Краткое содержание анализа
Распространение коммерческого использования крупных AI-моделей и AI-агентов превратило вычислительные ресурсы в дефицитный ресурс. Высококлассные GPU стали трудно доступными, а создание собственных вычислительных кластеров сопряжено с высокими затратами и длительными сроками реализации. В результате все больше компаний переходят на аренду вычислительных мощностей, что привело к формированию абсолютно ситуации, когда продавцы доминируют на рынке. Участники рынка с разным опытом (поставщики научных услуг, компании, осуществляющие трансформацию с других сфер деятельности, платформы с небольшими инвестициями) соревнуются за клиентов, однако основную прибыль получают производители чипов, дистрибьюторы, обладающие квотами, и инвесторы. В будущем рынок будет развиваться в направлениях расширения возможностей для решений на основе алгоритмов рассуждения, замены импортных компонентов на отечественные и финансиализации вычислительных ресурсов. Традиционные модели бизнеса, основанные на простом владении вычислительными ресурсами, уступят место компаниям, специализирующимся на предоставлении качественных услуг и интеграции ресурсов в конкретные сценарии использования.
Почему аренда вычислительных мощностей вдруг стала такой популярной?
Вкратце: спрос резко вырос, а предложение не смогло его удовлетворить, поэтому решения принимаются продавцами. Для обучения и выполнения алгоритмов рассуждения в крупных AI-моделях требуется большое количество высококлассных GPU (например, NVIDIA H200, GB200), которые сложно приобрести из-за импортных ограничений. Стоимость создания собственных вычислительных кластеров, включая электроснабжение и обслуживание, также очень высока. Данные Китайского института информационных и коммуникационных технологий показывают, что в 2026 году спрос на вычислительные ресурсы в Китае увеличился на 417%, в то время как предложение — всего на 128%. Ситуация напоминает ситуацию, когда 10 человек соревнуются за 3 манты; естественно, цены устанавливают те, у кого они есть. Сейчас поставщики высококлассных GPU сталкиваются с большим спросом, а арендная плата может расти в любое время. Клиенты, заключающие долгосрочные контракты (на 1–3 года), получают приоритетное право на использование ресурсов; поставщики даже выбирают клиентов, предпочитая стабильные долгосрочные контракты вместо краткосрочных, высокоприбыльных сделок.
Кто занимается арендой вычислительных мощностей?
Участники рынка с разным опытом используют различные подходы:
1. Компании с научным фоном: например, компания Ван Яня, которая ранее обеспечивала вычислительные ресурсы для научных исследований в университетах. Обнаружив рост спроса со стороны инженерных отраслей (химия, материаловедение), она начала предоставлять услуги аренды вычислительных мощностей. Они удерживают клиентов благодаря качественному обслуживанию (ответы на вопросы в течение 10 минут, уровень повторных заказов составляет 60%) и дополнительным услугам, таким как настройка кластеров.
2. Компании, осуществляющие трансформацию с других сфер деятельности: например, ian, ранее занимавшаяся арендой элитной недвижимости, случайно оказалась вовлеченной в сделки по аренде вычислительных ресурсов и обнаружила высокую прибыльность. Она использует зарубежные ресурсы (центры обработки данных в Мельбурне и Куала-Лумпуре) и сотрудничает с китайскими IDC для закупки чипов и логистики, получая прибыль от разницы в ценах и доли от арендной платы.
3. Новые стартапы: основанные в 2026 году, они начинают свою деятельность с платформ для сбора и анализа крупных AI-моделей, используя аренду вычислительных мощностей в качестве основы своего бизнеса, не инвестируя в собственное оборудование.
4. Крупные игроки рынка: публичные облачные сервисы (Alibaba Cloud, Tencent Cloud), телекоммуникационные операторы и профессиональные IDC занимают большую долю рынка, но и малые компании могут найти свои ниши (например, в научных исследованиях, трансграничных проектах, соблюдении нормативов).
Как можно заработать на аренде вычислительных мощностей? Быстро ли окупится инвестиция?
Методы получения прибыли и сроки окупления сильно различаются в зависимости от подхода:
- Ценообразование:
- Для научных целей: CPU оцениваются по цене за час работы (0,04–0,1 юаня за час работы одного ядра); GPU — по цене за час работы одной карты (2–4 юаня за карту типа 4090, 3,5–5 юаней за карту типа 5090).
- Для трансграничных сделок: цены на аренду серверов с GPU H200 в Китае достигают 105 000 юаней в месяц; за аренду карт типа GB200 за рубежом — от 550 до 830 долларов в час; цены на карты типа PRO6000 — около 1,5–2 долларов за час.
- Сроки окупления:
- Для научных целей: около 4 лет (из-за быстрого роста цен на оборудование и невозможности удовлетворить рост спроса арендной платы);
- Для трансграничных сделок: в среднем 2,5–3 года;
- Для высококлассных вычислительных ресурсов с высоким уровнем использования: около 12–18 месяцев (например, в случае продажи токенов);
- Для общих вычислительных ресурсов с низким уровнем использования: сроки окупления длиннее.
- Разница в прибыли:
- Прибыльность бизнеса с использованием научных GPU низкая (из-за высоких цен на оборудование);
- Компании, имеющие прямой доступ к источникам поставок чипов, получают большую прибыль;
- Компании, занимающиеся перепродажей ресурсов, получают меньшую прибыль и сталкиваются с рисками, связанными с нестабильностью цен.
Каковы перспективы рынка аренды вычислительных мощностей?
Рынок аренды вычислительных мощностей продолжает расти благодаря развитию технологий и увеличению спроса со стороны различных секторов экономики. Однако стоимость оборудования остается высокой, что ограничивает масштабы распространения этого типа услуг. Поэтому компании, специализирующиеся на предоставлении качественных услуг и интеграции ресурсов, имеют большие возможности для развития.