В данной статье мы рассмотрим пример применения устройств NetPing для обеспечения надёжного мониторинга и управления инфраструктурой организации, охватывающей серверные помещения, складские зоны и офисные пространства.

При управлении IT-инфраструктурой организации могут сталкиваться со следующими трудностями:

• Отсутствие контроля температурных условий приводит к перегреву серверного оборудования, особенно в случае отказа системы охлаждения в летнее время. Такие ситуации повышают риск выхода из строя серверов и критически важных систем;
• Регулярные колебания напряжения в электросети негативно сказываются на работе серверов и сетевых устройств, что приводит к перезагрузкам, сбоям и, в конечном итоге, к сокращению срока службы оборудования. Без системы мониторинга электропитания обнаружить и оперативно отреагировать на эти скачки невозможно;
• В серверной не контролируется уровень влажности, что может приводить к коррозии контактов и компонентов. В условиях повышенной влажности склада срок службы оборудования может существенно снижаться, однако, из-за отсутствия датчиков влажности эта угроза остаётся незамеченной;
• Серверная комната уязвима для несанкционированного доступа, так как отсутствует датчик открытия двери. При доступе посторонних лиц оборудование может быть случайно повреждено или перенастроено, что добавляет неопределённости в работу инфраструктуры;
• Из-за невозможности удалённого управления розетками происходят задержки в решении инцидентов. В случае зависания или сбоя одного из устройств (например, интернет-шлюза или VoIP-шлюза), перезагрузка может быть выполнена только вручную, что требует присутствия персонала на объекте и вызывает временные простои.

Источник изображений: NetPing

Для решения таких задач требуется устройство, которое могло бы:

• Обеспечивать круглосуточный мониторинг температурных и влажностных условий в серверных и на складе;
• Фиксировать состояние дверей и доступ в помещения;
• Контролировать качество электропитания и отправлять уведомления в случае отклонений;
• Быть совместимым с сетевой инфраструктурой для интеграции в единую систему мониторинга.

В качестве решения мы предлагаем использовать как основной элемент системы мониторинга устройство NetPing Monitoring Server 90Z04, оснащённое предустановленным сервером Zabbix для контроля состояния оборудования и IT-систем. Устройство поддерживает до 1000 измеряемых метрик одновременно, что позволяет отслеживать различные параметры сети и серверного оборудования 24/7.

Основные характеристики устройства:

• Поддержка SNMP, HTTP API, Syslog для сбора метрик и управления оборудованием;
• Подключение датчиков через интерфейсы 1-Wire и дискретные входы для мониторинга физических параметров, таких как температура, влажность, электропитание и доступ в помещения;
• Возможность подключения к сетевой инфраструктуре через Ethernet;
• Управляемые розетки с функцией мониторинга для удалённого управления подключенными устройствами, включая перезагрузку или отключение питания;
• Автоматические оповещения ― устройство поддерживает уведомления через SNMP Traps, E-mail, SMS и Telegram. Это позволяет персоналу оперативно получать информацию о неполадках и предотвращать возможные инциденты;
• Простота в развёртывании ― Zabbix уже настроен и готов к работе с момента запуска устройства из коробки.

Область мониторинга и оборудование, задействованное в данной задаче

На рисунке ниже представлены основные узлы сети и подключаемые к NetPing Monitoring Server 90Z04 устройства.

Офис

• 5 рабочих мест, подключенных к локальной сети организации, что позволяет вести мониторинг активности и состояния пользователей;
• Маршрутизатор и сетевой коммутатор обеспечивают связь и доступ к внутренним и внешним ресурсам организации;
• МФУ ― подключено к локальной сети и мониторится для отслеживания состояния и доступности.

Удаленный склад

• 3 рабочих места, подключенных к локальной сети для обмена данными и доступа к общим ресурсам;
• Граничный роутер с поддержкой VPN ― используется для соединения удалённого склада с центральным офисом, подключен к локальной сети и находится под постоянным мониторингом для безопасности;

Серверный шкаф

Все устройства подключены к управляемым розеткам NetPing Monitoring Server 90Z04:

• Розетка 1 ― интернет-шлюз для обеспечения доступа к сети;
• Розетка 2 ― NAS-сервер для хранения и резервного копирования данных;
• Розетка 3 ― коммутатор, обеспечивающий сетевую инфраструктуру для серверного оборудования;
• Розетка 4 ― VoIP-шлюз для обеспечения корпоративной телефонии.

Подключенные датчики

• Датчик открытия двери (Извещатель охранный ИО102-20/Б2П, 2м) подключен к дискретному каналу IO Line, фиксирует доступ в серверный шкаф для обеспечения безопасности;
• Датчик температуры NetPing, мод. THS и Датчик влажности NetPing, мод. HS подключены к портам 1-Wire и контролируют климатические условия для предотвращения перегрева и отсыревания оборудования;
• NetPing датчик качества электропитания 1-wire 910S20 подключен к порту 1-Wire для мониторинга параметров электросети и защиты оборудования от перебоев в электропитании.

Питание устройства

• ИБП (Источник бесперебойного питания) подключен ко входу электропитания на NetPing Monitoring Server 90Z04, обеспечивает защиту от перебоев в электропитании и стабилизирует работу оборудования.

Типовая схема подключения устройств к NetPing Monitoring Server 90Z04

Результаты использования устройства NetPing Monitoring Server 90Z04

• Повышение уровня безопасности и контроля ― система фиксирует все изменения параметров и доступ к серверной комнате, что повышает общий уровень безопасности;
• Снижение риска простоев и сбоев ― подключение через ИБП и возможность мониторинга качества электропитания позволяют минимизировать риски, связанные с перебоями электропитания;
• Автоматизация и оперативное реагирование ― сценарии уведомлений и управление розетками сокращают время реакции на инциденты;
• Оптимизация расходов ― анализ потребления энергии и автоматизация позволяют организации оптимизировать расходы и распределение ресурсов.

NetPing Monitoring Server 90Z04 — это эффективное решение для организаций, которым требуется надёжный контроль за состоянием IT-инфраструктуры и автоматизация процессов управления. Его функциональные возможности, такие как поддержка системы Zabbix, мониторинг сетевых устройств и удалённое управление электропитанием, делают его идеальным выбором для малых и средних предприятий, которым необходимо обеспечить стабильную работу IT-систем.

Поддержка и контактная информация

Чтобы получить подробную консультацию, обращайтесь в службу технической поддержки. Специалисты помогут выбрать оптимальное решение, соответствующее конкретным требованиям и условиям эксплуатации.

• Email: support@netping.ru
• Телефон отдела продаж: +7 / 495 / 646-85-37

Группа компаний NetPing с 2005 года разрабатывает и производит устройства для мониторинга и удаленного управления энергопитанием серверного оборудования. Устройства NetPing полезны компаниям, которые используют IT-оборудование, инженерам и системным администраторам, сервисным компаниям и провайдерам, а также компаниям-интеграторам проектов IT-инфраструктуры.

NetPing ― ваш надежный партнер в обеспечении стабильности и безопасности серверной инфраструктуры!

Компания NeuReality раскрыла предварительную информацию об изделии NR2 — чипе второго поколения, предназначенном специально для оркестрации инференса. Изделие представляет собой более эффективную альтернативу связке CPU и NIC в высокопроизводительных системах ИИ.

Чип первого поколения NR1 дебютировал в июне нынешнего года. Изделие может применяться в связке с любым GPU или ИИ-ускорителем. При этом, как утверждается, NR1 позволяет повысить эффективность использования GPU почти до 100 % по сравнению со средним показателем в 30–50 % при традиционном сочетании CPU и NIC в современных серверах. В состав NR1 входят четыре декодера видео/изображений, 16 DSP для аудио/речи, 16 векторных DSP общего назначения, два порта 10/25/50/100GbE и пр.

Характеристики NR2 на данный момент полностью не раскрываются. Известно, что в основу решения положена платформа Arm Neoverse Compute Subsystems (CSS) V3. Чип может объединять до 128 ядер, оптимизированных для масштабных рабочих нагрузок обучения моделей ИИ и инференса. По сравнению с оригинальной версией в NR2 реализована более глубокая интеграция между CPU-блоком и NIC для координации ИИ-моделей в реальном времени, дезагрегации на основе микросервисов, потоковой передачи токенов, оптимизации KV-кеша и оркестровки.

Источник изображения: NeuReality

В целом, как отмечает NeuReality, чипы серии NR представляют собой качественно новый класс изделий, способных управлять рабочими нагрузками инференса с непревзойдённой эффективностью. Гипервизор ИИ в сочетании с ядрами Arm Neoverse обеспечивает оптимальную оркестровку и максимальную загрузку доступных ресурсов.

На заводе «Инферит» (кластер «СФ ТЕХ» ГК Softline) в подмосковном наукограде Фрязино на площади 7 тыс. м2 разместились демонстрационная зона, офис, собственный ЦОД, отделы НИОКР и промышленного дизайна, сборочное производство, производство электронных модулей (линия поверхностного монтажа, участок выводного монтажа, ОТК, сложной диагностики и тестирования, промывки и разделения заготовок), сервисный центр и склады. Завод занимается разработкой и прототипированием изделий, производством материнских плат для ПК, моноблоков, ноутбуков; модули оперативной памяти DIMM, SODIMM; модули ввода-вывода ПК, ноутбуков.

В демонстрационной зоне расположена продукция вендора: системные блоки, мини-компьютеры, неттопы, моноблоки, ноутбуки, серверы, системы хранения данных (СХД), периферийные устройства. Для некоторых изделий «Инферит» пользуется контрактным производством, заказывая отдельные детали у партнеров. Для создания материнских плат «Инферит» использует текстолит российского и зарубежного производства. В среднем производство одной платы занимает примерно 110 секунд.

В цехе поверхностного монтажа две линии. Малая линия используется для изготовления изделий с небольшим количеством компонентов. Это, например, обратная сторона некоторых плат и дополнительные заготовки вроде плат расширений. На большой линии можно устанавливать сразу множество мелких SMD-компонентов и более крупные элементы, например, процессорные сокеты или разъёмы под оперативную память. Обе линии оборудованы корейскими машинами Hanwha («дочка» Samsung).

Заготовки будущих плат отправляются в загрузчик, а затем в так называемые магазины, которые и продвигаются по конвейеру. Если на малой линии производится одна сторона платы, которую потом необходимо перевернуть и переправить на большую линию, то она отправляется в промежуточный конвейер. На заготовки лазером наносится внутренний датакод (QR), который позволяет отслеживать все процессы изготовления электронных модулей. Перед основным этапом монтажа система пылеудаления очищает заготовки от загрязнений.

Далее трафаретный принтер наносит паяльную пасту через трафарет с апертурами (отверстиями), полностью соответствующими контактным площадкам на будущей плате, и проводится оптическая 3D-инспекция. Затем на пасту устанавливается необходимый набор компонентов. На длинной линии за это отвечают сразу три станка. Первый, самый быстрый (установка до 92 тыс. компонентов в час), работает только с самыми маленькими элементами. Второй станок работает с компонентами среднего размера и может размещать до 80 тыс. компонентов в час. Ну а третий станок размеренно работает с крупными деталями.

На малой линии стоит один станок, зато универсальный. Он может устанавливать до 40 тыс. компонентов в час. Все станки автоматически проверяют корректность размещения компонентов. Заготовки с пастой и компонентами попадают в печь конвекционного оплавления. Одновременно в ней может находиться до восьми плат, а в самой печи есть 24 настраиваемые зоны. После печи заготовки попадают в накопительный буфер с охлаждением.

После очередной, ещё более тщательной 3D-инспекции почти готовые платы уходят либо на корректировку, если у них нашлись дефекты, либо отправляются далее. Отдел технического контроля при проверке корректирует дефекты и отправляет на участок выводного монтажа. Здесь происходит ручной монтаж (набивка) выводных компонентов, размещение модулей в технологическую оснастку, подача их в оснастке в установку селективной пайки, где каждый вывод нужного компонента паяется волной припоя.

После каждого вида монтажа — тестирование. Если проблему не удается исправить, то изделием займутся специалисты на участке диагностики и сложного ремонта. На участке подготовки происходит промывка и разделение мультизаготовок. В сборочном цехе продукцию собирают в готовое изделие. После изделия уходят на упаковку, а затем на склады.

В 2024 году «Инферит» продал более 500 серверов и более 50 тыс. компьютеров, а до конца этого года компания планирует наладить производство DDR5 и модулей памяти SSD, развернув для них новую площадку на заводе. По данным компании, «Инферит» сейчас занимает 5–7 % от общего рынка отечественных производителей в B2B-сегменте в денежном выражении. Цель к 2030 году – занять 10 %. Больше половины продаж приходится на персональные компьютеры, на ноутбуки приходится 20 % продаж, а, например, моноблоки пользуются спросом в госсекторе.

NVIDIA анонсировала Spectrum-XGS Ethernet, масштабируемую технологию для объединения распределённых ЦОД в унифицированные гигантские ИИ-фабрики. Похожее решения не так давно предложила и Broadcom, анонсировав коммутаторы Jericho4.

На фоне роста спроса на обработку ИИ-нагрузок отдельные ЦОД достигают пределов допустимой мощности, но выход за пределы одного объекта связан с трудностями из-за ограничений существующей сетевой инфраструктуры с высокой задержкой, джиттером и непрогнозируемой производительностью.

NVIDIA позиционирует Spectrum-XGS Ethernet как революционное дополнение к платформе NVIDIA Spectrum-X Ethernet, которое устраняет эти ограничения. Решение служит третьим столпом ИИ-вычислений, выходящим за рамки вертикального и горизонтального масштабирования, и предназначено для повышения производительности и масштабируемости Spectrum-X Ethernet для объединения нескольких распределённых ЦОД в массивы ИИ-фабрик, способных обрабатывать ИИ-нагрузки в гигантских масштабах.

Источник изображения: NVIDIA

«Индустриальная революция в области ИИ уже началась, и гигантские ИИ-фабрики являются важнейшей инфраструктурой, — заявил генеральный директор NVIDIA Дженсен Хуанг (Jensen Huang) — С помощью NVIDIA Spectrum-XGS Ethernet мы расширяем возможности по масштабированию, объединяя ЦОД в городах, странах и континентах в огромные ИИ-суперфабрики».

Spectrum-XGS Ethernet дополняет платформу Spectrum-X алгоритмами, которые динамически адаптируют сеть с учётом расстояния между объектами ЦОД. Решение опирается на усовершенствованный автоматический контроль перегрузки, точное управление задержками и сквозную телеметрию. По словам NVIDIA, Spectrum-XGS Ethernet практически удваивает производительность работы библиотеки коллективных коммуникаций NVIDIA NCCL, ускоряя взаимодействие множества ускорителей и множества узлов и обеспечивая предсказуемую производительность в географически распределённых ИИ-кластерах.

В результате несколько ЦОД будут работать как единая ИИ-фабрика, полностью оптимизированная для подключения на больших расстояниях. CoreWeave одной из первых внедрит Spectrum-XGS Ethernet в свои ЦОД. Сама NVIDIA не новичок в распределённых ИИ-вычислениях — её собственные кластеры для внутренних нужд размещались в нескольких дата-центрах США.

Сектор образования всегда отличался своей инновационностью, но в последние годы образовательные технологии (EdTech) претерпели беспрецедентную трансформацию. Стремительное развитие ИИ-технологий сделало EdTech-решения более персонализированными, доступными и привлекательными, заметно отразившись на методах обучения студентов, работе преподавателей и образовательных учреждений — от виртуальных классов и адаптивных платформ обучения до виртуальных ИИ-преподавателей и инструментов оценки.

Одним из наиболее значимых достижений в области EdTech является переход от универсального обучения к персонализированному. ИИ-платформы позволяют анализировать поведение, прогресс и успеваемость учащихся в режиме реального времени, и с учётом этого корректировать планы уроков. Если, например, у учащегося будут обнаружены пробелы в конкретных навыках, ему будут автоматически предоставлены упражнения для их устранения. Это не только поможет учащимся успешно осваивать учебную программу в своем собственном темпе, но и сохранит им мотивацию к решению реальных задач.

Источник изображения: Henry Storck/unsplash.com

Еще одним прорывом в сфере образовательных технологий на основе ИИ стало появление иммерсивных образовательных сред. В настоящее время в преподавании широко используются инструменты на основе технологий виртуальной (VR) и дополненной (AR) реальности, позволяя более наглядно раскрывать сложные нюансы в области науки, техники и медицины. Способствуя более глубокому вовлечению в суть предмета, интерактивные возможности сокращают разрыв между теорией и практикой. Представьте себе студента-биолога, изучающего кровеносную систему человека в 3D, или ученика-историка, совершающего виртуальную экскурсию по Древнему Риму.

ИИ также позволяет автоматизировать рутинную работу, включая выставление оценок за задания, создание учебных материалов и управление посещаемостью, благодаря чему преподаватели могут уделять больше внимания наставничеству.

Автоматизированные системы оценивания, интеллектуальные инструменты составления расписания и генераторы учебных программ, управляемые ИИ, снижают затраты времени преподавателей на решение административных задач, предупреждая эмоциональное выгорание и способствуя повышению эффективности обучения. Даже такие продвинутые инструменты, как детекторы ИИ, всё чаще используются для проверки эссе, выявления плагиата и предоставления обратной связи в режиме реального времени для обеспечения академической честности и качества контента.

Также одним из наиболее важных элементов использования ИИ сфере образовании считается прогнозирующая аналитика. ИИ на основе имеющихся данных может прогнозировать успеваемость учащихся, выявлять тех, кто подвержен риску отставания, и оперативно рекомендовать меры по предотвращению подобных случаев. Это позволяет преподавателям и учреждениям упреждать возникновение проблем, повышая качество обучения.

Использование ИИ в EdTech открывает огромные перспективы, но также поднимает вопросы об обеспечении конфиденциальности, справедливости и предвзятости. Использование данных учащихся требует ответственного подхода и строгих мер предосторожности при их сборе и хранении. Кроме того, возникает риск увеличения разрыва в уровне образования, поскольку не у всех учащихся есть равный доступ к передовым цифровым инструментам. Программисты и разработчики политик должны уделять приоритетное внимание инклюзивности, прозрачности и справедливости по мере развития отрасли, считают эксперты.

Слияние ИИ и EdTech, скорее всего, приведёт к гиперперсонализированному образованию, в рамках которого студенты будут иметь доступ к индивидуальной образовательной экосистеме, основанной на интеллектуальных помощниках, иммерсивном моделировании и обратной связи в режиме реального времени. По мере развития генеративного ИИ появятся полностью автономные виртуальные преподаватели, ведущие обучение по нескольким дисциплинам, со взаимодействием, максимально приближённым к человеческому.

Следует отметить, что цель образовательных технологий на базе ИИ заключается не в том, чтобы заменить преподавателей, а в том, чтобы расширить их возможности, усилить воздействие и создать более инклюзивную, эффективную и увлекательную образовательную среду для всех учащихся.

Компания Google опубликовала документ, в котором описывается методология измерения потребления энергии и воды, а также выбросов и воздействия на окружающую среду ИИ Gemini. Как утверждают в Google, «медианное» потребление энергии на одно текстовое сообщение в Gemini Apps составляет 0,24 Вт·ч, выбросы составляют 0,03 г эквивалента углекислого газа (CO2e), а воды расходуется 0,26 мл.

В компании подчёркивают, что показатели намного ниже в сравнении со многими публичными оценками, а на каждый запрос тратится электричества столько же, сколько при просмотре телевизора в течение девяти секунд. Google на основе данных о сокращении выбросов в ЦОД и декарбонизации энергопоставок полагает, что за последние 12 месяцев энергопотребление и общий углеродный след сократились в 33 и 44 раза соответственно. В компании надеются, что исследование внесёт вклад в усилия по разработке эффективного ИИ для общего блага.

Методологии расчёта энергопотребления учитывает энергию, потребляемую активными ИИ-ускорителями (TPU), CPU, RAM, а также затраты простаивающих машин и общие расходы ЦОД. При этом из расчёта исключаются затраты на передачу данных по внешней сети, энергия устройств конечных пользователей, расходы на обучение моделей и хранение данных.

Источник изображений: Google

Впрочем, по мнению некоторых экспертов, данные вводят в заблуждение, поскольку часть информации не учитывается. Так, не принимается в расчёт «косвенное» использование воды, поскольку считается только вода, которую ЦОД применяют для охлаждения, хотя значительная часть водопотребления приходится на генерирующие мощности, а не на их потребителей. Кроме того, при учёте углеродных выбросов должны приниматься во внимание не купленные «зелёные сертификаты», а реальное загрязняющее действие ЦОД в конкретной локации с учётом использования «чистой» и «обычной» энергии в местной электросети.

OpenAI также недавно оказалась в центре внимания экспертов и общественности, поскольку появилась информация, что её новейшая модель GPT-5 потребляет более 18 Вт·ч электроэнергии, до 40 Вт·ч на ответ средней длины. Сам глава компании Сэм Альтман (Sam Altman) объявил, что в среднем на выполнение запроса тратится около 0,34 Вт∙ч и около 0,32 мл воды. Это несколько больше, чем заявленные показатели Google Gemini, однако, согласно расчётам исследователей, эти цифры, скорее всего, актуальны для GPT-4o.

Калифорнийская Pacifico Energy рассказала о планах строительства 5-ГВт автономной газовой электростанции GW Ranch в округе Пекос (Pecos County, Техас) на территории площадью более 3,2 тыс. га, где также разместятся аккумуляторные энергохранилища. Вся энергия пойдёт исключительно на питание ИИ ЦОД гиперскейл-класса, сообщает Datacenter Dynamics. В компании подчёркивают, что проект будет изолирован от энергосети штата. Это позволит ускорить развёртывание ИИ ЦОД без ущерба надёжности энергоснабжения.

К 2028 году Pacifico намерена довести выработку до 1 ГВт, а к 2030 году выйти на проектную мощность в 5 ГВт. Мощность аккумуляторного хранилища составит 1,8 ГВт — его модульные системы будут внедряться поэтапно. Компания находится в процессе получения разрешений от техасского природоохранного регулятора Texas Commission on Environmental Quality. По её мнению, проект соответствует требованиям в области защиты окружающей среды. Топливо будет поставляться с месторождений Пермского нефтегазового бассейна США (Permian Basin), одного из крупнейших источников природного газа в стране.

По данным Управления энергетической информации США (EIA), в 2024 году добыча природного газа в Пермском бассейне выросла на 12 % год к году, составив 22 % от общего объёма продаж природного газа в стране. Большие объёмы добычи и благоприятная нормативная база в Техасе побудили отдельных операторов ЦОД заняться развитием электростанций для обеспечения своих объектов энергией в обход основных электросетей. Занимающиеся добычей природного газа в Пермском бассейне компании также позиционируют себя в качестве поставщиков для сектора ЦОД.

Источник изображения: Chris LeBoutillier/unsplash.com

Одобрение регуляторов получил и ещё один крупный проект — власти Луизианы разрешили Entergy постройку трёх газовых электростанций для питания крупнейшего ИИ ЦОД Meta✴ Hyperion, который после полного завершения строительства потребует до 5 ГВт. Для него придётся построить отдельную ЛЭП. Новые электростанции будут поставлять до 2,3 ГВт, ещё 1,5 ГВт планируется получить от проектов солнечной энергетики. Часть расходов по созданию новых объектов Meta✴ возьмёт на себя.

Местные регуляторы быстро одобрили проект, поскольку Entergy намекнула, что в случае задержек Meta✴ может перенсти проект в другой штат. Некоторые эксперты опасаются, что расходы на строительство лягут на плечи обычных потребителей, а электростанции поставят под угрозу здоровье местных жителей (xAI уже столкнулась с такими претензиями) и состояние окружающей среды. А сам ЦОД может привести к дефициту питьевой воды.

В начале этого десятилетия созданный в Японии суперкомпьютер Fugaku пару лет удерживался на верхней строчке в рейтинге мощнейших систем мира TOP500, он и сейчас занимает в нём седьмое место. В попытке технологического реванша японский исследовательский институт RIKEN доверился компании NVIDIA, которая поможет Fujitsu создать суперкомпьютер Fugaku NEXT.

Помимо Arm-процессоров Fujitsu MONAKA-X, в основу нового японского суперкомпьютера лягут и ускорители NVIDIA, хотя изначально планировалось обойтись без них. NVIDIA будет принимать непосредственное участие в интеграции своих компонентов в суперкомпьютерную систему, создаваемую японскими партнёрами.

По меньшей мере, скоростные интерфейсы, которыми располагает NVIDIA, пригодятся для обеспечения быстрого канала передачи информации между CPU и ускорителями. Сама NVIDIA обтекаемо говорит, что для этого можно задействовать шину NVLink Fusion. С ускорителями AMD, по-видимому, эти процессоры будут общаться более традиционно, т.е. по шине PCIe.

Источник изображений: Fujitsu

Кроме того, NVIDIA собирается применить в составе данной системы передовые типы памяти. Применяемые при создании FugakuNEXT решения, по мнению представителей NVIDIA, смогут стать типовыми для всей отрасли в дальнейшем. Подчёркивается, что будущая платформа станет не просто техническим апгрейдом, а инвестицией в будущее страны.

Сама архитектура системы не уточняется, поэтому сложно судить, насколько активно японские разработчики будут использовать ускорители NVIDIA, и к какому поколению они будут относиться. Создатели ставят перед собой амбициозные цели — FugakuNEXT должна стать первой системой «зетта-масштаба». Своего предшественника она должна превзойти более чем в пять раз, обеспечив быстродействие на уровне 600 Эфлопс (FP8).

На уровне приложений прирос быстродействия может быть стократным, отмечают создатели. Новый суперкомпьютер сможет применяться для обучения больших языковых моделей. Впрочем, в строй он будет введён лишь к 2030 году, а Fujitsu ещё только предстоит выпустить свои процессоры MONAKA-X для этой системы.

Научно-практическая конференция OS DAY 2025, состоявшаяся в Москве в РЭУ им. Г.В. Плеханова, собрала ведущих отечественных специалистов в области системного программирования. Основной темой многочисленных докладов и дискуссий стало так же, как и в последние несколько лет, использование различных технологий обеспечения безопасности операционных систем. В этом году эксперты обсуждали современные методы построения изолированной среды исполнения в российских ОС.

Открывая конференцию, Андрей Духвалов, вице-президент и директор департамента перспективных технологий «Лаборатории Касперского», отметил, что большинство присутствующих на мероприятии компаний так или иначе принимает в OS DAY участие на протяжении десяти и более лет. В самом деле, в оргкомитет форума вошли такие лидеры отечественной ИТ-отрасли, как ИСП РАН, «Лаборатория Касперского», НТП «Криптософт», «Базальт СПО», РЕД СОФТ, «Открытая мобильная платформа» и НТЦ ИТ РОСА. Благодаря им сегодня можно говорить об определенном технологическом, цифровом суверенитете России.

«Российские ОС сегодня востребованы, и востребованность эта постоянно растёт, — подчеркнул Андрей Духвалов. — В них используются передовые технологии, которые, в свою очередь, позволяют лидировать в мировом ОСестроении».

Фото: Вадим Мелешко / OS DAY

Это мнение в полной мере разделяет и советник генерального директора «Базальт СПО» Алексей Новодворский, подчеркнувший, что уход с нашего рынка крупнейших международных вендоров многократно повысил спрос на отечественные продукты, так или иначе заменяющие ушедшие импортные.

«Российские операционные системы сегодня пользуются большим спросом, — говорит директор департамента развития системных продуктов компании РЕД СОФТ Роман Симаков. — Согласно последним данным Росстата, объём рынка разработки программного обеспечения в России в 2024 году составил почти пять триллионов рублей, а рост рынка достиг 40 %. Это серьёзный показатель. Особенно ярко тенденция проявляется в государственном секторе, где закупки отечественного ПО достигли практически стопроцентного уровня. Не отстают от госсектора и другие сферы экономики: финансовая и банковская отрасли, медицина, образование, авиастроение, промышленность».

Разумеется, переход на отечественное ПО происходит не быстро, сказывается определённая инерция восприятия программных продуктов пользователем. Руководитель Центра исследований безопасности системного программного обеспечения ИСП РАН Алексей Хорошилов утверждает, что дело тут не в качестве российских операционных систем и даже не в недоверии к ним со стороны пользователей, а в нежелании людей менять сложившиеся привычки и осваивать что-то новое.

Фото: Вадим Мелешко / OS DAY

«Отечественная ОС, или не отечественная, не настолько уж важно, — говорит он. — Тут играет роль всего лишь вопрос привычки. И "лечится" это переходом на новое программное обеспечение, когда работа старого перестаёт удовлетворять. Перешли, привыкли, и проблема исчезла сама собой. Качество российского программного обеспечения не хуже, чем у зарубежных продуктов. Хотя расти, конечно, ещё есть куда».

Есть куда расти и в отношении безопасности операционных систем. Хотя, справедливости ради, необходимо признать, что от современных киберугроз не защищено абсолютное большинство ОС во всем мире, — это текущее состояние индустрии. И зарубежных операционных систем это касается в той же мере, что и российских, а то и в большей степени. Для того, чтобы убедиться в этом, достаточно ознакомиться с реестром зарегистрированных уязвимостей ОС на сайте Mitre Corporation. Что же касается российского ПО, контроль за его безопасностью становится жёстче с каждым годом, особенно если речь идёт о системах, создаваемых на основе Open Source. В частности, с 2023 года на базе ИСП РАН под эгидой ФСТЭК России и при поддержке РАН действует Центр исследований безопасности системного программного обеспечения на базе ядра Linux.

Активно развивают тему усиления кибербезопасности и отраслевые регуляторы, вводящие новые государственные стандарты, правила сертификации программных продуктов, особенно — для ПО, используемого в отраслях, относящихся к критической информационной инфраструктуре.

«Требования регуляторов в сфере безопасности за последнее время стали более четкими и грамотными, — отмечает руководитель направления НТЦ ИТ РОСА Алексей Киселёв. — Да и вендоры, и интеграторы получили опыт противодействия кибератакам».

Фото: Вадим Мелешко / OS DAY

Впрочем, как уточняет Евгений Синельников, руководитель саратовского обособленного подразделения «Базальт СПО», тема недостаточной защищённости отечественного ПО в значительной степени надумана.

До сих пор все вирусные атаки, все проблемы с незащищённостью были по большей части связаны с зарубежными операционными системами, в первую очередь, с Windows и подобными ей, со связанным с ними софтом. Выход за пределы экосистемы Windows к понижению безопасности не приводит.

Тем не менее, технологии повышения кибербезопасности отечественных ОС разрабатываются постоянно, давно уйдя от внешних программных модулей в средства обеспечения безопасной разработки, безопасной среды исполнения и так далее. В частности, как отмечает Алексей Киселёв, технологии изоляции, обсуждавшиеся на конференции, представляют собой неотъемлемую часть обеспечения информационной безопасности в Linux-мире.

В этом направлении, как можно судить по темам докладов и дискуссий на конференции OS DAY 2025, российское системное программирование и будет развиваться в дальнейшем.

«В рамках обеспечения национального технологического суверенитета основные направления развития российских операционных систем могут быть такими, как разработка кибериммунных ОС, обеспечивающих встроенную защиту от кибератак, не требуя дополнительных средств безопасности, и оптимизация работы с отечественным ПО, — считает Анна Кан, заместитель генерального директора ВИНИТИ РАН. — Пока ещё не всё отечественное ПО портировано на российские операционные системы, что создаёт препятствия при переходе на отечественные решения».

Meta✴ намерена потратить более $10 млрд на облачные сервисы Google в течение шести лет, сообщает CNBC со ссылкой на The Information. По словам одного из источников, сделка преимущественно связана с арендой ИИ-инфраструктуры. По данным Reuters, Meta✴ будет использовать серверы Google Cloud, её хранилища данных, сетевые и иные сервисы.

Google путается угнаться за более крупными облачными конкурентами вроде AWS и Microsoft Azure. Ранее в этом году она заключила соглашение с OpenAI, которая ранее сильно зависела от Azure, но стала более свободна в выборе облачных партнёров. В июле Alphabet объявила, что подразделение Google Cloud во II квартале принесло $2,83 млрд операционной прибыли за подписки на ПО и инфраструктуру. В то же время выручка в тот же период составила $13,6 млрд, на 32 % больше, чем выручка компании в целом (13,8 %).

Источник изображения: Growtika/unsplash.com

В прошлом месяце в отчёте о доходах Meta✴ заявила, что общие расходы в 2025 году составят $114–$118 млрд. Компания активно вкладывает средства ИИ-стартапы, собственные ИИ-модели Llama и иные ИИ-сервисы в своём портфолио услуг. Глава Meta✴ Марк Цукерберг (Mark Zuckerberg) заявил, что компания потратит «сотни миллиардов» долларов на создание огромных ИИ ЦОД. Также компания увеличила минимальную сумму запланированных капитальных затрат на $2 млрд., по итогам года они составят от $66 до $72 млрд.

Примечательно, что Google и Meta✴ активно конкурируют на рынке онлайн-рекламы. Тем не менее, Meta✴ нужна буквально вся доступная облачная инфраструктура, до которой она сможет дотянуться, в том числе AWS и Microsoft. Также Meta✴ ищет внешних партнёров для финансирования своих запросов на инфраструктуру для ИИ-проектов. Ранее в этом месяце были раскрыты данные, согласно которым она намерена продать активы своих дата-центров на сумму $2 млрд.