AI ready: инфраструктура, в которой живёт искусственный интеллект

Бизнес всё активнее внедряет искусственный интеллект и чаще всего начинает с разработки модели. Но модель работает на материальной базе: ей нужны вычислительные мощности, энергоснабжение, охлаждение, системы безопасности и хранения данных.

За последний год в ПСМ внедрили несколько ИИ-инструментов, в числе которых корпоративный AI-агент c RAG. Для пилотного внедрения хватило мощности действующих серверов. Для следующих R&D-проектов и тестирования локальных моделей запланировали покупку первого GPU-сервера.

Через этот опыт мы пришли к выводу: развитие корпоративного AI упирается прежде всего в отсутствие инфраструктуры. Так появилась концепция AI ready — сочетания инженерных и цифровых решений для локального запуска и создания прикладных AI-сценариев.

Почему AI начинается не с модели

Простой чат-бот может работать в офисной серверной. Но когда речь идёт о сложных LLM- и VLM-моделях, локальном хранении данных и интеграции с производственными процессами, инфраструктурные требования быстро растут. Облако остаётся одним из вариантов размещения, но для промышленного бизнеса оно не всегда подходит по требованиям информационной безопасности, доступности данных и локализации.

Например: промышленному объекту, расположенному в удалённом регионе, требуется видеоаналитика — ИИ-сценарии для фиксации нарушений требований охраны труда или контроля качества производственных процессов. Такой инструмент требует быстрой и непрерывной обработки большого объёма данных. Ответы модели должны поступать без задержек, поскольку ИИ задействован в системе безопасности и качества на сложном/опасном производстве. Облачная инфраструктура не может обеспечить такую скорость и непрерывность нагрузки. Решение — строительство инженерной и вычислительной инфраструктуры прямо на производственном объекте.

Второй пример: корпорации требуется запуск AI-ассистента для работы с чувствительными данными в сжатые сроки. Задачи для ассистента — обработка коммерческой и юридической информации. Облако не гарантирует обеспечение требований ИБ. Кроме того, для запуска в срок в коммерческих ЦОДах нет доступной ИТ-мощности. Компания может построить свою закрытую инфраструктуру (по сути модульный ЦОД для AI), даже если возможность техприсоединения к сети ограничена. Проект локального AI-контура в исполнении ПСМ может быть дополнен энергоцентром для собственной газовой генерации.

Из чего состоит AI ready

AI ready — это локальный закрытый AI-контур, готовый к разработке прикладных AI-решений для бизнеса.

В AI ready есть три функциональных слоя:

• Инженерная база
• Вычислительный контур
• Платформа управления моделями и разработки прикладных сценариев

Каждый слой опирается на предыдущий. Нельзя устойчиво развивать прикладной AI без вычислительного контура, а вычислительный контур не будет работать без энергии, охлаждения и смежных инженерных систем.

AI Base

AI Base — первый слой AI ready. На этом уровне в едином блок-модуле размещаются системы энергоснабжения, охлаждения, системы безопасности, автоматики и мониторинга. По инженерной логике AI Base близок к модульному дата-центру (МЦОД), но проектируется с учётом высокой плотности AI-нагрузки.

ПСМ закрывает этот слой самостоятельно. В состав работ входят расчёт мощности, проектирование блок-модуля, подбор оборудования для распределения питания и резервирования, охлаждения и вентиляции, охранно-пожарной безопасности, автоматизация и диспетчеризации через SCADA.

Если на площадке нет доступной сетевой мощности, но есть лимит газа или возможность подключения к газовой инфраструктуре, задача электроснабжения может решаться за счёт собственной газовой генерации. Газовый энергоцентр может работать автономно в островном режиме или параллельно с сетью — для снижения затрат и стабилизации нагрузки.

AI Cluster

AI Cluster — второй слой AI ready. Он включает вычислительный контур и элементы информационной безопасности. На этом уровне модуль получает готовность к запуску ИТ-контура, но ещё без прикладных сценариев.

В конфигурацию AI Cluster входят:

• Серверы GPU и CPU
• Система хранения данных
• Структурированная кабельная система
• Сеть передачи и управления данными
• Виртуальная или контейнерная среда запуска AI-сервисов
• Базовый мониторинг вычислительного контура

AI Cluster связывает инженерную базу с ИТ-инфраструктурой. На этом этапе важно не просто установить серверы, а обеспечить их корректную работу в заданных условиях: по питанию, охлаждению, сети, безопасности и управлению.

AI Factory

AI Factory — третий слой AI ready. Он отвечает за управление моделями и разработку прикладных AI-сценариев.

В структуре ПСМ есть собственная ИТ-компания — ПСМ UNLIM. Она закрывает задачи по работе с моделями, настройке AI-платформы и вывода решений в реальные бизнес-процессы.

Поскольку AI ready разрабатывается внутри одного бизнес-контура, интеграция инженерного, вычислительного и прикладного слоёв проходит в единой логике. Это снижает риски, которые обычно возникают на стыках между разрозненными подрядчиками.

AI Factory делает модуль не просто вычислительной площадкой, а рабочим локальным AI-контуром, который можно адаптировать под задачи конкретного бизнеса.

Почему стандартный модульный ЦОД не подходит

Модульный ЦОД: первая гипотеза

Первой гипотезой при разработке AI ready стал модульный ЦОД.

Модульные ЦОДы — локальная альтернатива классическому дата-центру. Их используют, когда нужно быстро развернуть вычислительную мощность на удалённом объекте, временно закрыть потребность в ИТ-инфраструктуре или обеспечить автономную работу площадки до строительства капитального ЦОДа.

Но при расчёте AI-нагрузки стало понятно, что типовой МЦОД не закрывает задачу. ИТ-мощность стандартных МЦОДов в среднем не превышает 300 кВт. Такие решения обычно рассчитаны на меньшую плотность нагрузки, чем требуется для AI-инфраструктуры.

В базовой конфигурации AI-МЦОДа расчётная тепловая нагрузка на стойку составляет 25–40 кВт. Это примерно в два раза выше, чем у типовых модульных ЦОДов, которые предлагают российские производители. Масштабировать МЦОД можно, но рост нагрузки на стойку меняет весь подход к проектированию.

У высокоплотных стоек с GPU выше требования к мощности ИБП, номиналам распределительного оборудования, токовым нагрузкам кабелей и шинопроводов. Также меняется подход к охлаждению. Для AI-нагрузок уже недостаточно стандартного внутрирядного охлаждения In-Row. Требуются решения уровня RDHx — водовоздушное охлаждение стойки — или Direct-to-Chip, при котором охлаждение подводится непосредственно к чипам.

В результате меняется компоновка всего модуля: электрическая часть, охлаждение, сервисные зоны, маршруты кабельных трасс, автоматика и система мониторинга.

Мы не нашли готового решения для AI-нагрузки, в котором были бы интегрированы энергетика, охлаждение, вычисления, системы безопасности и автоматика. Поэтому решили разработать его решение самостоятельно.

Как ПСМ перешла от энергетики к цифре

Опыт в распределённой энергетике, производстве модульных решений и проектировании энергоснабжения для ЦОДов стал основой для разработки AI ready.

В 2024 году ПСМ взяла в работу крупный проект для одного из ведущих облачных провайдеров в РФ — энергоцентр для резервирования центра обработки данных уровня Tier IV.

В состав энергоцентра вошли:

• Дизельные электростанции общей мощностью 8 МВт
• КТП общей мощностью 40 МВА;
• Энергомодули с ИБП общей мощностью 8 МВт

В контексте AI ready особенно важен энергомодуль. Это решение заводской готовности, которое отвечает за переключение электропитания от сети на аварийную генерацию без токовых пауз.

В комплектацию энергомодуля входят распределительное оборудование, аккумуляторные батареи, источники бесперебойного питания, блоки управления и автоматизации. Всё оборудование размещено в едином контейнерном пространстве.

ИБП выделяют значительный объём тепла, поэтому пространство энергомодуля было разделено на холодный и горячий коридоры — по аналогии с машинным залом дата-центра. В ходе реализации стало понятно, что энергетическая и вычислительная инфраструктуры имеют много общих принципов: компоновку, организацию воздушных потоков, резервирование, охлаждение и мониторинг. Этот опыт приблизил ПСМ к концепции AI-МЦОДа.

Чтобы самостоятельно стыковать инженерную и вычислительную части модуля, потратили около полугода на изучение рынка GPU. За это время компания привлекла профильных специалистов в команду, изучили производственные площадки и работающие AI-проекты за рубежом.

У поставщиков GPU есть глубокая экспертиза в графических ускорителях, серверах и сетевом подключении. Но они, как правило, не отвечают за синхронизацию вычислительного оборудования с инженерной инфраструктурой. Обратная ситуация характерна для производителей инженерной базы: они проектируют энергетику, охлаждение и модули, но не берут на себя интеграцию GPU, серверов и AI-платформы.

Какие задачи стоят перед ПСМ UNLIM

ИТ-компания ПСМ UNLIM изначально не создавалась как разработчик ИИ-проектов. Она выросла из внутренних потребностей площадок ПСМ в автоматизации.

Первые задачи были связаны с внедрением 1С:ERP и 1С:MES для производства. Затем ИТ-команда запустила собственные цифровые решения: платформу для мониторинга и предиктивной аналитики ПСМ Check Pro, а также системы управления на базе SCADA.

Корпоративный AI-агент стал следующим этапом развития компании.

С конца 2025 года в ПСМ внедрили:

• Attention-ботов, которые мониторят входящие обращения и предупреждают о 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 по технологии RAG
• RAG-сценарии для создания цифровых паспортов оборудования и эксплуатационной документации
• Юридические AI-сценарии для ускорения согласования контрактов
• Видеоаналитику для контроля соблюдения требований охраны труда и качества на производстве

Следующий этап — запуск первого GPU-сервера для R&D локальных моделей.

Внутренний AI-стартап дал ПСМ UNLIM новый статус: разработчика AI-платформ и прикладных моделей. AI ready переводит этот опыт в продуктовый формат и даёт бизнесу инструмент для создания локального AI-контура.