ИИ-инфраструктура под давлением

Память дорожает, сроки поставок растут, а окно для комфортного планирования под нагрузки 2027 года уже заметно сужается. В этих условиях ИИ‑проекты все сильнее упираются в вычислительные ресурсы и доступные конфигурации. Руководитель по развитию продуктовых решений К2 НейроТех Вячеслав Дегтярев – о том, почему компаниям важно уже сейчас пересматривать подход к управлению и обновлению инфраструктуры. 

Масштаб задачи подтверждает и динамика российского ИИ-рынка. По оценке AIANA, в 2025 году целевая ИИ-выручка российских компаний составила 316,1 млрд рублей, за два года рынок вырос вдвое, по 40% в год. Крупнейшим сегментом стало ИИ-оборудование – 98,4 млрд рублей, или 31,3% рынка. Это означает, что развитие ИИ все заметнее зависит не только от качества моделей и данных, но и от доступности вычислительной инфраструктуры, на которой они работают.

На этом фоне меняется и структура спроса на вычислительные мощности: компаниям требуются GPU, высокопроизводительная память, хранилища и готовые платформы для запуска и масштабирования ИИ-сервисов. Крупные производители памяти предупреждают, что в 2027 году рынок может столкнуться с одним из самых серьезных дисбалансов между спросом и предложением за последние годы. По данным индекса 3DCenter, средняя стоимость популярных комплектов DDR5 в июле 2026 года достигла 448% от уровня июля 2025 года, а по отдельным конфигурациям цены могут быть еще выше. Это не разовый всплеск: даже без выраженного ажиотажа цены продолжают расти, а к 2027 году дополнительное удорожание, по нашим оценкам, может составить 15–20%. 

Одна из причин – бум инвестиций в ИИ: крупнейшие игроки законтрактовали большие объемы DRAM и HBM под свои дата‑центры и тем самым задали новый ценовой уровень. Речь идет о многолетних соглашениях, из‑за которых дефицит формируется еще до того, как часть проектов выходит в эксплуатацию. Остальные компании оказываются между необходимостью вкладываться в ИИ и риском переплатить за инфраструктуру. Сроки поставок растягиваются: серверное оборудование, модули памяти и GPU приходится ждать месяцами, а по отдельным позициям – более полугода. Именно здесь рыночная ситуация начинает определять ИТ‑архитектуру и приоритеты. 

На этом фоне показательна инициатива по возможному льготному налогообложению закупок оборудования для ИИ, которую прорабатывает рабочая группа правительственной подкомиссии. Сам факт ее появления означает, что дефицит GPU и высокая стоимость вычислительной инфраструктуры становятся не локальной проблемой отдельных компаний, а ограничением для развития всего рынка. Если меры будут приняты, они смогут частично снизить порог входа в ИИ‑проекты и сделать инвестиции в вычислительные мощности более предсказуемыми. Однако для бизнеса это не отменяет необходимости планировать закупки заранее: даже при налоговых стимулах физическая доступность оборудования, сроки поставок, требования к электропитанию, охлаждению, сетевой связности и хранению данных останутся ключевыми факторами.

Важно и то, чтобы поддержка распространялась не только на отдельные графические ускорители, но и на полноценные ИИ‑конфигурации. GPU без высокоскоростной сети, производительной СХД, достаточного объема памяти, программного слоя для управления задачами и инженерной инфраструктуры ЦОДа не превращается в работающую платформу для обучения и промышленной эксплуатации моделей. Отдельная задача – выстроить прозрачные критерии, которые позволят отличить оборудование для ИИ от майнингового. Для рынка это шанс перейти от точечных закупок дефицитных компонентов к развитию законченных, масштабируемых и экономически оправданных ИИ‑решений.

По данным исследования К2 НейроТех, 52% компаний считают, что текущая ИТ‑инфраструктура требует серьезной модернизации. Непрерывные ИИ‑нагрузки выводят корпоративные системы за пределы исходного проектирования и повышают риски надежности, производительности и стоимости владения. Для ИТ‑директора это переход от разовых закупок к сценарному планированию, которое позволяет определить, какие нагрузки будут расти, какие контуры нужно изолировать, а какие можно консолидировать. В российском контексте к этому добавляются доступность компонентов, технологическая устойчивость и требования к доверенному стеку.

От инвентаризации к закупкам

Отсюда и три базовые задачи: провести инвентаризацию оборудования и оценить утилизацию ресурсов, разделить нагрузки по приоритетам и определить критичные для ИИ‑проектов контуры. Это позволит понять, где можно обойтись настройкой архитектуры и перераспределением текущих ресурсов, а где – необходимо расширение или обновление инфраструктуры. Для этого недостаточно разово оценить загрузку серверов: важно выстроить постоянную наблюдаемость за потреблением GPU, памяти и хранилищ, видеть неиспользуемые мощности и понимать, какие команды, модели и сервисы формируют основную нагрузку.

Дальше речь идет уже о закупках. Для сложных ИИ‑сценариев инфраструктуру лучше закладывать заранее, а на время ожидания поставок использовать аренду как временный мост. Для многих компаний это способ быстро получить ресурсы под пилоты и проверку гипотез без крупных капитальных затрат. Логистические задержки усиливают интерес компаний к отечественному оборудованию и готовым платформенным решениям: вендоры собирают серверы, высокоскоростные коммутаторы, системы виртуализации, резервного копирования и ИИ‑инструменты в одну экосистему. Это уже не набор отдельных блоков, а платформа с понятной экономикой, требованиями к безопасности, устойчивостью к нагрузкам и прозрачной моделью эксплуатации, на которой можно развивать и традиционные системы, и ИИ‑сервисы. При выборе такой платформы важны не только стоимость и совместимость компонентов, но и инженерная поддержка, доступность запасных частей, обновления, развитие продукта и возможность быстро адаптировать решение под новые задачи.

Окно решений сужается

В 2027 году конкуренция за доступные мощности вряд ли ослабнет. Поэтому вопрос сегодня не в том, стоит ли инвестировать в инфраструктурную ИИ‑готовность, а в том, насколько быстро бизнес сможет перейти от пилотов к устойчивой модели управления ресурсами. Одних вычислительных мощностей для устойчивого внедрения ИИ недостаточно. Технологический фундамент важен, но эффект зависит и от работы с данными, адаптации бизнес‑процессов и распределения ответственности за жизненный цикл моделей. 

Преимущество получат компании, которые уже сейчас выстраивают прозрачную модель потребления ресурсов, объединяют ИИ‑нагрузки на общих платформах и соотносят инвестиции с измеримым эффектом. Остальным придется одновременно решать проблемы дефицита, роста затрат и ограниченной доступности критичных конфигураций.

161
Предметная область
Отрасль
Управление
Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.