К 2030 г. рынок облаков полетит на 2,5 уровня выше
Консалтинговая и исследовательская компания, специализирующаяся на аналитике ИТ-рынков и цифровых стратегий, Apple Hills Digital проанализировала российский рынок публичного IaaS. Исследование основано на опросе 376 корпоративных заказчиков, анкетах и интервью с провайдерами. Ключевой вывод: рынок зрелый и быстрорастущий. В 2025 г. его объем составил 96 млрд руб. (рыночная выручка), к 2030 г. он превысит 241 млрд руб. Среднегодовой темп роста - около 20%.
При этом внутригрупповое потребление, когда облачные ресурсы использует сама компания-владелец провайдера, в 2025 г. аналитики оценили в 28 млрд руб. Суммарно с рыночной выручкой это дает 124 млрд руб.
Главным критерием выбора провайдера 72% респондентов назвали надежность и стабильность инфраструктуры. Безопасность важна для 54%, стоимость - для 53%, простота интеграции - для 50% .
При этом более 80% компаний отмечают влияние AI/ML на потребление ресурсов IaaS. 24% зафиксировали резкий рост использования GPU-инстансов в 2025 г., 22% - рост стоимости инфраструктуры, 21% - рост объема хранилища. "Надежность остается приоритетом №1, но конкуренция смещается в сторону AI, гибрида и оптимизации затрат", - говорится в отчете.
Исследование впервые представляет карту позиционирования восьми крупнейших провайдеров. Они оценены по двум осям: "Технологические возможности" и "Стратегия, инновации и надежность". В карту вошли ООО "Яндекс.Облако" (Yandex Cloud), ООО "Облачные технологии" (Cloud.ru), АО "Селектел" (Selectel), ООО "Цифровое облако" (VK Cloud), ООО "МТС Веб Сервисы" (MWS), ООО "Т1Клауд" (T1 Облако), АО "К2 Интеграция" (K2 Cloud) и АО ЦХД" (РТК ЦОД) / ООО "Турбо" ("Турбо Облако").
Гибрид и Kubernetes стали нормой
52% компаний уже используют гибридную инфраструктуру, 47% размещают в облаке среды разработки и тестирования, 35% используют Kubernetes и оркестрацию.
26% компаний планируют увеличить расходы на IaaS в ближайшие 1–2 года. Среди них 42% закладывают рост бюджета именно на AI/ML (Искусственный интеллект (ИИ)/Языковые модели), 34% - на высокопроизводительные вычисления (GPU), 29% строят multi-cloud или гибридные архитектуры.
Владелец продукта Elma365 SaaS (ООО "Элма") Денис Мочалов поведал о том, что, если несколько лет назад главным вопросом была возможность заменить зарубежную инфраструктуру, то сегодня рынок обсуждает другие задачи - AI-нагрузки, гибридные сценарии и эффективность эксплуатации. "Это хороший показатель зрелости российских облачных платформ. По нашему опыту, инфраструктуры российских провайдеров достаточно для стабильной работы SaaS-продукта, и критических ограничений, которые влияли бы на доступность сервиса или развитие платформы, мы сегодня не наблюдаем", - сказал он.
Со стаканчиком за стенкой
Представитель пресс-службы ООО "ВК Цифровые Технологии" (VK Tech) согласился с тем, что конкуренция смещается в сторону ИИ. Он отметил, что важно понимать, куда именно: "Железо и сами модели быстро становятся массовыми, а рынок переходит от обучения моделей к их эксплуатации. Конкуренция разворачивается вокруг экономики инференса (работы готовой модели), утилизации ресурсов и стоимости единицы полезной работы модели. Следующий уровень этого сдвига - ИИ-агенты: бизнесу нужны не просто вычисления, а контролируемый доступ агентов к данным, границы полномочий и аудит каждого шага".
Директор по продуктам Selectel Константин Анисимов согласился с представителем пресс-службы VK Tech: "Да, на рынке растет спрос на решения для внедрению и работы с ИИ, и мы наблюдаем это как по росту запросов на инфраструктуру с GPU, так и запросов на готовые платформенные сервисы для разработки и эксплуатации ИИ-решений. Заказчикам уже недостаточно просто получить вычислительные мощности - им нужна экосистема услуг, которая позволяет быстро запускать и масштабировать ИИ-проекты".
Константин Анисимов добавил, что Selectel последовательно развивает именно такой подход: "С 2020 г. наша компания инвестировала в экосистему продуктов для ИИ-проектов более 3,5 млрд руб., а до 2031 года планирует направить на это направление еще 10 млрд руб. Инвестиции направлены на расширение GPU-инфраструктуры, строительство и эксплуатацию дата-центров, а также развитие платформенных сервисов".
Директор по продуктам "Турбо Облако" Дмитрий Подшибякин оценил позиции компании как сильные и активно растущие: "Подтверждение тому — динамика самой инфраструктуры: только за первые семь месяцев 2026 г. сегмент IaaS с GPU в московском регионе вырос на 21%, а мощности на базе карт H200 увеличились более чем в два раза. Это не просто реакция на хайп, а осознанное расширение под реальный спрос. Но ключевое, на наш взгляд, это уход от модели "голого железа". Клиентам нужны не просто GPU-инстансы, а готовые платформенные сервисы. Поэтому в этом году мы запустили сразу два PaaS-продукта: Inference Platform для быстрого развертывания моделей и Foundation Model Hub, работающий по модели pay-as-you-go с оплатой за токены. Это позволяет даже небольшим командам и стартапам пользоваться мощной ИИ-инфраструктурой без необходимости арендовать выделенные ускорители".
Я могу на тебя рассчитывать
Технический директор ООО "ХФ Лабс" (HFLabs) Никита Назаров рассказал, что приоритеты компании при выборе провайдера совпадают с данными исследования: "Нам важнее всего - производительность и надежность. Но мы выбираем размещать сервисы на железных серверах в ЦОД, а не у облачных провайдеров. Это позволяет снять массу ограничений, специфичных для облаков, например, - гарантировать монопольное использование серверов, или получать высокопроизводительные процессоры и жесткие диски без квот. Также мы собираемся увеличивать расходы на IaaS в ближайшие 1–2 года: аренда оборудования для ML-экспериментов - это выгоднее, чем закупка видеокарт".
Руководитель продуктов Nova AI и StarGuard AI ООО "Орион" (Orion soft) Никита Векессер отметил, что для ИИ-нагрузок надежность приобретает дополнительный вес: "Простой GPU-кластер или сервис инференса напрямую влияет на доступность прикладных систем и стоимость эксплуатации. При выборе платформы важны доступность GPU, производительность сети и хранения, интеграция с Kubernetes, наблюдаемость и безопасность данных".
Нам и без вас не плохо
Руководитель направления продуктов и архитектурных решений Linx Cloud (ООО "Связь ВСД") Алексей Корулин отметил, что российские платформы за последние 2-3 года закрыли базовый функционал (IaaS, K8s, объектное хранилище) на уровне зарубежных вендоров, но экосистема вокруг – управляемые сервисы, маркетплейс готовых образов, глубина интеграции с AI/ML-стеком – пока заметно тоньше, чем у AWS/GCP/Azure. "Из конкретного не хватает: удобных управляемых баз данных (Managed DBaaS) с широким выбором движков, готовых MLOps-платформ (registry моделей, автоматический pipeline обучения/инференса), нормального мультиклауд-биллинга", - подчеркнул он.
Другие понятия
Основатель и генеральный директор ООО "Клауд Солюшенс" (Cloud X) Денис Хлебородов рассказал, что понятие гибридной инфраструктуры существенно поменялось: если раньше речь шла о сочетании собственного ЦОД и публичного облака, то теперь гибридная архитектура состоит уже из трех взаимосвязанных контуров.
Первый контур – локальная инфраструктура предприятия, где работают системы с непосредственным управляющим воздействием на технологические процессы, такие как АСУ ТП. Эти системы должны оставаться максимально автономными и защищенными, поскольку требования к промышленной безопасности и непрерывности производства не позволяют полностью переносить их в облако.
Второй контур – облачная коммунальная вычислительная инфраструктура, которая обеспечивает практически неограниченный доступ к вычислительным ресурсам, высокую утилизацию дорогостоящего оборудования и эластичное потребление мощностей по мере роста нагрузки. Именно в облаке экономически целесообразно выполнять обучение моделей, обработку больших массивов данных, запуск корпоративных ИИ-сервисов и большинство ресурсоемких вычислений. Для передачи данных между производственным контуром и облаком могут применяться механизмы обфускации, обезличивания и другие технологии защиты информации в ИИ-вычислениях.
Третий контур – внешние ИИ-сервисы и фундаментальные модели, которые компании используют для специализированных задач, где разработка экономически нецелесообразна. При этом корпоративная ИИ-платформа должна выступать единым оркестратором, определяя, какие запросы обрабатываются в корпоративном облаке, а какие могут быть безопасно переданы внешним сервисам.
Эта трехуровневая модель как раз иллюстрирует, почему гибрид становится не просто трендом, а архитектурной реальностью.
Деньги отдельно - люди отдельно
FinOps - это подход (и одновременно культурная практика), который помогает компаниям прозрачно и эффективно управлять расходами на облачные технологии.
Исследование показывает, что 75% компаний не автоматизируют контроль затрат в облаке. На вопрос, почему FinOps-практики так медленно внедряются в России и что может ускорить этот процесс, директор по персоналу ООО "Аутлайнс" (Outlines Tech) Яна Шаклеина ответила, что за облако часто никто не отвечает целиком: "ИТ-команда подключает ресурсы, а финансовая видит только общий счет в конце месяца. Например, разработчики могут забыть выключить тестовый сервер и несколько недель платить за него. Ускорит процесс внедрения понятный биллинг, единые метки ресурсов, лимиты и конкретный ответственный за облачный бюджет".
Старший партнер ИТ-интегратора "Энсайн" Алексей Постригайло также отметил, что облачными расходами часто никто не управляет целиком: "Инженеры запускают ресурсы, финансы получают счет, а бизнес видит только общую сумму. Связать расход с конкретным продуктом удается далеко не всегда. Ситуация начнет меняться по мере роста затрат на ИИ. Компаниям придется вводить лимиты и закреплять ответственных. После этого уже можно считать стоимость каждого сервиса. Создавать отдельный отдел на старте необязательно".
Руководитель отдела развития облачных решений ГК Softline ("Софтлайн Облако") Андрей Селихов считает, что полноценный FinOps оправдан при крупном, динамичном или мультиоблачном потреблении (Kubernetes, GPU, AI как сервис). "В остальных случаях он должен доказать ROI, иначе превращается в еще один центр затрат, который оптимизирует другие центры затрат", - сказал он.
Таким образом, главный барьер FinOps - не технологии, а отсутствие культуры управления затратами.
