Китайские ускорители удешевили ИИ-ассистентов в 2,5 раза: Т1 назвал сценарии, где NVIDIA не нужна ▶️ На Kazan Digital Week 2026 гендиректор ИТ-холдинга Т1 Дмитрий Харитонов поделился результатами тестирования графических ускорителей, которое компания провела в 2026 году. Для испытаний GPU разных производителей, включая китайских, была создана специализированная лаборатория. AI Ready начинается с экономики, а не с хайпа 🔽 По словам Харитонова, основной критерий готовности компании к работе с искусственным интеллектом - не число запущенных пилотов, а измеримый экономический эффект, достигнутый за 6-9 месяцев. AI Ready начинается не с хайпа, а с циничного менеджерского отношения к задаче: компания, которая может запустить 5-7 пилотов в месяц, не является AI Ready автоматически. Эффект должен быть измеримым, иначе проект просто сворачивается. Иными словами, зрелость в ИИ определяется не активностью экспериментов, а способностью довести проект до результата, который можно посчитать в деньгах, скорости или качестве процессов. Что показали тесты Уже протестировано более 20 ИИ-моделей и выполнено более 1000 прогонов на альтернативных чипах. Результаты показали, как именно можно эффективно использовать разные GPU в инфраструктуре отечественных компаний с учётом специфики ИИ-задач: 🔴 Для ИИ-ассистентов по работе с документами или поиска по базам знаний китайские ускорители позволяют снизить стоимость инференса в 2-2,5 раза при сопоставимом качестве ответов. Это один из наиболее практичных сценариев для компаний, которые хотят сократить расходы на массовые ИИ-сервисы. 🔴 Для задач дообучения собственных больших моделей нагрузки можно распределять между платформами. NVIDIA остаётся вариантом для обучения, дообучения и инференса сверхбольших LLM, а сопутствующие сервисы и подходящие задачи инференса можно переносить на альтернативные ускорители. 🔴 В задачах компьютерного зрения китайские решения оказались конкурентоспособны по цене, но уступили NVIDIA по скорости. Это значит, что выбор оборудования должен опираться на конкретные требования задачи, а не на универсальный принцип «одна платформа для всего». Замена недозагруженной модели NVIDIA H100 на одну модель C550 китайского производителя экономит свыше 2 млн рублей в год при размещении в облаке. При этом на крупных предприятиях на один сервер требуется от 2 до 8 карт, а при построении внутреннего контура речь может идти о десятках и сотнях серверов. 🔼 Однако стоимость владения ИИ-решениями нужно считать комплексно: в расчёт должны входить стоимость лицензий, сопровождения и обучения персонала. Экономия на железе может быть нивелирована расходами на эксплуатацию и компетенции команды. 🦾 AI для бизнеса в Telegram | в MAX