Бизнес-модель GPU-кластера: выручка против реальности
Управление GPU-кластером для получения арендного дохода выглядит привлекательно на бумаге. H100 сдаются по $1,50–$3,50/час на маркетплейсах. Умножьте на 8 760 часов в году, и узел с 8 GPU выглядит как генератор $100K–$240K ежегодно. Цифры выручки реальны — но и расходы, которые большинство анализов недооценивает, тоже.
Отказ от ответственности: Эта статья предназначена исключительно для образовательных и информационных целей. Она не является финансовой, инвестиционной или юридической консультацией. Стоимость GPU-оборудования и экономика вычислений колеблются — всегда проводите собственную проверку перед принятием инвестиционных решений.
Анализ McKinsey сектора необлачных провайдеров показал, что валовая маржа составляет всего 14–16% после вычета труда, электричества и амортизации. Эта маржа настолько тонка, что небольшие изменения в загрузке или стоимости электроэнергии могут превратить прибыльную операцию в убыточную.
Эта статья разбирает полную структуру затрат GPU-кластера — цифры, которые Уолл-стрит не выносит в заголовки.
Затраты на оборудование: реальная стоимость производственного кластера
Базовые инвестиции в оборудование для одного узла 8× H100 SXM:
| Компонент | Диапазон стоимости | Примечания |
|---|---|---|
| 8× H100 80GB SXM GPU | $200 000–$280 000 | ~$25K–$35K за GPU |
| Серверное шасси + CPU + RAM | $15 000–$30 000 | Двойной Xeon или EPYC, 512 ГБ–1 ТБ RAM |
| Интерконнект NVLink/NVSwitch | Включён в SXM | Форм-фактор SXM включает NVLink |
| Сетевое оборудование (100GbE+) | $3 000–$8 000 | Сетевые адаптеры, кабели, коммутаторный порт |
| Хранилище (NVMe) | $2 000–$15 000 | 2–8 ТБ быстрого локального хранилища |
| Стоечное оборудование + PDU | $2 000–$5 000 | Направляющие, распределение питания |
| Итого на узел 8-GPU | $222 000–$383 000 |
Для сравнения покупки и аренды этого оборудования см. наш анализ аренды vs покупки.
Масштаб имеет значение. Один узел — это минимальная жизнеспособная единица. Большинство коммерческих операторов используют 4–20+ узлов для достижения эффективной загрузки и обслуживания разнообразных нагрузок. Это означает $1M–$7M+ капитальных затрат на оборудование до получения первого доллара выручки.
Операционные расходы: ежемесячная скорость сжигания
Оборудование — это капитальные затраты. Операционные расходы определяют текущую прибыльность:
| Категория расходов | Ежемесячная стоимость (на узел 8-GPU) | % от общих OpEx |
|---|---|---|
| Электричество | $2 400–$5 600 | 25–40% |
| Колокация / дата-центр | $2 000–$6 000 | 20–30% |
| Сетевая пропускная способность | $500–$2 000 | 5–10% |
| Технический персонал (пропорционально) | $1 500–$4 000 | 15–25% |
| Лицензии ПО + мониторинг | $200–$800 | 2–5% |
| Страхование + прочее | $200–$500 | 2–3% |
| Итого ежемесячные OpEx | $6 800–$18 900 | |
| Годовые OpEx | $81 600–$226 800 |
Электроэнергия — крупнейшая переменная статья расходов. Узел 8× H100 потребляет примерно 5,5–6,5 кВт при устойчивой нагрузке. При $0,10/кВтч это стоит ~$4 000/месяц. При $0,06/кВтч (дешёвое промышленное электричество на Среднем Западе США или в Скандинавии) стоимость снижается до ~$2 400. При $0,20/кВтч (часть Европы или Калифорнии) она возрастает до ~$8 000. Эта единственная переменная — цена электричества — может изменить годовую прибыльность на $40K–$60K на узел.
Подробный анализ того, почему электроэнергия становится определяющим ограничением для GPU-операций, см. в нашем анализе энергетического кризиса.
Уравнение загрузки: почему 60% — порог выживания
Выручка зависит не только от почасовой ставки — она зависит от того, сколько часов в месяц оборудование фактически сдаётся в аренду. Это коэффициент загрузки, и он является самой важной переменной в бизнес-модели.
Пример: узел 8× H100 по средней маркетплейсной ставке $2,00/час
| Загрузка | Ежемесячная выручка | Ежемесячные OpEx | Ежемесячная прибыль/убыток |
|---|---|---|---|
| 30% | $3 504 | $10 000 | -$6 496 |
| 50% | $5 840 | $10 000 | -$4 160 |
| 60% | $7 008 | $10 000 | -$2 992 * |
| 70% | $8 176 | $10 500 | -$2 324 |
| 80% | $9 344 | $11 000 | -$1 656 |
| 90% | $10 512 | $11 500 | -$988 |
Примечание: Эти цифры включают только OpEx — без амортизации. При 3-летней амортизации оборудования ~$7 000–$10 000/месяц фактическая точка безубыточности значительно выше.
Точка безубыточности загрузки для полностью учтённого GPU-кластера (включая амортизацию) обычно находится между 55–65%. Выше 80% загрузки маржа быстро растёт, потому что OpEx увеличиваются лишь незначительно (больше потребления электроэнергии), тогда как выручка масштабируется линейно.
Ключевой вывод: Разница между прибыльным и убыточным GPU-кластером — это не почасовая ставка, а процент часов, когда оборудование фактически приносит доход. Узел, зарабатывающий $2,00/час при 90% загрузке, генерирует $13 140/месяц. Тот же узел при 40% генерирует $5 840. Одно и то же оборудование, одна и та же ставка, совершенно разная экономика.
Анализ маржи: от валовой до чистой прибыли
Проследим полный каскад маржи для кластера, работающего при 75% загрузке со средней ставкой $2,00/час за GPU:
Из каждых $100 арендной выручки GPU типичный оператор кластера сохраняет примерно $14 чистой прибыли. Две крупнейшие категории расходов — электроэнергия и амортизация — вместе поглощают более половины валовой выручки.
Это объясняет, почему загрузка так важна. Постоянные расходы (амортизация, колокация, труд, ПО) примерно постоянны вне зависимости от того, составляет ли загрузка 50% или 90%. Предельные затраты на обслуживание дополнительного часа аренды — это в основном электричество — около $0,07–$0,14/час на GPU. Каждый дополнительный час загрузки выше точки безубыточности практически полностью идёт в чистую прибыль.
Экономика масштабирования: когда больше GPU означает меньше прибыли
Интуиция подсказывает, что больше GPU должно означать больше прибыли. Реальность более нюансирована:
Что хорошо масштабируется:
- Диверсификация спроса — больше GPU обслуживают больше типов нагрузок, снижая простой
- Эффективность труда — один инженер может управлять 10 узлами почти так же легко, как 2
- Переговорная сила — оптовые контракты на электричество, скидки на колокацию, лучшие условия маркетплейсов
Что плохо масштабируется:
- Капитальные требования — каждый узел добавляет $222K–$383K инвестиций в оборудование
- Давление загрузки — больше мощности для заполнения означает больше продаж/присутствия на маркетплейсах
- Затраты на финансирование — обслуживание долга на более крупных развёртываниях усиливает риск убытков
- Сложность — сетевое оборудование, мониторинг и управление отказами растут нелинейно
Оптимальный масштаб зависит от доступа оператора к капиталу, электроэнергии и спросу. Для индивидуальных операторов 1–4 узла часто попадают в оптимальную зону управляемой сложности с достаточной диверсификацией. Для коммерческих операторов с институциональным финансированием 20–100+ узлов открывает экономику масштаба — но при значительно более высоком операционном риске.
Кейс CoreWeave: рычаг, долг и рост
CoreWeave — это наиболее яркий пример экономики GPU-кластера в масштабе — и поучительная история о рычаге:
История роста: CoreWeave выросла из небольшой операции по майнингу криптовалют в GPU-облачного провайдера с оценкой свыше $35 миллиардов. Компания заключила контракты с Microsoft, Meta и другими гиперскейлерами, став одной из крупнейших независимых компаний GPU-инфраструктуры.
История финансирования: Для финансирования этого роста CoreWeave накопила более $21 миллиарда долга, обеспеченного GPU. Только в Q1 2025 процентные платежи составили $264 миллиона. GPU компании служат залогом — если арендный доход упадёт ниже уровня обслуживания долга, вся бизнес-модель рухнет.
Что иллюстрирует CoreWeave:
| Метрика | CoreWeave | Типичный малый оператор |
|---|---|---|
| Масштаб | 10 000+ GPU | 8–64 GPU |
| Финансирование | $21 млрд+ долга | $200K–$3M собственный капитал/лизинг |
| Процентная нагрузка | $264 млн/квартал | $0–$50K/год |
| Запас прочности | Очень тонкий в масштабе | Умеренный |
| Потенциал роста при сохранении спроса | Огромный | Умеренный |
| Риск при падении спроса | Экзистенциальный | Болезненный, но переживаемый |
Урок: рычаг усиливает оба исхода. Модель CoreWeave работает блестяще в среде растущего спроса и катастрофически проваливается при его сокращении. Малые операторы с меньшим рычагом имеют больше запаса прочности — но и меньше потенциала роста.
Для подробностей о структурах финансирования GPU см. наше руководство по финансированию GPU. Для более широкой инвестиционной перспективы см. наш анализ GPU как класса активов.
Часто задаваемые вопросы
Какова реалистичная маржа прибыли для GPU-кластера?
Анализ McKinsey определяет валовую маржу на уровне 14–16% для сектора необлачных провайдеров. Отдельные операторы могут достигать 10–25% в зависимости от стоимости электроэнергии, загрузки и структуры финансирования. Маржа выше 20% обычно требует дешёвого электричества ($0,06/кВтч или ниже), высокой загрузки (80%+) и низкого рычага.
Сколько GPU нужно для жизнеспособного бизнеса?
Минимальная жизнеспособная операция — 1 узел (8 GPU). Это обеспечивает достаточную мощность для значимого присутствия на маркетплейсе и выручки. Однако операции с одним узлом имеют меньшую диверсификацию спроса и более высокие операционные расходы на GPU. 2–4 узла предлагают лучший баланс диверсификации и управляемой сложности. Актуальные цены GPU-маркетплейсов см. в нашем сравнении цен.
Использовать потребительские или серверные GPU для кластера?
Серверные GPU (H100, A100) обеспечивают более высокие почасовые ставки и более стабильный спрос от AI-нагрузок. Потребительские GPU (RTX 4090) имеют более низкие капитальные затраты, но также более низкие ставки и менее стабильную загрузку. Серверные GPU обычно обеспечивают лучшую общую доходность за жизненный цикл, несмотря на более высокую начальную стоимость. См. наше руководство по лучшим GPU для AI для подробной экономики по каждому GPU.
Каков главный операционный риск?
Длительная низкая загрузка. Амортизация оборудования и расходы на колокацию продолжаются вне зависимости от того, сдаются ли GPU в аренду. Два месяца 30% загрузки на узле 8× H100 могут уничтожить всю квартальную прибыль, заработанную при 80% загрузке. Второй по значимости риск — неожиданный рост стоимости электроэнергии, который напрямую сжимает маржу.
Можно ли управлять GPU-кластером из дома?
Технически — да, для 1–2 потребительских GPU. Практически масштабирование сверх этого ограничено мощностью бытовой электросети (большинство цепей максимум 15–20А), ограничениями охлаждения, шумом и скоростью интернет-загрузки. Операции промышленного масштаба требуют колокации или выделенных объектов с промышленным электропитанием, охлаждением и сетевой инфраструктурой. Для начала работы с одним GPU дома см. наше руководство по аренде GPU.
Через сколько GPU-кластер выходит на окупаемость?
При 75% загрузке со средними маркетплейсными ставками и умеренными затратами на электроэнергию: 18–30 месяцев для окупаемости капитальных вложений в оборудование. Операционные расходы являются постоянными и должны покрываться ежемесячной выручкой. Если загрузка ниже 60%, кластер может никогда не окупиться до того, как оборудование потребует замены.