«AI-стартап — сколько стоят серверы в первый год?» — в pitch deck часто пишут «облако ~$X/год», но основатель редко объясняет, откуда X. Кто-то считает счёт OpenAI API полным ответом; кто-то оценивает «аренду одной A100» на глаз; кто-то размазывает Cursor, векторную БД, CI-runner и monitoring SaaS по шести картам — и в конце года понимает: стоимость серверов ≠ API модели, и первый год далеко не прямая линия.
Этот гид для технических основателей и AI-команд 1–5 человек — считаем с точки зрения cashflow: что настоящий сервер, какие «скрытые» инфраструктурные расходы забывают, сколько стоит первый год у трёх типичных продуктов. Если параллельно выбираете Mac или облачный Mac — см. Первый стартап: Mac — расход или инвестиция; если счёт Agent уже пришёл — разбор счёта эры Agent. Здесь фокус — общий инфраструктурный счёт + runway.
1) Почему «первый год» сложнее всего посчитать
Инфраструктурные расходы AI-стартапа в первый год — минимум три наложенные кривые; месяц × 12 не работает:
- Валидация (0–3 мес.): трафик почти нулевой, но dev-потребление высокое — основатель сам «тяжёлый пользователь», API и IDE растут первыми;
- Пилот (3–8 мес.): первые платящие или пилотные клиенты, QPS инференса и векторное хранилище растут, появляются мониторинг и compliance;
- Рост или pivot (8–12 мес.): либо экспоненциальный рост и масштабирование — либо смена курса, когда аренда GPU и выделенный кластер становятся sunk cost.
Плюс форма продукта ещё не зафиксирована — сегодня API-обёртка, завтра RAG, послезавтра fine-tune. Каждый pivot меняет структуру расходов. «Стоимость серверов в первый год» — не число, а cashflow-модель с диапазоном; три сценария помогают найти точку.
2) Счёт API — не вся стоимость серверов
Многие AI-команды всё ещё думают как в 2023: сервер = API большой модели. В 2026 у работающего AI-продукта минимум эти «не-модельные» статьи:
| Часто забывают | Почему «сервер/инфра» | Типично год 1 |
|---|---|---|
| Хостинг приложения (Vercel / Fly / ECS) | API gateway, BFF, webhooks | Free tier до $70–$420/мес. |
| Векторная БД (Pinecone, pgvector, Milvus) | «Второе хранилище» для RAG | По размерности + QPS запросов |
| Object storage + CDN | Чанки документов, загрузки, static | Мало — дёшево; за рубежом дороже |
| Очередь / кэш (Redis, SQS) | Async-инференс, rate limit, сессии | Обязательно для длинных Agent-задач |
| Observability (логи, APM, алерты) | Латентность, ошибки, атрибуция расходов | С клиентами printf не спасёт |
| CI / Runner (вкл. macOS) | Mobile, desktop, pipeline подписи | Минуты GitHub Actions или слоты |
| Agent-среда на стороне dev | Always-on Mac / cloud для Claude Code, OpenClaw | Операционный расход, тот же cash |
Если finance одобряет только «бюджет API модели», engineering с месяца 2 платит Redis и мониторинг личной картой — половина ловушки стоимости серверов — неверные статьи учёта.
3) Модель шести вёдер инфраструктурных расходов
Собрать облако и compute год 1 в шесть вёдер — для бюджета и stop-loss при pivot:
| Ведро | Содержание | Биллинг | Кому больнее всего в год 1 |
|---|---|---|---|
| B1 Инференс | Закрытые API (OpenAI / Anthropic), self-hosted vLLM / Ollama | За token или GPU-час | С пользователями линейно или сверхлинейно |
| B2 Обучение / fine-tune | LoRA, retrain embedding, eval-батчи | Пики, по проектам | «GPU на недели» vs «карта постоянно» |
| B3 Данные | Postgres, векторная БД, S3, ETL | Хранение + I/O растёт | RAG / Agent Memory продукты |
| B4 Compute и сеть | Узлы K8s, serverless, egress, WAF | Фикс + трафик | Международка, multi-region |
| B5 Эффективность dev | CI-runner, staging, облачный Mac, dev-GPU | Always-on или минуты | Full-stack + mobile команды |
| B6 Безопасность и compliance | Секреты, audit-логи, on-prem премия | Seats или фикс | B2B, финансы, healthcare |
B1 бросается в глаза, B3+B5 в год 1 чаще всего недооценивают. Мы писали о войне compute-инфраструктуры гигантов — это сторона предложения; стартапам важно: покрывает ли кривая выручки наклон B1–B6?
4) Три профиля AI-стартапа в первый год
Три частых пути в 2026 — цифры в порядке величины USD (примерные допущения, не оферта); пересчитайте в своей cloud-консоли.
4.1 Уровень A: API-обёртка / вертикальный SaaS (без своего обучения)
Продукт: закрытая API + своя логика + Web/App-оболочка. Команда 1–3, год 1 = проверить готовность платить, без закупки GPU.
| Фаза | Инфра в месяц (прим.) | Основной состав |
|---|---|---|
| 0–3 мес. MVP | $280 – $1 100 | API для dev + Vercel/Fly + край Supabase free |
| 4–8 мес. пилот | $1 100 – $3 500 | API клиентов + вход в векторную БД + базовый мониторинг |
| 9–12 мес. рост | $3 500 – $11 000+ | Инференс с MAU; нужны cache и routing |
Итого год 1 грубо: $21 000 – $62 000 (разброс на порядок по скорости привлечения). Главный риск: маржа съедается API — при низком ARPU и глубоких вызовах PMF может проиграть unit economics.
4.2 Уровень B: RAG / Agent-продукт (тяжёлый data layer)
Продукт: Q&A по документам, корпоративная база знаний, многошаговые Agent-workflow. B3 данные и B5 dev-эффективность весят больше; часто требования on-prem.
| Фаза | Инфра в месяц (прим.) | Основной состав |
|---|---|---|
| 0–3 мес. | $700 – $2 100 | Embedding API + векторная БД + object storage + Agent IDE |
| 4–8 мес. | $2 100 – $5 600 | Данные клиентов, QPS retrieval, несколько staging |
| 9–12 мес. | $5 600 – $17 000 | Enterprise POC хочет отдельный VPC; compliance-логи |
Итого год 1 грубо: $49 000 – $125 000. Помимо API заложите бюджет на рост размерности векторов и хранилища — многие в 6-м месяце видят, что счёт Pinecone утроился.
4.3 Уровень C: self-hosted инференс / дифференциация модели (GPU)
Продукт: fine-tune open source, on-prem, экстремальная чувствительность к латентности и стоимости. Год 1 часто «аренда GPU для проверки → покупка или долгий контракт», максимальная волатильность cashflow.
| Фаза | Инфра в месяц (прим.) | Основной состав |
|---|---|---|
| 0–3 мес. | $1 400 – $4 200 | GPU on-demand для экспериментов + малая инференс-машина |
| 4–8 мес. | $4 200 – $14 000 | 1–2 аренды A100/H100 или эквивалентный compute-пакет |
| 9–12 мес. | $7 000 – $28 000+ | Multi-replica инференс, K8s, egress, скрытые ops-расходы |
Итого год 1 грубо: $83 000 – $250 000+ (без full-time MLOps). Ключевое решение: когда переходить с on-demand на reserved, когда признать «self-host не окупается» и вернуться к API.
5) Cashflow 12 месяцев: три сценария (подставьте свой runway)
Допущение: стартовый капитал включает 6 месяцев личных расходов; инфра с корпоративного счёта. Таблица = накопленные cash-расходы на инфра за год (без персонала, офиса, маркетинга):
| Стратегия | Форма продукта | Инфра за год (прим.) | Runway (при $110 000 всего) |
|---|---|---|---|
| Консервативная | Уровень A API SaaS, медленное привлечение | $25 000 | Низкая доля облака, деньги на рынок и команду |
| Нейтральная | Уровень B RAG, 2 платящих клиента к середине года | $76 000 | Облако = второй крупный фикс; следить за маржой |
| Агрессивная | Уровень C self-host, multi-tenant в Q3 | $167 000 | Без раунда сжимает личные расходы — раунд или урезание specs |
Разница не в «кто умнее», а в том, нужны ли продукту эта GPU и этот масштаб векторов. Классическая ошибка первого AI-стартапа: архитектура уровня C до 10 платящих пользователей — технический романтизм съедает runway.
6) Кривая расходов: три правила от MVP до PMF
- Инференс через API, пока unit economics позволяют. Break-even self-host обычно стоит считать, когда месячный счёт API стабильно выше $11 000–$21 000 и модель зафиксирована (зависит от команды).
- Data layer по клиентам, не только общий счёт. Векторное хранилище и QPS retrieval на платящего клиента — enterprise POC отдельно или implementation fee.
- Dev-среда как операционный расход, отдельно от prod. Cursor, Claude API, облачный Mac, GitHub Actions — см. пять вёдер Agent-расходов; смешано с prod API = неверная маржа.
Контроль расходов в год 1 — не «меньше облака», а отложить необратимые траты: долгий контракт GPU, multi-region, выделенный compliance-кластер — что решает routing и config, не закупка.
7) Забытые «серверы»: macOS CI и always-on Agent-машины
Многие AI-команды живут на Linux-cloud — как только появляются iOS / macOS-клиент, TestFlight или desktop Agent, срабатывают ограничения Apple: xcodebuild, подпись, нотаризация только на macOS. Часто в «dev-tools», а не «сервер», но тот же cashflow:
| Вариант | Cash год 1 | Подходящая фаза |
|---|---|---|
| MacBook основателя dual-use | $1 400–$2 800 разово; плохо для Agent 7×24 | Чистая валидация, без mobile |
| GitHub-hosted macOS runner | По минутам; ок редко, дорого при частых Agent-триггерах | Несколько PR-сборок в неделю |
| Выделенный облачный Mac mini | Месячная аренда OPEX, можно остановить; CI + удалённый Agent | Стабильный pipeline, малая команда без IT |
AI-продукт + App-оболочка: строка бюджета «macOS compute» $700 – $2 100/год (оценка облачного Mac; свой Mac mini = амортизация). Тот же каркас, что статья TCO Runner и Mac — расход или инвестиция.
8) Бюджет инфра год 1: 12 пунктов перед заказом
- Форма продукта A / B / C? Уровень до cloud-архитектуры — не фантазия C при доходе A.
- Месячный потолок инференса? Hard limit + alert в API-консоли — против ночного взрыва счёта.
- Векторное и object storage через 6 месяцев? Грубо «10 GB документов на клиента» — реалистично для sales?
- Отдельный деплой на клиента? Тогда B6 compliance и среды × N.
- GPU «эксперименты по неделям» или «инференс 7×24»? Первое — on-demand; второе — reserved.
- Staging / prod разделены? Смешивание экономит год 1, дорого стоит позже.
- CI и Agent-среда always-on? Тогда B5, не забыть.
- Международка? Bandwidth и multi-region с первого дня — поздняя миграция дорога.
- Доля API в выручке в модели маржи? >40% при низком ARPU → сначала pricing/cache, не раунд на серверы.
- Вероятность pivot >50%? On-demand, короткие контракты, останавливаемые сервисы.
- 30 дней на экспорт шести вёдер в одну таблицу? Если нет — не готовы к инвесторам.
- Без крупнейшей cloud-статьи milestones достижимы? Sensitivity analysis в BP.
9) FAQ
В1: Есть ли отраслевое среднее стоимости серверов в год 1?
Нет — уровень A может уложиться в $21 000, уровень C легко $140 000+. Важнее: покрывает ли выручка за 12 месяцев наклон B1?
В2: Как долго хватает free tier?
Личный MVP часто 1–3 месяца; с внешними пользователями или Agent 7×24 free обычно не хватает. «Ещё не платили» ≠ «стоимость ноль».
В3: Когда переходить с API на self-host?
Модель стабильна, счёт API 3 месяца выше порога, есть ops GPU (или люди) — все три, потом TCO.
В4: Postgres pgvector для экономии?
Многим командам A/B в год 1 хватает; при росте QPS и размерности мигрировать — заложить в roadmap.
В5: Сразу с K8s?
Большинству команд ≤5 человек в год 1: нет. Serverless + managed DB быстрее; K8s — налог на сложность, не знак зрелости.
В6: Cloud-расходы в business plan?
По шести вёдрам, консервативно/нейтрально, плюс «маргинальные cloud-расходы на 100 платящих пользователей» — в десять раз правдоподобнее строки «облако $50 000».
В счёте серверов не забудьте macOS
Год 1 AI-стартапа: Linux-cloud в таблице, iOS-сборка, подпись, TestFlight и always-on Agent часто на «другой карте». Собрать macOS compute в предсказуемую месячную аренду — как usage API — и runway читается ясно.
Nuvcloud: выделенный M4 Mac mini, день/неделя/месяц, для CI и удалённой Agent-среды. Цены или статья MCP облачный Mac для оценки ведра B5.