Виктор Урусов, Скала^р: В 2026 году на рынке ИИ-инфраструктуры начнется активный рост

Виктор Урусов: Пока большинство заказчиков — на стадии экспериментов. Конечно, есть гиганты вроде Сбера и Яндекса, которые решают амбициозные задачи и нуждаются в серьезных вычислительных мощностях. Но в целом по стране большинство компаний лишь сейчас начинает осознавать, что искусственный интеллект — это не только распознавание лиц и номеров авто или простые чат-боты, которые не дают клиенту банка поговорить с живым человеком, но и решение промышленных задач, за которыми стоят реальные бизнес-эффекты. Мы в Группе Rubytech видим этот тренд очень явно.

Виктор Урусов: Например, в нашей практике был проект по автоматической обработке входящих обращений в рамках модернизации ИТ-инфраструктуры. Раньше этим занимались 80 человек, теперь — два оператора и ИИ. Всего за три месяца специалисты Группы внедрили систему, которая классифицирует запросы, раскладывает их по темам и готовит первичную аналитику для экспертов. Кейс получился тиражируемым, аналогичные проекты идут еще в двух государственных структурах.

Еще более интересный проект — в нефтехимии: предприятие, где производство непрерывное и завязано на моделировании сложных химических процессов, внедрило ИИ для оптимизации уже существующих моделей. На уровне алгоритмов это дает до 2% прироста эффективности. Кажется, немного, но в деньгах это десятки миллиардов в год. Сейчас компания занимается оптимизацией цепочек поставок с помощью ИИ, что даст дополнительную экономию.

Виктор Урусов: Ключевой момент — необходимость дообучения моделей на собственных данных. А их в облако не выгрузишь, нужна локальная инфраструктура. И речь идет не о добавлении пары дополнительных GPU в стойку, которых хватало при использовании готовой модели и только исполнении ее на собственных мощностях.

Для дообучения ИИ требуется принципиально другая архитектура, другие подходы к вычислениям, к хранению — с учетом вводных: не только к вычислению и хранению, но и высокая важность уделяется объединению по сети этих ресурсов. Отлично подходят DGX от NVIDIA — они производительнее обычных GPU раз в 80. Только вот стоят они как крыло самолета. Еще нюанс — в Россию они официально не поставляются, а чтобы избежать блокировки со стороны производителя их нужно еще и отключать от интернета, подменять геолокацию или колдовать с драйверами. Для подавляющего числа российских компаний все это слишком сложно и дорого.

Виктор Урусов: Пока остается. Но окно возможностей закрывается: NVIDIA внедряет аппаратные механизмы контроля. Следующее поколение чипов будет содержать встроенные средства маркировки, которые невозможно обойти.

Виктор Урусов: Думаю, что в 2027 году мы столкнемся с первыми ограничениями, а к 2030-му аппаратная маркировка станет индустриальным стандартом. Без регулярного подтверждения «свой-чужой» ни одно серьезное решение работать уже не будет.

Виктор Урусов: В России растет спрос на промежуточный уровень между «простой» сборкой и DGX. В ответ производители, в одиночку или объединяясь, работают над созданием таких решений из доступных им компонентов. В частности, массово переходят на PCIe 5.0, который обеспечивает минимальные задержки при межузловом взаимодействии — порядка одной микросекунды, экспериментируют с высокоскоростными интерконнектами, стараясь выжать максимум из Ethernet, и внедряют специализированные микрочипы, устанавливаемые рядом с PCIe и совместимые с CUDA-протоколами. Это позволяет запускать существующие модели и обеспечивать поддержку современных фреймворков без зависимости от западных решений.

Виктор Урусов: Что касается процессоров, в ИИ-инфраструктуре четко обозначилось функциональное разделение. 90% вычислительных задач сегодня решается на GPU или тензорных процессорах. CPU в этом контексте играет вспомогательную роль — управляет распределением задач.

Такой сдвиг в парадигме означает, что основная конкуренция развернулась именно в области GPU — и здесь у NVIDIA появляется все больше альтернатив. В частности, наибольшую активность демонстрирует Huawei со своей платформой Atlas. Кроме того, в Китае существует несколько десятков компаний, разрабатывающих аналогичные решения. Мы изучили, как минимум, пять из них — и они уже сегодня предлагают продукты, максимально совместимые с CUDA и готовые к локализации для России.

Виктор Урусов: Универсальные чипы под любые задачи постепенно утрачивают актуальность. Intel строил свою стратегию именно на таких «швейцарских ножах». Но рынок будет все больше смещаться в сторону специализации, будут появляться процессоры, заточенные под конкретные задачи. Впереди — переход к гибридным вычислительным платформам, где различные вычислительные мощности объединяются на уровне железа и логически функционируют как единое целое. То есть нас ждет специализация, а потом — объединение специализаций. Думаю, это вынесет Intel с рынка. Конечно, компанию будут спасать, возможно, ее приобретет та же NVIDIA, но роль технологического лидера ей уже не вернуть.

Виктор Урусов: Наши ключевые технологические партнеры — YADRO, B4TECH, OpenYard. Их платформы валидированы, линейки E2, E4 и E8 обеспечивают необходимую гибкость при построении ИИ-инфраструктуры. Мы можем собирать кластеры различной конфигурации, использовать и NVLink, и PCIe, и InfiniBand. Все сценарии отработаны на практике и показывают стабильную работу в промышленной эксплуатации.

Виктор Урусов: Потому что мы предлагаем не «зоопарк решений» из железа и софта, а преднастроенные программно-аппаратные комплексы (ПАК), которые работают как единая система. Наша сила — в оптимизации на стыках технологий. ИИ-инфраструктура состоит из нескольких компонентов: вычислительные узлы, межузловые коммуникации, операционные системы, системное ПО, средства управления доступом. У каждого из этих компонентов — своя логика, своя дорожная карта развития, свои особенности. Когда заказчик или вендор оборудования пытается собрать все это самостоятельно, результат редко получается качественным и стабильным — разве что у очень крупных организаций, способных держать в штате команды по каждому слою. Таких в стране единицы.

Мы же стоим на пересечении всех этих слоев — и именно на этих пересечениях рождается синергетический эффект. Мы синхронизируем работу компонентов, заранее учитываем несовместимости и зависимости, оптимизируем взаимодействие не внутри одного блока, а между ними. Такая точечная настройка ПАК дает серьезный прирост производительности и надежности работы. Кроме того, мы разрабатываем собственные акселераторы — как аппаратные, так и программные — которые дают дополнительный эффект. В результате заказчик получает систему, где за счет оптимизации «1+1=2.5».

При этом мы сознательно работаем в парадигме открытой архитектуры — клиенты не попадают в vendor lock и могут развивать ПАК самостоятельно. Да, без наших дополнительных настроек он не получит еще «+0.5» к эффективности, но система продолжит работать стабильно и прозрачно.

ИТ-гиганты, например Сбер, идут по пути замкнутой экосистемы. Все делают сами — от модели до аппаратной платформы, предлагают клиентам собственный магазин приложений и так далее. Мы же — за открытую кооперацию и создание адаптивных программно-аппаратных комплексов. В части моделей, например, работаем с МТС и с Just Ai. Это гибкие команды, готовые подстраиваться под клиента. Они не тянут за собой весь стек, как крупные корпорации, интеграция проходит гораздо проще, а клиенту оставляет больший выбор.

Виктор Урусов: Ключевая. ИИ нельзя просто «накормить» сырыми данными — для начала нужно выстроить нормальную систему хранения. И речь не об аппаратной СХД, а именно о логической, архитектурной части: как данные структурированы, где они хранятся, как к ним обращаться. Многие организации до сих пор этот этап не прошли — у них данные хранятся разрозненно, под каждый тип обработки своя инфраструктура.

Сегодня актуален подход LakeHouse — это новое поколение хранилищ, в которых объединены данные для транзакционной, аналитической и ИИ-обработки. Поверх такого хранилища можно подключать любые обработчики, и ИИ здесь становится не отдельной системой, а просто еще одним способом работы с информацией.

Сейчас основные инвестиции в ИИ-проектах идут не в сами модели, а в инфраструктуру данных. Потому что без этого все остальное неэффективно. Как говорится, «в эпоху золотой лихорадки самое выгодное — продавать лопаты». Хранилища — это те самые лопаты, без которых копать в сторону ИИ бесполезно.

Виктор Урусов: Проблема, действительно, существует. Заказчики часто приходят с идеей «давайте обучим себе ИИ», но при этом не готовы к проекту ни инфраструктурно, ни с точки зрения качества данных, по внедрению в бизнес-процессы. В результате проекты либо буксуют, либо не дают ожидаемого эффекта. Поэтому мы формализовали подход поэтапного внедрения ИИ (SAiD – Staged AI Deployment), который используем сами — от первого запроса до продуктивного внедрения.

Концепция основных этапов жизненного цикла внедрения ИИ включает несколько последовательных этапов: сначала анализируется бизнес-задача, затем — источники и структура данных, после этого определяется архитектура хранения и обработки, подбираются модели, настраивается инфраструктура и только потом начинается обучение и тестирование. Завершается все оценкой эффективности и возможностью масштабирования. Такой подход позволяет выстроить реалистичный план, понять, что можно автоматизировать, а что — нет, где узкие места, какие ресурсы потребуются и когда. Мы уже применяем эту модель в проектах, и она серьезно упрощает принятие решений.

Виктор Урусов: Мировые коммуникации никто не отменял. Проходят международные конференции, воркшопы, митапы. Наши ребята продолжают в них участвовать. Конечно, далеко не все публикуется открыто — особенно если речь идет о завершенных решениях. Но среди инженеров сохраняется культура обмена опытом. И на этой неформальной основе рождается переопыление: мы многое подмечаем, делаем выводы и адаптируем под наши задачи.

Виктор Урусов: Переход уже начался. Если не в этом году, то в следующем точно начнется активный рост. Появились прикладные кейсы, подтвержден экономический эффект. Дальше сработает сарафанное радио. Главное — понимать: успешное внедрение ИИ возможно только на подготовленную почву ИВНС. Без этого технология не даст ожидаемого результата.