Облака для ИИ в России: аналитика рынка и дефицит мощностей

Знакомая картина: команда уже спланировала пилот с LLM-сервисом, бюджет на GPU согласован, но провайдер ставит в очередь на выделенные мощности на полгода, а PaaS-тариф растёт быстрее, чем модель успевает доехать до продакшена. Этот разрыв между спросом и предложением — не локальная история, а общий фон всего российского рынка облачных сервисов для ИИ. По данным CNews со ссылкой на совместное исследование Selectel и аналитической компании Apple Hills Digital, совокупное потребление облачных сервисов для ИИ в России по итогам 2025 года достигло 65,5 млрд рублей, а 46% опрошенных компаний уже используют или тестируют облачные ИИ-решения.

Карта рынка: где деньги и где узкое горлышко

Из общей цифры в 65,5 млрд рублей на внутреннее потребление в экосистемах провайдеров приходится 40,8 млрд (62%), на открытый рынок — 24,7 млрд. Именно эта пропорция объясняет, почему крупные заказчики всё чаще выбирают модель «построить ИИ-контур внутри экосистемы провайдера», а не выходить на публичный рынок за отдельными GPU-серверами. На публичном облаке потребление инфраструктуры с GPU выросло на 68,7% и составило 8,2 млрд рублей: 53% пришлось на виртуальные машины, 47% — на выделенные серверы. Сегмент AI/ML-платформ (PaaS) прибавил ещё больше — 97% за год, до 9,4 млрд рублей, и впервые обогнал рынок чистой GPU-инфраструктуры. В Selectel отдельно отмечают операционную динамику: за девять месяцев 2026 года компания зафиксировала рост потребления серверов с GPU в 2,6 раза к аналогичному периоду 2025-го, а основной спрос приходится на крупный бизнес.

Почему рынок упирается в предложение

В Apple Hills Digital причину называют прямо: организации готовы арендовать GPU, но упираются во внутренние политики, финансовые лимиты и, главное, в отсутствие приемлемых предложений от провайдеров. По оценке аналитика компании Елены Семеновской, переход от простой аренды серверов к среде разработки и эксплуатации ИИ-решений и будет поддерживать спрос на облачные сервисы, а сегмент AI/ML-платформ сохраняет потенциал роста именно за счёт того, что PaaS снимает с команды заказчика часть инженерных затрат. Константин Ансимов, директор по продуктам Selectel, формулирует задачу провайдера через призму управленческой эффективности: важно предоставить серверное оборудование с GPU по модели аренды, безопасный аттестованный контур и прикладную экспертизу, чтобы заказчик мог сосредоточиться на своём основном бизнесе.

Что проверять в собственном сценарии

Аналитики дают два сценария на горизонте до 2030 года. «Продолжение тренда» — рост облачных GPU-серверов в среднем на 34,8% в год до 36,5 млрд рублей, AI/ML-платформ — на 34% в год до 40,7 млрд. «Замедление роста» — 20,9% и 22,4% соответственно, объёмы рынка 21,2 и 25,9 млрд рублей. Разница между сценариями — та неопределённость, которую стоит закладывать в финансовую модель пилота, особенно если вы считаете тайм-ту-маркет и ROI на горизонте 3–5 лет.

Для практики внедрения из отчёта вытекает несколько проверяемых точек. Первая — реальный SLA на доступность GPU-контейнеров и сроки выделения физических серверов, а не маркетинговые «минуты до запуска». Вторая — наличие у провайдера PaaS-слоя, в который ложатся ваши пайплайны: иначе вы платите только за «железо» и теряете эффект масштаба, который уже видят в Selectel. Третья — аттестация инфраструктуры и разграничение доступов: если в команде появились регуляторные ограничения по данным, это часто становится блокирующим фактором ещё до выбора модели.

И ещё один неочевидный вывод, который косвенно подтверждается цифрами: методология оценки эффективности — будь то облачный GPU-стек или, скажем, набирающие популярность подходы к замедлению биологического старения — работает одинаково. Важно отделять реально работающие сценарии от тех, что хорошо звучат в пресс-релизе, и опираться на собственные метрики пилота, а не на чужие темпы роста рынка.