Исследование Selectel: каждая четвертая российская компания использует ИИ в облаке
Исследование включало 27 глубинных интервью и анкетирование 419 компаний. Облако выбирают ради быстрого доступа к готовым моделям, запуска экспериментов, масштабирования и снижения капитальных затрат: по оценке Selectel, GPU устаревают за два-три года, поэтому на этапах Proof of Concept и MVP бизнесу проще гибко арендовать нужные мощности. Локальное развертывание предпочитают 11% компаний, а ИИ по модели SaaS используют 7%.
Большинство организаций пока воспринимает провайдера прежде всего как поставщика вычислительных ресурсов. 41% компаний самостоятельно создают и внедряют ИИ-решения, 29% подключают провайдера только на отдельных этапах, а полноценное партнерство практикуют 10%. При выборе поставщика важнее всего готовые модели и интеграция с данными и аналитикой — этот критерий назвали 23% респондентов; управление данными и приватностью отметили 21%, а наличие GPU-инфраструктуры — 17%.
Самый распространенный сценарий — развертывание open-source-моделей, которое используют 37% компаний. По 27% работают с облачными ИИ-агентами и дообученными языковыми моделями, 18% выбирают готовые генеративные сервисы SaaS, а собственные модели в облаке запускают 13%. Open-source дает бизнесу контроль над инфраструктурой, данными и стоимостью inference, тогда как локальный контур сохраняет значение для отраслей с повышенными требованиями к безопасности и регулированию.
Коротко
- Исследование основано на 27 интервью с ИТ-руководителями и онлайн-опросе 419 российских компаний из разных отраслей.
- 41% компаний самостоятельно создают ИИ-решения, используя облачного провайдера только как источник вычислительных ресурсов.
- Готовые модели и интеграцию с данными считают главным критерием выбора провайдера 23% респондентов, наличие GPU — 17%.
- Open-source-модели применяют 37% компаний, облачных ИИ-агентов и дообученные языковые модели — по 27%.
- Локальная инфраструктура остается востребованной там, где данные нельзя выносить за пределы защищенного корпоративного контура.
FAQ
Зачем компаниям переносить ИИ-задачи в облако, если модели можно развернуть на собственных серверах внутри корпоративного контура?
Облако позволяет быстрее проверять гипотезы, менять типы GPU и масштабировать мощности без крупных вложений в оборудование. Собственный контур остается актуальным при жестких требованиях к безопасности и хранению данных.
Почему наличие мощной GPU-инфраструктуры оказалось менее важным критерием, чем готовые модели, данные и экспертиза провайдера?
Компании оценивают не только вычислительные мощности, но и скорость запуска прикладного решения. Готовые модели, интеграция с данными и поддержка провайдера сокращают объем собственной разработки.
Почему российские компании чаще разворачивают open-source-модели, чем используют собственные модели или готовые GenAI-сервисы?
Open-source позволяет выбирать инфраструктуру, контролировать данные и управлять стоимостью inference. Это дает больше гибкости без необходимости разрабатывать модель с нуля.
Читайте также
Как я добавил MAX в китайский AI-мост и запустил Claude прямо в мессенджере
ИИ-агенты для бизнеса в России: обзор 10 локальных платформ и решений
Четыре проекта на Kwork, которые автор отклонил, и почему
ИИ добрался до раритетов: цены на память DDR2 выросли на 60% за три месяца
Агенты, деньги, бизнес и работа: новый дайджест агентной экономики и ИИ
- Облачная инфраструктура для проверки ИИ-гипотез: На этапах Proof of Concept и MVP облако снижает риск преждевременных вложений в собственные GPU и позволяет быстро менять конфигурацию вычислительных ресурсов. Такой подход подходит для проектов с неясной будущей нагрузкой, где мощности нужно оперативно увеличивать после успешного теста или сокращать при закрытии гипотезы.
[ИИ-инфраструктура]
Зарегистрированные пользователи видят только два тезиса.
Зарегистрироваться
Selectel и Apple Hills Digital опросили российские компании о применении облачной инфраструктуры для искусственного интеллекта. Почти половина респондентов уже использует облако для ИИ, тестирует его или планирует внедрение в течение года.