Поиск и подбор GPU-сервера

Сервер с видеокартой берут тогда, когда вычисления хорошо раскладываются на тысячи параллельных потоков: матричные операции нейросетей, рендер кадров, кодирование видео. Процессор справляется с такой работой в десятки раз медленнее, а собственная карта уровня дата-центра стоит как автомобиль и простаивает между задачами. В таблице выше собраны облачные и VPS-тарифы с GPU от хостеров из Европы, США и Азии; переключатель над ней показывает и выделенные серверы с видеокартой.

Зачем арендуют GPU и когда хватит процессора

• Инференс нейросетей. Языковая модель на 7–70 млрд параметров, распознавание речи, эмбеддинги для поиска по документам. На GPU ответ приходит за секунды, и один сервер обслуживает много пользователей сразу.
• Дообучение моделей. Fine-tuning и LoRA-адаптеры под свои данные требуют заметно больше видеопамяти, чем запуск той же модели: кроме весов, в память ложатся градиенты и состояние оптимизатора.
• Генерация изображений. Stable Diffusion, Flux и похожие модели на карте класса RTX выдают картинку за секунды, на процессоре — за минуты.
• Рендеринг. Blender Cycles, Redshift, Octane: аренда на несколько часов под дедлайн обходится дешевле, чем покупка рабочей станции под один проект.
• Транскодирование видео. Аппаратные кодеки NVENC/NVDEC перекодируют поток в несколько качеств сразу, разгружая процессор.
• Научные расчёты. Молекулярная динамика, моделирование, обработка снимков — всё, что написано под CUDA или OpenCL.

Видеокарта нужна не всегда. Небольшие языковые модели в сжатом виде работают и на обычном процессоре: медленнее, но за фиксированную цену обычного VPS. Если нужен внутренний бот или обработка документов без жёстких требований к скорости, начните с подборки VPS для Ollama и переходите на GPU, когда упрётесь в задержку ответа.

Облачный GPU или выделенный сервер с картой

Облачный GPU и GPU-VPS удобны для коротких и непредсказуемых задач. Многие тарифы оплачиваются по часам: запустили сервер, прогнали обучение или рендер, удалили — и заплатили только за фактическое время. Карта в таком тарифе пробрасывается в виртуальную машину целиком (passthrough) либо делится между клиентами через vGPU, когда вам достаётся часть памяти и вычислительных блоков. Это стоит уточнять: доля карты подходит для инференса небольших моделей, но не для обучения.

Выделенный сервер с видеокартой целиком принадлежит одному клиенту: никакой виртуализации между вами и картой, стабильная производительность и обычно больше дисков и памяти. Он выгоднее при постоянной нагрузке, когда модель отвечает пользователям круглые сутки или очередь рендера не пустеет. Если GPU не нужен, а нужна просто мощная машина, смотрите общий каталог выделенных серверов.

Как читать тариф с видеокартой

• Модель и поколение карты. Потребительские RTX 3090 и 4090 дают много вычислений за свои деньги и хороши для генерации изображений и инференса. Профессиональные A2000 и карты класса L4 экономичны и подходят для инференса и видео. A100 и H100 нужны для обучения крупных моделей: у них больше памяти, быстрая шина между картами и поддержка форматов вроде BF16 и FP8.
• Объём видеопамяти. Это главный предел: модель, которая не помещается в VRAM, либо не запустится, либо будет работать в разы медленнее. Грубое правило: в полной точности FP16 на миллиард параметров уходит около 2 ГБ, в 4-битном квантовании — в несколько раз меньше, плюс запас на контекст. Для обучения умножайте ещё в несколько раз.
• Число карт. Две карты не равны одной с удвоенной памятью: модель придётся делить между ними, а скорость связи между картами (NVLink или PCIe) влияет на результат.
• Процессор и оперативная память рядом с картой. Слабый CPU не успевает готовить данные, и дорогая карта простаивает. Оперативной памяти желательно не меньше, чем видеопамяти.
• NVMe-диск. Датасеты, чекпоинты и веса моделей занимают десятки и сотни гигабайт; медленный диск растягивает каждую загрузку.
• Канал и трафик. Веса крупной модели скачиваются гигабайтами. Проверьте скорость порта и лимит трафика, чтобы первая загрузка не съела месячную квоту.
• Готовые образы. Образ с драйвером NVIDIA, CUDA, PyTorch или Docker с поддержкой GPU экономит час настройки. Уточните версии: старый драйвер не запустит свежий фреймворк.
• Почасовая или помесячная цена. Сравнивайте по реальной загрузке: при работе по несколько часов в день почасовой тариф дешевле, при круглосуточной — месячный.

Что проверить перед оплатой

1. Тестовый час. Арендуйте сервер на час, запустите свою задачу и посмотрите вывод nvidia-smi: модель карты, объём памяти, версию драйвера и загрузку под нагрузкой.
2. Наличие карт. Популярные модели часто разобраны, и тариф в списке ещё не значит свободную карту в нужной локации. Узнайте, сколько ждать выдачи и можно ли зарезервировать сервер.
3. Расположение данных. Если модель обрабатывает персональные данные или коммерческую тайну, проверьте страну дата-центра и условия хранения. Для задач без таких ограничений локация влияет в основном на скорость загрузки датасетов.
4. Сохранность данных. При удалении почасового сервера диск обычно стирается. Узнайте, есть ли постоянный том или снимки, чтобы не скачивать веса заново при каждом запуске.
5. Оплата. Почасовые тарифы списывают деньги с баланса, и при нулевом балансе сервер останавливают. Способы оплаты для каждого тарифа указаны в таблице: российские площадки принимают карты МИР и СБП, зарубежные чаще работают с международными картами.

Если видеокарта нужна лишь для части проекта, остальное удобно вынести на обычный сервер из каталога VPS: веб-интерфейс и база живут там, а GPU-сервер включается только под вычисления.