13 ноября, 2026

SolusNews.com

Последние новости

«Базис» представил Basis Air: российская платформа позволит эффективнее использовать GPU для искусственного интеллекта

«Базис» представил Basis Air: российская платформа позволит эффективнее использовать GPU для искусственного интеллекта

Российский разработчик программного обеспечения «Базис», входящий в группу «РТК-ЦОД», представил платформу Basis Air для управления графическими ускорителями и вычислительными задачами искусственного интеллекта. По оценкам компании, новое решение способно повысить загрузку GPU с 30% до 80%, позволяя организациям выполнять больше задач без существенного расширения аппаратной инфраструктуры.

Basis Air оптимизирует использование вычислительных мощностей

Платформа предназначена для предприятий, исследовательских организаций и ИТ-компаний, в которых несколько подразделений одновременно используют общие ресурсы графических ускорителей.

Основная задача Basis Air — распределять вычислительные мощности между проектами с учетом их приоритетов, установленных квот и текущей загрузки оборудования.

Разработчики утверждают, что благодаря более рациональному распределению ресурсов эффективность использования GPU может вырасти более чем вдвое.

Это позволит организациям увеличить объем вычислений на уже приобретенном оборудовании и уменьшить необходимость дополнительных инвестиций в серверную инфраструктуру.

По информации «Базиса», около 80% программного кода Basis Air разработано собственными специалистами компании. Разработчик позиционирует платформу как первое самостоятельное российское решение такого класса.

Единое управление GPU-кластерами и распределение ресурсов

Basis Air объединяет управление графическими ускорителями, расположенными в разных центрах обработки данных и сетевых сегментах.

Администраторы могут устанавливать права доступа, определять квоты подразделений и контролировать распределение вычислительных ресурсов.

Гибкое использование свободных мощностей

Если отдельные команды временно не задействуют выделенные им GPU, платформа позволяет перераспределять свободные ресурсы в пользу других проектов, в том числе сверх первоначально установленных квот.

«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 с учетом приоритетов помогает увеличить количество выполняемых задач без приобретения дополнительных ускорителей.

Система поддерживает выделение целых GPU и совместное использование одной видеокарты несколькими вычислительными процессами.

Также предусмотрена поддержка MIG-профилей, позволяющих разделять совместимые графические ускорители на независимые вычислительные экземпляры.

Подготовка инфраструктуры для ИИ сокращается до нескольких часов

Одним из преимуществ Basis Air разработчики называют автоматизацию настройки рабочих сред для специалистов по искусственному интеллекту.

По оценке компании, время подготовки необходимых ресурсов и предоставления доступа может сократиться с одного месяца до одного-двух часов.

Платформа поддерживает обучение нейросетей, инференс — применение уже обученных моделей — и работу в популярных средах разработки Jupyter и VS Code.

Интеграция с существующими ИТ-системами

Управлять Basis Air можно через веб-интерфейс, программный интерфейс API или командную строку.

Предусмотрена совместимость с инструментами машинного обучения Kubeflow и MLflow.

Для хранения информации поддерживаются Kubernetes, Basis Digital Energy, S3-совместимые сервисы и сетевые файловые системы NFS.

Дополнительно платформа отслеживает загрузку графических ускорителей, использование видеопамяти и историю выполнения задач.

На основе этих показателей ИТ-руководители могут оценивать потребности подразделений и принимать решения о дальнейшем расширении вычислительной инфраструктуры.

Работа в закрытых корпоративных сетях

Basis Air можно внедрять независимо от других программных продуктов «Базиса».

Решение совместимо с поддерживаемыми инфраструктурами Kubernetes и может работать непосредственно в центре обработки данных заказчика.

Предусмотрено развертывание в изолированных сетях без подключения к интернету, что особенно актуально для организаций с повышенными требованиями к информационной безопасности.

Платформа поддерживает централизованную авторизацию, разграничение прав пользователей и регистрацию действий.

При взаимодействии отдельных кластеров с центральной системой управления передаются только служебные метаданные и технические показатели. Пользовательские данные и результаты обучения моделей в такой обмен не включаются.

Российский рынок ПО для ИИ-инфраструктуры продолжает расти

По оценке аналитической компании iKS-Consulting, объем российского рынка программного обеспечения для управления ИИ-вычислениями и GPU-инфраструктурой в 2026 году составляет около 430 млн рублей.

Аналитики прогнозируют среднегодовой рост этого сегмента на уровне 36% в период с 2026 по 2031 год.

Развитие рынка связано с увеличением потребности предприятий в вычислительных мощностях для искусственного интеллекта и инструментах управления дорогостоящим оборудованием.

Позиции компании «Базис»

«Базис» специализируется на программном обеспечении для управления динамической ИТ-инфраструктурой, виртуальными рабочими местами и облачными сервисами.

Компания была сформирована в 2021 году путем объединения активов «Тионикс», Digital Energy и «Скала Софтвер». Бренд «Базис» появился в 2022 году.

По данным iKS-Consulting, в 2025 году разработчик занимал 21% российского рынка программного обеспечения для управления динамической ИТ-инфраструктурой.

В декабре 2025 года компания провела первичное публичное размещение акций на Московской бирже. Ее ценные бумаги торгуются под тикером BAZA.

Перспективы Basis Air

Выход Basis Air отражает растущий спрос на инструменты оптимизации вычислительных ресурсов для искусственного интеллекта. Если заявленные показатели эффективности подтвердятся при практическом внедрении, платформа сможет помочь российским организациям увеличить производительность существующих GPU-кластеров и сократить затраты на развитие ИИ-инфраструктуры.