Финансовая модель AI-инфраструктурного провайдера для обучения и инференса

Описание

AI-инфраструктурный провайдер — это проект по созданию и сдаче в аренду вычислительных кластеров на базе графических ускорителей (GPU) для задач обучения нейросетей и инференса. Экономику определяют три компонента: стоимость оборудования (графические ускорители, серверы, системы охлаждения и электропитания), уровень утилизации мощностей и структура клиентских контрактов. Общий объём инвестиций может исчисляться миллиардами рублей, из которых только закупка GPU составляет от 1,5 млрд ₽ за кластер из 100 ускорителей — это порядок, а не окончательный расчёт.

Модель учитывает особенности, характерные именно для аренды вычислительных ресурсов: несколько типов услуг — почасовая аренда под обучение, аренда под инференс с гарантированной производительностью, долгосрочное бронирование с помесячной оплатой и скидками, а также возможность предоплатных контрактов с резервированием мощностей. Расходная часть моделируется детально: потребление электроэнергии с коэффициентом эффективности охлаждения (PUE), обслуживание и страховка оборудования, амортизация с учётом ускоренного морального старения GPU (обновление каждые 2–3 года), лизинговые платежи и сервисные контракты.

Модель подходит для независимого провайдера, строящего один или несколько кластеров с поэтапным вводом, и позволяет оценить возврат на вложенный капитал при разных сценариях утилизации. Если предполагается мультимодальный бизнес (колокация, облачная платформа с PaaS/SaaS) или сеть региональных дата-центров — потребуется кастомная доработка.

Особенности моделирования

• Расчёт выручки по двум основным направлениям — обучение и инференс — с раздельными тарифными сетками, учитывающими тип GPU, длительность аренды и объём бронирования (часы/месяцы/годовые SLA).
• Поэтапный ввод кластеров в эксплуатацию с помесячным графиком наращивания мощностей и выхода на целевую утилизацию, включая возможную недозагрузку на начальном периоде.
• Детальное моделирование затрат на электроэнергию: расчёт потребления серверов, умноженное на коэффициент PUE для охлаждения, с учётом роста тарифов и сезонной неравномерности.
• Амортизация графических ускорителей сокращённым сроком (2–3 года) в соответствии с рыночным жизненным циклом поколений GPU, а не стандартными нормами.
• Лизинг оборудования с реальной структурой (аванс, срок, удорожание, выкупной платёж), страхование и учёт сервисных контрактов на обслуживание (4–8% от стоимости оборудования ежегодно).
• Применение IT-льгот: пониженные тарифы страховых взносов (7,6%) и налог на прибыль 0% при выполнении условий по доле профильной выручки и штату, с автоматической проверкой соответствия критериям.
• Моделирование долгосрочных контрактов с предоплатой, обеспечивающих равномерный денежный поток, и учёт штрафных санкций за недоступность мощностей по SLA.

Что входит в базовую версию

• Параметры продаж: линейка услуг (аренда GPU-часов под обучение, инференс, долгосрочное бронирование), тарифы для различных типов ускорителей, скидки за объём и длительность, структура контрактов с предоплатой и постоплатой.
• Инвестиционный план: приобретение GPU-серверов и сопутствующего оборудования, системы охлаждения и электропитания, строительно-монтажные работы (при необходимости), лицензии на ПО оркестрации; график ввода очередей кластера.
• Операционные затраты: фонд оплаты труда инженерного и административного персонала, привязанный к числу кластеров; расходы на электроэнергию с расчётом почасового потребления и PUE; аренда стойко-места; обслуживание, страхование и сервисные контракты.
• Налоговая модель: налог на добавленную стоимость, налог на имущество, налог на прибыль с возможностью применения IT-льготы (0% при соблюдении критериев), страховые взносы по пониженной ставке 7,6% для аккредитованных компаний.
• Финансирование: собственные и заёмные средства, лизинг оборудования с помесячным графиком платежей, учёт субсидий или инвестиционных вычетов (при наличии).
• Итоговые отчёты: отчёт о движении денежных средств, отчёт о прибылях и убытках, баланс, показатели NPV, IRR, срок окупаемости, анализ безубыточности, график обслуживания долга.

Типичные ошибки моделирования

• Закладывают загрузку 90–100% сразу после ввода — без периода ramp-up и учёта отраслевой практики (реально 50–70% в первые месяцы); выручка завышается на 30–40%, срок окупаемости сокращается на 1–1,5 года.
• Не учитывают рост электропотребления из-за реального PUE (обычно 1,3–1,6 против идеального 1,0) и рост тарифов — операционная прибыль оказывается на 20–30% ниже ожидаемой.
• Амортизируют GPU по стандартному сроку 5 лет, тогда как через 2–3 года их рыночная стоимость падает вдвое из-за выхода нового поколения; остаточная стоимость завышается, что искажает NPV и ликвидационную стоимость.
• Используют единый тариф и не моделируют структуру бронирований (смесь долгосрочных и краткосрочных контрактов) — средний чек за GPU-час может отличаться на 15–25% от фактического.
• Забывают про затраты на сервисную поддержку и страховку кластеров (4–8% от стоимости оборудования ежегодно), что занижает операционные расходы на 5–10%.
• Применяют IT-льготу по налогу на прибыль без проверки доли профильной выручки и количества сотрудников — в первый год компания часто не соответствует критериям и платит 20%, что ухудшает NPV на 10–15%.