Новости

Как показало исследование, проведенное К2Тех, зрелость ИТ-ландшафта большинства российских агрохолдингов пока остается базовой: компании в основном сосредоточены на создании фундамента — переходе с западных систем на отечественные аналоги, внедрении ERP, MES и IoT. Для корректной работы и бизнес-эффективности всех этих систем требуется выстроенная система работы с данными. Этот процесс требует времени и инвестиций, а высокие капитальные затраты и накопленный технический долг сдерживают переход к более продвинутым цифровым сценариям.

Дополнительным ограничением для цифровой трансформации остается сложность интеграции разрозненных отечественных решений: 57% компаний АПК отмечают, что из-за этого растет совокупная стоимость владения ИТ-системами. В результате цифровизация для части бизнеса превращается в поддержку фрагментированного ИТ-ландшафта с дорогой интеграцией, сложной доработкой и высокой нагрузкой на внутренние команды.

Еще одним фактором, который тормозит цифровизацию отрасли, компании называют кадровый дефицит. Сотрудникам старшего поколения недостает цифровых навыков, а молодые специалисты не спешат идти в эту сферу из-за существующего стереотипа, что АПК — менее инновационная отрасль. При этом 43% участников опроса рассчитывают частично компенсировать нехватку специалистов с помощью искусственного интеллекта и робототехники.

По оценке К2Тех, в ближайшие годы цифровизация АПК будет развиваться прежде всего вокруг построения базового технологического фундамента, консолидации данных и развития аналитических инструментов. Именно эти шаги создадут условия для более широкого внедрения ИИ, повышения управляемости бизнеса и снижения операционных издержек в агрохолдингах и крупных предприятиях.

Проект на БоАЗ реализован за семь месяцев. Основное внимание было уделено настройке программного обеспечения DES.LIMS, включая заполнение справочников, настройку методик и процессов внутри лабораторного контроля качества. Важной частью работ стала интеграция решения с производственными информационными системами заказчика и лабораторным оборудованием.

Как отмечает Андрей Картавцев, генеральный директор БоАЗа, лаборатории играют очень важную роль в производственном цикле, так как именно здесь измеряются ключевые качественные характеристики сырья и готовых сплавов. Цифровизация лабораторных процессов является одним из приоритетных направлений модернизации производства. Новая система позволила не только сократить временные затраты на обработку данных, но и минимизировала влияние человеческого фактора.

В результате внедрения удалось автоматизировать ключевые процессы: работу с пробами на всех стадиях их жизненного цикла, передачу результатов испытаний производственным подразделениям, учет лабораторного оборудования и товарно-материальных ценностей. Особое значение имела реализация около 40 отчетных форм, которые аккумулируют информацию из различных источников, таких как результаты испытаний и измерений, результаты внутрилабораторного контроля качества, учет товарно-материальных ценностей и оборудования, используемого в работе лабораторий. Это позволило создать единую информационную среду для контроля качества и значительно повысить оперативность принятия решений.

Основным результатом проекта стало создание единого информационного пространства для контроля качества, которое охватывает все этапы — от отбора проб до формирования итоговой отчетности. Это решение обеспечило прозрачность процессов и создало надежную основу для дальнейшей оптимизации производства.

Облачный и Bare metal провайдер Рег.облако изучил структуру спроса на выделенную инфраструктуру в сегменте крупного и среднего бизнеса. По данным аналитиков, средняя стоимость GPU-конфигураций в 2025 году выросла в два раза, а с начала 2026 года — еще в два раза. При этом общее количество серверов с графическими ускорителями в парке клиентов существенно не изменилось — бизнес отказывается от бюджетных конфигураций в пользу высокопроизводительных GPU-серверов.

Сдвиг в структуре потребления выделенной инфраструктуры связан с усложнением требований со стороны бизнеса. Крупным и средним компаниям все чаще нужны не просто ресурсы в облаке или сервере, а предсказуемая производительность, изоляция вычислительной среды и полный контроль над инфраструктурой. В общем объеме потребления 70% по-прежнему приходится на базовые выделенные серверы, а 30% — на системы хранения данных и дисковую инфраструктуру. Однако для проектов в сфере ИИ и машинного обучения заказчики меняют подход.

Компании отказываются от отдельных выделенных хранилищ в пользу серверов с большим количеством NVMe-дисков. Это позволяет размещать ИИ-модели, наборы данных и промежуточные результаты вычислений внутри собственной инфраструктуры, без лишних задержек на внешний обмен. На одну компанию сегодня в среднем приходится от двух до восьми видеокарт — H200, H100, А6000, А4000 — в зависимости от масштаба проекта. Почти половина спроса на GPU-серверы (46%) приходится на конфигурации с объемом видеопамяти до 24 Гбайт. Решения с 48 Гбайт занимают 13,5%, а более четверти — около 27% — формируют высокопроизводительные конфигурации от 80 Гбайт.

Эксперты Рег.облака связывают такую тенденцию с тем, что современные ИИ-модели требуют более мощные вычислительные мощности и объем памяти, а также высокой скорости обмена данными между ускорителями. Чуть более года назад такие карты как H100 и H200 были доступны в основном крупным игрокам по квотам, а теперь постепенно выходят на более широкий рынок. Отдельный интерес компании проявляют к H200 в SXM-исполнении: для тяжелых ИИ-задач важна производительность не только самих ускорителей, но и всей серверной платформы в целом. По данным Рег.облака, доля премиальных GPU-конфигураций в общем потреблении серверов выросла с 51% до 78%. Треть заказов на GPU-серверы (33%) сегодня связана с искусственным интеллектом и машинным обучением, 30% — с рендерингом, 25% — с тестированием и разработкой, ещё 12% — с обработкой данных. Этот портрет спроса принципиально отличается от классической модели аренды сервера под корпоративный портал или ИТ-систему.

Как подчеркивают эксперты, бизнесу нужна не отдельная машина, а сбалансированная конфигурация, объединяющая вычислительные ресурсы, дисковую емкость и устойчивую производительность под длительную нагрузку. Рост интереса к выделенным серверам и Bare metal решениям не означает отказа от публичного облака — рынок, напротив, четко делится по сценариям использования. Облачные сервисы по-прежнему выбирают для быстрого запуска проектов, тестирования и гибкого масштабирования.

По данным Рег.облака, компании предпочитают выделенную инфраструктуру для постоянных высоконагруженных систем, корпоративных приложений, обработки больших данных и специализированных вычислений, где критична стабильность и предсказуемость. Сложившийся тренд на удорожание GPU-конфигураций отражает не временную конъюнктуру, а структурный сдвиг в сторону задач с использованием технологий ИИ, который будет только усиливаться.

По мере роста сервиса команде Drivee требовалась возможность быстрого масштабирования без ограничений по железу, а также провайдер с подтвержденным соответствием нормативным требованиям. Drivee обрабатывает персональные данные пассажиров и водителей, а также платежные транзакции — это стало одним из ключевых критериев выбора провайдера.

В K2 Облаке развернуты серверная и пользовательская части приложения. Высоконагруженные базы данных размещены на выделенных серверах и разнесены по трем зонам доступности для обеспечения отказоустойчивости. Основной сервер MySQL перенесен на быстрые NVMe-диски nv1 — это сократило задержки и ускорило транзакции под высокой нагрузкой. Выделены три контура: производство, разработка и тест. Для задач машинного обучения собственной разработки в публичном облаке подключены GPU-ускорители NVIDIA T4.

Собственные сервисы на базе машинного обучения Drivee решают несколько ключевых задач. Система автоматизированного фотоконтроля проверяет соответствие автомобиля и водителя при выходе на линию: ИИ автоматически закрывает около 75% всех задач, обрабатывая до 10 тыс. кейсов в сутки по каждому направлению. Скорость обработки с ИИ составляет 2–3 секунды против нескольких минут при ручной проверке — ускорение в 30–60 раз. Модерация пользовательского контента автоматизирована на 100%: сервисы машинного обучения ежедневно обрабатывают 20–30 тыс. комментариев к заказам и тысячи изменений в профилях пользователей. Это позволило перевести 8 из 10 сотрудников команды модерации на более приоритетные задачи. В стадии внедрения — система автоматического распознавания документов водителей: модель находит необходимые поля, считывает данные и автоматически заполняет карточку в системе модератора, что позволит закрывать не менее половины полей без участия человека.

В рамках проекта на распределительном центре внедрены 67 FMR-роботов (автономных вилочных погрузчиков), 15 автоматизированных палетообмотчиков и робот-инвентаризатор. Все решения интегрированы в единую систему управления складом собственной разработки X5 – Nexus WMS.

FMR-роботы обеспечивают беспилотное перемещение палет весом до двух тонн, точное позиционирование и безопасную транспортировку грузов внутри склада. Палетообмотчики автоматизируют упаковку палет по всей высоте, обеспечивая сохранность товаров при отгрузке и транспортировке. Робот-инвентаризатор – подвижный комплекс для поддержания актуальности данных о складских запасах в зонах стеллажного хранения – автоматически сканирует наличие товаров и синхронизирует информацию с системой управления складом. Использование одного робота позволяет экономить 180 человеко-часов за одну процедуру инвентаризации.

Внедрение роботизированного комплекса, основанного на российских ИТ-решениях и программном обеспечении, позволило компании сократить количество низкоэффективных операций, увеличить производительность складских операторов, минимизировать влияние человеческого фактора и риск ошибок, а также повысить точность и скорость выполнения операций. Производительность складской обработки выросла на треть, улучшились показатели пропускной способности и точности операций, снизились затраты на ручной труд и риски повреждения грузов.

В дальнейшем X5 планирует масштабировать аналогичные решения на другие распределительные центры своих торговых сетей по всей географии присутствия.

В сравнительный анализ вошли продукты ключевых производителей из топ-рейтинга ЦСР за 2024 год: Digital Q.DataBase (Диасофт Экосистема), Jatoba (Газинформсервис), Platform V Pangolin (СберТех), Postgres Pro Enterprise (Postgres Professional) и Tantor (Тантор Лабс).

Эксперты отмечают, что разнообразие сценариев позволяет компаниям оптимизировать ИТ-бюджеты: вместо приобретения избыточной функциональности заказчики смогут выбрать решение с точным попаданием в задачи. На основе детального сравнения функциональности также удалось выделить ключевые тенденции, которые характеризуют отрасль в 2026 году.

Обновление ядра: ведущие игроки уже перешли на актуальную версию PostgreSQL 18. Новая версия ускоряет работу с данными за счет асинхронного ввода-вывода и оптимизации запросов, а также добавляет поддержку современных стандартов. Остальные поставщики планируют обновление в течение 2026 года.

Облегченная миграция с Oracle и Microsoft: если раньше переход на российскую СУБД требовал множества ресурсов, то теперь вендоры предлагают инструменты автоматической конвертации. Некоторые продукты (Postgres Pro Enterprise, Digital Q.DataBase) понимают язык запросов Oracle и Microsoft «из коробки», что сокращает время и стоимость миграции в разы.

Безопасность как стандарт: шифрование данных, защита от внутренних угроз, детальный аудит действий пользователей – эти функции стали обязательными для всех enterprise-решений. Один из игроков (Jatoba) внедрил SQL Firewall с алгоритмами машинного обучения для предотвращения SQL-инъекций в реальном времени.

Простое управление: чтобы снизить затраты на эксплуатацию, вендоры добавляют графические интерфейсы, автоматическое резервное копирование в облако и инструменты диагностики проблем в один клик. Администраторам больше не нужно писать сложные скрипты для рутинных задач.

Как отмечают эксперты, рынок перешел из фазы «вынужденного выбора» в фазу осознанного сравнения. Заказчики больше не спрашивают, можно ли доверять российскому продукту, а подбирают решение, исходя из конкретных задач. Все пять участников обзора представляют зрелые продукты с сертификацией ФСТЭК, поддержкой российского оборудования и собственными уникальными функциями. Это позволяет заявить, что отечественные СУБД состоялись как полноценная альтернатива Oracle и Microsoft SQL Server для критически важных систем крупного бизнеса.

Аналитики ЛАНИТ сравнили производителей и их решения по почти 200 параметрам, распределенным на восемь групп по показателям надежности, скорости работы, простоты миграции, удобства интерфейса и другим.

• Postgres Pro Enterprise демонстрирует высокие позиции по таким показателям, как масштабируемость и надежность, производительность, графический интерфейс, а также общие характеристики и миграция.
• Tantor входит в число лидеров по удобству разработки и графическому интерфейсу.
• Digital Q.DataBase показывает один из лучших результатов по удобству разработки, а также высокий результат по миграции.
• Jatoba демонстрирует самый высокий среди представленных СУБД результат по безопасности, занимая по этому показателю второе место среди всех продуктов.
• Platform V Pangolin получил высокие оценки по масштабируемости и надежности, а также безопасности.

Российский рынок серверов и СХД по итогам 2025 года почти удвоился в денежном выражении — до 280 млрд руб. против 155 млрд руб. годом ранее. Однако участники рынка подчеркивают, что это произошло главным образом из-за роста цен. С августа 2025 года цены на СХД выросли в несколько раз, а на их долю приходится до двух третей себестоимости сервера. Как отмечают эксперты, рост рынка систем хранения данных — это зеркало того, как дорожают компоненты и само оборудование. В 2026 году можно констатировать факт, что подорожал сам «входной билет» в инфраструктуру.

Расходы на ИТ растут, но не ради расширения

У 53% опрошенных компаний бюджеты на ИТ-инфраструктуру в 2025 году выросли, однако эксперты указывают, что это далеко не всегда означает наращивание парка, чаще речь идет о компенсации ценового давления. Еще 34% компаний удерживают бюджеты на прежнем уровне, что формирует риск накопления «инфраструктурного долга» — отложенных обновлений, которые придется финансировать позднее и дороже.

Бюджеты на облака: ни одного сокращения

На фоне давления на капитальные расходы облачные бюджеты демонстрируют принципиально иную динамику. Ни один из 70 респондентов не сообщил о сокращении расходов на облака: у 43% они выросли, у 57% — остались прежними. Это совпадает с общерыночной картиной: по итогам 2025 года рост российского облачного рынка оценивается в 29%.

Смена стратегии: гибрид вместо отказа от железа

Кризис железа не привел к массовому исходу компаний с собственной инфраструктуры. Согласно опросу K2 Cloud, 45% респондентов сохраняют фокус на оборудовании on-premise. Вместе с тем 36% рассматривают полный или частичный переход в облако. Рынок движется не к отказу от железа, а к смешанным моделям, при которых облако закрывает риски непредсказуемых закупок.

Проект «Квантовый криптоанклав» стартовал по итогам заключенного на ПМЭФ-2025 соглашения по развитию квантовых технологий и к сегодняшнему дню подтвердил возможность безопасного обучения ML-моделей на объединенных данных нескольких организаций.

В рамках проекта ключи шифрования автоматически генерируются в режиме реального времени с использованием квантовых эффектов, что исключает хищения или дешифрацию, и передаются по специализированной оптоволоконной линии, предоставленной РЖД. Это дает возможность транслировать данные самых высоких категорий защищенности в изолированную среду, в которой происходит обучение ML-моделей. Решение ПАК «Эвирис», разработанное ИТ-холдингом Т1, – программно-аппаратный комплекс для защищенных совместных вычислений на  основе объединенных данных, позволяет обогащать эти данные информацией от других игроков рынка. Система проводит объединение датасетов, обучение модели и валидацию результатов, при этом ни один из участников не получает доступа к исходным данным партнера.

Работоспособность решения была подтверждена на подготовке скоринговых и аналитических ML-моделей для банка ВТБ.

Потенциальный круг пользователей «Квантового криптоанклава» охватывает как государство, так и множество отраслей, располагающих поведенческими или транзакционными данными, на основе которых могут быть созданы эффективные ИИ-инструменты: промышленность, телеком, финансы, крупный ретейл, электронная коммерция и другие.

С учетом планов по масштабному внедрению ПАК «Эвирис» в операционную практику на рынке в 2027 году, следует особо отметить, что дополнительный уровень защиты данных, в том числе от квантовых угроз, дает продукту уникальные рыночные преимущества, как первому в мире квантово-защищенному криптоанклаву.

Как отмечает Сергей Безбогов, заместитель руководителя технологического блока – старший вице-президент ВТБ, главный барьер для межотраслевого обмена информацией – длительный цикл согласований, который обесценивал обогащающие данные и порождал избыточные операционные издержки. В рамках пилота удалось решить эту проблему: модель была обучена на объединенных данных, при этом банк не раскрывал своей клиентской базы и не получал чужих данных. В будущем это позволит кратно сократить цикл от идеи до работающей ИИ-модели.

Предприятие специализируется на разработке и производстве широкого спектра материалов и изделий. Одновременно в работе у компании могут находиться 100-200 контрактов. Для их эффективного выполнения необходимо оперативно планировать закупки и производство, точно рассчитывать себестоимость, контролировать расходы и рентабельность.

Ранее для учета и управления в компании использовалась устаревшая информационная система. Регламентированный учет вели в отдельной информационной базе. Было сложно контролировать затраты, на расчет себестоимости уходило много времени. В работе службы снабжения не всегда точно учитывалась оперативная потребность производственных цехов в материалах, зачастую приходилось заказывать сырье с избыточным запасом. Формирование плана производства выполнялось вручную в электронных таблицах и было очень трудоемким.

Предприятию стала необходима информационная система, которая позволила бы объединить работу производственных подразделений, отделов сбыта и снабжения, улучшить планирование производства, обеспечить бесперебойные поставки сырья и материалов, усилить контроль затрат, повысить точность расчета себестоимости с необходимой детализацией по продукции и проектам. Для решения поставленных задач была выбрана система «1С:ERP Управление предприятием», а партнером по внедрению стал ИТРП.

За шесть месяцев система была развернута на 150 рабочих местах в подразделениях сбыта, на производстве, в учетных подразделениях, в службе снабжения и на складах. Ключевые задачи решены с использованием типового функционала 1С:ERP без доработок, специализированные программные обработки реализованы для переноса и нормализации остатков и оборотов из старой системы, создано несколько дополнительных отчетов по анализу себестоимости.

В результате проекта улучшилось планирование закупок. На основании плана производства в 1С:ERP оперативно рассчитывается потребность в материалах, автоматически формируются заказы поставщикам. Обеспечено бесперебойное снабжение производства сырьем, сокращены избыточные закупки, оборачиваемость склада повысилась на 15%. Автоматизирован расчет плановой себестоимости по проектам, что позволяет значительно быстрее обрабатывать поступающие заказы.

Обеспечен сквозной контроль затрат на всех этапах обработки заказов – от планового расчета стоимости до фактического выпуска продукции. Повысилась точность расчета производственной себестоимости по продуктам и проектам, в том числе по направлениям ГОЗ в соответствии с требованиями 275-ФЗ. Это помогло оптимизировать затраты и выявить источники потерь – например, перерасход материалов в производстве, пересортица на складе и др. Уже в первые месяцы работы в новой системе удалось снизить себестоимость продукции на 10%, рентабельность производства повысилась. В несколько раз ускорилась подготовка регламентированной и управленческой отчетности.

Российские компании активно интегрируют ИИ в повседневные бизнес-процессы, но делают это крайне осторожно. 60% российских компаний, опрошенных системным интегратором УЦСБ и ГК «Солар», уже используют различные формы ИИ в своей деятельности, а почти треть организаций уже перешли к работе с современными генеративными моделями (LLM) и их комбинациями. При этом 32% не применяют ИИ, но активно изучают возможности или планируют внедрение в ближайшее время. Полностью автоматизированные решения на базе ИИ применяют лишь 3% респондентов.

Среди компаний, которые пока не используют ИИ, основной причиной отказа названы высокие риски безопасности и конфиденциальности данных (утечка кода, коммерческой информации) — 42% ответов. На втором месте — нехватка компетенций внутри компании (35% ответов). При этом треть респондентов (33%) указали на отсутствие понятных и экономически обоснованных сценариев применения ИИ в их бизнесе. Высокая стоимость внедрения (20%) и регуляторная неопределенность (25%) играют менее критичную роль.

Как отмечают эксперты, компании видят высокий потенциал в ИИ, но хотят четко понимать, как не потерять данные и контроль, — особенно когда генеративные модели начинают использовать в разработке и других бизнес-процессах. Рынок в целом созрел для управляемого использования генеративных моделей, и ждет от вендоров и интеграторов методик внедрения с гарантиями безопасности.

Опасения бизнеса в отношении генеративного ИИ оправданы. Только в 2025 году в 30 раз вырос объем трафика в публичные большие языковые модели, при этом только 25% компаний разработали политики ИБ для регулирования работы сотрудников с ИИ. Искусственный интеллект — это один из ключевых драйверов технологического сектора, ускоряющий технологическое развитие компаний, но и одновременно приносящий новые угрозы кибербезопасности. Поэтому важна защита от последствий использования ИИ: предотвращение утечек данных, анализ исходящего и входящего ИИ-трафика, анализ кода, написанного ИИ, обеспечение РБПО, ограничение привилегий и контроль действий ИИ. Другие важные направления работ – защита ИИ от нарушителя и защита от атакующего ИИ.