На Kazan Digital Week 2026 ИТ-холдинг Т1 сопоставил GPU NVIDIA и китайские ускорители по скорости и эффективности - «Новости»

В рамках форума Kazan Digital Week 2026 генеральный директор ИТ‑холдинга Т1 Дмитрий Харитонов представил итоги исследований графических ускорителей (GPU), реализованных компанией в 2026 году.

В ходе проекта специалисты Т1 изучили эффективность эксплуатации смешанного парка GPU, объединяющего ускорители NVIDIA и продукцию китайских производителей. Как заявили в ИТ‑холдинге Т1, такой метод позволяет увеличивать вычислительные мощности даже при дефиците отдельных категорий оборудования, а целенаправленный выбор GPU под конкретные типы задач способен в отдельных случаях снизить затраты на инференс в 2–2,5 раза. Об этом пишет newstula.ru.

Дмитрий Харитонов отметил, что ключевым маркером готовности организации к применению ИИ (AI Ready) выступает не количество запущенных пилотных проектов, а реальный экономический эффект, который удаётся зафиксировать в течение 6–9 месяцев.

Руководитель ИТ‑холдинга также подчеркнул, что AI Ready начинается не с хайпа, а с циничного менеджерского отношения к задаче: по его мнению, компания, способная запускать 5–7 пилотов в месяц, автоматически не может считаться AI Ready — эффект должен быть измеримым, в противном случае проект следует сворачивать.

С целью снижения зависимости заказчиков от оборудования NVIDIA в рамках ИИ‑проектов команда Т1 создала специализированную лабораторию и провела серию испытаний GPU разных производителей, включая китайские аналоги. В рамках тестирования эксперты проверили более 20 ИИ‑моделей и выполнили более 1000 тестовых прогонов на альтернативных чипах. На основании полученных результатов специалисты выделили ряд рабочих сценариев внедрения GPU в ИТ‑среду российских компаний. Так, применение китайских ускорителей в сценариях с ИИ‑ассистентами (работа с документами, поиск по базам знаний) позволяет добиться снижения стоимости инференса в 2–2,5 раза без ухудшения качества результатов.

При дообучении собственных крупных языковых моделей (LLM) возможна комбинированная схема: на оборудовании NVIDIA реализовывать основные процессы (обучение, дообучение, инференс больших моделей), а часть сопутствующих операций и отдельные сценарии инференса переносить на альтернативные ускорители. В задачах компьютерного зрения китайские решения обеспечивают привлекательную стоимость, однако уступают ускорителям NVIDIA по скорости обработки данных.

Руководитель ИТ‑холдинга также отметил необходимость комплексного расчёта стоимости владения (TCO) для ИИ‑проектов, куда следует закладывать не только цену оборудования, но и затраты на лицензионное ПО, сопровождение и обучение сотрудников.

Отдельно Дмитрий Харитонов обозначил важность соблюдения требований к защищённому контуру, особенно в отношении субъектов критической информационной инфраструктуры (КИИ). В таких случаях приоритетными признаются решения из реестра программно‑аппаратных комплексов (ПАК), развёрнутые в собственном контуре: это позволяет минимизировать санкционные риски и обеспечить соответствие требованиям безопасности.