Стоимость видеоаналитики на камеру: край и облако

Это инженерное руководство, а не юридическая консультация. Уточняйте детали у квалифицированного юриста.

Коротко

Стоимость запуска ИИ-аналитики на видео сводится к трём счётчикам, которые вы оплачиваете каждый месяц: трафик, чтобы передать видео, вычисления, чтобы его проанализировать, и хранение, чтобы его держать. Где именно происходит анализ – на камере, на сервере, которым вы владеете, или в арендованном облаке – меняет размер каждого счётчика на порядки, поэтому одна и та же задача стоит примерно $3 или примерно $4350 на камеру в месяц только из-за этого выбора. Почти каждую систему решают две точки перелома: поминутный облачный сервис дешевле аренды собственного графического чипа лишь ниже примерно восьми минут анализа на камеру в день, а покупка этого чипа выгоднее аренды, как только вы рассчитываете работать дольше примерно пятнадцати месяцев. Эта статья показывает арифметику всех трёх счётчиков и обеих точек перелома, чтобы вы посчитали модель развёртывания до того, как возьмёте на неё обязательства.

Почему это важно

Каждый проект видеонаблюдения выбирает место для запуска аналитики, и одно это решение тихо задаёт месячный счёт на весь срок жизни системы. Прошлые статьи блока объяснили, где может работать анализ и когда каждый уровень оправдан; эта ставит на это цифру, чтобы продакт-менеджер или интегратор мог защитить выбор таблицей, а не интуицией. Ставки реальны: разрыв между самым дешёвым и самым дорогим способом запустить одну и ту же аналитику – около тысячекратного, и почти весь он невидим, пока не придёт первый полномасштабный счёт. Прочтите это до того, как считать развёртывание, подписывать контракт с оплатой по факту или называть клиенту цену – все три решения дорого откатывать спустя год.

Денежный взгляд на разделение «край–облако»

Этот блок прошёл по уровням развёртывания по одному. Тезис – что место запуска аналитики определяет всю систему – живёт в статье аналитика на краю против облака. У трёх уровней свои статьи: сама камера в ИИ на камере (edge), компьютер, которым вы владеете, в edge-серверах и ИИ-приставках, и арендованный дата-центр в стоимости облачной видеоаналитики. Паттерн, к которому приходит большинство реальных систем, – гибридное разделение. Коммерческий обзор того же компромисса – в нашем блоге про edge AI против cloud ИИ для видеонаблюдения.

Эта статья делает то, чего не делают те пять: кладёт все уровни на одну сетку стоимости, в долларах на камеру в месяц, чтобы сравнивать их напрямую. Делаем это, разбивая любую систему на одни и те же три рычага – трафик, вычисления и хранение, – оценивая каждый рычаг на каждом уровне, а затем находя точки перелома, где один уровень обгоняет другой. Цифры здесь – представительные прайс-листы США на 2026 год; считайте их моделью, которую заполняют своими котировками, а не фиксированной ценой.

Три рычага, названные до того, как мы их оценим

Сними маркетинг – и любое развёртывание аналитики тратит деньги ровно на три вещи. Назвать их точно – половина дела, потому что вендоры называют тот рычаг, который выгоден их продукту.

Первый рычаг – трафик – стоимость передачи видео от камеры туда, где происходит анализ. Если анализ идёт на камере, видео почти не двигается, и рычаг почти бесплатен. Если анализ идёт в далёком облаке, каждый кадр едет по интернету, и вы платите за канал, который его несёт. Трафик измеряется в мегабитах в секунду (Мбит/с) постоянной пропускной способности.

Второй рычаг – вычисления – стоимость процессора, который собственно запускает ИИ-модель. Обычно это самый большой рычаг и тот, что сильнее всего скачет между уровнями, потому что однажды купленный чип ничего больше не стоит в работе, тогда как поминутная аренда продолжает считать за каждую минуту наблюдения. Вычисления измеряются в долларах за час процессорного времени или за минуту проанализированного видео.

Третий рычаг – хранение – стоимость держать запись столько, сколько требует ваша политика ретенции. Хранение – самый ровный из трёх: оно растёт по прямой с числом камер и сроком хранения. Измеряется в долларах за гигабайт (ГБ) в месяц. Полный расчёт хранения – в отдельной статье про математику ретенции; здесь оно – лишь один рычаг из трёх.

Нажмите, чтобы увеличить

Чтобы арифметика была честной, держим одну камеру неизменной через всю статью: камера 4 мегапикселя, пишущая постоянно в эффективном кодеке H.265, который даёт поток около 2 Мбит/с. (Почему H.265 примерно вдвое снижает битрейт старого H.264 – вопрос кодека, разобранный в выборе кодека для видеонаблюдения.) Постоянно – значит счётчики не отдыхают, и именно там стоимость либо остаётся вменяемой, либо взлетает: 60 минут × 24 часа × 30 дней = 43 200 минут видео в месяц на камеру.

Вычисления: рычаг, который скачет в тысячу раз

Вычисления – где решение о развёртывании зарабатывает или тратит больше всего денег, так что оцениваем их на всех четырёх вариантах, между которыми выбирает реальная система.

На камере (edge). Камера со встроенным нейропроцессором (NPU – маленький чип, запускающий ИИ-модели на устройстве) делает анализ за стоимость электричества, уже текущего по сетевому кабелю. Маржинальная стоимость вычислений поэтому близка к нулю; вы платите наценку за умную камеру вместо обычной. Массовая IP-камера стоит примерно $180–350; камера с бортовой аналитикой от производителя вроде Axis или Hanwha стоит примерно на $150–450 дороже. Разнесём наценку $150 на пятилетний срок:

$150 наценки ÷ 60 месяцев ≈ $2,50 на камеру в месяц на вычисления.

На сервере, которым вы владеете (edge-сервер). Один сервер инференса с одним графическим процессором NVIDIA L4 (GPU – чип для быстрого запуска ИИ-моделей) стоит примерно $8000 целиком и тянет около 24 одновременных потоков 1080p через лёгкий детектор. Амортизируем железо на пять лет и добавим питание – около 300 ватт под нагрузкой, по коммерческому тарифу США 2026 года около $0,14 за киловатт-час:

$8000 ÷ 60 месяцев = $133/месяц на железо 0,3 кВт × 720 часов × $0,14 = ~$30/месяц на питание ($133 + $30) ÷ 24 камеры ≈ $6,80 на камеру в месяц на вычисления.

На арендованном облачном GPU. Тот же чип L4 арендуется у облачного провайдера примерно за $0,80 в час. Запустите его круглосуточно и поделите на ту же плотность потоков:

$0,80/час × 24 × 30 = $576 за GPU в месяц $576 ÷ 24 камеры ≈ $24 на камеру в месяц на вычисления.

На поминутном облачном API. Управляемый сервис аналитики – программный интерфейс (API), который берёт ваше видео и возвращает детекции, – берёт около $0,10 за минуту видео. Направьте его на одну камеру в постоянном режиме:

43 200 минут × $0,10 = $4320 на камеру в месяц на вычисления.

Прочтите эти четыре числа вместе: примерно $2,50, $6,80, $24 и $4320 за одну и ту же аналитику на одной и той же камере. Купленный чип по сути бесплатен в работе; арендованный чип стоит фиксированную месячную плату; поминутный API стоит ту же работу почти в 180 раз дороже арендованного GPU, потому что считает за каждую минуту наблюдения. Урок не «никогда не используйте облако» – а в том, что модель оплаты должна совпадать с нагрузкой, и это мы заостряем на точках перелома ниже.

Хранение: тихий линейный множитель

Хранение редко шокирует кого-то за один месяц, а затем складывается в самую большую строку многолетнего счёта. Наша камера 4 мегапикселя при 2 Мбит/с даёт предсказуемую гору данных:

2 Мбит/с ÷ 8 = 0,25 мегабайта в секунду 0,25 МБ/с × 86 400 с/день × 30 дней ≈ 648 ГБ на камеру в месяц.

Сколько это стоит – целиком зависит от того, где живут байты. На локальном регистраторе вы покупаете диск для видеонаблюдения один раз. По цене около $18 за терабайт за сам диск и примерно $30 за полезный терабайт после накладных расходов на избыточность, которая защищает от отказа диска:

0,648 ТБ × $30/ТБ ≈ $19 диска на камеру за 30 дней записи (разово).

В облаке вы арендуете ту же ёмкость каждый месяц, примерно по $0,023 за гигабайт-месяц:

648 ГБ × $0,023 ≈ $15 на камеру в месяц при ретенции 30 дней.

В контрасте – вся суть. Локальное хранение – покупка примерно за $19 один раз; облачное хранение – около $15 каждый месяц, бесконечно. На горизонте ретенции в пять лет облачная строка даёт $15 × 60 = $900 на камеру против примерно $19 локального диска плюс питание. Облачное хранение обгоняет всю стоимость локального диска уже на пятой неделе и продолжает считать. Это не делает облачное хранение неправильным – оно не требует железа, отказавших дисков и даёт мгновенные внешние копии, – но для постоянной записи большого парка это тихая строка, которая складывается.

Ретенция – множитель сверху. Держите 90 дней вместо 30 – и вы просто утраиваете объём резидентного видео, так что облачная строка хранения растёт к $45 на камеру в месяц, а покупка локального диска – к $57. Хранение растёт по прямой с размером парка и днями ретенции – и больше ни с чем.

Трафик: рычаг, за который платят, даже когда ничего не происходит

Трафик – рычаг, который наказывает облако и вознаграждает край, и у него две половины.

Первая половина – аплинк – отдача интернет-канала объекта, которая должна держать весь видеопоток, если анализ идёт вне объекта. Нашей камере нужно 2 Мбит/с отдачи, так что объекту с 50 камерами, выгружающему всё наверх, нужно:

50 камер × 2 Мбит/с = 100 Мбит/с постоянной отдачи, каждую секунду каждого дня.

Бизнес-канал на 100 Мбит/с с симметричной отдачей стоит примерно $100 в месяц, что разносится примерно в $2 на камеру на 50 камер – больше, если нужен гарантированный выделенный канал вместо best-effort. Заметьте, чего этот рычаг не стоит: отправка данных в облако бесплатна у всех крупных провайдеров, так что сама загрузка не несёт облачной платы. Вы платите интернет-провайдеру за трубу, а не облаку за байты.

Вторая половина – egress – плата облака за выгрузку данных наружу, около $0,09 за гигабайт. Вы платите её каждый раз, когда оператор стримит сохранённую запись обратно, чтобы её посмотреть. Даже просмотр скромных 5% записи объекта со 100 камерами складывается:

100 камер × 648 ГБ × 5% = 3240 ГБ просмотрено 3240 ГБ × $0,09 ≈ $292 в месяц ÷ 100 камер ≈ $3 на камеру в месяц.

Сложите две половины – и облачное развёртывание несёт примерно $5 на камеру в месяц трафика: мало против вычислений, но реально, и легко забывается, потому что счёт идёт за скучное действие – смотреть видео, за хранение которого вы уже заплатили. На уровнях края и edge-сервера этот рычаг почти бесплатен, потому что видео остаётся в локальной сети и наружу уходят только тревоги или короткие клипы.

Стоимость на камеру в месяц – все четыре уровня на одной сетке

Теперь раскладываем три рычага по четырём уровням. Это та таблица, на которую ссылается остальной блок, – полная модель всех уровней в одном месте.

Таблица 1. Та же постоянная аналитика на той же камере 4 мегапикселя, оценённая на каждом уровне. Ставки – представительные прайсы США (2026), зависят от региона, обязательств, модели и разрешения; зарезервированные и spot-цены снижают строку аренды GPU, а операционные накладные двигают итог edge-сервера к $10–12 со всем учётом. Самый важный факт таблицы – разброс: около тысячекратного от самого дешёвого столбца к самому дорогому, почти целиком из-за рычага вычислений.

Форма важнее любой отдельной клетки. Двигаясь слева направо, вы меняете падающие капвложения и операционную нагрузку на растущий месячный счётчик. Край держит вычисления и трафик у нуля, но ограничивает, насколько тяжёлую модель можно запустить. Свой сервер добавляет умеренную фиксированную стоимость ради куда большего объёма вычислений. Арендованный облачный GPU разумен на камеру и превращает капвложения в месячную плату. Поминутный API – в другой вселенной: рассчитан на редкие клипы, разорителен для живого парка. Диаграмма делает разрыв наглядным.

Нажмите, чтобы увеличить

Точки перелома, которые реально нужны покупателю

Таблицы показывают стоимость на крайностях; точки перелома показывают, где провести границу. Четыре из них решают большинство систем.

Перелом первый: поминутный API против своего GPU – около 8 минут в день

Это самое полезное число в статье. Арендованный или свой GPU стоит фиксированную сумму, анализирует он одну минуту или каждую; поминутный API стоит $0,10 за каждую запущенную минуту. Приравняем стоимость API на камеру к стоимости вычислений арендованного GPU на камеру и решим относительно минут:

$24 на камеру в месяц ÷ $0,10 за минуту = 240 минут в месяц 240 минут ÷ 30 дней = 8 минут анализа на камеру в день.

Ниже примерно 8 минут анализа на камеру в день поминутный API дешевле, потому что вы пользуетесь им так редко, что платить за минуту выгоднее аренды целого чипа. Выше – а постоянная запись это 1440 минут в день – выигрывает GPU, с тем самым 180-кратным запасом. Это граница, отделяющая «проанализировать клип после тревоги» от «смотреть парк круглосуточно». Перелом предполагает, что GPU забит до полных ~24 потоков; на полупустом GPU стоимость на камеру удваивается, и перелом сдвигается примерно к 16 минутам в день.

Нажмите, чтобы увеличить

Перелом второй: арендовать GPU или купить – около 15 месяцев

Раз вы знаете, что нужен GPU в постоянном режиме, следующий вопрос – аренда или владение. Аренда облачного L4 стоит $576 в месяц. Покупка равнозначного локального сервера стоит около $8000 плюс примерно $30 в месяц на питание. Свой сервер окупается в момент, когда его накопленная стоимость падает ниже арендной:

$8000 ÷ ($576 − $30 в месяц) ≈ $8000 ÷ $546 ≈ 14,7 месяца.

Так что для постоянной работы, которую вы рассчитываете вести дольше примерно 15 месяцев, покупка выгоднее аренды; для более коротких или неопределённых горизонтов арендуйте и сохраняйте гибкость. И это консервативная версия расчёта, потому что владение сервером ещё и стирает облачную строку хранения $15 на камеру и строку трафика $5 на камеру – учтите их, и реальная окупаемость наступит быстрее. Аренда всё же выигрывает при всплесковом спросе, который вы не хотите содержать, – это и есть подлинный дом облака.

Перелом третий: наценка умной камеры окупается почти мгновенно

Если аналитики на камере хватает по точности, наценка умной камеры – самые дешёвые вычисления, что вы когда-либо купите. Эта наценка ~$150 против альтернатив, которые она заменяет:

против поминутного API (~$4320/месяц): окупается меньше чем за день против аренды облачного GPU (~$29/месяц сэкономленных вычислений и трафика): ~5 месяцев

Загвоздка – в условии. Несколько ватт камеры запускают модель меньше серверного GPU, так что точность на краю ниже для сложных сцен. Приемлем ли этот компромисс – вопрос производительности, а не стоимости, и у него своя статья задержка и точность на каждом уровне. Экономика просто говорит: когда края достаточно, он почти всегда дешевле.

Перелом четвёртый: облачное хранение против локального диска – около пяти недель

Этот мы уже встретили, и он заслуживает своей строки, потому что ретенция тихо доминирует над долгосрочной стоимостью. Облачное хранение по ~$15 на камеру в месяц обгоняет ~$19 стоимости локального диска примерно за 1,3 месяца, а за пять лет стоит около $900 против $19. Чем дольше ваша политика ретенции, тем решительнее локальное или гибридное хранение выигрывает для постоянно записываемого видео – именно поэтому ведущие «облачные» вендоры наблюдения пишут локально и выгружают выборочно, а не стримят каждый кадр наверх.

Множители: как разрешение и ретенция масштабируют счёт

Сетка в Таблице 1 оценивает одну камеру при одном разрешении и одном сроке хранения. Пять множителей масштабируют её, и каждый давит на свой рычаг – знать, какой именно, и значит урезать счёт, не теряя аналитику.

Нажмите, чтобы увеличить

Разрешение и битрейт давят на все три рычага сразу. Переход с 2 на 4, затем на 8 мегапикселей примерно удваивает битрейт на каждом шаге, что примерно удваивает хранение и аплинк и повышает вычисления, потому что обрабатывать нужно больше пикселей. H.265 смягчает половину про хранение и трафик; половину про вычисления не смягчает ничто, кроме анализа меньшего числа пикселей.

FPS инференса давит только на вычисления, и это рычаг, который команды забывают чаще всего. Можно писать на 25–30 кадрах в секунду для гладкого воспроизведения, а ИИ-модель запускать лишь на 5–10 кадрах – большинство объектов не уходят далеко за пятую долю секунды. Развязка частоты инференса и частоты записи режет рычаг вычислений в три–шесть раз без потери записанного видео.

Дни ретенции давят только на хранение. Удвоение ретенции удваивает строку хранения и не трогает больше ничего – поэтому ретенция относится к разговору о хранении, а не о вычислениях. Максимум часто ограничен законом о приватности, а не только бюджетом; см. математику ретенции.

Доля анализа – сколько дня вы реально анализируете – давит на вычисления и, жёстко, на поминутный счётчик. Анализ только при движении, а не постоянно, режет проанализированные минуты на 80–95%, и именно это перебрасывает нагрузку через 8-минутный перелом обратно в зону поминутного API. Выбор режимов записи за этим живёт в стратегиях записи.

Число моделей давит на вычисления линейно. Запуск детекции, чтения автономеров и сопоставления лиц вместе – это примерно три аналитики вычислений на одном потоке. Каждая добавленная модель – ещё одна полная доля рычага вычислений, повод запускать только ту аналитику, что объекту реально нужна.

Частая ошибка

Самый дорогой паттерн, что мы видим, – оценивать систему по одному рычагу вычислений и обнаруживать два других на масштабе. Команда тестирует модель, видит аккуратную цифру вычислений на камеру и утверждает её – а потом облачная строка хранения складывается месяц за месяцем, счётчик egress берёт плату с каждого оператора, смотрящего клип, и реальная стоимость приходит в два-три раза выше оценки. Лечение – оценивать все три рычага вместе, при реальном сроке ретенции и реальных привычках просмотра, до выбора уровня. Его близнец – неверная модель оплаты под долю анализа: подключить поминутный API к постоянному видео, потому что демо стоило доллар, а затем встретить счёт на 43 200 минут. Подбирайте счётчик под нагрузку: владейте или арендуйте GPU для постоянного анализа, зовите поминутный API лишь для редкого клипа, и фильтруйте на краю, чтобы дорогие уровни видели только важные минуты.

Где здесь Фора Софт

Фора Софт строит ПО для видео в реальном времени, стриминга и компьютерного зрения с 2005 года, на 250+ выпущенных проектах, и трёхрычажная модель стоимости – первое, что мы прорабатываем с клиентом, до строчки кода, на таблице. К нам приходят, когда развёртывание, выглядевшее доступным по цифре вычислений, превратилось в пятизначный месячный счёт за хранение и egress, или когда нельзя понять – арендовать GPU или купить, или когда поминутный proof-of-concept нужно переархитектурить, прежде чем он встретит парк. Мы оцениваем каждый рычаг против того, как система реально ведёт себя под нагрузкой – реальное число камер, реальная ретенция, реальная доля просмотра, реальная доля анализа, – и ведём с реалистичной точностью и полнотой, что модель даёт в вашей сцене, а не идеальной оценкой из демо. Нагрузка на уровне, который считает её мягко, с каждым множителем под задачу, регулярно стоит долю той же системы, спроектированной по одной цифре вычислений.

Ключевые выводы

• Три рычага задают любой счёт аналитики: трафик передаёт видео, вычисления анализируют, хранение держит.
• Где идёт анализ – двигает итог от ~$3 до ~$4350 на камеру в месяц.
• Вычисления скачут сильнее всего; поминутный API ~180× аренды GPU для постоянной работы.
• Поминутный API выгоднее своего GPU лишь ниже ~8 минут анализа на камеру в день.
• Покупка GPU выгоднее аренды, как только работать дольше ~15 месяцев.
• Ретенция давит только на хранение; FPS инференса и доля анализа дёшево режут вычисления.

Что почитать дальше

• Аналитика на краю против облака: решение, определяющее систему
• Облачная видеоаналитика: когда выгружать видео и сколько это стоит
• Гибридный паттерн обработки: делим работу между краем и облаком