Обычно высоконагруженной называют систему, которая обрабатывает огромное количество транзакций в секунду. На практике не менее важно и другое: насколько сервис критичен для тех, кто им пользуется. В банковском процессинге важен не только объем операций — каждая из них должна пройти без сбоев. Остановка такого сервиса обходится дороже, чем снижение скорости в системе, от которой не зависят ключевые бизнес-процессы.

Поэтому задача шире, чем покупка мощного оборудования. Инфраструктура должна выдерживать пики, сохранять данные и работать именно тогда, когда от нее ждут максимальной производительности. Важный элемент здесь — катастрофоустойчивость: система должна оставаться работоспособной даже при серьезных сбоях или авариях. Добиться этого можно только при слаженной работе всего технологического стека: серверов, систем хранения, сетевого оборудования и средств информационной безопасности. Один сервер, даже самый производительный, такую задачу не решит.

Особенно наглядно это видно в проектах с искусственным интеллектом. Многие считают, что достаточно заполнить серверную стойку графическими ускорителями. На деле компании предстоит решить сразу несколько задач.

Первая — эффективность. Вычислительные мощности для ИИ стоят еще дороже привычной ИТ-инфраструктуры, и основная доля затрат приходится на ускорители. Для обычных систем загрузка ресурсов важна, для ИИ — критична. Нужны инструменты, которые показывают, какие узлы простаивают или заняты бесполезными расчетами, которые пора остановить, и позволяют управлять графиком нагрузки.

Вторая — информационная безопасность, и это далеко не только антивирус. В одном ИТ-ландшафте зачастую работают несколько моделей, и их совместное размещение — сложная инженерная задача. Модели различаются происхождением и уровнем доверия, поэтому требуют разделения на зоны. Есть и риск утечки: загружая внутренний документ во внешнюю модель, компания фактически отдает его третьей стороне, и эти сведения могут пойти на обучение модели. Существует и обратная опасность — ответы с галлюцинациями, основанные на непроверенных данных. В потребительских сценариях это досадно, а на промышленном предприятии ошибка может стоить не только денег, но и человеческих жизней.

Третья — доступность оборудования. Западные графические ускорители поставляются в ограниченном объеме, и их место постепенно занимают китайские аналоги. Интеграция таких решений требует дополнительных инженерных усилий. Параллельно в России развиваются проекты по выпуску собственных ускорителей.

Ни одну из этих задач не решить простым наращиванием числа видеокарт: все они относятся к архитектурному уровню.

Следующий вопрос — где и на чем все это развернуть. Облако подходит не всем: выбор зависит от отрасли и критичности данных. К тому же провайдеры часто строят свои решения на закрытых технологиях. Для заказчика это означает зависимость: специалиста, который умеет сопровождать закрытую разработку конкретной компании, найти гораздо сложнее, чем инженера, знакомого с распространенными решениями.

Другой вариант — строить своими силами. Но чем сложнее инфраструктура и строже требования к ее отказоустойчивости, тем выше должна быть квалификация тех, кто ее создает и поддерживает, а держать такую экспертизу в собственном штате становится все труднее. Самостоятельная сборка надежной системы похожа на постройку гоночного болида в гараже: теоретически это выполнимо, однако требует ресурсов и компетенций целой команды конструкторов. Бизнесу важен результат, а не сама сборка.

Поэтому все больше компаний выбирают готовые программно-аппаратные комплексы (ПАК). Экономика когда-то перешла от натурального хозяйства, где все делали своими руками, к разделению труда: товары и услуги покупают у профессионалов. ИТ-инфраструктура сейчас проходит похожий путь, и отказ от самостоятельной сборки в пользу готовых комплексов отражает переход рынка к сервисной модели потребления ИТ. Зарабатывает бизнес на сервисах, а не на сборке оборудования, значит, инфраструктурный фундамент стоит доверить профильному производителю.

Как это работает, видно на примере Машины искусственного интеллекта Скала^р от Группы Rubytech. В ее состав входят программные средства управления нагрузкой: они демонстрируют, какие ускорители простаивают, и позволяют не переплачивать за неиспользуемые мощности.

Безопасность заложена в архитектуру и выстраивается в несколько уровней. Первый — защищенный шлюз между внутренним контуром и внешними системами. Второй — выборочное маскирование данных, которые компания получает извне и отправляет наружу: так конфиденциальная информация не выходит за периметр. Третий — фильтрация ответов внешних моделей, чтобы в систему не попадали галлюцинации и вредоносные элементы.

При этом комплекс не превращается в «черный ящик». В его основе — открытый и понятный технологический стек, как и во всех продуктах Скала^р, поэтому заказчик может сам проверить состав и сравнить стоимость сборки и сопровождения на рынке. А интеграционный опыт вендора уже включен в стоимость оборудования.

Главная сложность — найти баланс. Если замаскировать все значимые данные, ИИ не даст заметного прироста эффективности, и внедрение потеряет смысл. Нужно и защитить информацию, и сохранить ощутимый результат для сотрудников. Универсального рецепта на рынке пока нет, каждый проект требует тонкой настройки. Но в готовом комплексе она начинается с проверенной базы, а не с нуля. Проигрывают те, кто ждет, пока технологии полностью созреют. Компании, которые ищут этот баланс уже сейчас, получают опыт и опережают остальных.

Следующий шаг в развитии ПАК — специализация под прикладные задачи. Комплексы для банков оптимизируют под программное обеспечение, на котором работают финансовые организации. Решения для промышленной автоматизации настраивают под прикладные системы вендоров, которые работают с нефтепереработкой, газовой отраслью и энергетикой.

Отдельное направление — ИИ. Здесь нужны не только комплексы для эффективной работы с разными моделями, но и защищенное хранение данных для дообучения моделей, на основе которых компания будет строить управленческие решения.

ИИ-инфраструктуру выбирают не под один проект. От этого зависит, сколько будет стоить каждый расчет, насколько надежно хранится корпоративная информация и как быстро компания сможет подключать новые модели и аппаратные платформы. Ошибку на этом этапе дорого исправлять: перестраивать работающий контур сложнее, чем заложить правильную основу на старте.

Стойка с видеокартами дает мощность, но не решает вопросы эффективности и безопасности. Облако закрывает часть из них ценой контроля над данными, собственная сборка — ценой содержания дорогой команды. Готовый ПАК для ИИ учитывает все эти аспекты сразу и позволяет бизнесу сосредоточиться на главном — развитии сервисов, которые приносят доход.