Миф: своя видеокарта окупится за пару месяцев

MAATRIX

Кто-то в чате или на форуме считает на салфетке: «арендую GPU за X в час, за месяц выходит Y, а купить такую же карту стоит Z — значит, окупится за пару месяцев, дальше чистая экономия». Расчёт выглядит убедительно и почти всегда неверен, потому что сравнивает цену часа аренды с ценой владения, а не с ценой владения. Ниже — что именно упускают в таком расчёте и как посчитать честно.

Как обычно считают «окупаемость за два месяца» — и где закралась ошибка

Типичная арифметика: берут почасовую ставку аренды нужной GPU, умножают на количество часов, которое карта якобы будет занята в месяц (часто — все 730 часов, как будто она работает круглосуточно), получают «стоимость аренды в месяц». Делят цену покупки такой же карты на эту сумму — выходит условные полтора-два месяца. Дальше делается вывод: «после этого срока каждый час — чистая прибыль».

Ошибка не в арифметике, а в предпосылках, которые в неё заложены неявно:

• Карта не работает 24/7. Реальная нагрузка на inference или обучение почти никогда не бывает непрерывной — есть простои между задачами, ночи без запросов, дни отладки кода, а не вычислений.
• Сравнивается цена GPU-часа аренды с ценой владения GPU-часом, но у владения есть свои эксплуатационные расходы, которые в расчёт не попали вообще.
• Не учтён срок жизни карты как актуального инструмента. Купленная сегодня GPU не будет конкурентоспособна вечно — рынок инференса и обучения двигается быстро, и то, что окупилось «на бумаге» за два месяца, может обесцениться как актив куда раньше физической поломки.
• Деньги, потраченные на покупку, изъяты из оборота — и это тоже стоимость, просто не в виде счёта за электричество, а в виде упущенной альтернативы.

Смысл мифа не в том, что своя GPU всегда невыгодна — иногда выгодна, и мы разбирали это в статье своя видеокарта против аренды GPU: что выгоднее и когда. Проблема именно в «двух месяцах» как универсальном и заведомо оптимистичном сроке — он получается только если закрыть глаза на половину реальных расходов.

Реальная утилизация: простой оборудования всё равно «сгорает» в амортизации

Ключевая асимметрия между арендой и покупкой — в том, что происходит с деньгами в момент, когда GPU не считает.

При почасовой аренде вы платите только за занятые часы (или, в зависимости от провайдера, за зарезервированный слот — но это отдельная договорённость, которую вы выбираете сознательно). Ночь без задач, выходные, время на отладку пайплайна — за эти часы можно не платить вовсе, если инстанс выключен или освобождён.

При покупке своей карты деньги уже потрачены — цена владения размазывается по календарным дням независимо от того, считает карта что-то в этот час или простаивает. Формально это называется амортизацией: стоимость актива списывается на срок его полезного использования, и простой не останавливает этот счётчик. Если реальная утилизация карты — 20-30% времени (частая ситуация у небольшой команды или соло-разработчика, который гоняет inference по мере обращений, а не строит production-сервис с постоянным потоком запросов), то эффективная стоимость каждого «полезного» часа вычисления кратно выше, чем кажется в исходном расчёте на салфетке.

Это та же логика, что и в ситуации, когда модель загружена в память, карта числится «занятой» в мониторинге, а полезной работы не делает. При аренде такой простой можно закрыть, отпустив инстанс. При покупке — нет, простой всё равно оплачен заранее.

Практический вывод: прежде чем считать окупаемость, честно оцените реальный процент времени, когда карта будет заниматься вашей задачей, а не «висеть готовой к работе». Если у вас нет production-нагрузки с постоянным потоком запросов, а есть эксперименты, редкие батчи inference или обучение раз в неделю — утилизация может быть намного ниже, чем кажется интуитивно.

Скрытые расходы: электричество, охлаждение, обслуживание, риск поломки

В расчёт «два месяца» почти никогда не попадают статьи расходов, которые есть у владельца железа, но зашиты в цену часа у арендодателя.

Электричество. Современные GPU для inference и обучения потребляют заметную мощность под нагрузкой — и это отдельная статья счёта за электроэнергию, которая растёт с ростом утилизации. Точную цифру в кВт·ч и рублях называть не будем — она зависит от конкретной карты, тарифа и региона, но сам факт, что это ненулевая и регулярная строка расходов, в исходном мифе просто не фигурирует.

Охлаждение и шум. Карта под нагрузкой греется, и если она стоит не в специально подготовленной стойке с продуманной вентиляцией, а в квартире или обычном офисе — потребуется либо мириться с повышенным шумом и температурой в помещении, либо тратиться на дополнительное охлаждение. Это время и деньги, которые не появляются в расчёте на салфетке.

Обслуживание. Пыль в радиаторах снижает эффективность охлаждения и провоцирует троттлинг — карта снижает частоты, чтобы не перегреться, и вы получаете меньше вычислений за тот же час. Регулярная чистка, замена термопасты, контроль состояния блока питания — это время администратора, которое тоже стоит денег, даже если вы делаете это сами.

Риск поломки без гарантии. У арендованной GPU в дата-центре отказ оборудования — проблема провайдера: он меняет карту, а вы просто продолжаете работать (возможно, с простоем в час-два). У собственной карты гарантия производителя обычно ограничена по времени и часто не покрывает интенсивную нагрузку 24/7 — многие производители прямо оговаривают это в условиях для потребительских карт. Если карта выходит из строя через год интенсивной эксплуатации, а гарантия не покрывает такой сценарий — вы оплачиваете полную стоимость новой карты, и «окупаемость за два месяца» превращается в отрицательную экономику на всём горизонте владения.

Ни один из этих пунктов не разрушает идею владения сам по себе — но каждый снижает ту самую экономию, которая в мифе выглядела как чистая прибыль после второго месяца. Подробный разбор того, что обычно выпадает из расчёта TCO выделенного сервера, — в статье TCO выделенного сервера: что не входит в аренду — логика там применима и к отдельной GPU-карте.

Устаревание: новое поколение GPU обесценивает текущую карту раньше срока

Даже если утилизация высокая и эксплуатационные расходы под контролем, у собственной GPU есть риск, которого нет у арендованной мощности: технологическое устаревание.

Рынок GPU для ML-задач развивается быстро — производители выпускают новые поколения с улучшенной энергоэффективностью, большим объёмом видеопамяти и лучшей пропускной способностью, и через год-два после покупки ваша карта может оказаться не «медленнее», а буквально неконкурентоспособной для новых моделей: не хватит видеопамяти под актуальный размер весов, или новые оптимизации инференса будут рассчитаны на архитектурные особенности, которых нет в вашем поколении карт. Мы сознательно не называем конкретные модели и сроки — они меняются быстрее, чем живёт статья, но сам паттерн устойчив уже несколько циклов подряд.

Это устаревание работает как скрытая амортизация поверх физической: даже полностью исправная карта может перестать быть экономически осмысленным выбором для новых задач раньше, чем истечёт срок её «расчётной окупаемости» по формуле из мифа. У арендодателя эта проблема решается на его стороне — он обновляет парк GPU и закладывает устаревание в свою бизнес-модель за счёт масштаба; у частного владельца одной карты такого рычага нет.

Практически это значит: срок, за который карта должна «отбить» свою цену, стоит сравнивать не с абстрактным сроком службы железа (который может быть 5+ лет), а с реалистичным сроком, пока карта остаётся конкурентоспособной именно для ваших задач. Если этот срок короче, чем горизонт окупаемости по честному расчёту — покупка становится рискованной ставкой, а не однозначной экономией.

Альтернативные издержки капитала: деньги, потраченные на карту, могли работать иначе

Последний и самый часто игнорируемый пункт — стоимость денег во времени. Сумма, потраченная на покупку GPU единовременно, — это капитал, изъятый из оборота. У него есть альтернативная цена: те же деньги могли быть вложены в развитие продукта, лежать в качестве финансовой подушки, использоваться для найма, или просто не выниматься из оборотных средств бизнеса.

В классическом расчёте окупаемости (payback period) это игнорируется намеренно — метод простого срока окупаемости не учитывает временную стоимость денег и это его известное ограничение, о котором принято помнить при интерпретации результата. Если вы сравниваете покупку с арендой только по номинальным суммам без поправки на альтернативную доходность капитала, вы систематически завышаете привлекательность покупки — особенно если единовременный платёж ощутимый для вашего бюджета.

Практический ориентир: закладывайте в расчёт минимальную ставку, которую вы бы получили, разместив эти деньги консервативно (или ставку, под которую вы бы иначе занимали на развитие бизнеса) — и вычитайте эту «упущенную» доходность из расчётной экономии владения. Точную ставку каждый выбирает сам исходя из своей ситуации — мы намеренно не называем цифру, потому что она зависит от валюты, доступных вам инструментов и горизонта планирования.

Дополнительно у аренды есть эффект, который редко формулируют явно: аренда переносит риск (поломки, устаревания, простоя) на провайдера в обмен на премию в цене часа — тот же принцип работает и на уровне сервера целиком, не только отдельной GPU.

Честная методика: как посчитать TCO своей GPU против аренды

Чтобы сравнение было честным, считайте не «цену часа аренды против цены карты», а полную стоимость владения (TCO) на одном и том же горизонте планирования и с одной и той же реалистичной утилизацией.

Шаг 1. Зафиксируйте горизонт и утилизацию. Возьмите срок, на который вы реально планируете использовать карту для актуальных задач (не «пока не сломается», а «пока остаётся конкурентоспособной для моих моделей») — например, 12, 18 или 24 месяца. Оцените реальный процент времени, когда карта будет занята полезной работой, а не простаивать — по факту, а не по оптимистичному сценарию «буду использовать постоянно».

Шаг 2. Посчитайте TCO покупки по формуле:

TCO_покупка = Цена_карты
            + Электричество_за_период (потребление × тариф × часы простоя+работы)
            + Охлаждение_и_обслуживание (доп. вентиляция, чистка, термопаста)
            + Риск_поломки × Вероятность_отказа_без_гарантии
            + Упущенная_доходность_капитала (Цена_карты × ставка × срок)
            - Остаточная_стоимость_при_перепродаже (обычно снижается быстрее линейной амортизации из-за устаревания)

Шаг 3. Посчитайте TCO аренды по формуле:

TCO_аренда = Часовая_ставка × Реальные_часы_использования (не 730 в месяц!)
           + Стоимость_вашего_времени_на_управление_инстансами (обычно ниже, чем на обслуживание своего железа)

Шаг 4. Сравните на одном горизонте. Разделите оба TCO на количество месяцев горизонта и сравните месячную стоимость. Если разница в пользу покупки меньше 15-20% — это не запас прочности, а погрешность ваших же оценок электричества, обслуживания и риска отказа, так что решение стоит считать примерно равнозначным и выбирать по неценовым факторам (контроль над данными, отсутствие очереди на инстансы, гибкость конфигурации).

Пример расчёта (числа условные, только для иллюстрации метода — подставьте свои):

Если после такого честного сопоставления покупка всё равно выигрывает — отлично, это не миф, а обоснованное решение под вашу нагрузку (обычно это случай постоянной, предсказуемой, высокой утилизации на годы вперёд). Если нет — почасовая или помесячная аренда конкретной GPU-конфигурации, например через аренду GPU-сервера по часам в Великобритании, закрывает задачу без капитальных вложений и без рисков устаревания и поломки на вашей стороне. Более развёрнуто про сам порог окупаемости — в статье точка окупаемости GPU-сервера против аренды.

Частые вопросы