"Нужно бежать со всех ног, чтобы только оставаться на месте, а чтобы куда-то попасть, надо бежать как минимум вдвое быстрее". Эта цитата из "Алисы в Зазеркалье" отлично описывает стремительное развитие технологий искусственного интеллекта сегодня. О том, как связаны ИИ и облачные технологии, какие задачи стоят перед компаниями, развивающими собственную ИИ-инфраструктуру и как бизнес старается оптимизировать трудо- и финансовые затраты на внедрении ИИ и с его помощью, рассказывает генеральный директор облачного провайдера Nubes Василий Степаненко.

В 2023 году в России была обновлена Национальная стратегия развития искусственного интеллекта. По словам вице-премьера Дмитрия Чернышенко, новый этап заключался в переходе к фазе активного внедрения проектов с использованием технологий ИИ в экономические и хозяйственные процессы. Для ведомств внедрение проектов с использованием ИИ стало подотчетным, а государство выделило на проверку "ИИ-зрелости государственных ведомств" 45 млн рублей до конца 2024 года. Много это или мало? Сумма кажется очень скромной как на фоне новостей об общем объеме российского ИИ-рынка (около 120 млрд к началу 2025 года при прогнозируемом росте до 550 млрд к 2030 году), так и публикаций о том, какие колоссальные средства в ИИ готовы вложить "популяризаторы ИИ" в США (в новый проект Stargate от OpenAI ー 500 млрд USD (!).

В целом, согласно дорожной карте Минэкономики РФ по развитию технологий искусственного интеллекта до 2030 года, в направление совокупно планируется вложить до 145,85 млрд рублей, из которых 33,3 млрд рублей предоставит федеральный бюджет.

Под стать ИИ растут и ширятся облачные сервисы, что неудивительно, они работают в связке. По нашим оценкам, за 2024 год объем российского рынка облачных сервисов вырос на 36,3% по сравнению с 2023 годом (со 121,5 млрд рублей до 165,6 млрд рублей).

Крупнейшие российские компании уже активно используют ИИ на базе собственной инфраструктуры, а их нейросети все более востребованы как массовым пользователем, там и в сегменте B2B. Наиболее наглядны успехи крупных финтех и IT-компаний, которые обладают мощной собственной кадровой базой и технической инфраструктурой для поддержки ИИ. Они также широко используют облачные технологии, которые могут стать мостом к владению ИИ для менее крупных и не столь цифровизированных компаний.

Справка:

Облачные технологии — это способ предоставления информационных ресурсов, таких как вычислительные мощности, хранилища данных и приложения, через интернет.

В отличие от традиционных локальных систем, облачные решения позволяют пользователям получать доступ к данным и ресурсам из любой точки мира, с любого устройства.

Зачастую облачные платформы позволяют заказчикам получить доступ к технологиям, которые им еще недоступны в рамках собственных инфраструктур. Здесь на одном из первых мест находятся именно технологии искусственного интеллекта.

Крупные компании предпочитают инвестировать в инновационные решения, поскольку видят в них будущее. Однако не только они. По нашим оценкам, порядка 85% российских компаний успешно применяют технологии искусственного интеллекта в своем бизнесе. При этом у более чем 50% крупнейших игроков ИИ внедрен минимум в одну бизнес-функцию.

Гонку за прогрессом не тормозит даже возросшая стоимость разработки ИИ, которая за прошлый год прибавила 20-30% (что связано как с общим ростом зарплат, так и с нехваткой профильных программистов). Стоит упомянуть, что сегодня на рынке представлены не только отечественные языковые модели, но и зарубежные, получившие местную доработку на русском языке.

ИИ+облако ー полезный симбиоз

Союз ИИ и облака может принести большую пользу бизнесу, сократив временные и финансовые расходы. Однако в проблематике их совместного использования выделяются два важных аспекта.

Первый из них касается возможности обработки в облаке данных, отобранных при помощи ИИ-моделей. К примеру, камеры видеонаблюдения, использующие механизмы ИИ, опираясь на запрос, могут найти и вырезать необходимые фрагменты, а также отправить их в облако для глубокого анализа. Так, облаку останется проанализировать лишь выбранные ИИ фрагменты, что потребует гораздо меньших ресурсов, чем анализ полного объема видео. Стоит упомянуть, что для качественной работы ИИ в такой схеме его необходимо предварительно обучить.

Проводить такое обучение необходимо непосредственно в облаке по "накопительному" принципу. В таком случае ИИ-модель постепенно приобретает умение определять цвета, тип объекта – и так далее, вплоть до анализа мимики и считывания эмоций. Карты такого обучения могут составляться и на корпоративном уровне, – в том случае если компания обладает необходимым массивом данных, ресурсами, собственным облаком. Они могут и поставляться как сервис облачным провайдером, который дает возможность заказчикам обучать их собственные ИИ-системы на базе своих облачных систем.

Второй аспект касается использования облаков в качестве ML-базы для систем искусственного интеллекта. Централизация развития моделей (либо совместное использование облака несколькими компаниями) позволяет оптимизировать экономику облачного ИИ.

Отечественный ИИ: вызовы и точки роста

На сегодняшний день в нашей стране генеративный искусственный интеллект развивают крупные финансовые и IT-компании. Они занимаются развитием этих проектов, обучают их русскому языку, вкладываются в аппаратную основу.

Ускоренное развитие GPT-моделям обеспечивают разработка и выпуск новых GPU (графических процессоров). Однако для большинства российских проектов используется не самое современное оборудование, что обусловливает отставание в производительности.

Кроме того, несмотря на громкие реляции об огромных вложениях, на практике интерес инвесторов к технологиям ИИ можно назвать "осторожным". Основная причина ー период ожидания прибыли от вложений в такие проекты довольно велик. Не исключен вариант "вложись сегодня ー получи прибыль через 10 лет". Развитие ИИ требует не только закупок постоянно обновляющегося оборудования, но и найма специалистов, которые будут заниматься его разработкой.

По данным Минэкономразвития РФ, с которыми мы можем согласиться, в стране остается острой нехватка видеокарт для решения задач в области машинного обучения (ML): используется порядка 10 тыс. видеокарт при потребности в более чем 100 тыс.

Кроме того, российский бизнес не может приобрести не столько сами новейшие карты NVIDIA, сколько лицензии на софт, который необходим для их работы. То есть для работы отечественных GigaChat и YandexGPT используются совсем не новые карты на GPU H100. Но виноваты в этом не только санкции против России. По нашему мнению, тут вмешалась и геополитика ー это следствие стремления США ограничить развитие систем ИИ в Китае. Но нейронные сети можно обучать и на "старом" оборудовании, что мы видим не только в РФ, но и во множестве других стран.

Проседают также отечественные системы виртуализации, которые пока не способны решить задачу разделения мощности видеокарты между виртуальными машинами, а способны лишь на переброс карты.

Такая возможность есть у VMware, но необходимо решить множество проблем, связанных с драйверами, что невозможно без технической поддержки вендора.

Компаниям, которые стремятся к использованию облачного ИИ, следует обратить внимание:

• на совместимость аппаратной части нейронной сети и видеокарт, которые используются для ее работы (если ее нет, скорее всего, заказчику придется серьезно перекроить программный код);
• на SLA (для ИИ-облака его уровень должен быть максимально высоким);
• на то, какие дополнительные, сопутствующие сервисы может предложить облачный провайдер (к примеру, Kubernetes, который почти всегда необходим компаниям-разработчикам).

Какой бизнес нуждается в ИИ?

Основной объем аудитории облачных ИИ-проектов составляют компании, нацеленные на использование в бизнесе нейронных сетей. Это могут быть представители любой сферы – от производства и добычи полезных ископаемых до маркетинга и дизайна. Во главе пирамиды спроса находятся крупные и средние компании, занятые в производстве, банковской сфере, страховании и ритейле.

Нейронные сети вместе с облачными сервисами незаменимы для бизнеса, работающего на проектной основе (когда ресурсы нужны временно). Такое комбо помогает ощутимо уменьшить издержки.

К примеру, возьмем сервисную компанию, которая ведет разработки трехмерных моделей для производственных компаний. Она всегда стремится к тому, чтобы максимально сократить объем капитальных затрат. То же самое можно сказать о стартапах, которые разрабатывают MVP своего продукта. В момент перехода от MVP к следующим стадиям возникает необходимость в масштабировании, и здесь возможности искусственного интеллекта, используемого в разработке, прекрасно сочетаются с таким качеством облака, как простая масштабируемость.

ИИ-облака позволяют масштабировать бизнес-инструменты. При этом тип используемого облака может быть любым, в том числе частным или гибридным. Но решить задачу масштабирования ИИ публичное облако может быстрее и значительно дешевле.

Позволить себе использовать ИИ для облегчения работы сегодня могут даже небольшие компании, например, для общения с клиентами и приема заказов. Речь о чат-ботах в мессенджерах Telegram и WhatsApp. В первом случае это будет бесплатно. Во втором – потребуется ежемесячно вносить плату за бизнес-аккаунт и доступ к API (от 4000 до 5000 рублей в месяц в зависимости от количества оплачиваемых месяцев).