По данным SEC-заявки, SpaceX заключил контракт с Google на аренду AI-вычислений объёмом $920 млн в месяц. Google получает доступ примерно к 110 000 чипам Nvidia — чтобы обеспечить спрос на свою платформу Gemini Enterprise. Сделка раскрыта в контексте подготовки SpaceX к IPO.
Контекст
Google — один из трёх крупнейших облачных провайдеров мира. У компании собственные дата-центры, собственные TPU-чипы, многолетние отношения с Nvidia и AMD. И тем не менее Google идёт арендовать мощности у SpaceX — компании, основной бизнес которой это ракеты и спутниковый интернет Starlink.
SpaceX, судя по всему, активно строит собственную AI-инфраструктуру — отчасти для нужд xAI (Илон Маск владеет обеими компаниями), отчасти как самостоятельный бизнес. Сдавая мощности Google, SpaceX фактически становится ещё одним облачным провайдером — пусть и нишевым.
Контракт раскрыт в SEC-заявке перед IPO. Это означает, что сделка достаточно крупная, чтобы существенно влиять на финансовую картину компании. $920 млн в месяц — это порядка $11 млрд в год, если контракт долгосрочный.
Аналитика
Факт сделки — маркер дефицита. Если Google с многомиллиардным капексом и прямыми контрактами с Nvidia не может закрыть спрос собственными мощностями, значит очередь на чипы и стойки настолько длинная, что даже гиперскейлеры вынуждены искать альтернативные источники. Это не разовый кризис — это структурная проблема на несколько лет вперёд.
Второй вывод: AI-инфраструктура становится отдельным бизнесом с огромной маржой. SpaceX не облачная компания, но если у тебя есть 110 000 чипов Nvidia и ты умеешь их эксплуатировать, Google готов платить почти миллиард долларов в месяц. Это объясняет, почему все — от нефтяных компаний до суверенных фондов — сейчас строят GPU-кластеры: это актив с гарантированным спросом.
Для рынка это сигнал: вертикальная интеграция AI-инфраструктуры больше не привилегия Big Tech. Компании, которые успеют накопить значимые GPU-пулы, смогут монетизировать их через аренду — даже если их основной бизнес совсем другой.
Кейсы применения в бизнесе
B2B-SaaS стартап. Если вы строите продукт на базе LLM и вычислительная стоимость — ваша главная статья расходов, следите за рынком вторичной аренды GPU. Появляются игроки (CoreWeave, Lambda Labs и другие), которые предлагают мощности дешевле гипескейлеров именно потому, что у них нет всего слоя managed-сервисов. Для inference-heavy продуктов экономия может быть существенной.
Корпорация с legacy-инфраструктурой. Сделка SpaceX–Google — прецедент для переговоров: если Google арендует мощности на стороне, значит это нормальная практика. Можно обосновывать гибридную стратегию: часть AI-нагрузки в собственном дата-центре, часть — у внешнего провайдера, и это не архитектурная слабость, а осознанный выбор.
SMB и локальный бизнес в КР/СНГ. Прямой доступ к 110 000 чипам — не ваша история. Но косвенно: дефицит GPU давит вверх стоимость API-вызовов у всех провайдеров. Уже сейчас имеет смысл тестировать локальные модели (Qwen, DeepSeek) на собственном железе для повторяющихся задач — классификация, суммаризация, генерация шаблонных текстов. Это снижает зависимость от облачного ценообразования.
Кейсы в личной жизни
Разработчик. Дефицит чипов = рост стоимости inference. Вложите время в оптимизацию промптов и кэширование: сокращение токенов на 30% — это реальная экономия при масштабе. Инструменты вроде prompt caching в Claude API или structured outputs в OpenAI уже дают измеримый эффект.
Контент-мейкер и фрилансер. Пока крупные игроки дерутся за инфраструктуру, API-доступ к топовым моделям остаётся относительно доступным. Используйте это окно: автоматизируйте рутину сейчас, пока цены не выросли вслед за дефицитом.
Студент / исследователь. Следите за открытыми GPU-грантами от Google, Microsoft, Nvidia — они регулярно раздают вычислительные кредиты академическим проектам именно потому, что конкуренция за лояльность разработчиков сейчас особенно высокая.
Как применить сегодня
- Если вы тратите на AI API больше $500/мес — проведите аудит: какие запросы можно заменить локальной моделью (Qwen 2.5, DeepSeek) или кэшированием.
- Изучите альтернативных GPU-провайдеров (CoreWeave, Lambda Labs, Vast.ai) — особенно для batch-задач, где не нужна низкая latency.
- Заложите в финансовую модель продукта рост стоимости inference на 20-40% в горизонте 12 месяцев — дефицит инфраструктуры никуда не денется.
- Если строите AI-продукт — документируйте зависимость от конкретных провайдеров и держите план Б: смена модели не должна требовать переписывания архитектуры.
- Следите за IPO SpaceX: в проспекте будут детали по AI-инфраструктурному бизнесу — это редкий публичный срез реальных цифр рынка.
Когда один из крупнейших облачных провайдеров мира арендует GPU у ракетной компании — это не курьёз. Это диагноз состояния AI-инфраструктуры в 2026 году.