Тяга к экспериментам: «Яндекс» выходит в новый сегмент использования ИИ для бизнеса
Счет на дни
Подразделение Yandex B2B Tech, объединяющее разработки и услуги для корпоративных пользователей, совместно с Selectel и MetaMentor запускают новый формат использования ИИ для бизнеса, сообщили Forbes в «Яндексе» и подтвердили представители партнеров. Теперь компании могут использовать сервисы платформы для создания и внедрения решений на базе ИИ Yandex AI Studio на своей площадке без закупки собственного оборудования — необходимые серверы с графическими процессорами GPU от Selectel будут предоставляться по модели аренды вместе с готовыми ИИ-решениями.
Таким образом, клиенты смогут арендовать оборудование в формате on-premises (с размещением на собственной площадке) с предустановленными ML-сервисами — без необходимости самостоятельно разворачивать и настраивать инфраструктуру для их работы. Решение класса On-Premises AI-as-a-Service доступно в формате программно-аппаратного комплекса (ПАК). В его основе три компонента: сервисы Yandex AI Studio (генеративные модели, инструменты для работы с данными и файлами, файловый поиск и визуальные интерфейсы для создания ИИ-агентов без навыков программирования), серверное оборудование с GPU от Selectel и услуги MetaMentor по внедрению, настройке и интеграции решения в IT-контур компании.
Новый сервис ориентирован на компании, которые хотят быстро развернуть ИИ-проект с размещением инфраструктуры в собственном контуре и соблюдением строгих регуляторных требований и внутренних политик информационной безопасности, поясняют партнеры. К примеру, это могут быть крупные банки или промышленные предприятия, для которых важно, чтобы решение работало в изолированном контуре внутри инфраструктуры компании. «Теперь они смогут перевести эти капитальные затраты в операционные», — говорит руководитель платформы Yandex AI Studio Артур Самигуллин.
По словам директора AI-вертикали Selectel Александра Тугова, подбор конфигурации под задачу клиента, сборка и тестирование занимают до пяти дней, а полная готовность ПАКа к работе — от двух недель: «Это в десятки раз быстрее, чем заказ и установка собственного оборудования, которые, как правило, занимают от нескольких месяцев до года. В результате бизнес получает скорость, качество сервиса и уровень инфраструктуры enterprise-класса, которые самостоятельно обеспечить крайне сложно».
Языком цифр
Стоимость проекта зависит от задачи заказчика, требуемой конфигурации инфраструктуры и сценариев использования ИИ, поясняют в пресс-службе Yandex B2B Tech: «Совокупные затраты на типовой пилотный проект длительностью три месяца могут составить около 5,8 млн рублей. По нашим оценкам, это на порядок дешевле, чем капитальные затраты на закупку и обслуживание собственной инфраструктуры для ИИ-проектов и приобретение лицензий в формате on-premises, а также в разы быстрее».
Например, в такое решение может входить аренда серверов c GPU от Selectel, лицензия Yandex AI Studio на три месяца, услуги по развертыванию языковых моделей, настройка управления ролями и доступами, а также техподдержка, перечисляют в компании: «Этого достаточно для реализации пилотных проектов, например, в таких сценариях, как умный ассистент для сотрудников, поиск по базе знаний, генерация документов или автоматизация клиентской поддержки».
Значительная часть компаний уже развертывает ИИ в локальном контуре. По данным совместного исследования Yandex Cloud и AHD, объем российского рынка on-premises платформенного ПО на базе ИИ в 2025 году составил около 16 млрд рублей, сообщили в «Яндексе». Сегмент ПАК для инфраструктуры высоконагруженных систем (ИВНС) в 2024–2030 годах будет расти в среднем на 20% ежегодно, следует из данных Б1. Его объем в 2024 году составил 96 млрд рублей, к 2030 году ожидается его рост до 287 млрд рублей. Доля ПАК в структуре ИВНС вырастет с 17% в 2024 году до 22% к 2030 году. 45% составит доля отечественных решений в парке ПАК на российском рынке в 2030-м по сравнению с 18% в 2024 году. «Импортозамещение — значительный драйвер сегмента ПАК, которому способствуют господдержка и повышение доверия к отечественному производителю», — говорится в отчете Б1.
Совокупная выручка Yandex B2B Tech (подразделение, создающее решения для корпоративного сектора на базе ИИ и других технологий компании; включает два основных направления — платформу для создания IT-продуктов Yandex Cloud и виртуальный офис «Яндекс 360») в 2025 году составила 48,2 млрд рублей, увеличившись по сравнению с результатом 2024 года на 48%. По оценке «Яндекса», Yandex B2B Tech растет в 1,9 раза быстрее российского рынка корпоративных IT-решений.
Несколько запросов в одном
Модель в целом не является принципиально новой, констатируют опрошенные Forbes эксперты: на мировом рынке уже существуют форматы лизинга серверов с установленными on-premise большими языковыми моделями. Крупные игроки, например Nvidia (через партнерские программы), Dell, HPE и облачные гиганты (AWS Outposts, Azure Stack) поставляют оборудование с предустановленным ПО прямо в дата-центр клиента, обращает внимание заместитель руководителя направления Т1 ИИ (IT-холдинг Т1) Сергей Карпович. Кроме того, Т1, например, уже реализовал ряд проектов с поставкой ПАК «Фабрика ИИ», реализованных по такой схеме, говорит он. В России этот рынок, по его словам, фрагментирован: либо покупали «железо», либо использовали публичные облака.
Однако спрос бизнеса на такие решения растет. Для российского рынка проект «Яндекса» и Selectel — одна из первых попыток сделать такой сервис именно внутри контура заказчика, а не просто продавать «железо» или облако, указывает директор по развитию бизнеса «Рексофт» Дмитрий Резников. «Востребованность идеи продиктована спросом на ИИ-сервисы со стороны огромного числа компаний — не только банков, но и госсектора, промышленности, телекома или медицины. Речь идет не только о работе с документами, но и о развертывании ИИ-ассистентов, системах промышленной аналитики и техподдержки, решений по оценке эффективности тех или иных решений и многого другого», — перечисляет генеральный директор хостинг-провайдера RUVDS Никита Цаплин.
У многих крупных enterprise-заказчиков есть потребность быстро тестировать AI-сценарии, но при этом нет готовой инфраструктуры для быстрого запуска LLM в промышленном контуре, подтверждает руководитель департамента по внедрению ИИ в бизнес-процессы Точка Банка Андрей Румянцев. «Обычно компании нужно пройти большой подготовительный этап: купить или арендовать GPU-серверы, выстроить инфраструктуру для инференса LLM, настроить доступы, безопасность, мониторинг, агентский слой и интеграции с внутренними системами», — говорит он. Особенно критичен, по его словам, вопрос информбезопасности: для многих организаций облачные решения недоступны или ограничены, поэтому фактически остается только on-premise-контур. «Все это занимает время, требует дорогой экспертизы и может ухудшить экономику проекта — вплоть до того, что ROI пилота становится недостаточным для его запуска», — заключает Румянцев.
Для крупных банков ИИ сегодня «становится core value» и частью базовой технологической архитектуры, говорит директор по ИИ в IT Альфа-банка Святослав Соловьев. «Поэтому для лидеров финтеха подобные коробочные решения вряд ли станут основной моделью развития. Большинство лидеров рынка сейчас делают ставку именно на собственные AI-платформы и внутреннюю экспертизу», — полагает он. При этом такой формат может быть полезен крупным корпоративным клиентам, особенно промышленности, инфраструктурным компаниям, которые только начинают системное внедрение AI, допускает Соловьев.
Многие крупные компании сейчас хотят попробовать запустить пилоты с ИИ у себя, но не готовы сразу покупать собственную инфраструктуру на десятки миллионов рублей, а потом еще полгода-год заниматься ее разворачиванием и интеграцией, согласен Дмитрий Резников. «Бизнес сейчас боится не только стоимости «железа», сколько ситуации, когда закупил оборудование, потратил время, а бизнес-эффект доказать не смогли, — размышляет он. — Условный сервер с восемью картами Nvidia H200 стоит десятки миллионов рублей без затрат на лицензии, развертывание и поддержку. Поэтому возможность за условные 5 млн рублей быстро поднять пилот на уже работающей платформе с настроенной средой и понять, есть ли вообще эффект для бизнеса, для многих выглядит логичнее, чем сразу строить все свое».
У аренды решения есть свои особенности — она привязывает к конкретному вендору и ПО, в этом случае к модели ИИ, обращает внимание директор департамента систем хранения данных OCS Руслан Сутягин. К тому же важно понимать, что для крупных заказчиков, банков и объектов критической информационной инфраструктуры (КИИ) этот подход не закрывает запрос технологического суверенитета, предупреждает гендиректор Smart Engines, доктор технических наук Владимир Арлазаров. «К тому же крупные банки уже обладают достаточной экспертизой и развитой инфраструктурой для разработки AI-решений на базе LLM собственными силами, — рассуждает он. — Дополнительный фактор риска в российских реалиях — использование GPU в промышленном контуре на фоне ограничения поставок зарубежных чипов, прежде всего Nvidia. В долгосрочной перспективе такая схема может обернуться сложностями с масштабированием».