AI-дата-центры и GPU-инфраструктура

AI разделил индустрию дата-центров на два продукта: старые площади под стойки 5–15 кВт и мощности AI-класса, выдающие 60–130+ кВт на стойку с жидкостным охлаждением — и вторая категория поглощается так же быстро, как строится. Этот хаб разбирает экономику плотности и охлаждения, выбор «аренда или колокейшн» и способы найти GPU-ready мощность, опираясь на наш живой трекер цен на GPU и каталог объектов с тегом aiReady.

Контекст рынка: AI съедает пайплайн мощностей

Цифры масштаба однозначны. McKinsey прогнозирует мировой спрос на мощности дата-центров примерно в 219 ГВт к 2030 году, при этом AI-ready мощность должна расти около 33% в год, а AI-нагрузки к концу десятилетия составят от половины до примерно 70% совокупного спроса. Этот спрос приходит на рынок, уже находящийся в рекордном дефиците: вакантность в Северной Вирджинии около 0,5%, около трёх четвертей строящихся мощностей в США законтрактовано заранее, а wholesale-ставки в Северной Америке на рекордных $196,25/кВт в месяц по данным CBRE — причём операторы AI-оптимизированных объектов с жидкостным охлаждением получают явную премию к ставкам обычных площадей.

На стороне железа рынок повзрослел быстро. Цена аренды H100 обвалилась с $8+ в час на пике 2023 года до примерно $2–3 в час на споте и ~$2,35 в час на годовых контрактах по мере нормализации предложения и выхода поколений B200/GB200 — переоценка, изменившая арифметику «строить или арендовать» для всех, кто меньше гиперскейлера. Именно эту кривую ежедневно ведёт наш GPU-трекер; наш гид по ценам аренды H100 объясняет структуры контрактов за заголовочными ставками.

Следствие для покупателей: решения по AI-инфраструктуре теперь двурыночные. Вы одновременно оцениваете физическую мощность (колокейшн, $/кВт) и вычисления (аренда GPU, $/GPU-час), и оптимальный ответ смещается с утилизацией, длительностью и поколением железа. Большинство источников покрывает один рынок. Мы отслеживаем оба.

Плотность и охлаждение: почему стойки на 100 кВт изменили всё

Современная стойка для обучения AI — физически другой объект, не тот, под который строились дата-центры. Система NVIDIA GB200 NVL72 потребляет примерно 120–132 кВт в одной стойке — против корпоративного стандарта 5–15 кВт, — а архитектуры кластеров следующих поколений идут к 250+ кВт на стойку. Из этой цифры каскадом следуют три инженерных последствия:

Охлаждение становится жидкостным. Выше ~50 кВт/стойку прогнать достаточно воздуха физически невозможно. Индустрия стандартизировалась на двух подходах:

	Direct-to-chip (DTC)	Иммерсионное
Как работает	Холодные пластины на GPU/CPU; контур теплоносителя через CDU	Серверы погружены в диэлектрическую жидкость
Поддерживаемая плотность стойки	80–132+ кВт (текущее поколение)	100–250+ кВт
Тепло, снимаемое жидкостью	~70–80% (остальное — воздух)	~95–100%
Нагрузка на реконструкцию объекта	Умеренная — CDU, трубопроводы, водяной контур	Высокая — ванны, обращение с жидкостью, новая модель эксплуатации
Совместимость с железом	Стандартные OEM-стойки (NVL72 поставляется готовой к DTC)	Требуется адаптированное под иммерсию железо
Позиция на рынке 2026	Доминирующий выбор для новых AI-объектов	Ниша: HPC, крипта, экстремальная плотность

DTC выигрывает в большинстве развёртываний, потому что сохраняет операционную модель «стойка-ряд», справляясь при этом с текущим тепловыделением GPU; он обычно добавляет 7–10% к капексу механики и электрики, но снижает энергию на охлаждение достаточно, чтобы опустить PUE с унаследованных ~1,5 до 1,1–1,2 — постоянная экономия 20–25% совокупных затрат на энергию.

Распределение питания масштабируется вверх. Стойкам на 60–130 кВт нужен верхний шинопровод на 415 В и выше, вводы на высокие токи и несущая способность пола под 1 500–2 000 кг на стойку. Запас мощности от сети становится стратегическим: кластер на 1 024 GPU H100 потребляет примерно 1,5–2 МВт со всем обвесом; тренировочная сборка на 16 000 GPU приближается к 25–30 МВт — размеры, которые мгновенно делают вас wholesale-арендатором, торгующимся за мощность, а не retail-покупателем стоек. Для задач такого масштаба смотрите наш хаб гиперскейла и энергетический хаб.

Вывод для отбора: большая часть установленной базы колокейшн в мире не может разместить современные AI-кластеры без реконструкции. Переоборудование старых площадей с воздушным охлаждением под жидкостную плотность стоит $2–4 млн за МВт. Именно поэтому «GPU-ready» — сегодня самый важный фильтр при выборе объекта, и поэтому наш каталог помечает объекты флагом aiReady, охватывающим плотность, поддержку жидкостного охлаждения и запас мощности.

Колокейшн или аренда GPU: рамка принятия решения

Самое значимое решение по AI-инфраструктуре в масштабе примерно до $50 млн — владеть железом в колокейшн или арендовать GPU-мощность. Честный ответ — арифметика, а не идеология.

Арендовать, когда: утилизация неопределённая или скачкообразная; горизонт проекта менее ~12–18 месяцев; фронтирное железо нужно немедленно (аренда B200/GB200 выигрывает у полугодового цикла закупки); либо ресурс команды на эксплуатацию инфраструктуры нулевой. При ~$2,35 в час по обязательству H100 обходится примерно в $20 600 на GPU в год, при этом энергия, охлаждение, сеть и риск железа полностью на провайдере.

Размещать в колокейшн, когда: вы удержите высокую утилизацию (60%+) два года и более; у данных нагрузки есть требования резидентности или безопасности; либо вы достаточно велики, чтобы маржа арендодателя превышала ваши операционные затраты. Владение узлом с H100 обходится примерно в $25–30 тыс. на GPU капекса плюс $3–5 тыс. на GPU в год за энергию и место в колокейшн (на рынках с ~$0,08–0,12/кВт·ч — одна из причин привлекательности колокейшн в ЮВА для флотов инференса). За три года плотной утилизации владение обычно оказывается на 30–50% дешевле аренды — если утилизация держится.

Точка окупаемости лежит около 12–18 месяцев устойчивого использования. Два фактора сдвигают её позже: смена поколений GPU (собственный парк H100 на второй год конкурирует с арендой следующего поколения) и падение арендных цен (рынок переоценился вниз на ~60–70% за два года). Один фактор сдвигает её раньше: арендная мощность новейшего поколения дефицитна и продаётся с премией на старте — ровно тогда, когда спрос на обучение на пике.

Продвинутые команды всё чаще делят пополам: собственная мощность в колокейшн под базовую нагрузку инференса; арендованная — под всплески обучения и эксперименты с новыми поколениями. Оценка обеих сторон такого портфеля требует живых данных по обоим рынкам — а это ядро того, что публикует наш сайт на /ru/index/ и /ru/gpu/.

Рынок GPU расслоился — оценивайте поколение, а не «GPU вообще»

«Цены на GPU» — это теперь четыре разных рынка, движущихся по разным кривым, и их смешение — самая частая и самая дорогая аналитическая ошибка, которую мы видим:

Уровень	Железо	Поведение рынка (2026)
Фронтир	Класс GB200/B200	Дефицит, премия, скорее распределяется, чем продаётся; кратно дороже ставок H100
Рабочая лошадка	H100/H200	Ликвидный, конкурентный; ~$2–3/час на споте, ~$2,35/час на годовых обязательствах
Бюджетный	A100 и старше	Глубокая скидка; годится для файн-тюнинга, небольших моделей, пакетного инференса
Оптимизированные под инференс	L40S и специализированные чипы	Цена считается через экономику обслуживаемых токенов, а не тренировочных FLOPS

Кривыми управляют три динамики. Каскад поколений: каждый запуск нового флагмана опускает предыдущее поколение на 30–50% примерно за год — та самая схема, что провела H100 от $8+ в час до $2,35 по обязательству. Разброс по сроку контракта: спотовые, месячные и 1–3-летние ставки на идентичное железо могут различаться более чем на 40%, поэтому соответствие длины контракта определённости нагрузки стоит не меньше, чем выбор провайдера. Дисперсия провайдеров: прайсы гиперскейлеров на тот же GPU в 2–4 раза выше ставок специализированных GPU-облаков, и разрыв максимален на уровне «рабочей лошадки». Наш GPU-трекер ведёт актуальную картину по всем уровням; относитесь к любой отдельной цифре — включая нашу за прошлый квартал — как к снимку быстро движущейся кривой.

Сеть: третья опора, которую покупатели обнаруживают слишком поздно

AI-кластеры чаще ломаются на сети, чем на энергии или охлаждении, потому что обучение — синхронизированная нагрузка: тысячи GPU обмениваются градиентами на каждом шаге, и самый медленный линк задаёт темп всему кластеру. Практические следствия для покупателей мощности:

• Доминирует east-west. Кластеру на 1 024 GPU нужна неблокирующая фабрика 400/800G (InfiniBand или RoCE Ethernet), стоимость которой — часто $2 000–4 000 на GPU в коммутации и оптике — должна лежать в вашей модели капекса рядом с самими ускорителями.
• Физическая локальность для обучения не обсуждается. Бюджеты задержек фабрики удерживают тренировочные кластеры в пределах одного зала или соседних залов; нельзя сшить тренировочный кластер через два здания, тем более через два объекта. Это сужает выбор до площадок с большими смежными GPU-ready пространствами — ещё одно измерение, которое закрывает отбор по aiReady в нашем каталоге.
• Инференс распределяется, обучение концентрируется. Обслуживание трафика терпит обычную метро-задержку — именно поэтому работают архитектуры «хаб и спицы»: тяжёлые кластеры в wholesale-площадях, узлы инференса ближе к пользователям (см. наш edge-хаб).

Сравнивая предложения колокейшн под GPU-развёртывания, отдельно спрашивайте про поддержку структурированной кабельной системы под фабрики с большим числом волокон, про цену кросс-коннектов на объёме (десятки линков 400G меняют арифметику — см. раздел о скрытых расходах в нашем хабе колокейшн) и про точки входа в облака, если у вас гибридная архитектура.

Где размещать AI-мощности: география смещается

AI-нагрузки терпимее к задержкам, чем пользовательские приложения — тренировочной задаче всё равно, идёт ли она в Ашберне или Джохоре. Эта терпимость на фоне вакантности ниже 1% и цен $215+/кВт на ключевых рынках США перенаправляет AI-мощности в богатые энергией и более дешёвые рынки: вторичные агломерации США, Северная Европа, Ближний Восток и прежде всего Юго-Восточная Азия, где BOI Таиланда одобрил ~746 млрд бат инвестиций в дата-центры за 2025 год, пайплайн Джохора достиг примерно 4–5 ГВт, а Малайзия теперь явно приоритизирует проекты AI-класса. Промышленная энергия по $0,08–0,12/кВт·ч и стоимость строительства на 20–40% ниже американской напрямую переводятся в меньший $/GPU-час для всех, кто держит флоты в масштабе — полная региональная картина в нашем хабе девелопмента и разборе по Таиланду.

Чем помогает Coloprice: мост от колокейшн к GPU

Любой другой ресурс покрывает половину этого рынка. Каталоги колокейшн не отслеживают цены на GPU; маркетплейсы GPU не покрывают физическую мощность. А поскольку реальное решение — арендовать вычисления, развернуть железо или что-то посередине — охватывает обе стороны, мы построили мост:

• Живые цены на GPU, бесплатно. GPU-трекер отслеживает ставки аренды по провайдерам и поколениям — от H100 от ~$2,35 в час по обязательству до текущих премий на B200/GB200, — чтобы вы могли сверить любую котировку за секунды. Гид по ценам H100 расшифровывает структуры контрактов.
• GPU-ready объекты с фильтрами. В нашем каталоге из 202 объектов есть фильтр aiReady, охватывающий высокоплотное питание и поддержку жидкостного охлаждения — вопрос «какие объекты в мире реально потянут стойки на 100 кВт?» превращается из недель писем-RFI в двухминутный запрос.
• Оба рынка в одном бенчмарке. Ставки колокейшн и ставки GPU рядом, плюс данные о предложении в статистике — полный набор вводных для модели «аренда против колокейшн» выше.
• Подобранные котировки за один рабочий день, бесплатно. Опишите требования на /ru/quote/ — кластер из 20 стоек с жидкостным охлаждением, 2 МВт GPU-ready площадей в ЮВА или арендное обязательство по GPU, которое хотите сверить с рынком, — и мы вернём подобранные варианты от проверенных нами объектов и провайдеров в течение одного рабочего дня. Никакой платы за размещение, влияющей на шорт-лист, и никакого чёрного ящика «запросите котировку».
• Глубокие разборы. Начните с гида по ценам на колокейшн для стороны $/кВт и с инвестиционного гида, если вы финансируете AI-мощности, а не покупаете их.

AI-инфраструктура — самый быстро переоценивающийся рынок в технологиях: ставки GPU сдвинулись более чем на 60% за два года, пока колокейшн двигался на 6–12% в противоположную сторону. Решения на устаревших данных дороги в обе стороны: переплата за вычисления с одной, застрявший в неподходящем объекте капитал с другой. Проверьте /ru/gpu/, отфильтруйте /ru/data-centers/, сверьтесь с /ru/index/ и дайте /ru/quote/ положить вам на стол реальные сопоставимые предложения за один рабочий день.