Развитие российских нейросетей может затормозиться из–за нехватки импортного оборудования. Но отечественные разработки уже появляются на рынке.
Большинство разработчиков нейросетей мирового уровня используют сверхмощный графический процессор NVidia H100, в производство и разработку которого среди прочих вложилась Microsoft Azure. Однако российские создатели искусственного интеллекта потеряли доступ к этим технологиям после ухода NVidia из страны. Помимо этого для развития и поддержания "жизнедеятельности" нейросетей нужны центры обработки данных (ЦОД) с большими вычислительными возможностями. Пока в России нет ни одного дата–центра полностью на российском оборудовании. Из–за этого перспективы развития российских нейросетей выглядят весьма туманными. Пока.
Нет базы
Во многом именно благодаря развитию графических процессоров (нейроускорителей) возникла нынешняя волна развития искусственного интеллекта, обращает внимание Александр Чигорин, директор по исследованиям VisionLabs.
"Ситуация с графическими процессорами в России пока не критична — так или иначе поставщики находят способы привезти нужное оборудование. Однако со временем это будет сделать всё сложнее. Кроме того, уже сейчас компании сталкиваются с проблемами с техобслуживанием", — говорит он. На данный момент нет очевидных способов быстро импортозаместить нейроускорители. Производство такого уровня оборудования — сложный процесс, для реализации которого в России сейчас нет подходящей технологической базы.
Nvidia занимает господствующее положение на этом рынке. Есть альтернативы от AMD и Huawei, но они не так распространены. Во многом такая ситуация на рынке сложилась из–за того, что практически всё программное обеспечение для обучения нейросетей "заточено" как раз на чипы от Nvidia.
На данный момент довольно сложно полностью заменить "железо" и компоненты иностранных поставщиков, считает Артём Стенюшкин, коммерческий директор ART ENGINEERING. Недостаток нужной микроэлектроники, включая графические и сверхмощные процессоры, уже сейчас оказывает серьёзное негативное влияние на развитие нейросетей в России.
"Данные компоненты играют важную роль в обработке больших объёмов данных и обучении искусственного интеллекта, обеспечивая необходимую производительность и энергоэффективность для работы сложных алгоритмов машинного обучения. На данный момент ведётся разработка и вывод на рынок отечественных аналогов графических процессоров (этим занимаются холдинг “Росэлектроника” и НПП “Микропроцессорные технологии”). Но они, по нашему мнению, пока не готовы полностью заменить иностранных поставщиков", — заметил он.
Долгосрочный процесс
Ещё одна проблема заключается в ЦОД. Вместе с бумом нейросетей выросла нагрузка на дата–центры, поэтому в дальнейшем строить их придётся с опережением. Но здесь рынок также столкнулся с недостатком комплектующих.
"Мы чувствуем особенно сложную ситуацию с коммутаторами высокой пропускной способности и маршрутизаторами, сверхмощными процессорами, аппаратным обеспечением для защиты данных. Сложно прогнозировать сроки, когда будет возможно построить ЦОД, состоящий полностью из российских компонентов. Это зависит от скорости развития национальной промышленности, а также от инвестиций в инновации и научные исследования", — рассуждает Стенюшкин.
При этом уже сейчас есть проекты масштабируемых модульных ЦОД, которые на 80–90% состоят из отечественных компонентов. Стенюшкин предполагает, что в перспективе 10 лет дата–центры полностью на российском оборудовании — вполне реальны.
"Развитие российской компьютерной и электронной промышленности активно поддерживается правительством, и страна уже делает значительные усилия для создания конкурентоспособных отечественных компонентов и технологий. Однако это долгосрочный процесс", — заметил он.
Генеральный директор "ОБИТ" Андрей Гук подтверждает, что рост популярности нейросетей подстегнул развитие рынка ЦОД. Однако у этой ситуации есть и обратная сторона — технологии ИИ подразумевают особые требования к мощностям дата–центров, так как машинное обучение требует огромного энергопотребления. "В первую очередь речь идёт о повышении плотности серверных стоек. Для понимания: в большинстве случаев для решения стандартных бизнес–задач достаточно 5–10 кВт на стойку, в случае с ИИ–проектами эта цифра может достигать 70 кВт. Это предполагает особый подход к охлаждению и питанию оборудования. На сегодняшний день в мире насчитываются единицы подобных ЦОДов, запущенных в эксплуатацию", — поясняет он.
Строительство высокотехнологичных площадок с передовыми характеристиками потребует больших затрат, и далеко не каждый игрок сможет позволить себе возведение таких объектов.
"В такой наукоёмкой отрасли настаивать на полной импортонезависимости как минимум неэффективно. Лучший результат всегда обеспечивается лучшими решениями, а они не могут все создаваться в одной стране. И если есть возможность использовать передовые достижения науки и техники, надо это делать", — добавляет Гук.
В гонке участвуем
При этом большинство экспертов не видят причин для значительного отставания российских разработок от зарубежных.
"У нас наравне с США и Китаем появляются крупные современные модели на десятки миллиардов параметров, а ИИ–алгоритмы занимают лидирующие позиции в международных соревнованиях и тестированиях", — подчёркивает Александр Чигорин. Александр Кугаевских, доцент факультета программной инженерии и компьютерной техники ИТМО, с этим солидарен. Он предполагает, что в ближайшее время предложения на рынке российского "железа" и электроники станет больше. "Россия не столкнётся с отставанием в нейросетевой гонке, потому что до санкций многие компании успели закупить необходимое оборудование", — говорит он.
Сейчас самые крупные разработки в нейросетях в России созданы "Яндексом" и "Сбером". Обе компании учат свои нейросети на суперкомпьютерах, которые доступны не всем. К тому же их мало.
"У нас их только семь, а в США — 150. Но это не имеет значения. Обучение больших лингвистических моделей — это очень специфическая и дорогостоящая технология. Окупиться она может только у крупных IT–компаний, и у них нет никаких проблем с доступом к оборудованию", — убеждён Кугаевских.
В "Яндексе" сообщили, что у них есть несколько высокопроизводительных суперкомпьютеров и их ресурсов хватает для обучения больших языковых моделей мирового уровня.
