 тыс. ₽ ещё дороже.

При 440 часах облако уже стоит: 440 × 290,15 = 127 666 ₽. И фиксированный сервер за 125 500 ₽ выходит чуть дешевле.

При 730 часах разрыв становится заметнее: облако — около 211 810 ₽, а выделенная аренда — от 125 500 ₽. Это уже около 86 тыс. ₽ разницы за месяц по опубликованным базовым ставкам.

Так появляется первая практическая граница: если GPU работает эпизодически, почасовое облако отлично соответствует характеру нагрузки. Если одна и та же карта нужна большую часть суток, стоит хотя бы пересчитать проект на выделенный сервер.

А когда вместо аренды появляется смысл купить железо

Теперь сравним фиксированную аренду Selectel за 125 500 ₽ в месяц с покупкой 750D за 4,19 млн ₽.

4 190 000 / 125 500 = 33,4 месяца.

Иными словами, цена покупки равна примерно двум годам и девяти месяцам текущей аренды такой выделенной конфигурации.

За три года: 125 500 × 36 = 4 518 000 ₽. Это всего на 328 000 ₽ больше цены 750D.

Но как раз здесь особенно опасно заявлять, что своё железо автоматически выгоднее. Эти 328 тыс. ₽ должны ещё покрыть электричество и инфраструктуру собственного оборудования за три года. Кроме того, сравниваемые серверы имеют разные CPU, объёмы и типы RAM, накопители и условия эксплуатации. В обратную сторону расчёт не учитывает остаточную стоимость купленной рабочей станции: через три года собственное оборудование не исчезает, хотя его реальная рыночная цена заранее неизвестна.

Поэтому на горизонте около трёх лет фиксированная аренда и покупка уже оказываются достаточно близко, чтобы считать конкретный проект, а не выбирать инфраструктуру по принципу «CAPEX всегда дешевле» или «облако всегда выгоднее».

Для настоящего стоечного сервера можно использовать ту же формулу. Например, DigitalRazor RackStation AI поддерживает одну или две GPU, включая RTX PRO 6000 96 ГБ, но его актуальные конфигурации продаются по запросу. Поэтому сначала нужна коммерческая стоимость конкретной сборки, и только затем считаем:

Точка по облаку, ч = цена RackStation AI / 290,15;

Точка по выделенной аренде, мес. = цена RackStation AI / 125 500.

Так мы получим расчёт под реальный сервер, не подменяя отсутствующую цену предположением.

RACKSTATION AI RS24-32-256

Для каких задач Компактный GPU-сервер до 2 видеокарт для начальных задач в AI и графике. Оптимален для инференса, визуализации, VFX и рендеринга в студиях и лабораториях, где важна гибкость.

Подробнее

Видеокарты

2 x NVIDIA RTX 5080 16GB

Объем видеопамяти 32 ГБ

Процессоры

Threadripper PRO 7965WX

Количество ядер 24

RAM 256GB DDR5

Форм-фактор 4.5U

RACKSTATION AI RS32-64-256

Для каких задач Компактный GPU-сервер до 2 видеокарт для начальных задач в AI и графике. Оптимален для инференса, визуализации, VFX и рендеринга в студиях и лабораториях, где важна гибкость.

Подробнее

Видеокарты

2 x NVIDIA RTX 5090 32GB

Объем видеопамяти 64 ГБ

Процессоры

Threadripper PRO 7975WX

Количество ядер 32

RAM 256GB DDR5

Форм-фактор 4.5U

RACKSTATION AI RS32-48-512

Для каких задач Компактный GPU-сервер до 2 видеокарт для начальных задач в AI и графике. Оптимален для инференса, визуализации, VFX и рендеринга в студиях и лабораториях, где важна гибкость.

Подробнее

Видеокарты

NVIDIA RTX 6000 Ada 48GB

Объем видеопамяти 48 ГБ

Процессоры

Threadripper PRO 7975WX

Количество ядер 32

RAM 512GB DDR5

Форм-фактор 4.5U

На горизонте трёх лет есть ещё одна полезная граница

Допустим, компания выбирает инфраструктуру сразу на три года.

Чтобы только почасовая аренда Selectel за этот период сравнялась с покупкой станции за 4,19 млн ₽, GPU должен работать: 4 190 000 / 36 / 290,15 = 401,1 часа в месяц. Это около 55% всего календарного времени месяца.

Если нагрузка ниже этой отметки, на трёхлетнем горизонте исходная стоимость облачных часов остаётся меньше цены покупки. Если выше — аренда вычислений начинает превышать CAPEX станции.

Но снова: локальные эксплуатационные расходы сдвинут реальную границу покупки вверх. Поэтому 401 час — ориентир для первичного отбора, а не готовое экономическое обоснование.

Любопытно, что значение находится рядом с другой найденной границей — примерно 433 часа, после которой текущая фиксированная аренда физического RTX PRO 6000 у Selectel становится дешевле почасового облака.

Получается не жёсткий рубильник, а переходная зона около 400–430 часов в месяц. Именно в ней уже стоит перестать автоматически продлевать облачную машину и сравнить три коммерческих предложения: облачный GPU, выделенную аренду и собственное оборудование.

Облако умеет защищаться от нашего калькулятора

Есть важное «но». Все предыдущие расчёты предполагают обычную облачную машину по опубликованной ставке и оплату каждого фактического часа. В реальном проекте расходы можно уменьшить.

Например, просто выключить облачный сервер Selectel недостаточно: согласно документации, у выключенного или приостановленного сервера продолжают тарифицироваться vCPU, RAM, диски, GPU, публичные IP и подсети. При использовании функции «Заморозка» vCPU, RAM и GPU уже не тарифицируются, хотя остальные ресурсы продолжают оплачиваться.

Для отказоустойчивых пакетных задач есть и прерываемые серверы. Selectel указывает, что они в среднем на 70% дешевле обычного облачного сервера той же конфигурации. Но такая машина работает не более 24 часов после создания, может быть остановлена провайдером в любой момент, а стандартный SLA на неё не распространяется. Поэтому сравнивать постоянный продакшн-инференс с минимальной ценой прерываемой машины было бы некорректно.

Именно поэтому облако особенно хорошо работает с переменной нагрузкой: когда между заданиями есть большие паузы и инфраструктура действительно освобождается, компания не обязана платить за простаивающий GPU.

Собственный сервер такой возможности не даёт. Он уже куплен независимо от того, работает сегодня 24 часа или никто не отправил ему ни одного задания.

Когда облако выигрывает даже при неидеальной цене

Стоимость одного GPU-часа — не единственный аргумент.

Облако разумно оставить облаком, когда проект ещё меняется. Сегодня команде хватает одной карты, завтра на неделю нужны две, а через месяц эксперимент вообще закрывают. Покупка оборудования в таком сценарии превращает техническую гипотезу в капитальное вложение.

То же относится к краткосрочному обучению. Если GPU нужны на несколько дней для конкретного запуска, экономить на стоимости часа за счёт покупки сервера просто не на чем.

Для начала работы можно вообще отделить управляющую часть проекта от GPU. Обычный VPS подходит для сайта, API, бота, n8n или другого управляющего слоя, а тяжёлую модель вынести на GPU-инфраструктуру. Как создаётся такой виртуальный сервер, мы разбирали в инструкции «Как развернуть VDS/VPS-сервер», а логику выбора CPU, RAM и диска — в материале «Как выбрать VDS/VPS-сервер для сайта».

Такая архитектура часто позволяет не оплачивать мощную GPU-машину ради компонентов, которым видеокарта вообще не нужна.

Когда своё железо становится интереснее

Покупка начинает иметь смысл не тогда, когда «облако дорого», а когда нагрузка стала предсказуемой.

Если один и тот же сервис работает каждый день, модель давно выбрана, объём VRAM известен, поток запросов измерен и GPU месяцами остаётся занят значительную часть суток — главное преимущество почасовой аренды постепенно исчезает.

Собственная инфраструктура одновременно даёт другой набор возможностей: оборудование находится под контролем компании, его можно включать в закрытый контур, самостоятельно выбирать программное окружение и модернизировать систему под следующие задачи.

Для небольшого постоянного контура можно рассматривать RackStation AI с одной или двумя GPU. Если появляются несколько независимых GPU-задач, параллельные среды разработки или локальное дообучение, следующий класс — DevBox AI, поддерживающий до шести ускорителей RTX 5090 и RTX PRO 5000/6000. Для крупных кластерных систем в каталоге DigitalRazor есть платформы вплоть до восьми GPU.

Rackstation AI

Для каких задач Компактный GPU-сервер до 2 видеокарт для начальных задач в AI и графике. Оптимален для инференса, визуализации, VFX и рендеринга в студиях и лабораториях, где важна гибкость.

Подробнее

Видеокарты

RTX / RTX PRO / H200 NVL

Объем видеопамяти до 282 ГБ

Процессоры

Threadripper PRO

Количество ядер до 96

RAM до 1024 ГБ DDR5

Форм-фактор 4.5U

Devbox AI

Для каких задач Универсальная платформа на 4–6 GPU для локального обучения моделей и генеративных задач. Подходит для команд, которым важна надёжность сервера и свобода выбора графики — от RTX 5090 до PRO RTX 6000.

Подробнее

Видеокарты

RTX / RTX PRO / H200 NVL

Объем видеопамяти до 576 ГБ

Процессоры

Threadripper PRO

Количество ядер до 96

RAM до 1024 ГБ DDR5

Форм-фактор 6.5U

Scale

Для каких задач Сервер промышленного уровня на 8 GPU с кластерной архитектурой. Предназначен для дата-центров и AI-ферм, где требуется масштабируемость и полная загрузка ресурсов под обучение LLM и R&D.

Подробнее

Видеокарты

RTX PRO 6000 / RTX 5090

Объем видеопамяти до 768 ГБ

Процессоры

AMD Epyc, Intel Xeon

Количество ядер до 320

RAM до 3072 ГБ DDR5

Форм-фактор 6U

Но покупать сразу шесть или восемь GPU «на вырост» — противоположная крайность. Если сейчас нужна одна карта на 60 часов в месяц, неиспользуемый локальный сервер будет финансово хуже хорошо настроенного облака независимо от того, насколько низка его цена за потенциальный GPU-час.

Иногда правильный ответ — использовать и Selectel, и свой сервер

У облака и локальной инфраструктуры необязательно выбирать победителя.

Стабильную базовую нагрузку можно перенести на собственный GPU-сервер, а редкие пики отправлять в облако. Selectel сам предлагает гибридную модель, при которой постоянная часть нагрузки работает на физической инфраструктуре, а дополнительные мощности берутся из облака. Для связи разных сегментов доступны, например, Direct Connect и глобальный роутер.

Другой вариант — собственное железо без собственной серверной. Стоечный GPU-сервер можно купить, но разместить в дата-центре Selectel. В сервис колокации входят инфраструктура дата-центра, питание и сетевое подключение. Для размещения принимается rackmount-оборудование, а фактическое максимальное энергопотребление машины измеряют ваттметром.

Так компания сохраняет собственность на оборудование, но не ставит мощный GPU-сервер рядом с офисным кулером и кофемашиной.

Схожую гибридную архитектуру мы уже разбирали в материале о том, как развернуть ИИ-агента локально, на сервере и VPS: веб-часть и управляющие сервисы необязательно размещать там же, где работает модель.

Как выбрать без гадания

Перед покупкой сервера имеет смысл провести один нормальный замер. Не оценивать нагрузку словами «нейронка работает довольно часто», а собрать реальные часы GPU, пиковую VRAM, загрузку ускорителя, число параллельных запросов и длительность пиков.

Дальше достаточно проверить четыре числа:

1. Часы GPU в месяц. Именно они превращают почасовую ставку в месячный счёт.
2. Планируемый срок проекта. Сервер, который нужен пять лет, и эксперимент на три месяца имеют совершенно разную экономику.
3. Полный TCO своего оборудования. К цене покупки добавляются фактическое электричество, площадка и эксплуатация.
4. Полный счёт облака. Помимо GPU нужно учесть реально используемые диски, сеть, резервное копирование и другие сервисы.

После этого сравнение превращается из спора «облако против железа» в обычную таблицу расходов.

Так когда аренда перестаёт быть выгодной?

Универсального числа нет. Но на сегодняшних публичных ценах можно поставить несколько контрольных точек.

При ставке Selectel от 290,15 ₽/ч одна RTX PRO 6000 обходится примерно в 51 тыс. ₽ в месяц при 176 часах работы. Здесь покупка станции за 4,19 млн ₽ ради экономии на вычислениях не выглядит убедительно.

При загрузке около 352 часов в месяц облако стоит уже около 102 тыс. ₽, но за три года это всё ещё примерно 3,68 млн ₽ — меньше первоначальной цены выбранной 750D.

Около 401 часа в месяц почасовая аренда за три года математически достигает 4,19 млн ₽. Эксплуатационные расходы собственного железа сдвигают реальную точку окупаемости дальше.

Примерно на 433 часах в месяц облачная конфигурация по 290,15 ₽/ч сравнивается с опубликованной фиксированной арендой физического RTX PRO 6000 у Selectel за 125,5 тыс. ₽ в месяц.

А при непрерывной работе 24/7 одна только почасовая аренда составляет около 211,8 тыс. ₽ в месяц и 7,63 млн ₽ за три года. Вот здесь вопрос о постоянной инфраструктуре уже трудно игнорировать.

Поэтому практическая схема выглядит так: эксперимент и редкие задания — облачный GPU; высокая, но пока не долгосрочная нагрузка — выделенная аренда; стабильный проект на несколько лет — расчёт собственного сервера; закрытая инфраструктура с пиками — гибрид.

Главное — не угадывать момент перехода. Несколько недель измерений в облаке дают гораздо больше информации для покупки GPU-сервера, чем список требований «нужна мощная нейронка».

Если тест уже проведён, для расчёта собственной системы достаточно передать нам модель, фактическое потребление VRAM, количество GPU-часов, число одновременных пользователей и требуемую производительность. По этим данным можно подобрать GPU-сервер DigitalRazor и сравнить его полную стоимость с фактическим счётом Selectel — уже без средних сценариев и приблизительных часов.

HPC 4000

Для каких задач Серия серверов для кластеризации на 4 GPU. Предназначены для дата-центров и AI-ферм, где требуется повышенная плотность для обучение LLM и R&D.

Подробнее

Видеокарты

L40s / RTX PRO / H200 NVL

Объем видеопамяти до 564 ГБ

Процессоры

AMD EPYC, Intel Xeon

Количество ядер до 128

RAM до 1536 ГБ DDR5

Форм-фактор 2U

HPC 8000

Для каких задач Серия серверов для кластеризации на 8 GPU. Предназначены для дата-центров и AI-ферм, где требуется повышенная плотность для обучение LLM и R&D.

Подробнее

Видеокарты

L40s / RTX PRO / H200 NVL

Объем видеопамяти до 1128 ГБ

Процессоры

AMD EPYC, Intel Xeon

Количество ядер до 256

RAM до 2048 ГБ DDR5

Форм-фактор 4U

HGX H200

Для каких задач HGX объединяет 8 видеокарт NVIDIA H200, достигая экстремальной плотности производительности. Благодаря внутренней связности NVSwitch мгновенно интегрируется в масштабные вычислительные кластеры.

Подробнее

Видеокарты

NVIDIA H200 SXM

Объем видеопамяти до 1128 ГБ

Процессоры

AMD EPYC, Intel Xeon

Количество ядер до 256

RAM до 2048 ГБ DDR5

Форм-фактор 5U