GPU as a Service to model, w którym korzystasz z serwerów GPU stojących w profesjonalnej serwerowni i płacisz abonament zamiast kupować sprzęt. Dobry wynajem serwera GPU to nie tylko karta graficzna, ale też zasilanie, chłodzenie, sieć, monitoring i – jeśli chcesz – administracja. Wyjaśniamy, jakie są modele dostępu, co powinno być w cenie i kiedy bardziej opłaca się kupić własny sprzęt.
Piszemy jako operator serwerowni Tier III w Polsce oraz partner Supermicro i NVIDIA. U nas GPU jako usługa to cała ścieżka: od pojedynczej karty dla zespołu, który testuje pierwszy model, po klastry wielu serwerów chłodzonych cieczą. Jeśli dopiero zaczynasz temat własnych modeli, zacznij od naszego przewodnika po własnym LLM w firmie, a tu wróć, gdy będziesz wybierać formę dostępu do sprzętu.
Czym jest GPU as a Service i czym różni się od chmury publicznej
W chmurze publicznej wynajmujesz instancję z GPU na godziny, w regionie wybranym z listy dostawcy. To wygodne przy krótkich eksperymentach, ale przy stałym obciążeniu rachunek bywa trudny do przewidzenia: płacisz za czas działania, za przestrzeń dyskową i za transfer danych, a dostępność konkretnych kart w danym regionie się zmienia.
GPU as a Service w naszym wydaniu działa inaczej. Dostajesz sprzęt przypisany tylko do Ciebie (całą kartę albo cały serwer), w znanej lokalizacji w Polsce, za stałą miesięczną opłatę. Konfigurację dobieramy pod konkretny model i liczbę użytkowników, a gdy coś nie działa, rozmawiasz z inżynierem, który zna Twoje środowisko. To nie jest jeden produkt, tylko kilka modeli dostępu, które różnią się skalą i tym, kto jest właścicielem sprzętu.
Modele dostępu: od VPS z GPU do kolokacji własnego sprzętu
VPS z dedykowanym GPU i gotowe pakiety
Maszyna wirtualna z kartą GPU przypisaną wyłącznie do niej. To najprostszy punkt wejścia: środowisko deweloperskie, pilotaż, mały model językowy dla jednego zespołu, transkrypcja mowy. Najszybciej zaczniesz od gotowych pakietów opisanych na stronie DeepSeek na własnym GPU: od 899 zł netto miesięcznie za 1× RTX A2000 12 GB, przez A10 24 GB (2 999 zł), A30 24 GB (4 349 zł) i A40 48 GB (5 499 zł), do 2× A40 96 GB (8 599 zł). Mimo nazwy uruchomisz na nich dowolny model: Llamę, Qwena, Mistrala, Gemmę czy Whispera.
Serwer GPU bare metal (do 8 GPU)
Cały fizyczny serwer bez warstwy wirtualizacji i bez sąsiadów. Do wyboru między innymi serwery z kartami NVIDIA RTX PRO 6000 Blackwell (do 8 kart po 96 GB), systemy HGX B200 (8 × 180 GB HBM3e) i HGX B300 (8 × 288 GB HBM3e) oraz platforma Intel Gaudi 3 (8 akceleratorów po 128 GB). To opcja dla produkcyjnej inferencji z wieloma użytkownikami, dużych modeli i dotrenowywania. Serwery Blackwell wyceniamy indywidualnie. Ofertę opisuje strona serwery GPU.
Klaster wielu serwerów GPU
Gdy jeden serwer nie wystarcza – przy treningu, największych modelach albo dużym ruchu – łączymy kilka węzłów w klaster. Kluczowa staje się wtedy sieć między serwerami: systemy HGX B300 mają zintegrowane karty ConnectX-8 800 Gb/s, a Gaudi 3 ma na płycie sześć portów 800 GbE. Dochodzi do tego współdzielona przestrzeń dyskowa, orkiestracja zadań i chłodzenie cieczą w gęstych szafach.
NVIDIA DGX Spark jako usługa (1, 2 lub 4 urządzenia)
DGX Spark to kompaktowy komputer z chipem GB10 Grace Blackwell i 128 GB pamięci zunifikowanej. Jedno urządzenie obsłuży inferencję modeli do 200B parametrów i fine-tuning do 70B. Dwa połączone kablem QSFP dają 256 GB i modele do ok. 400B, cztery z przełącznikiem 200 GbE – 512 GB i modele do ok. 700B. Ograniczeniem jest przepustowość pamięci (273 GB/s), więc to sprzęt do R&D, prototypów i prywatnej inferencji dla małego zespołu, a nie do obsługi setek użytkowników. Urządzenia stoją u nas w serwerowni, a my dbamy o sieć i utrzymanie. Wycena jest indywidualna. Szczegóły: NVIDIA DGX Spark jako usługa i klaster DGX Spark.
Kolokacja własnego sprzętu
Kupujesz serwer – od nas (Supermicro z GPU NVIDIA lub Intel Gaudi 3) albo własny – a my instalujemy go w naszej serwerowni i zapewniamy zasilanie, chłodzenie i sieć. Administrację możesz prowadzić sam albo zlecić nam. Więcej na stronie kolokacja serwerów.
| Model dostępu | Właściciel sprzętu | Rozliczenie | Dla kogo |
|---|---|---|---|
| VPS z GPU / gotowy pakiet | my | abonament miesięczny | pilotaż, małe modele, jeden zespół |
| Serwer GPU bare metal | my | abonament, wycena indywidualna | produkcja, duże modele, wielu użytkowników |
| Klaster GPU | my lub Ty | wycena indywidualna | trening, największe modele, duży ruch |
| DGX Spark jako usługa | my | wycena indywidualna | R&D, prototypy, fine-tuning |
| Kolokacja | Ty | zakup sprzętu + opłata za kolokację | długi horyzont, stałe obciążenie |
Co obejmuje wynajem serwera GPU
Porównując oferty, nie patrz wyłącznie na model karty. Sam GPU to tylko część kosztu utrzymania sprzętu AI. U nas w ramach usługi dostajesz:
- Zasilanie w serwerowni Tier III z redundantnymi ścieżkami zasilania. Przy kartach pobierających setki watów, a w przypadku B300 do 1 100 W na GPU, to warunek stabilnej pracy.
- Chłodzenie, także cieczą. Według Supermicro w szafie chłodzonej powietrzem zmieści się do 32 GPU B200, w chłodzonej cieczą do 96. Dla gęstych konfiguracji oferujemy szafy chłodzone cieczą. Szerzej piszemy o tym w artykule chłodzenie serwerów GPU: powietrze czy ciecz.
- Sieć: łącze do internetu, sieć prywatna między Twoimi serwerami i szybkie połączenia w klastrach.
- Monitoring sprzętu: temperatury, błędy pamięci GPU, zasilacze, dyski.
- Wymianę sprzętu przy awarii – w modelu wynajmu to nasze zadanie, nie Twoje.
- Bezpieczeństwo fizyczne i ISO 27001, a dane zostają w Polsce i w UE.
- Administrację w jednym z dwóch wariantów opisanych w tabeli poniżej.
| Obszar | Dostęp root (zarządzasz sam) | Pełna administracja 24/7 |
|---|---|---|
| Serwerownia, zasilanie, chłodzenie, sieć | my | my |
| Sprzęt i jego wymiana | my | my |
| System, sterowniki, CUDA | Ty | my |
| Silnik inferencji i modele | Ty | my, w uzgodnionym zakresie |
| Monitoring usług i reagowanie na alerty | Ty | my, całodobowo |
| Kopie zapasowe | Ty | my |
Zakres pełnej administracji opisuje strona administracja serwerami.
Wynajem czy zakup i kolokacja?
Na to pytanie nie ma jednej odpowiedzi, ale są kryteria, które szybko ją zawężają. Szczegółową analizę kosztów całkowitych przeprowadziliśmy w tekście o TCO chmury i kolokacji serwerów z GPU. Poniżej skrót.
| Kryterium | Raczej wynajem | Raczej zakup i kolokacja |
|---|---|---|
| Horyzont projektu | krótki albo niepewny | kilka lat, znany kierunek |
| Wykorzystanie GPU | zmienne, z przestojami | wysokie i stałe |
| Wydatek na start | brak | zakup sprzętu |
| Zmiana sprzętu | łatwa zmiana konfiguracji lub generacji GPU | sprzęt na cały okres amortyzacji |
| Ryzyko awarii | po stronie dostawcy | po Twojej stronie, w ramach gwarancji producenta |
| Księgowość | koszt operacyjny | inwestycja i amortyzacja |
W praktyce dobrze działa podejście etapowe: najpierw wynajmujesz sprzęt, żeby sprawdzić model, realne obciążenie i zainteresowanie użytkowników. Gdy obciążenie jest przewidywalne i wysokie przez większość czasu, zakup z kolokacją zwykle wychodzi korzystniej. Wiele firm łączy oba podejścia: stałą bazę na własnym sprzęcie, eksperymenty i szczyty na wynajętym.
Jak wygląda start
- Rozmowa o zadaniu: jaki model, ilu użytkowników, jak długi kontekst, jakie dane i wymagania prawne.
- Dobór konfiguracji: liczymy pamięć według reguły opisanej w artykule ile VRAM potrzebuje model LLM i proponujemy sprzęt z zapasem na wzrost.
- Uruchomienie testowe na pakiecie GPU lub DGX Spark, na Twoich przykładowych danych.
- Środowisko docelowe: model udostępniony przez API zgodne z OpenAI, więc aplikacje nie zależą od konkretnego sprzętu.
- Utrzymanie: monitoring, aktualizacje i skalowanie, gdy rośnie liczba użytkowników.
Sprzęt: partner Supermicro i NVIDIA
Status partnera Supermicro i NVIDIA oznacza, że ten sam sprzęt możemy Ci wynająć albo sprzedać i postawić w kolokacji. Supermicro ma w ofercie ponad 20 systemów dla kart RTX PRO 6000, w tym platformę 5U na 8 kart, systemy HGX B200 i B300 w wersjach chłodzonych powietrzem i cieczą oraz system SYS-822GA-NGR3 z Intel Gaudi 3. Po stronie NVIDIA to także DGX Spark ze stosem oprogramowania obejmującym NIM, NeMo i PyTorch.
Dzięki temu przejście z wynajmu na własny sprzęt nie wymaga przeprojektowania środowiska: zmienia się właściciel serwera, a nie architektura. Dostępność konkretnych konfiguracji i terminy potwierdzamy zawsze w wycenie.
FAQ: najczęściej zadawane pytania
Ile kosztuje wynajem serwera GPU?
Gotowe pakiety GPU kosztują od 899 zł netto miesięcznie (1× RTX A2000 12 GB) do 8 599 zł netto (2× A40, łącznie 96 GB). Serwery z GPU Blackwell, klastry i DGX Spark jako usługa wyceniamy indywidualnie, bo zależą od liczby kart, sieci i zakresu administracji.
Czym różni się VPS z GPU od serwera GPU bare metal?
VPS to maszyna wirtualna z przypisaną kartą, dobra na start i dla mniejszych modeli. Serwer bare metal to cała fizyczna maszyna z wieloma GPU, bez warstwy wirtualizacji, przeznaczona do produkcji i dużych modeli.
Czy dane na wynajętym serwerze GPU zostają w Polsce?
Tak. Sprzęt stoi w naszej serwerowni Tier III w Polsce z certyfikatem ISO 27001, a dane nie są przekazywane do zewnętrznych dostawców chmury.
Czy dostanę dostęp root do serwera GPU?
Tak, jeśli chcesz zarządzać serwerem samodzielnie. Możesz też wybrać pełną administrację 24/7 i zostawić nam system, sterowniki, silnik inferencji i monitoring.
Kiedy bardziej opłaca się kupić serwer GPU niż go wynająć?
Gdy masz kilkuletni horyzont, wiesz, jaki model uruchamiasz, a GPU będzie obciążone przez większość czasu. Przy niepewnym obciążeniu i krótkim projekcie wynajem zwykle wychodzi lepiej.
Czy oferujecie chłodzenie cieczą dla serwerów GPU?
Tak, dla gęstych konfiguracji GPU oferujemy szafy chłodzone cieczą – zarówno dla wynajmowanego sprzętu, jak i dla serwerów w kolokacji.
Chcesz dobrać model dostępu do swojego projektu? Zobacz serwery GPU albo napisz do nas: zaproponujemy konfigurację, uruchomimy model testowo i porównamy koszt wynajmu z zakupem i kolokacją.