Искусственный интеллект меняет подход к гибридной инфраструктуре — исследование Cloud.ru

От «гаражного» гибрида к технологической интеграции

Последние три года стали для российского ИТ стресс-тестом. Санкции, уход западных вендоров, рост числа российских цифровых решений и жесткие требования по локализации данных — все это заставило компании экстренно перестраивать инфраструктуру. По данным Cloud.ru, к 2025 году 42% организаций, использующих облака, заявляли о работе в гибридной модели. Однако глубокие интервью с техническими директорами и руководителями ИТ-инфраструктуры 17 крупных компаний (с выручкой от 2 млрд рублей и числом сотрудников более 500) показали: за этим «гибридным оптимизмом» часто скрывается примитивное сочетание собственного дата-центра и аренды виртуальных машин у провайдера.

Авторы исследования Cloud.ru «Гибрид здорового человека» называют такую архитектуру «гаражным гибридом». Управление двумя контурами ведется вручную разными командами, нет единой панели управления, общей оркестрации и сквозной сетевой связанности. В результате — удлинение сроков вывода новых сервисов на рынок в среднем на 40%, в 2,5 раза больше времени на согласование изменений и неэффективное использование ресурсов, 15-20% от ИТ-бюджета в этом случае тратится на координацию между командами (совещания, документация, эскалации).

Настоящее гибридное облако, по мнению облачных провайдеров, должно строиться на четырех столпах: единая консоль управления, программно-определяемые сети (SDN), общая оркестрация приложений и идентичный технологический стек как в частном, так и в публичном контуре.

Почему российский путь к гибриду уникален

В отличие от западного рынка, где компании плавно переходили от публичных облаков к гибридным, в России доминирует другая тенденция — от собственной инфраструктуры (on premise) к гибриду. До середины 2010-х российские компании чаще всего пользовались публичными облаками AWS, Azure и Google Cloud для разработки и тестирования. Однако два фактора сдерживали массовое использование международных облачных решений.

Во первых, регуляторные требования, которые заставляли хранить и обрабатывать чувствительную информацию в локализованных контурах. Это стало первым серьезным драйвером гибридизации и вынудило компании либо строить собственную инфраструктуру, либо искать отечественные облачные сервисы. Во вторых, существовал культурный барьер и недоверие особенно среди госсектора и квазигосструктур, которые опасались утраты контроля над данными и технологической зависимости от западных провайдеров.

В начале 2016-2020 годов технологическое превосходство иностранных решений все еще сохранялось, но в этот период начинают появляются и отвоевывать долю рынка российские провайдеры, в том числе Cloud.ru (основан в 2019 году). События февраля 2022 года и последовавшие санкции сломали устоявшийся тренд: западные провайдеры либо прекратили поддержку российских клиентов, либо серьезно ограничили доступ. Это заставило бизнес экстренно перераспределять критичные нагрузки в российские облака. Одновременно государство повысило поддержку национальных провайдеров через контрактные и регуляторные меры, значительно ускорив рост отечественного облачного рынка.

В результате такого форсированного роста объем рынка в 2024 году достиг 392 млрд рублей. По прогнозам, его объем удвоится до 801 млрд рублей к 2029 году при среднегодовом росте 21%. Примечательно, что гибридное облако растет даже быстрее публичного: гибридный сегмент показывает среднегодовой рост в 13,4% против 12,5% у публичного облака.

Ведущие российские провайдеры ответили на эту потребность полноценными гибридными решениями. Например, Cloud.ru представил Evolution Stack — управляемую платформу для частного и публичного облака с единой консолью, общей оркестрацией и единым технологическим стеком. Кодовая база Evolution Stack идентична базе публичной платформы, что обеспечивает полную совместимость.

Шесть сценариев, где гибрид уже работает

Несмотря на терминологическую неопределенность, российские компании активно используют комбинацию частной и публичной инфраструктуры в шести повторяющихся сценариях.

Георезервирование и восстановление после сбоев (disaster recovery). Основная система работает в локальном дата центре, а резервные копии и площадка для аварийного переключения размещаются в облаке. Это критически важно для банков, электронной коммерции (e commerce) и госструктур, где простои ведут к прямым финансовым потерям.

Пограничные вычисления (edge computing). Компании с распределенной сетью филиалов, заводов или магазинов разворачивают локальные вычислительные модули непосредственно в точках присутствия, а централизованное управление и тяжелую аналитику выносят в основной ЦОД. Такой подход снижает зависимость от качества каналов связи.

Масштабирование при пиковых нагрузках (burst capacity). Базовая нагрузка обрабатывается на собственных мощностях, а сезонные всплески (например, в период распродаж или маркетинговых акций) автоматически переключаются на облачные ресурсы с оплатой по факту использования.

Цикл разработки и непрерывная интеграция (CI/CD) в облаке. Разработка и тестирование новых сервисов ведутся в изолированных средах публичного облака, а в промышленную эксплуатацию код попадает в локальный контур заказчика. Это ускоряет вывод продуктов на рынок и защищает исходный код.

Защита критичных данных и систем. Миссионно-критичные приложения (mission-critical), такие как ERP, платежные системы или базы данных с персональной информацией, остаются в частном облаке или на собственных серверах. Менее чувствительные сервисы выносятся в публичную среду.

Искусственный интеллект и машинное обучение (ML). Обучение моделей и инференс (вывод) запускаются в облаке на эластичных кластерах графических процессоров (GPU кластерах), а исходные данные, содержащие коммерческую тайну или персональные сведения, хранятся локально. Это самый быстрорастущий сценарий, который, по оценкам экспертов, станет главным драйвером гибридизации в ближайшие три года.

ИИ как катализатор: почему компаниям нужны GPU по запросу

Собственный парк ускорителей — дорогое удовольствие. Одна видеокарта для машинного обучения стоит сотни тысяч рублей, быстро устаревает и используется непостоянно. В условиях, когда сроки поставки оборудования растягиваются на месяцы, а бизнесу нужно проверять десятки гипотез, аренда графических процессоров (GPU) в облаке становится единственным рациональным решением.

«Давайте будем реалистами: строить собственный кластер графических процессоров (GPU-кластер) под пиковые нагрузки машинным обучением (ML) — это долго и дорого. Пока бизнес согласовывает капитальные затраты и ждет поставку, железо уже устаревает, а большая часть ресурсов потом может простаивать. Гибридный подход позволяет срезать этот угол: чувствительные данные остаются в безопасном контуре локальной инфраструктуры, а облако работает как эластичное расширение вычислительных мощностей», — объясняет Михаил Дремин, лидер по работе с данными (Data Science) в Cloud.ru.

Три траектории развития гибридного рынка

Исследование Cloud.ru выделяет три вероятных сценария развития гибридных облаков в России на ближайшие 3–5 лет.

Оптимистичный — рост через ИИ и дефицит оборудования. Компании будут активно выносить в облако ресурсоемкие задачи обучения моделей, оставляя локально только критичную инфраструктуру. Этому способствует удорожание и недоступность графических процессоров (GPU) на открытом рынке.

Консервативный — стагнация из-за ужесточения регуляторики. Если требования к локализации и защите данных продолжат усиливаться, крупные корпорации и госсектор будут инвестировать в собственные ЦОД и частные облака, ограничивая долю публичного компонента (20–30% нагрузки) для некритичных задач.

Дифференцированный — разделение по размерам и отраслям. Крупный бизнес и госсектор останутся на модели «максимум локальной инфраструктуры», средние технологические компании выберут классический гибрид, а малый бизнес и стартапы — преимущественно публичные облака.

Какой бы сценарий ни реализовался, общий тренд очевиден: гибридная архитектура перестает быть экспериментальной опцией и становится базовой моделью для компаний, которым важно управлять рисками, не тормозя развитие. Появление специализированных решений, таких как Evolution Stack, снимает технологические барьеры и позволяет организациям с самыми высокими требованиями безопасности начинать работать с искусственным интеллектом уже сегодня.

Короткая ссылка на материал: //cnews.ru/link/a23066