Согласно новому отчёту аналитической группы J’son & Partners Consulting, посвящённому динамике развития российского рынка малых ЦОД вместимостью до 50 стоек, доходы этого рынка к 2030 году достигнут 14,2 млрд руб. при среднегодовых темпах роста 26,8 %.

Малые ЦОД активно используются государственными структурами, крупными корпорациями, а также средним и малым бизнесом. Такие объекты подходят как для построения геораспределённых сетей, так и для реализации приложений в отдельных локациях удалённых регионов России.

По оценкам экспертов, в 2025 году объём мирового рынка малых ЦОД составил $7,8 млрд, а к 2035 году достигнет $53,6 млрд при среднегодовых темпах роста 21,8 %. На такие дата-центры будет приходиться 6,6 % общемировых доходов от ЦОД (в 2025 году этот показатель составлял лишь 2,6 %).

Сегодня в России насчитывается более 450 действующих малых ЦОД. Доходы российского рынка малых ЦОД в 2025 году составили 4,4 млрд руб., а к 2030 году, как ожидается, вырастут до 14,2 млрд руб. При этом около 40 % объёма рынка приходится на дополнительные услуги, включая проектно-изыскательские и строительно-монтажные работы, транспортировку, поддержку и сервис. Другими словами, в цепочке продаж значительную роль играют интеграторы, выступающие непрямым каналом сбыта для производителей малых ЦОД и их собственных фронт-офисов.

Источник изображения: J’son & Partners Consulting

Крупнейшими потребительскими сегментами по числу малых ЦОД являются:

• обрабатывающая промышленность со сложными процессами автоматизации техпроцессов;
• государственные органы всех уровней, включая образовательные и медицинские учреждения;
• сфера развития мобильных сетей 5G и внедрения национальных ИИ-решений;
• потребительский сегмент, включая облачные услуги, финтех, маркетплейсы, цифровой ретейл и др.

К преимуществам малых ЦОД относится универсальность базовых решений, подходящих для удалённых подразделений крупных компаний, малого и среднего бизнеса, государственных учреждений, систем здравоохранения и образования, а также городских служб.

В формате малых ЦОД обычно предлагаются модульные решения, позволяющие последовательно наращивать вычислительные ресурсы и объём инвестиций по мере роста потребностей.

Также малые дата-центры, по словам авторов доклада, можно подключать «в любой точке магистральных, региональных и локальных сетей ВОЛС», формируя геораспределённые системы передачи и обработки данных как национального, так и местного масштаба с возможностью интеграции с крупными дата-центрами головных офисов компаний.

Наконец, в России реализуется национальный проект «Экономика данных и цифровая трансформация государства», рассчитанный на 2025–2030 годы. Кроме того, в стране действуют отраслевые программы цифровизации в различных сферах. Например, как заявил заместитель президента — председателя правления ПАО «Ростелеком» Валерий Ермаков на форуме РБК Tech, в нынешних условиях российским компаниям необходимы резервные ЦОД «судного дня» для быстрого восстановления сервисов.

Китайская ИИ-лаборатория DeepSeek открыла исходный код DeepInfer — фреймворка для инференса, на базе которого работают собственные сервисы компании, сообщает SiliconANGLE. Ключевой задачей продукта разработчик называет обеспечение работы с большой пользовательской базой при сохранении приемлемой стоимости. Один кластер, по заявлению DeepSeek, обрабатывает 155 трлн токенов в сутки, а доход при использовании тарифов в периоды низкой нагрузки составляет $38 в час на один GPU.

На данный момент DeepInfer поддерживает только модель DeepSeek-V4.1-Flash — по умолчанию загружается версия 1017, вышедшая в минувшие выходные. Фреймворк совместим с GPU NVIDIA на архитектуре Blackwell (SM100) и ускорителями Huawei Ascend 950; поддержка архитектуры NVIDIA Hopper и более старых поколений не предусмотрена. В DeepInfer есть две функции, гарантирующие получение идентичных результатов при повторном запуске с одинаковыми исходными данными. Они работают только на ускорителях NVIDIA. Быстродействие DeepInfer DeepSeek проверяла только на ускорителях NVIDIA, поэтому приведённые результаты бенчмарков получены исключительно в ходе собственных испытаний компании.

Источник изображения: DeepSeek

В DeepInfer предусмотрены два способа ускорения работы модели. Спекулятивное декодирование с помощью системы DSpark предполагает генерацию сразу пяти токенов вспомогательной моделью; модуль оценки уверенности прогнозирует, какие из них будут приняты основной моделью. Вычислительные ресурсы для проверки затрачиваются только на наиболее вероятные варианты, благодаря чему количество проверяемых «черновых» токенов на каждом шаге сокращается на 30 %. В реальных рабочих нагрузках это обеспечивает прирост производительности на 4–7 %. Второй механизм почти вдвое сокращает объём вычислений при первичной обработке запроса: через слои декодера модели повторно пропускаются только последние 128 токенов, а не весь запрос целиком.

Код для управления KV-кэшем и балансировки нагрузки DeepSeek пока не опубликовала, пояснив, что эти компоненты тесно связаны с внутренней инфраструктурой компании. DeepInfer преимущественно ориентирован на разделение нагрузки между первичной обработкой запросов и генерацией ответов, но реализовывать этот механизм пользователям придётся самостоятельно. В качестве минимальной эффективной конфигурации указываются 128 GPU: по 64 для первичной обработки запросов и генерации ответов.

Фреймворк DeepInfer доступен на GitHub под лицензией Apache 2.0. В комплект входит библиотека deepseek-recipe, которая преобразует запросы в последовательности токенов, используя ту же логику, что и официальный API DeepSeek. В этом же репозитории будет размещаться код для инференса и будущих моделей.

Поддержка платформы Ascend в DeepInfer появилась вслед за релизом от 30 сентября, в рамках которого DeepSeek при содействии Huawei обеспечила поддержку TileLang — китайского аналога NVIDIA CUDA. Во Внутренней Монголии ИИ-лаборатория намерена построить кампус ИИ ЦОД мощностью 1 ГВт и развернуть там не менее 160 000 ускорителей Huawei Ascend 950DT. Ранее стало известно, что DeepSeek занимается разработкой и собственного ИИ-ускорителя для инференса, чтобы снизить свою зависимость как от NVIDIA, так и от Huawei.

Более 11 % ИИ-ускорителей в суперкластере Meta✴ Prometheus в Нью-Олбани (New Albany, штат Огайо), либо уже вышли из строя, либо простаивают. Последние ожидают, когда перестанет функционировать ещё один из уже активных чипов, сообщает The Register со ссылкой на информацию самой компании.

Такой резерв ускорителей — лишь одна из мер, принимаемых гиперскейлером для обеспечения бесперебойного обучения ИИ-моделей. Prometheus представляет собой один из крупнейших вычислительных проектов Meta✴, оснащённый стоечными системами Grace Blackwell и в будущем Vera Rubin. Meta✴ рассчитывает масштабировать комплекс до 1 ГВт с использованием порядка миллиона ускорителей.

При этом увеличение количества ускорителей обычно ведёт к росту числа проблем. В узле с восемью ускорителями вероятность отказа невелика, но в кластере из 100 тыс. ускорителей отказы неизбежны. Масштаб проекта Meta✴ значительно больше, причём распределённые вычисления осуществляются сразу в нескольких ЦОД. Поэтому поддержание бесперебойной работы инфраструктуры до следующей контрольной точки обучения — непростая задача.

В корпоративном блоге Meta✴ рассказала о мерах, принимаемых для защиты обучения моделей, таких как Muse Spark и последняя версия Muse Wonder, от аппаратных сбоев.

Источник изображения: Meta✴

На первом этапе развёртывания Prometheus в Нью-Олбани происходило порядка 1 тыс. прерываний вычислений в сутки на каждые 8 тыс. ускорителей. Прерывания не обязательно означают отказ ускорителя. Речь идёт практически о любом сбое, в результате которого процесс приходится останавливать и «откатываться» к последней успешно сохранённой контрольной точке.

По данным Meta✴, за последовавший год компания сократила количество таких прерываний на 99 %, до порядка 11 на каждые 8 тыс. ускорителей. Один из способов — постоянно держать часть из них в резерве. Кластер работает на основе комбинации систем GB200 и GB300, каждая из которых включает 72 ускорителя в каждом домене NVLink, объединяющем ускорители высокоскоростными соединениями. В каждый отдельный момент работают только 64 из них, а оставшиеся восемь находятся в «горячем резерве».

Такую схему внедрили, поскольку даже отказ одного ускорителя мог прервать процесс обучения во всей стойке. Теперь в случае отказа сразу задействуется резервный экземпляр, что позволяет сэкономить время. Прерывание вычислений по-прежнему происходит, но затраты времени на восстановление значительно сокращаются.

Чтобы уменьшить последствия подобных сбоев, Meta✴ использует принцип параллелизма данных, при котором в одном кластере одновременно работают несколько копий модели. В случае сбоя неисправность локализуется в одной из копий, а остальные продолжают обучение, повторно выполняя соответствующий этап. В результате совокупная производительность лишь ненадолго снижается, а обучение не приходится начинать с нуля. Распределённая архитектура сохранения контрольных точек тем временем обеспечивает запись состояния модели в многоуровневую систему хранения.

По данным Meta✴, одной из сложнейших задач стало обеспечение с помощью NVLink работы 72 ускорителей как единого целого. В системах на NVIDIA H100 и H200 использовалось всего по восемь чипов на домен, поэтому соединения были значительно короче, а их количество — меньше. Для поколения Blackwell масштаб домена по числу ускорителей увеличился в девять раз. Как заявили в компании, при наличии более 600 тыс. соединений даже небольшое падение качества сигнала приводит к частым циклам восстановления соединений NVLink.

Источник изображения: Meta✴

Для решения проблемы пришлось внедрить систему непрерывного телеметрического мониторинга, а также проводить стресс-тесты уровня L11, позволяющие выявлять ненадёжные соединения до начала эксплуатации систем.

Ещё одна проблема связана с обеспечением электропитания. Одновременное включение и выключение десятков тысяч ускорителей при запуске и завершении задач может вызывать скачки энергопотребления, перегружающие оборудование, отвечающее за электропитание.

По данным Meta✴, меры по повышению стабильности и надёжности кластера позволили добиться доли полезной вычислительной работы (так называемого goodput) на уровне более 85 % при предварительном обучении и более 90 % при обучении с подкреплением последней модели Muse Wonder.

На этом амбиции Meta✴ не заканчиваются: компания по-прежнему стремится создать инфраструктуру на миллион ускорителей. Частоту прерываний предполагается снизить до двух в сутки на каждые 8 тыс. ускорителей. Также компания рассчитывает обеспечить среднее время между прерываниями на уровне 100 тыс. GPU-часов.

В 2027 году компания Amazon намерена инвестировать €16 млрд ($17,98 млрд) в различные инфраструктурные проекты на территории Германии. Средства будут направлены на расширение парка ЦОД и развитие ИИ-инфраструктуры, высокоскоростного спутникового интернета в рамках инициативы Amazon Leo, а также новые проекты в направлении Prime Video, сообщает Datacenter Dynamics.

С 2010 года Amazon уже потратила в Германии около €100 млрд. Из новых €16 млрд сумма в €4,8 млрд ($5,39 млрд) будет направлена на развитие ЦОД и ИИ-инфраструктуры, а также расширение облачного региона AWS Europe во Франкфурте.

По словам представителя Amazon, Германия является одним из мировых центров инноваций и одним из самых привлекательных направлений для инвестиций в Европе. Поэтому компания уже вложила в стране значительные средства и намерена продолжить инвестиции.

Регион Amazon Web Services (AWS) Frankfurt действует с 2014 года и неоднократно расширялся. В июне 2024 года AWS объявила о намерении инвестировать $9,44 млрд в развитие региона к 2026 году, а в ноябре 2025 года сообщила, что рассматривает возможность строительства ЦОД за пределами Франкфурта — в Шёнеке (Schöneck) и Майнтале (Maintal), в земле Гессен (Hesse). В Майнтале, помимо прочего, речь идёт о кампусе из двух зданий на территории площадью 10,5 га.

Источник изображения: Steven Wei/unsplash.com

Регион во Франкфурте включает три зоны доступности. В его составе работают четыре площадки ЦОД, ещё одна находится на стадии строительства.

Также в Германии реализуется проект AWS Sovereign European Cloud. В 2024 году компания объявила, что инвестирует €7,8 млрд ($8,47 млрд) в развитие суверенной облачной инфраструктуры в Германии до 2040 года. Инфраструктура облака размещается в Бранденбурге.

Компания не раскрыла, как будут разделены оставшиеся €11,2 млрд ($12,58 млрд) между Amazon Leo, логистическими проектами и Prime Video.

Активность компании на рынке ИИ нарастает. В июле Amazon сообщала, что ожидает ещё больших расходов в соответствующий сегмент. Президент и генеральный директор Amazon Энди Джасси (Andy Jassy) объявил об увеличении прогноза капитальных затрат на 2026 год до $220 млрд с предыдущего в размере $200 млрд. Он пояснил это ростом цен на память, добавив, что значительные инвестиции Amazon вряд ли скоро прекратятся.

Клиенты телеком-оператора Openreach лишились широкополосного доступа в интернет по вине злоумышленников, укравших кабели. Тысячи пострадавших — жители деревни Тёрнско (Thurnscoe) в графстве Южный Йоркшир, сообщает Datacenter Dynamics.

Действия злоумышленников сказались не только на доступе в интернет, но и на проводной телефонной связи. Они повредили местную сеть, присвоив медные кабели телеком-оператора.

Кража меди — одна из серьёзнейших проблем телеком отрасли Великобритании в последние годы. Инфраструктура Openreach неоднократно страдала от подобных инцидентов. По имеющимся данным, также были похищены и канализационные люки.

Openreach извинилась за сбои и сообщила, что занимается устранением последствий кражи и восстановлением работы сервисов. В компании подчеркнули, что кража кабелей — серьёзное преступление и может иметь значительные последствия для местных жителей.

Ранее кабели у Openreach уже крали в некоторых частях Великобритании, включая Дарем (Durham), Хэмпшир (Hampshire), Оксфордшир (Oxfordshire), Хартфордшир (Hertfordshire), Кембриджшир (Cambridgeshire), Северный Йоркшир (North Yorkshire), Линкольншир (Lincolnshire), Эссекс (Essex) и Шропшир (Shropshire).

Хотя на территории Соединённого Королевства активно развёртывают оптоволоконные сети, охватившие почти 24 млн объектов недвижимости, кражи уже имеющейся медной инфраструктуры замедляют процесс внедрения новых технологий.

Источник изображения: Émile Dionne/unsplash.com

По данным компании, с апреля 2024 года более 100 тыс. человек в Соединённом Королевстве лишились проводной телефонной связи и/или широкополосного интернета из-за хищений медных кабелей, всего украдено 153 км. За тот же период Openreach потратила 1,2 млн человеко-часов на ремонт повреждённых линий.

Это заставило компанию усилить борьбу с преступниками. Так, в мае компания анонсировала партнёрство с компанией EMR, занимающейся утилизацией вторичного сырья, а также НКО Crimestoppers, содействующей борьбе с преступностью. Помимо этого активно внедряется технология специальной маркировки SelectaDNA, с использованием «синтетической ДНК» и ультрафиолетовых маркеров, с помощью которых помечаются кабели и связанное оборудование.

Так или иначе, компания сообщает, что повсеместно отказывается от сети медных кабелей по всей Великобритании и быстро извлекает последние сама, не дожидаясь, пока это сделают злоумышленники. Фактически с последними идёт соревнование на скорость — чем быстрее в Openreach извлекут все кабели из земли, тем быстрее преступникам нечего будет красть.

Проблема характерна не только и не столько для Великобритании. Ранее сообщалось, что только оператор AT&T в США зарегистрировал более 10 тыс. случаев воровства меди с ущербом порядка $82 млн.

Компания QNAP Systems представила JBOD-массивы TL-D810TC4 и TL-R1210TC4-RP с интерфейсом USB 4 для предприятий малого и среднего бизнеса, а также создателей контента. Кроме того, анонсирована специальная карта расширения QXP-40G2UC, позволяющая наделить портами USB 4 существующую NAS-систему.

Устройство TL-D810TC4 выполнено в «настольном» форм-факторе. Доступны восемь отсеков для LFF/SFF-накопителей с интерфейсом SATA-3; возможна горячая замена. Габариты составляют 188,2 × 329,3 × 281,4 мм, масса — 6,18 кг без установленных HDD/SSD. За охлаждение отвечают два вентилятора диаметром 120 мм. Блок питания имеет мощность 250 Вт. Гарантия — два года.

Источник изображений: QNAP

Модель TL-R1210TC4-RP, в свою очередь, имеет формат 2U: она рассчитана на монтаж в серверную стойку. Предусмотрены 12 посадочных мест для LFF/SFF-накопителей SATA-3. Размеры — 88,65 × 432 × 370,85 мм, масса — 9,17 мм. Установлены два 80-мм вентилятора и два блока питания на 250 Вт. Предоставляется трехлетняя гарантия.

Оба JBOD-массива используют для подключения порт USB 4 Type-C с пропускной способностью до 40 Гбит/с. Диапазон рабочих температур простирается от 0 до +40 °C. Говорится о совместимости с QTS/QuTS hero, Windows и Ubuntu.

Карта расширения QXP-40G2UC выполнена на контроллере ASMedia ASM4242 и оснащена двумя разъёмами USB 4 Type-C. Для установки необходим слот PCIe 4.0 x4. Изделие имеет низкопрофильное исполнение, а в комплект поставки включены монтажные планки стандартной и уменьшенной высоты. Заявлена совместимость с NAS под управлением QTS 5.2.x (или новее) и QuTS hero 5.2.x. Срок гарантии составляет два года. 

Компания HPE представила HPE Spaceborne Computer-4 (SBC4) — передовой вычислительный модуль, разработанный для работы в космосе. Он будет установлен на луноходе Flex Lunar Innovation Platform (FLIP) компании Astrolab, который в конце 2026 года доставят в район горы Монс-Мутон (Mons Mouton) недалеко от южного полюса Луны. Доставка будет осуществляться в рамках программы NASA Commercial Lunar Payload Services (CLPS) с помощью посадочного модуля Griffin-1, разработанного компанией Astrobotic, подразделением Voyager Technologies.

Цель проекта — оценить пригодность современных вычислительных систем для будущих миссий и развивающейся лунной экономики. Согласно плану, в рамках годовой миссии лунохода на южном полюсе Луны SBC4 будет задействован в ряде экспериментов, связанных с ИИ и высокопроизводительными вычислениями (HPC).

Источник изображения: NASA/unsplash.com

По словам HPE, результаты этих экспериментов помогут заложить технологический фундамент, необходимый для будущих миссий и исследований на лунной поверхности. В рамках эксперимента FLUID (Federated Learning for Unbounded and Intelligent Decentralization — «Федеративное обучение для неограниченной интеллектуальной децентрализации») NASA задействует нейросетевую ИИ-модель, обученную на данных, полученных на Земле, Луне и МКС. Это позволит продемонстрировать координацию трёх отдельных ИИ-моделей. Кроме того, NASA проведёт испытания большой языковой модели (LLM) с возможностями семантической обработки, которая поможет искать и интерпретировать бортовую документацию.

LLM будет использоваться для получения аналитических данных, обработки визуальной информации и обеспечения автономного мониторинга непосредственно на месте проведения работ.

Также на SBC4 проведут несколько тестов производительности (HPC-бенчмарков), призванных проверить возможности системы на пределе её мощности. Среди них — тесты Linpack (HPL) и Conjugate Gradient (HPCG). Это означает, что HPE и Astrolab вскоре могут стать авторами первой в истории заявки в рейтинг Top500, отправленной с другого небесного тела, отметил The Register.

Кроме того, будут проведены испытания по обработке данных, полученных с датчиков LiDAR, необходимых для картографирования, навигации, анализа рельефа и развития инфраструктуры. Также будет продемонстрировано развёртывание масштабируемых сервисов на базе ИИ.

Система Silent Shield компании Deloitte, предназначенная для обнаружения кибервторжений, обеспечит прогностическую кибераналитику и выявление аномалий практически в режиме реального времени.

Подготовленный HPE пакет программного обеспечения позволит оптимизировать взаимодействие с наземными ресурсами и обеспечить безопасную передачу данных и результатов исследований с Луны на Землю. Кроме того, HPE обеспечит поддержку центра управления полётами Astrolab в Хоторне (Hawthorne, штат Калифорния) с помощью решения HPE Private Cloud, которое поможет получать аналитические данные в режиме реального времени. В дополнение к этому ПО HPE CloudOps предоставит единую гибкую среду для управления рабочими нагрузками и их автоматизации.

Известно, что система SBC4 оснащена энергоэффективными процессором и графическим процессором, а также двумя дублированными (зеркальными) SSD-накопителями Kioxia общей ёмкостью 1 Тбайт. Как сообщает The Register, партнёр HPE, предоставивший вычислительные компоненты, пожелал сохранить своё имя в тайне, поскольку не хотел бы, чтобы в случае выхода оборудования из строя название его бренда ассоциировалось с неудачей. Устройство имеет небольшие размеры — 130 × 250 × 25 мм.

Луноходу, а значит, и SBC4, предстоит выдерживать экстремальные вибрационные нагрузки во время запуска и посадки, а также резкие перепады температур. Кроме того, аппаратуре придётся противостоять воздействию космических лучей и солнечной радиации, поскольку на Луне нет плотной атмосферы и магнитного поля, которые защищают вычислительные системы на Земле.

По словам Марка Фернандеса (Mark Fernandez), главного научного сотрудника HPE по космическим технологиям и решениям, система SBC4 в основном собрана из стандартных серийно выпускаемых компонентов, включая SSD. В вычислительной платформе используются стандартные накопители Kioxia BG6 формата M.2, а основным средством защиты служит программный массив RAID 1.

Вместе с тем HPE вложила значительные средства в программные механизмы резервирования и восстановления. Фернандес называет это «аппаратной защитой на программном уровне». Суть подхода заключается в том, что свободные вычислительные ресурсы процессора используются для непрерывного мониторинга аппаратных показателей и их сравнения с эталонными значениями. Если какой-либо параметр выходит за установленные пределы, система SBC4 принимает меры для самозащиты.

«Если говорить в общих чертах: в идеале я хочу работать на полной скорости. Если это невозможно — снижаю скорость. Если и это не помогает, система переходит в состояние загрузки, но без запуска каких-либо задач — возможно, сервер сможет восстановиться. В худшем случае лучше просто отключить питание, чем допустить полное разрушение оборудования», — пояснил он.

Проект FLIP был задуман прежде всего как концептуальная демонстрация — своего рода испытательный полигон для технологий, которые в будущем могут быть использованы в других миссиях на Луну.

Учитывая ограниченную пропускную способность каналов связи с Землёй, гораздо эффективнее обрабатывать значительную часть данных и телеметрии, поступающих с камер, лидаров и датчиков лунохода, непосредственно на месте. По словам Фернандеса, именно поэтому система SBC4 спроектирована для работы «на самом краю» (at the edge of the edge) — непосредственно в месте сбора данных.

Следует отметить, что ряд компаний, включая Google, Amazon и SpaceX, продвигают идею создания орбитальных дата-центров, работающих на солнечной энергии. Это позволило бы обойти ограничения, связанные с энергопотреблением на Земле. Однако экономическая целесообразность таких проектов пока не доказана, и на данный момент они остаются нерентабельными.

В правительстве сейчас ведётся работа по корректировке приказа Минпромторга, которым с мая были исключены из перечня оборудования, разрешённого для параллельного импорта, изделия около двух десятков мировых компьютерных брендов. Особенно сильно ограничения отразились на поставках для ЦОД, из-за чего выросли затраты их операторов, сообщил Forbes.

По данным источников Forbes, в августе — сентябре в рабочей группе «Инфраструктура и центры обработки данных (ЦОДы) для ИИ» правительственной подкомиссии по ИИ обсуждался вопрос упрощения импорта вычислительной техники. С целью решения проблемы дефицита GPU и высокой стоимости оборудования для ИИ группа готовит изменения в приказ Минпромторга, чтобы свести к минимуму ограничения на ввоз IT-оборудования.

По словам источников, планируют «откатить этот приказ», поскольку у заказчиков в России возникли сложности с закупками памяти, в частности, южнокорейских брендов Samsung и SK Hynix, которые были исключены из параллельного импорта с мая.

Источник изображения: Domaintechnik/unsplash.com

В приказе Минпромторга были указаны вычислительные машины, поставляемые в виде систем (код ТН ВЭД 8471 49 000 0), а также запоминающие устройства (код ТН ВЭД 8471 70) товарных знаков Acer, Adata, AIC, Apacer, ASUS, AToS, Cisco, Compal, Fujitsu, HP, Hitachi, HPE, IBM, Inspur, Intel, Kingston, Samsung, Sandisk, Toshiba, Transcend, xFusion. Согласно разъяснению Минпромторга, речь идёт о серверном оборудовании и СХД этих брендов.

В компании «Рустам Курмаев и партнёры» напомнили, что товары брендов, исключённых из параллельного импорта, по-прежнему можно ввозить с согласия правообладателя: «Без такого согласия ввоз становится нарушением прав на товарный знак, что грозит изъятием партии на таможне, конфискацией, компенсацией правообладателю и административной ответственностью». Однако вряд ли можно получить согласие у Samsung, которая в 2022 году приостановила поставки своей продукции в Россию, или у SK Hynix, закрывшей в 2024 году свой филиал в России по изучению конъюнктуры рынка и общественного мнения.

Старший партнёр адвокатского бюро «Залесов, Тимофеев, Гусев и партнёры» Владимир Чикин отметил, что отечественные компании выпускают готовые серверы и СХД, но сопоставимого отечественного производства SSD, а также микросхем памяти DRAM, NAND и HBM сейчас нет. «Поэтому оборудование может быть произведено или собрано в России, но при этом использовать импортные накопители и микросхемы памяти», — говорит он.

Решения российских производителей твердотельных накопителей также имеют ограничения по определённым форм-факторам и интерфейсам, добавил руководитель группы аппаратных проектов ГК Softline («Софтлайн Решения») Иван Афанасьев.

«Судя по всему, прогнозируются массовые закупки комплектующих, а учитывая поднявшиеся цены — это попытка снизить нагрузку на близких государству игроков: “Яндекс”, VK и т.п., — полагает сооснователь «Моего офиса» Дмитрий Комиссаров. — Игроков, способных производить память, в России нет. SSD [производить] кто-то пытается, но масштабы точно не для “Яндекса”».

Приказ Минпромторга вышел на фоне мирового кризиса на рынке памяти, а отечественные производители при этом зависят от импортных процессоров, памяти и контроллеров. В ситуации дефицита памяти по всему миру любое сужение каналов поставки усугубляет проблему, указывает инвестиционный аналитик Kama Flow Анна Лабунец, назвавшая предложение вывести Samsung и SK Hynix из-под действия приказа Минпромторга вполне логичным. По её словам, после атак БПЛА на дата-центры необходимость устранить ограничения на поставки становится ещё очевиднее: «Отрасль перешла от планового наращивания мощностей к аварийному восстановлению и резервированию. В таких условиях скорость поставки и наличие на складе — приоритет, а приказ затрудняет и то и другое».

Google представила программный комплекс TorchTPU с открытым исходным кодом, предназначенный для запуска ИИ-моделей с использованием фреймворка PyTorch на ускорителях TPU. Проект призван упростить использование ускорителей Google в обучении и инференсе ИИ; поддерживаются популярные программные средства — создавать отдельную программную среду для TPU не требуется.

Разработанный совместно с командой PyTorch в Meta✴ инструментарий TorchTPU позволяет запускать существующие проекты в PyTorch с минимальными изменениями кода, используя привычный API. Поддерживаются отладка в обычном режиме PyTorch и механизмы распределенных вычислений. Google заручилась поддержкой Hugging Face, благодаря чему представленные на ИИ-платформе открытые модели могут запускаться нативно через TorchTPU — поддерживаются библиотеки Transformers v5 и Diffusers.

Источник изображения: youtube.com/@googlecloudtech

Программный модуль vLLM для TorchTPU поддерживает одновременную обработку множества запросов, квантизацию и распределение вычислений между чипами TPU; стандартные средства управления вычислениями и обработки запросов сохранены. Для TPU адаптирован инструмент SGLang — он позволяет ускорять сложные многоэтапные задачи, в том числе выполняемые ИИ-агентами; поддерживаются повторные обращения к KV-кешу и повторяющиеся префиксы запросов, за счёт чего одни и те же вычисления могут не выполняться заново. Версия SGLang-TorchTPU сохранила механизмы выполнения задач, распределения запросов и API. Средства обмена данными с HiCache помогают сократить задержку и оптимизировать вывод при сложной многоэтапной генерации.

Совместно с Red Hat, IBM и сообществом разработчиков выпущен роутер llm-d 1.0 — он направляет запросы к экземплярам модели, где уже сохранен контекст, а также разделяет обработку входного запроса и генерацию ответа по вычислительным ресурсам, что позволяет использовать их эффективнее. В Google Kubernetes Engine этот инструмент поддерживает запуск моделей как на GPU, так и на TPU. Google интегрировала TorchTPU с TorchTitan — инструментом распределённого обучения крупных моделей; поддерживаются, в частности, Llama 3, Qwen 3 и FLUX.1. Поддержка появилась в VeRL — одном из наиболее популярных фреймворков для обучения с подкреплением, позволяющий улучшать модели в математических задачах, написании кода и многоэтапных агентских задачах.

Заявлено о поддержке TorchTPU в Ray — инструмент для распределения вычислительных задач позволяет объединить обработку данных, обучение, и инференс в рабочий процесс с использованием центральных и графических процессоров, а также TPU. В экосистему PyTorch вошла библиотека LiteRT, предназначенная для запуска моделей на пользовательских устройствах. Google также представила предварительную версию TPU agent suite — при помощи плагинов этот набор инструментов помогает автоматизировать первоначальную настройку, диагностику и оптимизацию моделей в PyTorch.

Поддержку PyTorch на своих ускорителях реализовали также Amazon, Intel и Meta✴.

Российский разработчик решений для видеоконференцсвязи «Труконф» представил новую серверную архитектуру TrueConf Cluster.

Решение предназначено для построения отказоустойчивых систем унифицированных коммуникаций в государственных структурах, банках и промышленных предприятиях. Архитектура TrueConf Cluster позволяет объединять несколько серверов в единый логический кластер с автоматическим перераспределением нагрузки и мгновенным переключением на резервные узлы при сбоях. По данным разработчика, система обеспечивает непрерывность сеансов связи: при выходе из строя одного из узлов активные конференции не прерываются, а пользователи незаметно для себя переводятся на работающие мощности.

В основу архитектуры TrueConf Cluster положена фирменная технология компании «Труконф»: каждый участник взаимодействует только со «своим» узлом кластера, а медиаданные передаются напрямую между задействованными узлами — такой подход обеспечивает равномерную нагрузку на сеть.

Источник изображения: «Труконф» / trueconf.ru

Кластер может быть развёрнут в контуре заказчика или его доверенного подрядчика — в том числе в изолированных сетях. Настройка узлов TrueConf Cluster и конфигурирование системы осуществляется через единый портал с мониторингом нагрузки и активности в реальном времени, а также централизованным управлением правами групп пользователей и администраторов.

TrueConf Cluster поддерживает взаимодействие со сложными LDAP-лесами, настройку многофакторной авторизации и механизма единого входа, а также интеграцию со сторонними средствами защиты цифровых угроз. Благодаря возможностям масштабирования продукт может использоваться в организациях любого размера, будь то ведомственные предприятия, территориально распределённые или международные компании с широкой географией офисов.