Вычисления и железо
18 компаний в каталоге
Рынок дата-центров, GPU-облаков и аренды вычислительных мощностей - инфраструктурный фундамент всего российского ИИ: без него не работают ни обучение моделей, ни инференс. ИИ здесь не столько «продукт», сколько главный драйвер спроса: обучение LLM и инференс требуют GPU-кластеров, которых в стране хронически не хватает из-за санкционных ограничений на поставки ускорителей Nvidia. Рынок зрелый по облачной части (IaaS/PaaS растёт на 30%+ в год) и молодой по специализированному AI-сегменту: GPU-аренда как отдельный рынок оформилась только в 2024-2025 гг. Специфика РФ - параллельный импорт железа, концентрация мощностей в Москве и Петербурге (85%), высокая ключевая ставка, удорожающая капиталоёмкие стройки, и активная роль госкомпаний (Ростелеком/РТК-ЦОД, Росатом) и экосистем (Сбер, Яндекс). Импортозамещение после ухода западных гиперскейлеров стало главным попутным ветром: заказчики мигрировали в российские облака и продолжают наращивать потребление.
Рынок ярусный: наверху - экосистемы и госкомпании (Cloud.ru, РТК-ЦОД, Yandex Cloud, MWS, VK Cloud), контролирующие около двух третей IaaS; средний ярус - независимые провайдеры (Selectel, Timeweb Cloud, K2 Cloud, beeline cloud, Cloud4Y); внизу - нишевые GPU-облака (immers.cloud, HOSTKEY, ITGLOBAL.COM, mClouds), конкурирующие ценой и скоростью доступа к свежим картам. Явного монополиста нет, но Cloud.ru за счёт ресурса Сбера отрывается в ИИ-сегменте, особенно в PaaS. Госкомпании (Ростелеком, Росатом) играют роль инфраструктурных строителей и забирают госзаказ. Консолидация практически неизбежна: капиталоёмкость и дефицит железа выдавливают мелких игроков в поглощения или ниши.
Ниша для новых игроков - специализированные сервисы поверх чужого железа: инференс-оптимизация (пример - Compressa.ai), MLOps, приватные LLM-развёртывания, брокеры GPU-мощностей, а также региональные ЦОД у дешёвой энергии. Входить в классический IaaS «в лоб» не стоит: конкурировать с дотируемыми облаками Сбера, Яндекса и МТС по цене невозможно, а капитальные затраты на собственный ЦОД при текущей ставке убивают экономику. GPU-аренда прибыльна сейчас, но это гонка балансов: выигрывает тот, кто способен закупать железо миллиардами, и при насыщении рынка маржа схлопнется первой именно у малых игроков. Реалистичная стратегия - вертикальная специализация (ИИ-хостинг для медицины, финансов с их требованиями к данным) или партнёрство с крупным облаком вместо конкуренции с ним.
Рынок дата-центров, GPU-облаков и аренды вычислительных мощностей - инфраструктурный фундамент всего российского ИИ: без него не работают ни обучение моделей, ни инференс. ИИ здесь не столько «продукт», сколько главный драйвер спроса: обучение LLM и инференс требуют GPU-кластеров, которых в стране хронически не хватает из-за санкционных ограничений на поставки ускорителей Nvidia. Рынок зрелый по облачной части (IaaS/PaaS растёт на 30%+ в год) и молодой по специализированному AI-сегменту: GPU-аренда как отдельный рынок оформилась только в 2024-2025 гг. Специфика РФ - параллельный импорт железа, концентрация мощностей в Москве и Петербурге (85%), высокая ключевая ставка, удорожающая капиталоёмкие стройки, и активная роль госкомпаний (Ростелеком/РТК-ЦОД, Росатом) и экосистем (Сбер, Яндекс). Импортозамещение после ухода западных гиперскейлеров стало главным попутным ветром: заказчики мигрировали в российские облака и продолжают наращивать потребление.
Рынок ярусный: наверху - экосистемы и госкомпании (Cloud.ru, РТК-ЦОД, Yandex Cloud, MWS, VK Cloud), контролирующие около двух третей IaaS; средний ярус - независимые провайдеры (Selectel, Timeweb Cloud, K2 Cloud, beeline cloud, Cloud4Y); внизу - нишевые GPU-облака (immers.cloud, HOSTKEY, ITGLOBAL.COM, mClouds), конкурирующие ценой и скоростью доступа к свежим картам. Явного монополиста нет, но Cloud.ru за счёт ресурса Сбера отрывается в ИИ-сегменте, особенно в PaaS. Госкомпании (Ростелеком, Росатом) играют роль инфраструктурных строителей и забирают госзаказ. Консолидация практически неизбежна: капиталоёмкость и дефицит железа выдавливают мелких игроков в поглощения или ниши.
Ниша для новых игроков - специализированные сервисы поверх чужого железа: инференс-оптимизация (пример - Compressa.ai), MLOps, приватные LLM-развёртывания, брокеры GPU-мощностей, а также региональные ЦОД у дешёвой энергии. Входить в классический IaaS «в лоб» не стоит: конкурировать с дотируемыми облаками Сбера, Яндекса и МТС по цене невозможно, а капитальные затраты на собственный ЦОД при текущей ставке убивают экономику. GPU-аренда прибыльна сейчас, но это гонка балансов: выигрывает тот, кто способен закупать железо миллиардами, и при насыщении рынка маржа схлопнется первой именно у малых игроков. Реалистичная стратегия - вертикальная специализация (ИИ-хостинг для медицины, финансов с их требованиями к данным) или партнёрство с крупным облаком вместо конкуренции с ним.
Рег.Облако (РЕГ.РУ)
—
РТК-ЦОД
дата-центры под ИИ; GPU-облака; аренда мощностей
Т1 Облако
GPU-облака; дата-центры под ИИ
Турбо Облако
—
beeline cloud
GPU-облака; аренда мощностей
Cloud.ru
GPU-облака; дата-центры под ИИ; инференс-хостинг
Cloud4Y
аренда мощностей; GPU-облака
Compressa.ai
инференс-хостинг
HOSTKEY
аренда мощностей; GPU-облака
immers.cloud
GPU-облака; дата-центры под ИИ; инференс-хостинг
ITGLOBAL.COM
GPU-облака; аренда мощностей
K2 Cloud
GPU-облака; аренда мощностей
mClouds
аренда мощностей; GPU-облака
MWS (MTS Web Services)
GPU-облака; инференс-хостинг; дата-центры под ИИ
Selectel
GPU-облака; аренда мощностей; дата-центры под ИИ
Timeweb Cloud
аренда мощностей; GPU-облака
VK Cloud
GPU-облака; аренда мощностей; инференс-хостинг
Yandex Cloud
GPU-облака; дата-центры под ИИ; инференс-хостинг
| # | Компания | Подниша | Стадия зрелости | Год основания | Город | Численность | Независимость | Сегмент |
|---|---|---|---|---|---|---|---|---|
| 1 | Рег.Облако (РЕГ.РУ) | — | — | — | — | — | — | — |
| 2 | РТК-ЦОД | дата-центры под ИИ; GPU-облака; аренда мощностей | зрелая | — | Москва | — | дочка госкорпорации | смешанный |
| 3 | GPU-облака; дата-центры под ИИ | рост | — | Москва | — | часть экосистемы | смешанный | |
| 4 | Турбо Облако | — | — | — | — | — | — | — |
| 5 | GPU-облака; аренда мощностей | рост | — | Москва | — | часть экосистемы | B2B | |
| 6 | GPU-облака; дата-центры под ИИ; инференс-хостинг | рост | 2019 | Москва | 1 400 | часть экосистемы | смешанный | |
| 7 | аренда мощностей; GPU-облака | зрелая | 2009 | Москва | 16 | независимая | B2B | |
| 8 | инференс-хостинг | seed | — | — | — | независимая | B2B | |
| 9 | аренда мощностей; GPU-облака | зрелая | 2015 | Москва | — | независимая | B2B | |
| 10 | GPU-облака; дата-центры под ИИ; инференс-хостинг | seed | 2018 | Москва | 12 | независимая | B2B | |
| 11 | GPU-облака; аренда мощностей | зрелая | — | Москва | — | независимая | B2B | |
| 12 | GPU-облака; аренда мощностей | рост | — | Москва | — | независимая | B2B | |
| 13 | аренда мощностей; GPU-облака | seed | — | Москва | — | независимая | B2B | |
| 14 | GPU-облака; инференс-хостинг; дата-центры под ИИ | рост | 2024 | Москва | — | часть экосистемы | B2B | |
| 15 | GPU-облака; аренда мощностей; дата-центры под ИИ | зрелая | 2007 | Санкт-Петербург | 27 800 | независимая | смешанный | |
| 16 | аренда мощностей; GPU-облака | рост | 2019 | Санкт-Петербург | 182 | независимая | B2B | |
| 17 | GPU-облака; аренда мощностей; инференс-хостинг | рост | 2016 | Москва | — | часть экосистемы | B2B | |
| 18 | GPU-облака; дата-центры под ИИ; инференс-хостинг | рост | 2018 | Москва | — | часть экосистемы | смешанный |