Российская компания представила платформу для эффективного использования вычислительных мощностей искусственного интеллекта

Лаборатория Z@lab365Новости и СМИ11 ноября 2026, 20:46

more_horiz

По оценке «Базиса», эффективность использования графических ускорителей при работе с Basis Air может увеличиться с 30% до 80%. За счет этого заказчики смогут выполнять больше ИИ-задач на уже закупленном оборудовании и сократить расходы на расширение инфраструктуры, утверждают разработчики. Около 80% кода Basis Air, по данным компании, составляет собственная разработка «Базиса». Вендор подчеркивает, что это первое самостоятельное российское решение на рынке. Общие GPU для нескольких команд Basis Air позволяет управлять GPU -кластерами на разных площадках и в разных подсетях из единого интерфейса. Администраторы задают права пользователей, квоты подразделений и проектов, а также правила распределения ресурсов. Команды отправляют задачи на выполнение и отслеживают их состояние. Если часть мощностей свободна, платформа может предоставлять их другим задачам сверх установленных квот. Это позволяет использовать общий парк ускорителей с учетом текущей потребности подразделений. «Если GPU закреплены за отдельными командами, часть оборудования будет простаивать, пока другие проекты ждут свободных мощностей», — отметил генеральный директор «Базиса» Давид Мартиросов . По его словам, распределение ресурсов по приоритетам позволяет выполнять больше задач на имеющемся парке ускорителей и сокращать потребность в дополнительных закупках. Платформа поддерживает выделение GPU целиком и распределение ресурсов одной карты между несколькими задачами. Предусмотрены разделение вычислительных ресурсов и видеопамяти, а также работа с MIG-профилями — механизмом аппаратного разделения совместимых ускорителей на изолированные экземпляры. Подготовка рабочей среды за один-два часа В Basis Air доступны сценарии обучения моделей, инференса — применения уже обученных моделей — и работы специалистов в средах Jupyter и VS Code. По оценке разработчиков, автоматизация выделения ресурсов и настройки доступа позволяет сократить подготовку рабочей среды для сотрудника с месяца до одного-двух часов. Управлять платформой можно через веб-интерфейс , API и командную строку . Предусмотрены интеграции с инструментами машинного обучения , включая Kubeflow и MLflow . Для хранения данных можно использовать механизмы Kubernetes и Basis Digital Energy , S3-совместимые сервисы и NFS , в том числе существующие хранилища заказчика. Basis Air также отображает загрузку GPU и потребление видеопамяти в реальном времени, сохраняет историю использования оборудования и формирует отчеты по подразделениям и проектам. На основе этих данных ИТ-руководители могут оценивать, какие задачи удастся разместить на имеющихся ускорителях и где действительно потребуются дополнительные мощности. Работа в закрытой инфраструктуре Basis Air можно внедрить как самостоятельный продукт. Платформа совместима с поддерживаемыми средами на базе Kubernetes . Обязательного перехода на остальные решения вендора не требуется. Продукт разворачивается в собственном ЦОД заказчика , в том числе в изолированном контуре без доступа к интернету. В нем предусмотрены единый вход, ролевая модель доступа и журнал действий пользователей. При синхронизации кластерных компонентов с центральным компонентом управления передаются служебные метаданные и операционные показатели, включая статусы задач и состояние узлов. Пользовательские наборы данных и артефакты обученных моделей в этот обмен не входят, уточняют разработчики. SergeyNivens / Фотобанк Фотодженика Basis Air позволяет управлять GPU-кластерами на разных площадках и в разных подсетях из единого интерфейса Российский рынок ПО для ИИ-инфраструктуры По данным iKS-Consulting, объем российского рынка ПО для управления ИИ - и GPU-инфраструктурой в 2026 г. оценивается в 430 млн руб. Аналитики прогнозируют среднегодовой рост этого рынка на 36% в 2026–2031 гг. Чем занимается «Базис»