|
ИТ-инфраструктура в условиях дефицита
Главная / Статьи / Опросы / ИТ-инфраструктура в условиях дефицита
Facebook
Мой мир
Вконтакте
Одноклассники
Google+
ИТ-инфраструктура в условиях дефицита
71% российских компаний сталкивается со сложностями при закупке и эксплуатации ИТ-оборудования, отмечают исследователи MWS Cloud. Главные барьеры – высокая стоимость памяти и графических ускорителей (28%), нужная конфигурация оборудования и дефицит запчастей (18%), а также нехватка инженеров (17%). Почти половина рынка ожидает дальнейшего роста цен на инфраструктуру. Как компании адаптируются к росту цен и нехватке оборудования?
1. С какими трудностями сталкивается ваша компания при закупке и эксплуатации ИТ-оборудования?
2. Меняете ли вы стратегию развития инфраструктуры на фоне прогнозируемого роста цен на оборудование и GPU? И какое направление, на ваш взгляд, выгоднее выбрать сегодня?
3. Планируете ли вы увеличивать потребление облачных и ИИ-сервисов в ближайшее время?
4. Как вы закрываете растущую потребность в вычислительных мощностях для ИИ-задач?
5. Что можно изменить на рынке, чтобы снизить барьеры для закупки и эксплуатации ИТ-оборудования?
На вопросы «БИТа» отвечают эксперты отечественных компаний
 Ольга Квашенкина,
генеральный директор холдинга SNDGLOBAL, контрактная разработка электроники
«Нужно сместить фокус импортозамещения на базовую инженерию. Отечественным заводам — массово производить простые вещи: качественные печатные платы, корпуса, системы охлаждения и блоки питания. Без этой основы локализация серверов останется дорогой»
Главная сложность при закупке — в длинных и непредсказуемых логистических цепочках. Серверную память и графические ускорители приходится ввозить через нескольких посредников. Из-за комиссий и рисков железо дорожает на 40–50% от мировой цены, а поставки растягиваются на месяцы. При этом качество приходящих партий бывает нестабильным, каждую поставку приходится тщательно проверять.
В эксплуатации основной барьер — отсутствие прямой гарантии и сервиса от производителей. Чтобы избежать простоя при поломке, мы вынуждены сами держать склад запчастей, а это замораживает средства. Дополнительно мешает пестрота парка: старые западные серверы плохо сочетаются с новыми азиатскими платформами на уровне прошивок и виртуализации. При этом специалистов, способных настроить такую разнородную систему, на рынке остро не хватает.
Мы перешли на гибридную модель. Планировать закупки на годы вперед и покупать железо про запас стало слишком дорого из-за высоких цен и быстрого устаревания чипов.
Сегодня выгоднее четко разделить нагрузки. Базовые, постоянные задачи и конфиденциальные данные мы держим на собственных или арендованных серверах в дата-центре —в долгосрочной перспективе это дает минимальную стоимость вычислений. А пиковые нагрузки, тесты и временные проекты выносим в облака.
Главным же направлением инвестиций стала программная оптимизация: грамотная контейнеризация и настройка софта позволяют поднять отдачу от уже купленных серверов на 30–35% без расходов на новое железо.
Потребление облаков растет, но строго под конкретные задачи. Облака позволяют не замораживать миллионы рублей в покупке серверов, когда результат проекта еще не гарантирован.
В сфере ИИ мы в основном арендуем графические мощности под обучение моделей и эксперименты. Содержать собственный суперкомпьютер ради периодических задач невыгодно. Но как только сервис выкатывается в постоянную эксплуатацию, мы переносим его на выделенные сервера, иначе облачные счета быстро съедают всю экономику проекта.
Поскольку мы используем ИИ под конкретные прикладные задачи бизнеса, а не обучаем с нуля собственные гигантские модели, потребности в мощностях остаются умеренными и не требуют экстренных закупок суперкомпьютеров.
Мы закрываем эти задачи без сложных инфраструктурных трюков, используя два простых инструмента. Для типовых процессов вроде работы с текстами, аналитикой и базовой автоматизацией мы задействуем готовые облачные сервисы и API — это позволяет платить только за фактические запросы и не покупать собственное дорогостоящее железо.
Чтобы снизить барьеры для закупки и эксплуатации ИТ-оборудования, первое — упростить таможню и сертификацию для комплектующих и запчастей. Если блоки питания, контроллеры и оперативку можно будет ввозить быстро, то компании перестанут держать огромные забитые склады на случай поломки.
Второе — сместить фокус импортозамещения на базовую инженерию. Отечественным заводам нужно массово производить простые вещи: качественные печатные платы, корпуса, системы охлаждения и блоки питания. Без этой основы локализация серверов останется дорогой.
Третье — развивать центры коллективного пользования. Создание государственных или отраслевых суперкомпьютерных кластеров даст среднему бизнесу доступ к мощностям под ИИ по подписке, без необходимости сразу покупать дорогое оборудование.
 Михаил Сарычев,
генеральный директор IT-компании «DBI»
«Мы планируем увеличивать потребление облачных и ИИ-сервисов, но точечно. Облако у нас привязано к одному решению, и его потребление будет расти вместе с числом клиентов и ИИ-функциональности этого решения, а не по всему портфелю»
Мы разрабатываем собственные продукты, в том числе коммерциализируем их. Поэтому дефицит бьёт по нам не напрямую, а через стоимость вычислений. Своя on-prem-инфраструктура у нас есть, и рост цен на память и накопители заметен уже при плановом обновлении. Конфигурацию под задачу приходится подбирать под то, что доступно, а не под то, что нужно. Самое чувствительное место — ИИ-нагрузка. Она упирается в ускорители, которые дороги и покупаются с горизонтом в месяцы.
Третий барьер, который отмечают и исследователи MWS Cloud — инженеры. Специалистов, способных эксплуатировать смешанную инфраструктуру, на рынке меньше, чем нужно.
Мы уточнили стратегию развития инфраструктуры: перестали покупать железо под пиковую нагрузку. Строим гибрид с чётким разделением ролей. Основные продукты работают на своей площадке. Облако мы используем точечно, только для нашего ИИ-решения, где нагрузка неравномерна и требует GPU. В бюджете этого решения облако занимает не более 10%, но ведёт себя нелинейно: на пиках масштабирование срабатывает автоматически, и стоимость растёт вместе с нагрузкой.
Эластичность решает проблему доступности, но не даёт предсказуемости бюджета. Поэтому выгоднее не просто наращивать облачную часть, а управлять ею: вкладываться в оптимизацию самого решения (модель под задачу, квантование, вынос части обработки на менее дорогие мощности) и ограничивать пиковое потребление лимитами.
Покупать собственные ускорители на пике цен под нагрузку, которая ещё не устоялась — плохая идея. Ошибка в прогнозе здесь превращается в замороженный капитал. Сокращать расходы на оборудование выгоднее прежде всего за счёт архитектуры, а не за счёт торга по железу.
Мы планируем увеличивать потребление облачных и ИИ-сервисов, но точечно. Облако у нас привязано к одному решению, и его потребление будет расти вместе с числом клиентов и ИИ-функциональности этого решения, а не по всему портфелю. Мы рассматриваем это как управляемый процесс, а не как самоцель.
Сегодня облако занимает не более 10% бюджета решения, и главный риск не в среднем уровне, а в пиках: именно они дают скачок стоимости. Поэтому параллельно внедряем управление облачными расходами: разметку затрат по клиентам, лимиты и понимание себестоимости единицы услуги. Без этого рост потребления быстро становится неуправляемой статьёй затрат.
Потребность в вычислительных мощностях для ИИ-задач мы закрываем многоуровнево. Ключевой вопрос — какие задачи действительно требуют реального времени.
Значительную часть ИИ-обработки можно сделать асинхронной: ставить в очередь и выполнять на свободной или более дешёвой мощности, а не масштабироваться под каждый пик. Это напрямую сглаживает стоимость на пиках.
Интерактивные сценарии идут на мощностях с гарантированным откликом. Облачные GPU берём для пиков и пилотов, стабильный инференс постепенно переносим на свою площадку, когда нагрузка становится предсказуемой и экономика это оправдывает. Правильный размер модели под задачу даёт больше экономии, чем любая закупочная схема.
Больше всего не хватает предсказуемости на рынке. Первое — прозрачные сроки поставки и резервирование мощностей: облачным провайдерам стоит предлагать GPU с долгосрочными обязательствами по цене и доступности, а также тарифы, которые смягчают ценовой скачок на пиках. Тогда бизнес сможет планировать бюджет.
Второе — гибкие форматы владения: аренда и лизинг оборудования, а также ускорители как сервис для средних компаний, у которых нет ресурсов на прямую закупку.
Третье — приоритетное выделение оборудования и запчастей ИТ-компаниям, которые работают с производителями напрямую.
Четвёртое — развитие рынка сервисного обслуживания и запчастей, чтобы дефицит компонента не останавливал работающую систему.
И последнее, самое долгое: кадры. Пока инженеров не хватает, часть компаний будет выбирать сервисную модель с ответственностью за результат вместо собственной эксплуатации. Это рациональный ответ на дефицит, а не слабость.
 Cвятослав Сорокин,
директор по развитию бизнеса вычислительных систем STEP LOGIC
«Вендорам и интеграторам стоит сместить фокус с продвижения привычных брендов на демонстрацию реальной эффективности и архитектурной целесообразности новых решений с использованием российских технологий и импорта из дружественных стран»
Основная трудность носит макроэкономический характер. Наблюдается общемировая тенденция на ажиотажный спрос на ИИ-серверы, что приводит к существенному удорожанию базовых компонентов, в первую очередь оперативной памяти и твердотельных накопителей. Это затрагивает и обычные серверы, и GPU. Если оценивать динамику, то за последние два года стоимость серверного оборудования выросла в 5 раз. Ситуацию дополнительно усложняют регуляторные изменения, в частности ограничения на параллельный импорт в государственном секторе.
При этом важно отметить, что физического дефицита серверов и СХД на рынке нет. Можно приобрести оборудование любого бренда, который был представлен в РФ до 2022 года. Также нет критических проблем с обслуживанием, так как сформировался пул специализированных компаний, которые качественно поддерживают любую технику, независимо от вендора.
Да, стратегия развития инфраструктуры на фоне прогнозируемого роста цен на оборудование и GPU меняется в сторону оптимизации архитектуры, а не просто наращивания затрат. Наиболее оптимальный путь сегодня — это переход на микросервисную архитектуру. Она потребляет значительно меньше ресурсов по сравнению с традиционными монолитными приложениями.
На аппаратном уровне это означает переход на процессоры нового поколения (Gen 6, AMD EPYC) с высокой плотностью ядер. Например, использование архитектур с большим количеством энергоэффективных ядер (E-ядер) или высокопроизводительных ядер (P-ядер), что позволяет существенно снизить общую стоимость владения всей ИТ-архитектурой за счет консолидации нагрузок.
В сегменте GPU-систем маневра меньше. Здесь приходится платить за технологии уровня HGX и за параллельный импорт для сетей InfiniBand. В этом сегменте действительно наблюдается дефицит железа, так как данное оборудование находится под пристальным вниманием западных регуляторов.
Облако, как и любой аутсорсинг, выгоден в двух случаях: когда требуется быстрое развертывание инфраструктуры, в том числе для пиковых нагрузок, или когда утилизация мощностей не превышает 50–70%. Если потребление мощности превышает этот порог, компания начинает переплачивать.
При 100% утилизации переплата облачному провайдеру может достигать трехкратного размера по сравнению с собственным оборудованием. К тому же компания теряет прямой контроль над своими данными. Поэтому GPU-облака можно рассматривать как решение либо для малого бизнеса, либо для специфических государственных систем с замкнутым циклом потребления, где и провайдер, и потребитель находятся в замкнутом контуре, либо когда нет возможности инвестировать в собственную инфраструктуру в моменте.
Чтобы закрыть потребность в вычислительных мощностях, мы используем комплексный подход, который включает три направления.
Во-первых, закупки нового, более современного и энергоэффективного оборудования там, где это экономически обоснованно.
Во-вторых, переписывание программного обеспечения, перевод его на микросервисную архитектуру, что снижает требования к вычислительным ресурсам.
В-третьих, внедрение зонирования данных: очистка хранилищ и перекладывание неоперативных или редко используемых данных в архивы на дешевых носителях, что высвобождает ресурсы для реальных ИИ-, аналитических и транзакционных задач.
На мой взгляд, необходимо менять подход самих заказчиков к выбору технологий. Традиционный штамп, сформированный с 1990-х до 2022 года, когда лучшим считалось только американское решение (VMware, Microsoft, HPE, Dell, Cisco), сегодня работает против реальных потребностей бизнеса. Эти экосистемы в текущих условиях либо недоступны, либо неэффективны.
На рынке много альтернативных решений, которые полностью закрывают потребности, но они требуют более тщательной технической проработки и оценки. Вендорам и интеграторам стоит сместить фокус с продвижения привычных брендов на демонстрацию реальной эффективности и архитектурной целесообразности новых решений с использованием российских технологий и импорта из дружественных стран.
Ключевые слова: ИТ-инфраструктура, дефицит специалистов, облачные решения, микросервисная архитектура, рост цен на оборудование и GPU, процессоры нового поколения.
В начало⇑
Facebook
Мой мир
Вконтакте
Одноклассники
Google+
Комментарии отсутствуют
Комментарии могут отставлять только зарегистрированные пользователи
|
_2026_cover_small.jpg)
_cover_small.jpg)
_cover_small.jpg)
_cover_small.jpg)
_cover_small.jpg)
_cover_small.jpg)
_cover_small.jpg)
