На «Форуме цифровой трансформации», который был организован РСПП в рамках «Недели российского бизнеса», эксперты обсудили ключевые аспекты облачной и вычислительной инфраструктуры: обеспечение суверенного доступа к GPU-мощностям и комплектующим для ЦОДов, стимулирование строительства ЦОДов в регионах, в том числе для обеспечения отказоустойчивости и развития региональных экономик; регулирование цен на комплектующие, особенно отечественную компонентную базу, и перспективы развития и вызовы, стоящие перед отечественными решениями в области ЦОДов и ИИ.
Инфраструктура рулит
Президент ПАО «Ростелеком», новый председатель Комитета РСПП по цифровой экономике Михаил Осеевский выступил модератором и при этом активным участником мероприятия. Он предложил участникам дискуссии сосредоточиться на фундаментальном вопросе развития искусственного интеллекта: создании необходимой инфраструктуры. Тема ИИ звучит повсеместно, каждый из нас ежедневно взаимодействует с ним через запросы и промты. За шумом хайпа уже накоплен практический опыт и есть первые результаты. Однако необходима дискуссия по стратегической проблеме, не имеющей простых решений, – формированию инфраструктурного фундамента на среднесрочную и долгосрочную перспективу.
Глобальный ажиотаж вокруг ИИ спровоцировал гиперрост рынка чипов оперативной памяти. Историческим вызовом для России остаётся доступность графических процессоров (GPU), каналы их поставок ограничены. Спрос на них колоссален: капитализация NVIDIA измеряется триллионами долларов, и компания, безусловно, будет реагировать на рыночные запросы, но прямой доступ к этим ресурсам для России затруднён. Ключевой общемировой проблемой становится создание специализированных ЦОДов для задач ИИ. Речь идёт о запросе на десятки гигаватт электроэнергии. Появляются даже ультра-фантастические проекты размещения дата-центров в космосе. Эти цифры могут поражать воображение и быть завышенными, но тренд очевиден: для развития ИИ требуются гигантские энергетические мощности.
Другая особенность этой формирующейся инфраструктуры – её жёсткая привязка к местам генерации и обработки информации, то есть к мегаполисам. Сегодня большинство ЦОДов, неспециализированных под ИИ, сконцентрированы вокруг крупных агломераций, и эта тенденция в будущем только усилится. Таким образом, для России остро встаёт двойная задача: обеспечить как энергетические мощности, так и их разумное территориальное распределение.
Обработка данных – исключительно энергоёмкий процесс. Для примера: ЦОДы «Ростелекома» уже сегодня потребляют порядка 250–270 МВт. Отдельные объекты имеют установленную мощность 40–50 МВт. Глядя в будущее, особенно на решения, завязанные на вычислительные кластеры с видеокартами, в Ростелекоме понимают, что в ближайшие годы потребуется мощность сопоставимая, а возможно, и превосходящая нынешнюю. Говоря о будущем реализации ИИ-проектов, Михаил Осеевский выделил четыре критических инфраструктурных аспекта, от которых зависит масштаб и эффект развития ИИ в России, помимо самих прикладных решений:
- Энергетика – уже сегодня в мегаполисах ощущается дефицит соответствующих мощностей. Свободные ресурсы в радиусе 50–100 км будут заняты в ближайшее время. Это запускает масштабную дискуссию о модели строительства новых генерирующих и сетевых мощностей. Всем сторонам – и IT-индустрии, и энергетикам – придётся искать компромисс, балансируя между экономической целесообразностью, временными рамками и территориальным расположением.
- Оборудование – прежде всего, серверное и вычислительное (GPU). В мире формируется гигантский дефицит не только графических процессоров, но и специализированных чипов памяти. «Ядро» является лидером на российском рынке и ключевым партнёром для «Ростелекома», Сбербанка и других крупных IT-компаний в этом сегменте.
- Строительство ЦОДов – постоянно эволюционирующая область. Конструкция дата-центра меняется: стойка как юнит становится мощнее, требуются новые решения для охлаждения, более серьёзное внутреннее энергооборудование и токопроводы. Технологии не стоят на месте, и важно отслеживать лучшие мировые практики.
- Модель развёртывания – важная развилка. Крупные промышленные компании, как, например, «Апатит», строящий собственный ЦОД, демонстрируют важный тренд. Их долгосрочная стратегия включает импортозамещение и внедрение ИИ в производственные процессы. Михаил Осеевский считает, что крупный бизнес будет двигаться по пути создания собственных (on-premise) решений. Причины две: необходимость узкой специализации под свои задачи с использованием собственных данных для обучения моделей и повышенная чувствительность корпоративной информации. Большинство компаний не готовы передавать её в публичные глобальные модели.
Таким образом, вероятно разделение: малый и средний бизнес будет активно пользоваться публичными облачными решениями крупных игроков (таких как Сбербанк, Яндекс, Ростелеком), а крупные корпорации станут создавать собственные, специализированные ИИ-платформы. Это не закрывает пространство для сотрудничества, ведь потребность в новых моделях и инфраструктуре будет постоянной, но определяющий вектор, на взгляд докладчика, будет именно таким.
Бумаги и овраги
Первый заместитель генерального директора негосударственного института развития «Иннопрактика» Наталья Попова согласна, что ажиотаж вокруг искусственного интеллекта нарастает серьёзными темпами. Практически каждая компания, особенно среднего и крупного сегмента, бодро отчитывается о внедрении ИИ-решений в повседневную практику. Однако, если копнуть глубже, окажется, что лишь одна из семнадцати компаний реально внедряет такие решения и делает это эффективно, получая ощутимую экономическую отдачу. Остальные же стремятся не упустить тренд, стараются встроиться в проекты техлидеров, но зачастую движутся не в том направлении и не теми темпами. Это первая проблема. Вторая, также явно прослеживающаяся в отчетности, касается генеративного ИИ и больших языковых моделей (LLM).
К сожалению, Россия не находится на первых позициях в соответствующих рейтингах. В инфраструктурной части сохраняются вызовы: от запроса на отечественные процессоры до вопросов дороговизны и подключения центров обработки данных. Даже те решения, которые уже поддержаны в рамках конкретных компаний, зачастую существуют разрозненно. Мы часто наблюдаем ситуацию «зоопарка решений», где происходит дублирование функций, отсутствует синхронизация и взаимная интеграция. Это весьма печально, так как приводит к колоссальным затратам на разработку, которая не становится эффективным внедрением. Узость российского рынка не позволяет таким раздробленным решениям быть коммерчески успешными, если каждая компания разрабатывает своё.
Очевиден запрос на консолидацию усилий. Роль «Иннопрактики» – быть интегратором. Например, действует механизм инжинирингового центра, а также координационный совет совместно с «Ростелекомом», «Норникелем» и другими корпорациями, где мы анализируем технологические потребности каждого участника. В компании оценивают существующий стек российских технологий и определяют направления для доработки. Для этого существует программа доращивания – выделение грантового финансирования под гарантированный спрос крупных заказчиков. Именно такой подход докладчик призывает задействовать и в сфере искусственного интеллекта. Это, по сути, единственный путь для создания экономически целесообразных решений, которые могут быть тиражированы на разные корпорации. Уже есть ряд успешно внедрённых таким образом проектов, которые через координационные советы встраиваются в единые программы технологического лидерства.
Таким образом, можно выделить три основных столпа, позволяющих не терять, а укреплять лидерские позиции. Во-первых, это специализация искусственного интеллекта. Вместо распыления сил на разработку общих LLM, фокус на создание решений под конкретные бизнес-задачи делает их более экономически целесообразными, дешёвыми и применимыми здесь и сейчас. Подтверждением служит практика Ассоциации «Национальные Чемпионы», объединяющей ведущие средние и средне-крупные high-tech компании, отобранные по строгим критериям. Проведённый анализ показывает, что у этих компаний, работающих в различных областях – от новых материалов и фармацевтики до IT, – дела с ИИ обстоят весьма успешно именно благодаря узкой специализации. Во-вторых, это жёсткая привязка разработок к технологическому суверенитету и отечественному технологическому стеку через упомянутый механизм доращивания и кооперации. В-третьих, кадровая подпитка. Крайне важно системное выращивание специалистов. Открытие Института и факультета искусственного интеллекта в МГУ – важные шаги. Необходимы кадры, способные адаптироваться, работать с различными формами ИИ, большими языковыми моделями и создавать промт-алгоритмы. Корпоративные программы подготовки, подобные существующим в Сбербанке и других крупных компаниях, также критически важны. Именно это позволит сохранить и нарастить лидерские позиции в долгосрочной перспективе.
Примеры:
- IVA Technologies разрабатывает тензорные процессоры и вычислительные юниты на их базе, а также работает над решениями для больших языковых моделей. Их продукт «Iva Terra» в реальном времени анализирует и протоколирует устную речь во время видеоконференций, создаёт многоязычные субтитры и формирует краткий конспект обсуждения.
- NVI Solutions анализирует данные с видеокамер и датчиков на месторождениях, выявляя нарушения правил промышленной безопасности (неправильно надетая каска, отсутствие страховки, несанкционированное перемещение) с последующим автоматическим оповещением.
- «Геоскан», известный своими беспилотными системами, создал программный комплекс «Бор» с ИИ для таксации лесов по аэрофотоснимкам. Он определяет сухостой, границы крон, породный состав, полностью переводя экономическую оценку лесных угодий в дистанционный формат.
Энергия для ЦОДа, ЦОД для энергетиков
Председатель Комиссии по электроэнергетике РСПП, Генеральный директор ООО «Русэнергосбыт» Михаил Андронов видит будущее в активном использовании искусственного интеллекта. Это убеждение подкрепляет опыт работы со свыше 100 000 потребителей. Только с помощью ИИ возможно с высочайшей точностью прогнозировать почасовое энергопотребление на следующие сутки – задача, непосильная для традиционных методов. Исторически каждая техническая революция замещала предыдущую: электричество пришло на смену гужевой тяге и паровым машинам. Впервые наблюдается революция, которая не упраздняет энергетику, а становится её мощнейшим союзником. Речь об искусственном интеллекте и цифровизации.
Докладчик привёл данные о том, что текущая загрузка тепловых мощностей в России составляет менее 50%, хотя существует устойчивый спрос со стороны платёжеспособных потребителей с предсказуемым и растущим графиком нагрузки. Однако удовлетворять запросы в условиях санкционного давления и общего роста энергопотребления в стране – задача комплексная. Государственный план СССР, по которому построено около 70% энергосистемы страны, не учитывал появления искусственного интеллекта. Крупнейшие IT-корпорации мира планируют строительство атомных станций для обеспечения своих нужд. Это верное, но долгосрочное решение, так как срок строительства АЭС составляет около 10 лет. При этом важно отметить, что 90% атомных энергоблоков в мире строит Росатом – единственный подрядчик глобального масштаба, стабильно соблюдающий обязательства по срокам и смете. Это уникальное конкурентное преимущество страны. Строительство тепловых станций требует меньше времени – порядка 5 лет. Но в любом случае создание генерации для ИИ требует долго срочного планирования, детальных согласований и принятия взаимных обязательств, ведь строительство генерирующих объектов – капиталоёмкий и ответственный процесс.
В радиусе 100 км от крупных центров спрос на мощности будет полностью удовлетворён в ближайшие год-два. Это позитивная динамика. Параллельно имеются значительные ресурсы в регионах, идеально подходящих для размещения дата-центров, не требующих минимальных задержек, – например, для хранения архивных данных. За Уралом сегодня доступны десятки гигаватт свободной генерирующей и сетевой мощности. Эти площади ждут своих инвесторов. Таким образом, необходим двойной подход. Во-первых, требуется плановое наращивание мощностей вокруг мегаполисов, согласованное с Минцифры, Минэнерго и бизнес-сообществом. Во-вторых, следует активно осваивать уже существующие энергоизбыточные регионы для определённых классов задач.
YADRO процесса
Александр Бакулин, коммерческий директор холдинга YADRO, производителя серверного и другого оборудования, заверил, что компания успешно преодолевает текущие вызовы, связанные с поставками компонентов. Ситуация сложная, но процесс преодоления сложностей стал частью текущей операционной деятельности, и компания выполняет обязательства по срокам.
Что же касается перспектив, то сегодня индустрия в точке архитектурного перелома. За последние два года искусственный интеллект перестал быть просто надстройкой над ИТ-инфраструктурой. Фактически он меняет фундаментальные принципы проектирования вычислительных систем. На рынке формируется новая инфраструктурная ниша, новый экономический пласт, сопоставимый по масштабам с энергетикой и телекоммуникациями.
Ключевые заказчики завершили экспериментальную фазу и переходят к промышленной эксплуатации ИИ, встраивая решения на основе машинного обучения и больших языковых моделей в свои бизнес-процессы и продуктовые дорожные карты. Спрос существенный. Если оценивать итоги 2025 года, то, по данным компании только на оптимизированные для искусственного интеллекта серверы в стране направлено не менее 60 миллиардов рублей. И это лишь серверное оборудование, без учёта сопутствующей высоконагруженной сетевой инфраструктуры, систем электропитания и охлаждения. Рынок колоссален, но он находится в начальной стадии формирования: несколько лет назад такой отдельной ниши не существовало вовсе. Она зародилась здесь и сейчас и будет расти.
Несмотря на предстоящий рост, критически важно осознавать динамику технологического развития. Устаревшие архитектуры не отвечают новым требованиям и задачам. В мире происходит массовая смена парадигм: появляются суперчипы, чиплетные сборки, специализированные акселераторы для машинного обучения. Возникают новые архитектуры, такие как CXL 4.0, устраняющие узкие места в работе с оперативной памятью. На подходе – новые стандарты связи, программируемое управление данными в сетях. Эти принципиально новые технологии требуют системной исследовательской и конструкторской работы и значительных инвестиций.
Двигаться в этом направлении в одиночку крайне сложно. Достичь цели возможно только через кооперацию. Если говорить о практических результатах, то в прошлом году YADRO выпустило на рынок HN-сервер для искусственного интеллекта и высоконагруженных систем. Мы фиксируем устойчивый спрос со стороны реального сектора экономики. Однако вместе с ростом приходиться сталкиваться с системными ограничениями. Первое и очевидное – дефицит компонентной базы. Глобальный мировой спрос на ускорители и память привел к высокой волатильности цепочек поставок и снижению предсказуемости планирования.
Второй, менее озвучиваемый, но огромный вызов – энергетическое ограничение. Без синхронизации планов развития вычислительной инфраструктуры и энергогенерации отрасль столкнется с физическими лимитами по мощности, что сделает невозможным масштабирование центров обработки данных и внедрение искусственного интеллекта в масштабах страны.
Третий и, пожалуй, наиболее значительный вопрос – инфраструктурная дефрагментация. Локальные или изолированные попытки построить полные технологические стеки ведут к дублированию инвестиций, несовместимости решений и потере эффекта масштаба на национальном уровне. Конкуренция на узком внутреннем рынке замедляет темпы разработки. Сами технологии крайне капиталоёмкие и сложные, поэтому модель изолированного развития становится экономически неустойчивой. Вряд ли рынок в её рамках сможет сохраниться и вырасти.
В этом контексте ключевой тезис докладчика таков: на глобальном рынке побеждает не отдельная технологичная компания, а наиболее скоординированная экосистема. Следовательно, нашей стране необходимы технологические альянсы, которые объединят производителей оборудования, разработчиков программных решений, операторов центров обработки данных и крупнейших заказчиков. Это позволит консолидировать долгосрочный спрос, синхронизировать стратегии развития вычислительных и энергетических инфраструктур, минимизировать дублирование разработок и сконцентрировать усилия на создании решений, конкурентоспособных на мировом уровне. Только такой путь позволит набрать необходимую скорость и строить решения, отвечающие высшим международным стандартам.
Банк с деньгами и данными
Старший управляющий директор, руководитель Департамента инфраструктурных решений ПАО «Сбербанк» Карен Карапетян полагает, что для нашей страны является принципиальным вопрос: необходимы ли России собственные, разработанные с нуля базовые большие языковые модели? Подобных моделей отечественной разработки практически не осталось. Изначально этим направлением занимались две компании, одна из которых – Сбер. На текущий момент только Сбер ведёт полноценную разработку базовой модели с нуля. Ключевой вопрос: сможет ли российский разработчик базовых моделей сохранить позиции в топ-10 или топ-20 мирового рейтинга? Это вопрос стратегической важности.
Независимая модель необходима компаниям, бизнесу и стране в целом, поскольку нельзя доверять моделям, которые были разработаны за рубежом и лишь впоследствии дообучены на локальных данных. Их можно адаптировать, однако мы не можем знать, какие именно логики, этические принципы и элементы безопасности были заложены в них на этапе валидации, выравнивания и тонкой настройки. Если подобные модели будут управлять критической инфраструктурой, процессами принятия решений и иными стратегическими сферами, то это перестаёт быть вопросом бизнеса или даже технологического суверенитета. Это становится вопросом фундаментальной безопасности государства.
Инфраструктуры искусственного интеллекта и сопутствующего бизнеса тоже крайне важная тема. Объём требуемых инвестиций, в частности в энергетику и, прежде всего, в вычислительную инфраструктуру, – гигантский. Такие инвестиции не могут оставаться оправданными без ответного сигнала от бизнеса: соответствующих финансовых результатов, доходов и возможности реинвестировать в развитие ИИ для его внедрения в новые направления. Сбер уже озвучивал доходы от использования ИИ по итогам 2025 года. Цифры подтверждаются, они существенны, и это лишь в банковском бизнесе. В банке не намерены ограничиваться только банковским сектором и не хотят, чтобы разработанные модели использовались исключительно внутри Сбера. Поэтому разработки уже активно применяются в других компаниях, внедряются в различные бизнес-процессы. Далее встают вопросы инфраструктуры, доступности технологий в условиях санкций.
Докладчик коснулся и вопросов энергетики и размещения. Существует мнение, что при аренде мощностей ЦОДов заказчики предпочитают Москву, Санкт-Петербург и другие мегаполисы в силу близости к персоналу, данным и командам. Однако Сбер и коллеги из других компаний-разработчиков ИИ, этот тренд переломили, считает докладчик, и сегодня суперкомпьютеры успешно работают на удалении 600 и более километров от Москвы. Технологически это решено.
Ключевым вопросом, вторым по значимости после доступности вычислительной техники, является энергетика. Помимо мирового опыта строительства гигантских ЦОДов мощностью в десятки гигаватт, здесь вступает в силу национальная специфика – это избыток сырья и генерирующей мощности. В стране существует профицит генерации. Необходимо, преодолевая последствия санкций, превратить этот избыток сырья и энергии в стратегическое преимущество для развития искусственного интеллекта и совершить в этой области перелом.
Государственные и коммерческие структуры во исполнение поручений Президента активно работают над созданием инфраструктуры для развития дата-центров. Обсуждаемая идея близка к реализованной в Китае программе «Восточные данные – западные вычисления» (Eastern Data, Western Computing). Концентрация энергоресурсов и вычислительных мощностей часто бывает географически разнесена. Задача – целенаправленно совместить потребности с имеющимися ресурсами.
Решение докладчик видит в создании особых энергетических зон при поддержке государства, главным образом через упрощение процедур технологического присоединения и установление тарифов, соответствующих реальным низким затратам на генерацию. Строительство ЦОДов в таких регионах должно быть максимально упрощено с точки зрения подключения к энергосетям. Это направление способно совершить перелом как в области ЦОДостроения, так и в развитии ИИ в целом. Ресурсы, которые потребуются в ближайшие пять лет, если страна выдержит эту гонку, а наша модель останется конкурентоспособной, будут расти кратно.
Более половины текущих потребностей инфраструктуры ИИ приходится на обучение моделей – процесс их создания. Процесс применения обученных моделей, инференс, – это также растущий объём, что означает реальное внедрение моделей в бизнес, наличие инвестиций и жизнеспособность направления. Если сегодня это не приносит соразмерной выручки, то она должна появиться в будущем, иначе направление окажется несостоятельным.
Докладчик считает неприемлемым сценарий, при котором искусственный интеллект в России не развивается. Возможен путь развития более эффективных технологических подходов, снижения стоимости и повышения энергоэффективности. Над этим необходимо работать. При условии же грамотного структурирования процессов государственной поддержки – речь не о прямой финансовой помощи, а об упрощении процедур, – компании, готовые инвестировать в ИИ, смогут делать это с максимальной эффективностью, получая всю необходимую инфраструктуру максимально простым и доступным способом.
«Апатит» проявил аппетит
Генеральный директор АО «Апатит» (входит в череповецкий химический кластер Группы «ФосАгро») Денис Новиков, ранее работавший и руководителем по информационным технологиям и поэтому овладевший темой с особенной глубиной, рассказал о работе по внедрению ИИ в практику деятельности крупной добывающей компании. Фактически компания последовательно идёт по пути создания собственной инфраструктуры искусственного интеллекта и разработки собственных решений. Это обусловлено критически важными требованиями к сохранности данных, защите коммерческой информации и необходимостью работы с внутренними корпоративными данными. Крупные языковые модели, применяемые для решения задач в области видеоаналитики и машинного обучения, должны быть способны дообучаться на наших собственных данных. Именно это направление и является приоритетным.
Докладчик поддержал тезис о необходимости формирования стратегических партнёрств для развития искусственного интеллекта. В сфере развития инфраструктуры «Апатит» сотрудничает с ПАО «Ростелеком», для развития направлений ИИ заключено стратегическое соглашение со «Сбербанком». Важно поддерживать развитие суверенной большой языковой модели. В соответствии с этим в корпоративном контуре развёрнут «GigaChat Max», и все разрабатываемые и тестируемые генеративные решения проходят проверку на совместимость с моделями «Сбера».
Стратегически в области искусственного интеллекта компания ставит перед собой цель сделать базовые технологии ИИ доступными для всех сотрудников. Это подразумевает, что каждый из них будет обладать знаниями и навыками применения искусственного интеллекта в своей работе, а также получит инфраструктурный и технический доступ к соответствующим решениям. Наиболее массовым сервисом на текущий момент является корпоративный GPT. Его интерфейс и механизмы инференса реализованы на основе open-source решений. Что касается больших языковых моделей, в контуре развёрнуты модели «Сбера», различные open-source модели, а также зарубежные решения. Пользователи имеют возможность выбирать наиболее подходящую модель для конкретной задачи.
Компания лидирует в импортозамещении по ИЦК «Химия и фармацевтика», интеграции разрабатываемых решений на основе искусственного интеллекта непосредственно в импортозамещённое ПО. Ярким примером служит производственная MES-система на площадке в Череповце: в феврале 2025 года осуществили замену ряда зарубежных систем на ZIIoT (Zyfra IIoT Platform). В дальнейшем взяли курс на интеграцию всех решений по производственной тематике, включая ассистентов, помощников и агентов, именно в эту систему. Данное решение было представлено Президенту России Владимиру Путину, неоднократно побеждало и получало награды на различных профессиональных конкурсах.
В области процессной роботизации используется отечественная платформа – Pix Robotix. На сегодняшний день в эксплуатации находится более 200 процессных роботов, которые эффективно оптимизируют работу структурных подразделений. Совместно с разработчиком интегрировали генеративные возможности в это решение, что существенно расширило функционал роботизации и позволило увеличить их количество.
Более свежий пример – с начала 2026 года запустили в опытно-промышленную эксплуатацию первые модули отечественной системы «Global ERP», которая заменяет Oracle. Уже на этапах проектирования, разработки и адаптации в неё заложили возможность использования генеративного искусственного интеллекта. Таким образом, системно решается задача внедрения решений ИИ во все бизнес-процессы компании: производственные, сервисные и общекорпоративные. Это обеспечивает доступность и возможность их практического применения каждым сотрудником.
Что касается инфраструктуры, то всё программное обеспечение и все данные хранятся в собственной инфраструктуре, к безопасности которой в компании относятся крайне щепетильно. Функционируют два центра обработки данных: в Кировске и в Череповце. В настоящее время совместно с «Ростелекомом» реализуется проект строительства третьего ЦОД в Волхове. Отличительная особенность этих центров – расположение на производственных площадках, где имеется собственная электрогенерация, что полностью снимает вопрос обеспечения энергоресурсами. Также в компании активно наращивают пропускную способность каналов связи, понимая, что одной из ключевых причин низкой востребованности ЦОДов за Уралом являются задержки при передаче данных.
Таким образом, в распоряжении компании имеется собственная GPU-инфраструктура, которая позволяет эффективно работать с большими языковыми моделями и решениями для видеоаналитики. При этом предприятие не участвует в «гонке вооружений» по наращиванию GPU-кластеров, предпочитая рациональный подход. Эта рациональность достигается за счёт использования уже существующих моделей, таких как модель «Сбера», других отечественных разработок, open-source и зарубежных решений, развёрнутых в нашем контуре. Не ставится и задача создания собственной модели с нуля или её полного переобучения, так как это крайне ресурсоёмкая и инфраструктурно сложная задача. Вместо этого компания фокусируется на дообучении моделей на внутренних данных. Кроме того, внедряются новые классы оборудования, такие как Edge-вычислители. Они позволяют обрабатывать данные непосредственно в месте их возникновения – в подземных рудниках, на фабриках или в цехах, используя, например, специализированные промышленные ноутбуки, что исключает необходимость передачи больших объёмов информации в ЦОДы. Данный подход позволяет более рационально и эффективно использовать вычислительные ресурсы, включая GPU.
Старший Вице-Президент по коммерческим ИТ продуктам ПАО «Ростелеком», Генеральный директор ООО «БАЗИС» Давид Мартиросов сходным образом видит проблематику ИИ. Ростелеком является крупнейшим оператором на рынке центров обработки данных. Сегодня наблюдается катастрофическая нехватка мощностей для искусственного интеллекта. Причин этому несколько. Первая – дефицит площадей ЦОД. В прошлом году в России было введено лишь 5 тыс. стоек. Для сравнения: в 2024 году этот показатель составил 14 тыс. стоек. Таким образом, ввод мощностей сократился почти в три раза. Несмотря на оптимистичные прогнозы рынка, предполагающие до 20 тыс. стоек в текущем году, экономическая ситуация и сохраняющаяся высокая стоимость денег будут сдерживать рост.
Критическим ограничением стала энергетика. Подавляющее большинство заказчиков стремится разместить оборудование в Москве, где сосредоточены их команды. Однако московские энергосети практически блокируют выделение дополнительных мощностей для ЦОДов, фактически выдавливая этот бизнес в регионы. Показателен пример недавно запущенных площадок «Ростелекома»: они были полностью распроданы ещё до вывода в промышленную эксплуатацию, что красноречиво свидетельствует об ажиотажном спросе.
Второй серьёзный вызов – технологическая неготовность существующей инфраструктуры. Традиционные ЦОДы, строившиеся годами, не подходят для задач ИИ. Ключевое отличие – в плотности нагрузки. Если стандартная IT-стойка потребляет 7–10 кВт, то стойка для обучения моделей требует от 40 до 100 кВт, что создаёт колоссальную нагрузку для систем охлаждения. Многие заказчики вынуждены размещать такое оборудование в обычных стойках, что крайне неэффективно и резко повышает операционные затраты.
Решение лежит в плоскости строительства новых ЦОДов, специализированно спроектированных под ИИ, что возвращает нас к первой проблеме: такое строительство сложно, дорого, а сроки окупаемости часто превышают 10 лет. Альтернативой являются инновационные технологические решения. Уже для ряда клиентов реализуются системы жидкостного охлаждения, позволяющие поддерживать высоконагруженные стойки, ориентированные на искусственный интеллект.
Третья фундаментальная сложность – стоимость оборудования. SK Hynix Inc., один из крупнейших мировых производителей памяти, недавно заявила, что уже в феврале распродала все объёмы продукции на 2026 год. Это означает, что цены на память не стабилизируются, а продолжат рост. К середине лета они могут увеличиться ещё на 50%. Это серьёзный вызов для бизнеса, намеренного развивать ИИ-направления.
Крупные игроки, такие как Сбербанк, решат эти задачи за счёт строительства собственных кластеров. Но что делать остальным, у кого нет крупного капитального бюджета или кто стремится его оптимизировать? Единственный рациональный путь – обращение к облачным провайдерам. Этот рынок активно растёт, а реальные затраты на использование облачных ресурсов для ИИ существенно ниже. Ряд провайдеров уже предлагает такие услуги, и это ключевой тренд в оптимизации затрат.
Говоря о трендах, невозможно обойти тему искусственного интеллекта и его практической отдачи. ИИ – безусловно, ключевой драйвер экономики с потенциалом в триллионы долларов, что делает его приоритетом для инвестиций. Однако ИИ также возглавляет антирейтинг по соотношению затрат к реальной пользе. Только 5% генеральных директоров заявляют о значимой отдаче от своих инвестиций в ИИ в масштабах компании, а 60% отмечают её минимальность или полное отсутствие. Парадоксально, но 93% из этих руководителей планируют продолжать инвестировать, движимые страхом упустить возможности и отстать от конкурентов.
Встаёт вопрос о стратегии на среднесрочную перспективу. Здесь просматриваются два ключевых тренда. Первый – периферийные вычисления (edge inference). Речь идёт о переносе вычислений с мощных серверов в ЦОДах на конечные устройства. Яркий пример – современные камеры фиксации нарушений, которые самостоятельно анализируют данные и принимают решение, не отправляя тяжёлые файлы в дата-центр. Этот тренд кардинально снижает нагрузку на сеть и централизованную инфраструктуру. С его помощью можно решить не менее 30–40% всех прикладных задач ИИ, и эта тема сегодня сильно недооценена. Второй тренд – переход к компактным специализированным моделям. Появление open-source моделей дало мощный импульс рынку, но для многих прикладных задач не требуется универсальный интеллект. Нужны узкоспециализированные, эффективные и «легковесные» решения. Этот тренд набирает силу в России, и Ростелеком является одним из его лидеров. Он позволяет использовать доступное стандартное оборудование вместо эксклюзивных и дорогих GPU-серверов.
В качестве итога докладчик напомнил, что в текущих условиях выиграет не тот, кто зальёт рынок самым дорогим оборудованием, а тот, кто предложит действительно эффективные, практико-ориентированные решения, требующие минимальных ресурсов. Именно в этом видится основной путь преодоления существующих ограничений.
Их не видно, но они есть
Директор ФГАУ «Цифровые индустриальные технологии» Минпромторга Эдуард Шантаев заверил, что отечественные процессоры для технологий искусственного интеллекта не являются абстракцией – они реально существуют. Их разработкой активно занимаются профильные дизайн-центры, в арсенале присутствуют как нейроморфные, так и тензорные процессоры. При этом основной объём ключевых исследований и практических результатов был достигнут в сложнейший для страны период. В мире ни один разработчик не создаёт подобные решения в одиночку – это всегда результат совместных действий. Но российским специалистам удалось найти партнёров внутри страны, и за её пределами, что позволило уже сегодня решить данную стратегическую задачу.
Перейдя к теме центров обработки данных, докладчик признал, что существует объективный предел по доступной для ЦОДов электроэнергии. ФГАУ ЦИТ на собственном опыте столкнулось с этим при вводе в эксплуатацию собственных суперкомпьютеров: уже в ходе монтажа, пусконаладки и ввода в работу стало очевидно, что энергопотребление возрастёт кратно. Проведённые расчёты и последующая эксплуатация подтвердили, что одна стойка с высокопроизводительными GPU-вычислениями потребляет в среднем 150 кВт. Если умножьте это на масштаб ЦОДов таких компаний, как «Ростелеком», «Яндекс», «Сбербанк», «Тридата», «Крок», – всех этих известных игроков рынка, и добавить к этому энергопотребление многомиллионной Москвы с её бытовыми приборами и инфраструктурой – то термин «много» здесь явно недостаточен. Следовательно, экспансия в соседние регионы с избыточными энергомощностями – это абсолютно правильная и необходимая тенденция.
После определения потенциальных локаций для размещения ЦОДов и решения вопросов энергоснабжения – что является зоной ответственности Минэнерго и субъектов Федерации – встаёт принципиальный вопрос: а что именно должно работать в этих центрах? Зарубежные решения, полученные различными и не всегда прямыми путями? Безусловно, нет. Существует чёткое понимание целевой номенклатуры для ЦОД. Ключевая цель – достичь уровня в 70% освоенного производства этой номенклатуры в Российской Федерации к 2035 году. Уже сейчас можно констатировать, что порядка 50% компонентов, таких как инженерные системы, серверные коммутаторы и коммутаторы доступа, производятся отечественными предприятиями. По остальным позициям доля составляет от 20 до 40%.
При этом ЦОД как аппаратный комплекс не будет функционировать без соответствующего программного обеспечения. Поэтому критически важен альянс не только разработчиков электронной компонентной базы, но и создателей программного обеспечения, искусственных нейронных сетей, систем предиктивной аналитики. Когда будет выстроен единый сквозной диалог на принципах открытых архитектур, мы сможем сформировать гарантированный спрос на производство отечественных ЦОДов и тем самым обеспечить технологическую базу для работы с ИИ. Потребность в таких мощностях уже высока: загрузка собственного ЦОДа Минпромторга, с учётом выходных и нерабочего времени, составляет порядка 40–50% в месяц. Применительно к высокопроизводительным инфраструктурам такой уровень в указанных условиях является значительным достижением, и эта ситуация не единична.
Отдельно докладчик подчеркнул специфику промышленного сектора. Промышленность в приоритете выбирает on-premise-решения и локальные ЦОДы. Это обусловлено тем, что промышленные предприятия в большинстве своём являются объектами критической информационной инфраструктуры (КИИ) и не могут позволить себе риски, связанные с использованием публичных облачных сервисов. Отсюда, несмотря на общий тренд к переходу в облака, в курируемой отрасли возникают законные вопросы по реализации такой модели. Мы хорошо осведомлены о строгих требованиях регуляторов в области информационной безопасности, ФСТЭК и ФСБ России. Необходима разработка новых гибридных моделей. ПОэтому рекомендуется работать над созданием готовых «коробочных» решений и модульных ЦОДов, адаптированных для нужд промышленности. К этой рекомендации прислушиваются, что является основным условием для внедрения технологий искусственного интеллекта на промышленных предприятиях.
Со стороны Минпромторга России существует целый ряд системных мер поддержки как отрасли радиоэлектроники, так и цифровизации промышленности. Актуальная информация о них доступна в Государственной информационной системе промышленности (ГИСП) в разделе «Навигатор мер поддержки». Обратиться за соответствующей поддержкой могут как промышленные предприятия, так и разработчики электронной компонентной базы для центров обработки данных.
Итак…
Хотя Александр Шохин появился уже под конец заседания, это не помешало ему подвести итог обсуждения. Он рассказал, что при встрече с деканом экономического факультета МГУ имени М.В. Ломоносова Александром Аузаном поинтересовался, как идёт борьба с ИИ при подготовке курсовых дипломов и диссертаций. Ответ был таким – спасение в том, что искусственный интеллект даёт ссылки на источники, которых не существует. Есть и другие технологии. Но ректор РАНХиГС Алексей Комиссаров считает, что ещё 3–5 лет, и классическая система образования, наверное, рухнет. Глава Высшей школы экономики Ярослав Кузьминов согласен с ним.
То есть искусственный интеллект закономерно и глубоко проникает во все сферы нашей жизни – от промышленности и образования до управления ERP-системами. Однако мы не в полной мере готовы ко всем вызовам, с которыми уже сталкиваемся и которые неизбежно возрастут в ближайшие годы. Ключевой из них – кадровый вопрос. Каких специалистов готовить? Всего 5–7 лет назад было невозможно предсказать ту трансформирующую роль, которую ИИ займёт в экономике и социуме.
Сегодня Минтруд формирует прогноз потребности экономики в кадрах на семилетний горизонт. Безусловно, в этих расчётах делаются попытки учитывать тренды роботизации, автоматизации и внедрения ИИ. Однако истинные масштабы и динамику данной технологической революции оценить чрезвычайно сложно. Следовательно, подготовка кадров для будущей экономики требует принципиально иного подхода: система высшего образования, где программы длятся от четырёх до шести и более лет, должна обрести максимальную гибкость и способность к постоянной адаптации.
Параллельно возникает другая критическая тема – ресурсное обеспечение. Острейший вопрос – дефицит энергогенерации. Яркий пример – смещение центров обработки данных (ЦОД) для ИИ в регионы Сибири и за Урал в поисках энергии и охлаждения, что порождает новые сложности, включая вопросы задержки сигнала (латентности). В числе ключевых рисков развития ИИ, помимо энергоресурсов, – устойчивый рост стоимости разработки и цен на компоненты для ЦОД. Статистика, представленная на форуме, подтверждает серьёзность данного вызова. Поэтому первостепенная задача – обеспечить рентабельность и окупаемость инвестиций в искусственный интеллект и соответствующую инфраструктуру.
Что касается текущего состояния, уровень цифровизации бизнес-процессов достаточно высок: лишь 15% компаний отмечают незначительное или нулевое влияние мобильных технологий на эффективность. Факторы, в наибольшей степени сдерживающие развитие ИИ в стране, носят как общий характер – санкционные ограничения, рост цен на компоненты и фискальной нагрузки, – так и специфический. Несмотря на имеющиеся послабления для IT-сектора, они признаны недостаточными. Особую озабоченность вызывает дефицит доступной и доверенной вычислительной инфраструктуры, нехватка комплектующих и новых мощностей ЦОД.
Конкурировать с американскими и китайскими производителями без масштабной государственной поддержки невозможно, считает Александр Шохин. В этих странах действуют не просто рыночные механизмы, но реализуются мощные целевые программы субсидирования. Буквально за последние год-два, отчасти в силу торговых конфликтов, США, Китай и Южная Корея объявили о серьёзных национальных инициативах по поддержке производства компонентной базы, включая чипы. Этот глобальный контекст необходимо учитывать при формировании нашей собственной стратегии технологического суверенитета.
