بر اساس گزارش "مسابقه محاسبات هوش مصنوعی" که توسط Fluence منتشر شده است، شرکت‌هایی که خدمات ابری GPU را ارائه می‌دهند، قیمت‌های خود را نزدیک به دو برابر میانگین بازار تعیین می‌کنند. این گزارش که با همکاری شرکای تحقیقاتی NEAR AI، io.net، Boundless، Phala، Gensyn، Fortytwo، Theta، Compute Labs و GAIB تهیه شده است، به بررسی قیمت‌گذاری قدرت محاسباتی GPU برای شرکت‌هایی می‌پردازد که جزو آزمایشگاه‌های پیشرو یا فروشندگان بزرگ (Hyperscalers) نیستند.
یافته کلیدی این تحقیق نشان می‌دهد که محل خرید یک ساعت GPU، قیمت را تعیین می‌کند. در مورد مدل‌های H100، H200 و B200، فروشندگان بزرگ، GPU ها را با قیمتی ۱.۹۸ برابر میانگین بازار ابری GPU فهرست می‌کنند. این نسبت در مدل B200 به ۱.۴ برابر و در مدل H100 به ۲.۸ برابر می‌رسد. به عنوان مثال، همین مدل H200 با قیمتی بین ۴.۰۸ تا ۱۰.۶۰ دلار در ساعت عرضه می‌شود.
تأثیر طول قرارداد و ظرفیت ذخیره
مدت زمان تعهد به خرید نیز تقریباً به اندازه انتخاب ارائه‌دهنده، اهمیت دارد. در مقایسه با نرخ‌های درخواستی هر ارائه‌دهنده، رزرو یک‌ساله قیمت میانگین را ۲۱ درصد و قرارداد سه‌ساله ۴۸ درصد کاهش می‌دهد. ظرفیت اسپات (Spot) که برای بارهای کاری قابل قطع شدن مناسب است، با ۵۳ درصد قیمت درخواستی عرضه می‌شود.
افزایش قیمت GPU ها در سال جاری
خریدارانی که انتظار کاهش قیمت GPU را دارند، ممکن است مجبور شوند بودجه خود را بازنگری کنند. ۱۷ مدل از ۲۲ مدل GPU که توسط GetDeploying ردیابی شده‌اند، نسبت به سال گذشته گران‌تر شده‌اند و اجاره میانگین H100 بسته به دوره زمانی اندازه‌گیری شده، ۱۳ تا ۳۰ درصد افزایش یافته است.
این گزارش همچنین دلایل افزایش سریع قیمت‌ها را بررسی می‌کند:
* **افزایش تقاضا برای مدل‌های باز:** سهم مدل‌های چینی از توکن‌های OpenRouter در میان شرکت‌های مستقر در آمریکا، اروپا و جنوب جهانی، در کمتر از هشت ماه از ۶ تا ۱۳ درصد به ۵۷ تا ۶۷ درصد افزایش یافته است. وزن‌های باز (Open weights) به هر شرکتی که GPU دارد، اجازه می‌دهد تا یک مدل نزدیک به پیشرفته را بر روی سخت‌افزار تحت کنترل خود ارائه دهد.
* **قفل شدن جدیدترین عرضه توسط خریداران بزرگ:** چهار فروشنده بزرگ، هزینه‌های سرمایه‌گذاری سال ۲۰۲۶ را بین ۷۲۰ تا ۷۴۰ میلیارد دلار هدایت می‌کنند و چهار قرارداد بزرگ افشا شده توسط آزمایشگاه‌های هوش مصنوعی و متا با نئوکلاودها، مجموعاً حدود ۲۳۳ میلیارد دلار است که سه مورد از آن‌ها مقادیر "تا" هستند و بخش زیادی از آن برای ظرفیت‌هایی است که هنوز تحویل داده نشده است.
* **تبدیل شدن ساعت GPU به دارایی مالی:** بورس‌هایی مانند CME، ICE و Nodal Exchange قراردادهای آتی GPU را اعلام کرده‌اند که هر کدام بر اساس شاخص قیمت متفاوتی تسویه می‌شوند. وام‌دهندگان نیز در حال حاضر با پشتوانه GPU وام می‌دهند؛ نرخ بهره وام Lambda که دارای رتبه سرمایه‌گذاری است، ۶.۷۸ درصد و وام Sharon AI که رتبه‌ای برای آن اعلام نشده، ۹.۹۵ درصد است.
اوگنی پونوماروف، هم‌بنیان‌گذار Fluence، اظهار داشت: "مدل‌های با وزن باز به بهترین مدل‌های بسته نزدیک هستند و شرکت‌ها در حال تغییر به سمت آن‌ها هستند. هر شرکتی که GPU دارد، اکنون می‌تواند یک مدل نزدیک به پیشرفته را بر روی سخت‌افزار تحت کنترل خود ارائه دهد. GPU ها بخش دشوار ماجرا هستند."
این گزارش با چهار راهکار برای کاهش هزینه‌های محاسباتی مشابه پایان می‌یابد: مقایسه همان تراشه در انواع ارائه‌دهندگان، تعهد در زمان ثبات بار کاری، تطبیق نسل GPU با مدل و نگاه فراتر از فروشندگان بزرگ، زیرا بسیاری از جدیدترین ظرفیت‌های نئوکلاود سال‌ها قبل برای آزمایشگاه‌ها قرارداد بسته شده‌اند. گزارش کامل در fluence.ai/compute-race-2026 در دسترس است.
