Домик для ИИ: как завод пришёл к идее AI ready для бизнеса

Бизнес стремится создавать собственный ИИ. Все спрашивают: «Какая модель мне нужна?» Но никто не задумывается, на каких мощностях эта модель будет функционировать.

Мы тоже поначалу об этом не думали. Разработали корпоративного AI-агента, усилили ИТ-команду для дальнейшего движения — и уперлись в «железный барьер». Так появилась концепция AI ready модуля. В статье мы объяснили, что это такое и почему ИИ начинается не с модели, а с инфраструктуры.

Модульный ЦОД: первая гипотеза

От энергетики к цифре

Вычисляем лучшие предложения рынка

Сколько этажей в домике?

На самый верх: ИТ-контур и прикладной ИИ

Тем, кто не хочет читать всё, но хочет понять, что такое AI ready

Как в чатах с GPT родилась истина

Первая действительно полезная и востребованная функция GPT — это поиск. Поиск в Google 30 лет назад избавил нас от многочасовых занятий в библиотеках, теперь же ИИ экономит время на серфинг в браузере.

Я технооптимист. Мой личный опыт использования поиска в GPT быстро перешел в корпоративную среду — проник во все бизнес-процессы машиностроительной компании. К поиску добавились аналитика, расчеты, мониторинг и копирайтинг. Летом мы начали разрабатывать собственного AI-агента.

На первом этапе внедрения хватало наших действующих серверов. Для следующих R&D-проектов мы запланировали закупку первого GPU-сервера. Тут мы задумались: что делать промышленникам, которым нужно сразу несколько моделей — например, AI-агент с RAG, видеоаналитика, предиктивная аналитика?

Чат-бот может временно разместиться и в офисной серверной. Когда появляются сложные LLM- и VLM-модели, ИИ требуется больше «жилплощади». Конечно, можно все разместить в облаке, но директора по информационной безопасности это не обрадует. А если ИИ нужен на месторождении или заводе в удаленном регионе? Там вообще нет никаких вычислительных мощностей поблизости.

ПСМ работает в сфере ИТ, но наш базовый профиль — инжиниринг. Поэтому в создании моделей мы увидели прежде всего инфраструктурный вызов.

Искусственный интеллект работает на вполне осязаемой инженерной основе: энергия, охлаждение, процессоры и серверы. Поэтому прежде чем заводить корпоративный ИИ, нужно решить, где он будет находиться.

Проект AI ready мы запустили полгода назад. Однажды вечером я позвонил Антону, нашему директору по развитию ЦОДов: «Нужно объединить инженерию, вычисления и прикладной AI в один модуль». Быстро подключили инженеров, ИТ, маркетинг и упаковали новый продукт. Но обо всем по порядку.

Модульный ЦОД: первая гипотеза

Для запуска моделей нужна собственная инженерная и вычислительная мощность для AI-нагрузки. Мы говорим не о временных «игрушках», а об AI-сценариях, которые реально оптимизируют бизнес-процессы — именно их имеют в виду, когда угрожают операционному персоналу замещением ИИ.

Почему «реальному AI» требуется какая-то особая нагрузка? Представьте умную колонку у вас на кухне: она включит любимую музыку, только если есть розетка, подписка и плейлист «мне нравится». Так же и с моделями: чем умнее колонка, чем больше у нее функций — тем мощнее розетка, дороже подписка и объемнее данные.

Где взять мощность? Первое, что пришло в голову, — модульный ЦОД.

Чтобы составить техническое задание на проектирование МЦОДа, нужно рассчитать инженерную и вычислительную мощности для AI-нагрузки. ИТ-мощность МЦОДов в среднем не превышает 300 кВт, то есть они спроектированы под меньшую плотность нагрузки, чем требуется для AI.

Расчетная тепловая нагрузка на стойку в базовой конфигурации AI-МЦОДа — 25–40 кВт. Это в 2 раза больше, чем в модульных ЦОДах, которые тиражируют российские производители. Да, эти МЦОДы можно масштабировать, наращивая мощность. Но увеличение нагрузки на стойку полностью меняет подход к энергоснабжению и охлаждению.

У высокоплотных стоек с GPU выше требования к мощности ИБП, номиналу распределительного оборудования, токовым нагрузкам кабелей и шинопроводов. GPU нагреваются, как черный седан посреди пустыни, и нуждаются в спасительном водовоздушном охлаждении стойки (RDHx) или чипов напрямую (Direct-to-Chip) вместо привычного внутрирядного охлаждения (In-Row). С учетом всего этого в AI-МЦОДе нужно пересматривать компоновку.

Одним словом, мы не нашли готового решения для AI-нагрузки, в котором были бы интегрированы энергетика, охлаждение, вычисления, системы безопасности и автоматика. Поэтому решили сделать его сами.

От энергетики к цифре

Задача «построить домик для ИИ» оказалась профильной для ПСМ, благодаря тому, что мы — завод по производству энергетического оборудования. Компетенции в распределенной энергетике, производстве блок-модулей и строительстве энергосистем для классических ЦОДов стали трамплином для проектирования.

В 2024 году мы взяли в работу большой проект для одного из российских операторов ЦОД — энергоцентр для резервирования дата-центра уровня Tier IV.

В составе энергоцентра:

Дизельные электростанции общей мощностью 8 МВт;

КТП общей мощностью 40 МВА;

Энергомодули с ИБП общей мощностью 8 МВт.

В контексте AI интересен энергомодуль. Это префаб-решение, которое отвечает за переключение электропитания от сети на аварийную генерацию без токовых пауз.

ИБП вырабатывают большой объем тепла, поэтому пространство энергомодуля мы разделили на холодный и горячий коридоры — так же, как в машинном зале дата-центра. Проект выявил общие точки энергетической и вычислительной инфраструктур в компоновке, организации воздушных потоков, резервировании и охлаждении. Этот опыт приблизил нас к концепции AI-МЦОДа.

Еще один повод убедиться: развитие технологий искусственного интеллекта напрямую зависит от энергетики. Лидерство в гонке за ИИ стоит не только за ИТ-компаниями, но и за производителями энергосистем.

Вычисляем лучшие предложения рынка

Мы сформировали пул поставщиков графических процессоров для работы с моделями. Хорошая новость: они знают все про графускорители, серверы и подключение по сети. Плохая — за синхронизацию с инженерией они не отвечают. И наоборот: те, кто делает инженерную базу, не торопятся отвечать за интеграцию GPU и серверов.

Мы решили, что стыковать инженерную и вычислительную части модуля будем сами. На изучение рынка GPU потратили полгода: нашли профильных специалистов в команду, посетили несколько производств и работающих AI-проектов за рубежом.

За исследованиями и наработками инженеров с интересом наблюдала команда ПСМ UNLIM — отдельной ИТ-компании в структуре ПСМ. На одном из тактических совещаний по AI коллеги озвучили решающий тезис:

Мы самостоятельно обучаем модели, проработали автономную инфраструктуру для AI-нагрузки — значит можем создавать локальные AI-контуры под ключ

Так оформилась концепция AI ready модуля — домика для ИИ.

Сколько этажей в домике?

AI ready — инфраструктура, готовая к обучению моделей и созданию прикладных AI-решений для бизнеса.

Инженерная база (энергетика и охлаждение);

Вычисления (GPU/CPU-серверы, система хранения, сеть и среда запуска AI-сервисов);

Модельный и прикладной слои (управление моделями и интеграции).

ИИ живет в домике из трех этажей. Облако для многих компаний пока работает как лифт, доставляя бизнес сразу на третий этаж — к рабочей прикладной модели. Облачный ресурс — удобный вариант для быстрых экспериментов с ИИ. Но для части корпоративных сценариев с чувствительными данными и постоянной нагрузкой нужны свои «лестницы» для подъема на третий ИИ-этаж, которые пока не оборудованы. Это и есть главная предпосылка к созданию AI ready.

Пройдемся по всем этажам. Мы не зря сравниваем AI ready с трехэтажным домом: каждая последующая составляющая в контуре базируется на предыдущей и дополняет ее.

AI Base

Основа AI ready — это не процессоры и не модели, как можно подумать. Большую часть инфраструктуры составляют энергетика, охлаждение и безопасность. Инженерная концепция по сути такая же, как в любом дата-центре.

Этот «этаж» ПСМ обустраивает самостоятельно: расчет мощности, блок-модуль, распределительное устройство, жидкостное охлаждение, охранно-пожарная безопасность и автоматизация через SCADA. Если на площадке размещения AI ready нет доступной мощности от сети, но есть лимит газа (или возможность его проведения), то мы также закрываем задачу электроснабжения собственной газовой генерацией.

AI Cluster

В базовую инфраструктуру AI ready модуля встраивается контур вычислений и информационной безопасности. Пока без прикладных сценариев. К пятой итерации пилота специалисты из инжинирингового центра ПСМ зафиксировали рабочую конфигурацию AI ready в заводской готовности к «заселению» ИИ.

В конфигурацию входят:

Процессоры GPU / CPU;

Система хранения данных;

Структурированная кабельная система;

Сеть передачи и управления данными;

Виртуальная или контейнерная среда запуска AI-сервисов;

Базовый мониторинг вычислительного контура.

AI Factory

Третий этаж AI ready — ключевой слой, который гарантирует, что ИИ «приживется» в домике.

В структуре ПСМ есть своя ИТ-компания — ПСМ UNLIM — которая закрывает вопрос обучения моделей и выхода на прикладные сценарии. Поскольку продукт AI ready мы полностью разработали сами, интеграция всех «ИИ-этажей» проходит с минимальными и быстро устранимыми нестыковками.

На самый верх: ИТ-контур и прикладной ИИ

Надо сказать, что команда ПСМ UNLIM изначально вообще не занималась искусственным интеллектом. Компания органически сформировалась из внутренних потребностей завода-производителя электростанций в автоматизации. Первые задачи были связаны с внедрением 1С:ERP и 1С:MES для производства.

Позднее ИТ-разработчик с компетенциями завода запустил собственные цифровые решения: платформу для мониторинга и предиктивной аналитики и системы управления на базе SCADA.

Корпоративный AI-агент — тоже внутренняя потребность.

С конца 2025 года в ПСМ внедрили:

Attention-ботов, которые мониторят входящие обращения и предупреждают о возможных рисках, связанных со сроками реагирования и реализации;

AI-помощника на базе Bitrix24 и в веб-формате, который работает с текстовыми запросами и файлами в контексте корпоративной базы знаний (RAG);

RAG-технологии для создания цифровых паспортов оборудования и эксплуатационной документации;

Юридические AI-сценарии для ускорения процессов согласования контрактов;

Видеоаналитику для контроля соблюдения требований охраны труда и контроля качества на производстве.

На очереди — запуск первого GPU-сервера для тестирования локальных моделей.

Внутренний AI-стартап дал ПСМ UNLIM новый статус — разработчика AI-платформ и прикладных моделей. AI ready транслирует технологии в рынок, дает бизнесу и регионам мощный старт в мировой гонке за ИИ.

Тем, кто не хочет читать всё, но хочет понять, что такое AI ready

Развитие сложных прикладных AI-моделей возможно только при наличии энергетической и вычислительной мощности — по сути локальных модульных ЦОДов.

На российском рынке AI-ЦОДы продают только «по частям»: энергия, охлаждение, вычисления, софт — все по отдельности. Размытие ответственности — риск для интеграции и корректной работы прикладного AI-слоя.

Продукт AI ready собирает ответственность за все «части» в одной точке. Это инженерная и вычислительная база с интегрированной AI-платформой для управления моделями.

AI ready строится последовательно, как «трехэтажный дом» для ИИ:

AI Base. Блок-модуль с электротехникой, охлаждением, системами автоматизации и безопасности