IT-инфраструктура *

Дайджест: новости за июль 2026

Рассказываем, что произошло в июле и объясняем, чем это может быть полезно.

🤖 Гига-помощник прокачался в управлении
Теперь через помощника можно установить ops-agent на ВМ и собирать еще более подробные данные о хостах для мониторинга и логирования. А еще ИИ-помощник научился по запросу менять размер диска и вычислительный ресурс кластера Evolution Managed Redis: диск можно увеличить на 20% и больше буквально в чате, не переключаясь в консоль.

🧠 AI Factory  —  цифровая среда для работы с генеративным ИИ
Evolution ML Inference — три апдейта для тех, кто гоняет модели в проде: монтирование бакетов S3 прямо в Docker RUN (для новых и уже созданных инференсов), кеширование CUDA Graph для быстрого масштабирования и стабильного serverless-инференса под пиковой нагрузкой, а также cron-расписание масштабирования GPU — можно заранее готовить ресурсы к нагрузке и экономить в тихие часы.

Evolution Foundation Models — пополнили каталог готовых к подключению моделей, а Guardrails Filter (инструмент для защиты чувствительных данных в запросах и ответах LLM) теперь в опенсорсе — можно смотреть код и встраивать в свои пайплайны.

Evolution Notebooks и Distributed Train — добавили статусы «Ожидает ресурсов» и «Подготовка окружения», чтобы было понятно, на каком этапе завис ноутбук или Jupyter Server. Для Distributed Train также обновили образ jupyter-cuda (Python 13.3) и Marimo Hub до 0.2.0 — с SSH-доступом для отладки, SSE-событиями для отслеживания статуса в реальном времени и более понятными ошибками при нехватке портов.

📈 Evolution Data Platform — комплекс управляемых сервисов для работы с данными
Evolution Managed Trino научился работать с каталогом Kafka — теперь топики можно объединять в одном SQL-запросе с данными из СУБД и S3.

☁️ Новости других сервисов Cloud.ru Evolution
Evolution Object Storage — обновили тарификацию для холодного и ледяного классов хранения (минимальный размер объекта 128 КБ, правило только для новых объектов), ограничили Bucket Policy до 64 КБ и добавили роль s3e.auditor для просмотра структуры хранилища без доступа к скачиванию — удобно для аудита и комплаенса.

Evolution Managed Kubernetes — поддержка версии 1.36. В резервном копировании появились инкрементальные копии — тип бэкапа выбирается прямо при создании плана.

В личном кабинете на главную добавили виджет «Баланс» — остаток средств и грантов, пополнение и промокоды в одном месте. А для контроля доступа появились роли «Наблюдатель организации» и «Наблюдатель проекта» — только просмотр, без лишних прав.

🏢 Cloud.ru Advanced и Облако VMware
Новый сервис Advanced GeminiDB — managed multi-model NoSQL с разделением compute и storage, API Cassandra (CQL, включая DynamoDB-совместимый режим), Redis и InfluxDB под кеш, сессии и временные ряды.

Terraform-провайдер обновили до 1.12.20 — поддержка DataPlane v2 для vpc-router и фикс обновления сертификата CCE. Advanced Data Warehouse Service научился создавать кластеры с раздельным хранением и вычислениями.

📽️Вебинары и обучение
Уже анонсировали вебинары на август и выложили записи за июль: 

• КИИ в облаке: от безопасной инфраструктуры к бизнес-драйву.

• Как развернуть платформу данных в облаке и подготовить данные для аналитики.

• ETL в облаке: от хаоса к управляемым процессам.

• Evolution Managed BI: все возможности BI-сервиса в облаке.

А еще выпустили в открытый доступ целую линейку курсов Cloud.ru ML System Design, чтобы вы могли создавать качественные ИИ-продукты.

💼 Свежие кейсы
Рассказали, как Купер полностью перенес свою инфраструктуру в облако, сократил количество инцидентов, их длительность и снизил цену устранения сбоев.

Остаемся на связи! ✌️

FinOps глазами SRE: сколько стоит надёжность

Инженеры умеют считать latency, error rate и uptime. Но когда разговор заходит про P&L, LTM и cloud spend — многие предпочитают сделать вид, что это не к ним. Проблема в том, что инфраструктурный счёт приходит вне зависимости от того, кто за него отвечает.

В новом выпуске «В SREду на кухне» вместе с Павлом Зеленовым, руководителем Tech platform billing в Авито, и Валентиной Калещатовой, руководителем продукта Лемана Про, разобрались: где проходит граница между «это задача финансов» и «это должен понимать каждый SRE».

Что на повестке

Кто реально отвечает за инфраструктурный счёт — и что происходит, когда команда этот счёт превышает.
Чем Showback отличается от Chargeback и почему этот выбор меняет культуру команды. Как «зомби-ресурсы» тихо съедают бюджет, а observability — до 40% инфраструктурных расходов.
Связаны ли FinOps и error budget — оказывается, очень даже.
И главный вопрос: как объяснить инженерам стоимость их сервисов, не превращая каждого разработчика в бухгалтера.

🔵 VK Видео 
📺 YouTube
📌 RuTube
Ⓜ️ Mave

Эволюция ченжлога на сайте

Многие из вас предлагают идеи по развитию продуктов и следят за обновлениями. Чтобы отслеживать релизы было проще, даже если пропустили дайджест, мы переделали старый ченжлог в «Журнал обновлений». В нем записана вся история релизов, изменений и исправлений багов с лета 2024 года.

Что появилось:

1️⃣ Блок «Запланировано» — что сейчас в работе и выйдет в ближайшее время. Прежде чем нести фичу в «Идеи», стоит заглянуть туда.

2️⃣ Поиск — если нужно узнать, добавили ли нужные AI-модели или новую ОС в маркетплейсе.

3️⃣ Теги — показывают, к каким сервисам относится релиз.

4️⃣ Фильтр — по месяцам и сервисам, работает и вместе: например, все обновления S3 за июль.

А если следить за релизами удобнее в Телеграме, обновления дублируются в нашем канале @twc_changelog

Заглянуть в журнал обновлений →

Зачем Битрикс24 своя AI-платформа?

Сергей Нотевский — AI Lead в Битрикс24, руководит платформой, на которой работает весь AI компании: от транскрибации звонков до агента BitrixGPT. В новом выпуске обсуждаем, стоит ли компании разворачивать нейросети у себя или брать их как сервис (MaaS), как посчитать железо под открытую модель, почему бенчмаркам нельзя верить, что такое префикс-кэш, и при чём здесь четыре года работы фитнес-тренером.

Из выпуска вы узнаете:

• Чем разработка с AI похожа на менеджмент и кого из инженеров заменят первым?

• Как войти в IT без денег на курсы — по самодельной программе за два месяца?

• Почему Битрикс24 развернул модели у себя и что это даёт клиентам?

• Что такое MaaS (Model-as-a-Service) и за что вы на самом деле платите в цене токена?

• Как посчитать, сколько GPU-памяти нужно модели, и при чём здесь квантизация?

• Почему большое контекстное окно не гарантирует качество и что такое «гниение контекста»?

• Зачем писать свои тесты для моделей и почему бенчмаркам из релизов верить нельзя?

• Что такое префикс-кэш и как он экономит до 95% стоимости входящих токенов?

• Какие роли нужны в команде AI-платформы и что такое харнес (Harness)?

• Куда расти инженеру в эпоху AI и какой навык теперь важнее конкретных знаний?

Рекомендую выпуск особенно тем, у кого сейчас остро стоит вопрос, разворачивать ли нейросети внутри своего контура. В этом выпуске мы собрали подробный гайд по теме self-hosted AI.

Приятного просмотра и прослушивания!

Смотреть на RUTUBE
Смотреть на YouTube
Слушать в Яндекс Музыке
Смотреть в VK Видео
Слушать в аудио

Полезные ссылки из подкаста:

Битрикс24 — https://www.bitrix24.ru
Битрикс24 Вайбкод — https://vibecode.bitrix24.tech/
Вакансии в Битрикс24 — https://careers.bitrix24.ru/
LMArena (бывш. LMSYS Arena) — https://arena.ai
Context Arena — https://contextarena.ai/
LangFuse — https://langfuse.com/
Статья команды Manus про префикс-кэш — https://manus.im/blog/Context-Engineering-for-AI-Agents-Lessons-from-Building-Manus

Ставьте реакции, жмите колокольчики, шерьте друзьям и коллегам, и конечно же, пишите обратную связь, потому что это все поможет мне продолжать и улучшаться. 🙏

Меня зовут Максим Ульянов, я руковожу отделом веб-разработки в RUTUBE, отвечаю за все браузерные интерфейсы: сайта rutube.ru, студии блогеров studio.rutube.ru, всех сателлитов и внутренних продуктов платформы. В свободное время я веду подкасты «Куда расти?» и «Путь ИИ», а так же пишу в Telegram-канале ULYANOV.LIFE про жизнь руководителя в ИТ. Буду рад вашим комментариям и обратной связи!

Прямо сейчас я заметил, что моя статья получила дизлайк, и карма упала на два пункта.

На Хабре немало публикаций в духе: «Я попал в Яндекс, смотрите какой я крутой».
В них - ноль пользы и никакой информации.
Другие материалы поражают скомканностью и поверхностностью.

Я заметил любопытную закономерность: чем больше пустых слов и ерунды выливает автор, тем больше лайков он получает. Для примера: свою статью об опыте работы я написал наспех, без особого старания - и она спокойно прошла по показателям. А когда действительно стараешься, вкладываешь силы, результатом становится минус карма.

Особенно неприятно, когда у человека аккаунт с накрученной кармой: он сидит, поливает всех грязью, сам при этом ничего полезного для сообщества не сделав.

И вот я думаю: стоит ли вообще делиться знаниями на этой площадке, если здесь хватает людей, которые портят атмосферу? Может, есть достойные альтернативы Хабру?

Особенно обидно, когда корпеешь над статьёй месяц или два: собираешь материалы, изучаешь источники, структурируешь информацию, углубляешься в тему - и всё это ради минуса в карме. Ожидаешь чего угодно, но только не негатива, а получаешь именно его.

Я целый день правил статью, перечитывал материалы, улучшал подачу - и в итоге получил такую обратную связь. При этом моя статья (и не одна) пробилась в топ Google и Яндекс-поиска, где информации по этой теме почти нет в таком разжёванном виде.

Я пока новичок здесь, хотя у меня есть друзья, которые уже обжигались на Хабре и в итоге просто плюнули на него, перестав публиковать материалы. Поэтому особенно интересно услышать опыт других участников.

Хочу осветить эту проблему хотя бы пока есть карма.
Уже видно, как работает эта система.

Ты, читатель, знаешь, сколько труда стоит такой материал?
Сколько сил уходит на его подготовку?
И если ты думаешь, что это сгенерировано ИИ - то ошибаешься.
Настоящая работа всегда отличается от «сырых» статей без структуры.

Если считаешь себя крутым рецензентом - напиши свою статью.
Покажи, что можешь лучше, а я посмеюсь, как ты ни строчки сделать не сможешь.

Как реализовать семантический поиск для RAG-архитектуры в PostgreSQL без усложнения инфраструктуры?

Ситуация: вы разрабатываете чат-бота для техподдержки на базе RAG-архитектуры. Используете PostgreSQL как хранилище знаний и делаете поиск по текстовым полям, но качество ответов нестабильное: система плохо справляется с синонимами, профессиональным сленгом и переформулировками запросов. Обязательно ли внедрять отдельную векторную базу данных, или можно реализовать семантический поиск прямо в PostgreSQL? Возможна ли простая проверка продуктовой гипотезы без усложнения архитектуры?

Да, семантический поиск в RAG-сценариях можно реализовать прямо в PostgreSQL без выделенной векторной базы данных (ClickHouse, Opensearch, Qdrant, Milvus и т. д). 

Для этого используется PostgreSQL + расширение pgvector, которое добавляет поддержку хранения эмбеддингов (векторов) и поиск по расстоянию до ближайших соседей (KNN) прямо внутри SQL-движка. Разберем, как это работает на практике.

В RAG-пайплайне текст документов и запрос пользователя преобразуются в векторные представления. PostgreSQL хранит эти векторы в таблице и позволяет выполнять поиск по смысловой близости, а не по точному совпадению слов.

Для этой задачи будем использовать pgvector — это расширение к PostgreSQL, которое добавляет тип данных vector и операторы поиска по расстоянию до ближайших соседей (KNN).

Поддерживаются три основные метрики сравнения векторов:

• L2 (евклидово расстояние) — классическое расстояние между двумя точками в многомерном пространстве. Хорошо работает, если векторы не нормализованы и распределение значений относительно равномерное.

• Cosine similarity (косинусное сходство). В отличие от предыдущей метрики измеряет не абсолютное расстояние, а угол между двумя векторами. Подходит для текстовых эмбеддингов, где важна направленность, а не масштаб. Требует нормализации векторов.

• Inner product (внутреннее произведение) — скалярное произведение двух векторов. Может использоваться как прокси для оценки «сходства» при обучении моделей и в задачах ранжирования.

Допустим, мы получаем на наш запрос именно такой вектор от модели OpenAI. Для хранения создаем таблицу с типом VECTOR:

CREATE TABLE items (
 id SERIAL PRIMARY KEY,
 title TEXT,
 embedding VECTOR(1536)
);

Добавим данные для нескольких векторов разных объектов:

INSERT INTO items (title, embedding) VALUES
 ('PostgreSQL embeddings', '[0.10, -0.80, 0.45]'),
 ('Neural image processing', '[0.42, 0.18, -0.35]'),
 ('Sound pattern matching', '[-0.20, 0.70, 0.60]'),
 ('Document clustering', '[0.09, -0.79, 0.48]');

Теперь сравним их попарно и отсортируем по расстоянию:

SELECT
  a.title AS title_a,
  b.title AS title_b,
  a.embedding <-> b.embedding AS distance
FROM items a
JOIN items b ON a.id < b.id
ORDER BY distance;

Оператор <-> здесь вычисляет расстояние между двумя векторами. Таким образом, мы можем оценивать степень семантической близости любых объектов, представленных векторами. Какая именно метрика используется, зависит от операторного класса, заданного при создании индекса.

В подобных RAG-сценариях нет необходимости сразу вводить отдельный класс инфраструктуры типа векторная БД. Семантический поиск можно реализовать эволюционно поверх существующего PostgreSQL.

А если вы не хотите самостоятельно заниматься настройкой индексов, тюнингом памяти и производительности, а также обновлением версии PostgreSQL, то воспользуйтесь DBaaS от Selectel. Мы предоставим вам кластер PostgreSQL с преднастроенными расширениями, готовый к эксплуатации под нагрузкой. Это позволит сосредоточиться на RAG-логике и качестве поиска, а не на инфраструктурной оптимизации.

Инфраструктура для разработки на гиперскорости: сервисы самообслуживания и MCP в HyperDrive

ИИ уже помогает писать код за минуты. Но путь до рабочего сервиса по-прежнему занимает дни или недели — из-за ручных инфраструктурных процессов, тикетов и согласований.

На вебинаре покажем, как Internal Developer Platform меняет эту модель: разработчик получает готовую инфраструктуру через каталог стандартных сценариев, а DevOps-инженер управляет платформой, шаблонами и политиками.

Ключевые темы:

• Почему инфраструктура стала главным ограничением скорости разработки

• Почему модель «разработчик → тикет → DevOps» больше не масштабируется

• Что такое Internal Developer Platform на практике

• Как меняются роли DevOps и ИБ

• Как ИИ-агент безопасно и предсказуемо взаимодействует с инфраструктурой через Model Context Protocol

• Живое демо новой IDP-функциональности в HyperDrive: создание окружения, self-service, GitOps, встроенные политики безопасности и путь от запроса до готовой инфраструктуры

Кому будет полезно:

• CTO

• CIO

• Head of Platform Engineering

• Head of DevOps

• Руководителям разработки

• Platform Team

• DevOps-инженерам

Спикеры:

Павел Лавров
Лидер продукта HyperDrive, Orion soft

Даниил Рахновский
Архитектор продукта HyperDrive, Orion soft

Регистрация по ссылке

Подключайся к онлайн-митапу MWS — эксперты поделятся опытом организации стабильных Go-сервисов ⚙️

MTC Web Services (MWS) приглашает на митап для Go-разработчиков. Подключайтесь онлайн к встрече 11 августа в 15:00, чтобы узнать, как эксперты из MWS и Cloud.ru строят высоконагруженные системы. Спикеры разберут три ключевых слоя Go-сервисов на реальных кейсах и продакшн-опыте.

Вас ждет три технических доклада:

1. «Построение агентов на A2A с изолированным исполнением на Go»

Go-разработчик Вера Касьяненко из MWS расскажет, как построить ИИ-агентов  с выполнением потенциально опасных действий в изолированной среде, используя A2A и Client-go, и какие ограничения необходимы для этой изоляции. Она разберет модель угроз, жизненный цикл задачи и ограничения для безопасного исполнения.

2. «Как разрабатывать эффективные и экономичные Kubernetes-операторы на Go»

Алексей Ковалев из Cloud.ru на примере реального cluster-wide оператора покажет, как снизить потребление памяти с 7,5 ГБ до 400 МБ, а P95 цикла согласования —- со 150 до 40 мс. Он расскажет о кешировании, индексации и балансе между производительностью и стоимостью.

3. «Точный Rate Limiting на API Gateway в мульти-ЦОД инфраструктуре»

Андрей Пушкарев из MWS Octapi расскажет, почему готовые решения Redis, In-Memory Data Grid и Gossip-протокол — не выдерживают требований по нагрузке и латентности в их инфраструктуре, и как они написали собственную систему шеринга состояния и алгоритм ограничения нагрузки на бэкенд.

📅 Когда: 11 августа (вторник) в 15:00, онлайн

👉 Регистрируйся, чтобы послушать про опыт инженеров, задать вопросы и обсудить собственные кейсы.

Через час расскажем, как настроить аварийное восстановление с возможностью георезерва

Сегодня в 12:00 мск вместе Хайстекс Акура проведем практический вебинар «Как настроить аварийное восстановление с возможностью георезерва». На нем представим готовый сервис, который по клику обеспечивает запуск копий систем в облаке. Решение поможет в случае поломок, кибератак и аварий.

Вы узнаете, как организовать георезерв в облаке Selectel, пройти внедрение под ключ и подтвердить фактические RTO/RPO тестовым восстановлением. Особенно ждем системных администраторов, DevOps- и SRE-инженеров, CTO и руководителей IT-департаментов.

Программа вебинара

• Почему бэкап не равен аварийному восстановлению: где заканчивается резервное копирование и начинается восстановление сервиса 

• Почему аварийное восстановление сложно внедрять самостоятельно 

  Подробнее о докладе

• Как устроен DRaaS от Selectel на базе Хайстекс Акура 

• Георезерв Москва-Санкт-Петербург как один из сценариев аварийного восстановления ИТ-инфраструктуры 

• Как подтвердить реальную готовность аварийного восстановления: тестовое переключение и проверка фактических RTO/RPO 

• Ответы на вопросы

А если спросите нас по теме вебинара и ваш вопрос запомнится спикерам, подарим легендарного плюшевого Тирекса.

Присоединяйтесь через час →

Обновление платформы SimpleOne 1.34.0 ускоряет реакцию на критичные события и снижает риски внутренних аудитов

Новая функциональность платформы SimpleOne помогает быстрее отрабатывать критичные события и снижать риски при внутренних проверках.

Что нового:

• Нативные push‑уведомления в браузер
  Оповещения приходят напрямую в поддерживаемые браузеры на разных устройствах, без зависимости от почты и мессенджеров.

• Форматирование теперь и там, где был только простой текст
  Лента активности перешла со стандартного текстового поля на визуальный редактор (WYSIWYG): форматирование, списки, ссылки и изображения; ранее созданные сообщения отображаются без изменений. А существующие колонки типа Text администратор может перевести на такой же редактор с сохранением данных — раньше для этого пришлось бы создавать новое поле и переносить значения вручную.

• Роль «Аудитор»
  Даёт полный доступ на чтение ко всем таблицам на уровне администратора, но без права редактирования. Это упрощает проверки и расследования и поддерживает принцип разделения обязанностей.

«Мы последовательно закрываем те точки, где промедление и непрозрачность обходятся бизнесу дороже всего. В 1.34 это два прямых ответа: критичное событие доходит до исполнителя сразу, а не когда он откроет почту, а проверяющий получает доступ на чтение ко всем данным без права что-либо изменить — раньше ради этого приходилось выдавать избыточные права», — Илья Радченко, директор по платформенным продуктам SimpleOne, корпорация ITG

Подробнее о платформе SimpleOne
Техническая документация

SimpleOne выпустила версию ITSM 2.0.0 с ИИ-помощником на сервисном портале

Теперь в SimpleOne ITSM есть ИИ-помощник на портале самообслуживания. Пользователь пишет запрос в свободной форме, ИИ понимает контекст, находит нужную услугу или статью, подготавливает форму обращения.

СМОТРЕТЬ ВИДЕО

Что меняет ИИ-помощник:

• Для бизнеса — типовые вопросы закрываются через самообслуживание, известные проблемы не порождают повторные инциденты, а сложные обращения приходят к специалистам сразу с заполненными полями и полным контекстом. Нагрузка на первую линию снижается без роста штата.

• Для сотрудников и клиентов — портал становится понятнее: достаточно описать ситуацию своими словами, и помощник сам найдёт ответ, подберёт услугу или подготовит форму обращения.

• Для поставщика услуг — простые задачи решаются на раннем этапе и не доходят до специалистов, а ресурсы, которые раньше уходили на рутину, можно направить на развитие услуг.

И это работает не только для ИТ — помощник одинаково применим к HR, бухгалтерии, юридическому отделу и любому сервисному подразделению.

«Много лет мы ждали технологию, которая решит проблему портала. Чат-боты не подошли — они оказались слишком примитивными. Генеративный искусственный интеллект с технологией поиска по корпоративным данным — это именно то, что нужно. Он говорит на языке пользователя и понимает контекст компании. Совершенно неважно, как выглядит ваш сервисный портал и как там организована информация — теперь для потребителя ваших услуг всё будет работать максимально эффективно»

Андрей Вишняков, директор по бизнес-продуктам компании SimpleOne, корпорация ITG, ITIL 4 Master, ITIL 3 Expert, Practitioner, автор РИТМ

Что ещё изменилось в ITSM 2.0:

• База известных ошибок (KEDB) вынесена на портал — пользователи сами находят обходные решения до создания тикета

• Комментарии из мессенджеров и почты подтягиваются прямо в обращение

• Появилась возможность оставить заметку ко всем обращениям при их массовом завершении

• На форме инцидента появился виджет сервисных отношений

• Автозаполняемые поля дочерних инцидентов защищены от случайного редактирования

Подробнее о SimpleOne ITSM
Техническая документация

AI-Иллюзия: Фейковый успех в NYT и надувающийся пузырь на Уолл-стрит

Мы живем в эпоху AI-помешательства. С одной стороны, СМИ рисуют сказки о миллиардных империях, построенных одним человеком за ночь. С другой крупнейшие аналитики бьют тревогу: индустрия превратилась в финансовый пузырь, обреченный на коллапс. Две стороны одной медали: отсутствие проверок ради хайпа.

Сказка про $1.8 миллиарда

В апреле The New York Times опубликовала вдохновляющий текст о MEDVi: телехелс-стартап с двумя сотрудниками и кучей нейросетей якобы сделал $401 млн выручки с прогнозом в $1.8 млрд. Подача живое подтверждение слов Сэма Альтмана про «компанию на миллиард от одного основателя».

Проблема в том, что NYT забыла погуглить факты. За шесть недель до публикации FDA пригрозило MEDVi конфискацией за незаконный маркетинг лекарств. За 13 дней подали коллективный иск за спам-рассылки. А тысячи рекламных объявлений компании велись от имени вымышленных врачей (включая «Professor Dongledore»).

Более того, $1.8 млрд — это не оценка компании (valuation), а самозваный прогноз выручки без единого аудита. NYT намеренно утопила эту оговорку в конце текста ради кликабельного заголовка.

Опасный миф «один человек заменил команду»

История MEDVi идеальная иллюстрация того, как СМИ не понимают суть технологий. ИИ это мультипликатор. В MEDVi он умножил не эффективность, а хаос: чатбот выдумывал цены на лекарства, нейросети генерировали фейковых врачей, автоматизация стала спам-машиной.

Галлахер не заменил врачей или юристов он просто отключил контроль качества. Это не новая бизнес-модель, а классический обман, масштабированный ИИ. Точно так же, как "вайб-кодинг" дает приложение без тестов, которое развалится при первых ста пользователях.

От микро-обмана к макро-пузырю

Эта микро-история симптоматична для макро-рынка. Goldman Sachs, McKinsey и Gartner уже признают: AI-пузырь — надвигающаяся катастрофа.

Факты сухи: по данным BCG, лишь 5% компаний получают от ИИ реальную выгоду, половина GenAI-проектов проваливается. Возникла круговая схема: инвесторы дают деньги Big Tech те инвестируют в стартапы (OpenAI) стартапы покупают мощности у Big Tech акции растут. Конечного потребителя, готового окупить эти триллионы, в цепочке нет.

Индустрия села на иглу долгов. Oracle влезла в дата-центры на сотни миллиардов и потеряла половину капитализации. OpenAI рапортует о $20 млрд выручки, но скрывает хроническую убыточность. Участники гонки не могут остановиться: чтобы оплачивать старые долги, нужно брать новые, убеждая инвесторов, что «завтра всё окупится». Аналитики открыто сравнивают это с ипотечным кризисом 2008 года.

Скучное будущее

Первая волна любой революции токсична. Pets.com обанкротилась, но пришел Amazon. Настоящие успешные AI-компании не попадут на обложки NYT. Они будут скучными: с жестким комплаенсом, кросс-модельными проверками, тестами и независимым аудитом.

Итог один: авось не стратегия. AI мощный инструмент, но без контроля он становится не магией, а ускорителем катастрофы. Проверяйте факты, даже если источник — The New York Times.

Как Купер перенес 100% инфраструктуры в облако, снизил количество инцидентов и сократил время на их устранение

🏭 Что за компания
Купер — онлайн-сервис доставки продуктов, товаров и готовой еды из магазинов и ресторанов. Сервис работает в 360 городах России, ежедневно обрабатывая десятки тысяч запросов в секунду. Ранее Купер уже перенес 40 ТБ аналитических данных в облако и остался доволен результатом, поэтому было принято решение продолжить процесс миграции. 

⚡ Задача
Купер нуждался в бесшовном переносе всей продакшен-инфраструктуры в облако без остановки работы высоконагруженной платформы. Требовалось повысить производительность, отказоустойчивость и упростить эксплуатацию сервиса, который должен стабильно работать даже в периоды максимальных нагрузок.

☁️ Что сделали
Команды провайдера и заказчика синхронизировали требования к инфраструктуре и сетевой архитектуре для плавного переезда. Провайдер помог сформировать команду миграции из 12 специалистов, чей онбординг занял две недели. За 10 месяцев Купер и Cloud.ru перенесли 100% ИТ-инфраструктуры в облако, завершив миграцию в конце апреля 2026 года.

Архитектуру разделили на три логически изолированных слоя — внешний периметр (DMZ) с балансировщиком и веб-серверами, демилитаризованную зону для проверки трафика и закрытый контур бэкенда с базами данных и системами обработки заказов. Дополнительно команда провайдера доработала PaaS-сервисы под задачи Купера, внеся более 30 изменений и взяв на себя их дальнейшее сопровождение — обновления, контроль совместимости и проверку работоспособности.

🦾 Что получили в итоге
Число инцидентов, связанных с облачной инфраструктурой, сократилось на 23%, доступность облачных ресурсов выросла, а средняя длительность инцидентов снизилась на 18%. Затраты на устранение технических сбоев уменьшились в 4 раза, а благодаря FinOps-инструментам Cloud.ru Купер получил прозрачный контроль бюджета и автоматические рекомендации по оптимизации расходов. В итоге онлайн-сервис получил масштабируемую платформу, способную стабильно обрабатывать данные любых объемов и выдерживать пиковые нагрузки без сбоев.

Подробнее читайте на сайте. 

🏕️ Ваши друзья не понимают, зачем идти в лес с IT-шниками.

Саша планирует поехать на DebugCamp в сентябре. Это наш регулярный выезд на природу на 20 человек — проводим 2 раза в год. Саша написал нам честно: «Зову всех, но в кругу нет кто согласился».

Знакомо?

Когда вы говорите «пойду в лес с айтишниками на два дня», люди слышат «пойду спать в палатке с коллегами без связи». Картинка в голове - выживание, а не осмысленный выезд.

На самом деле DebugCamp - это два дня с понятной программой. За 48 часов вы:

- Формулируете личный запрос (карьерный, технический, продуктовый)

- Получаете идеи от 10+ коллег — не small-talk, а разбор рабочих задач: приносите свою — группа помогает найти решение

- Проходите квест-ориентирование «Тропа Выживания» с инструктором

- Участвуете в вечернем разборе карьерных вопросов в кругу коллег у костра

Это не «отдохнуть от дедлайнов». Это возможность посмотреть на свою работу и карьеру со стороны - с теми, кто говорит на вашем языке.

Сомневаться - нормально. Вы не один такой.

Если хоть раз думали «а почему бы и нет» - программа здесь

#DebugCamp #DebugSkills #ITмероприятия #поход #нетворкинг

Вебинар: ИИ в бизнесе — работает или только обещает?

Привет, Хабр! Мы тут уже не раз писали про ИИ: где он помогает бизнесу, где пока не очень, как вообще влияет на IT-индустрию. Тема горячая, бюджеты растут, пилоты запускаются один за другим. Но есть интересный момент: больше 90% компаний пробуют внедрять ИИ, а до полноценного запуска проектов доходят всего 7–10% (исследования легко найти у ICT Moscow и не только).

Мы в OXYGEN уже накопили опыт внедрений GPU-инфраструктуры, работы с нейросетями и языковыми моделями. И хотим поделиться тем, что выяснили на практике, вместе с коллегами из Aston, которые занимаются непосредственно запуском ИИ-проектов.

Поэтому приглашаем на вебинар:

Тема: «ИИ в бизнесе — работает или только обещает?»

Дата: 28 июля, вторник

Время: 11:00 мск

Формат: онлайн

Регистрация по ссылке, бесплатная.

Не будем рассказывать, какой ИИ замечательный и как скоро он изменит вообще все. Вместо этого разберем прикладные вопросы:

• почему многие ИИ-проекты останавливаются сразу после пилота;

• как выбрать сценарий внедрения с учетом реальных задач и бюджета;

• какая инфраструктура нужна для разных типов нагрузок;

• как подобрать конфигурацию серверов с GPU и не переплатить;

• какие инструменты могут приносить пользу уже с первых дней;

• где чаще всего ошибаются команды;

• как оценить бизнес-эффект;

• и как честно определить ту точку, в которой стоит задать вопрос: а нужно ли вообще продолжать проект?

Коллеги из Aston покажут реальные кейсы: что внедряли у клиентов, с какими сложностями столкнулись и к каким результатам пришли. Упомянем и о случаях, когда ожидаемой бизнес-выгоды получить не удалось, — потому что такие примеры зачастую полезнее историй успеха.

Основной фокус — инфраструктура, практические сценарии и измеримый результат. Вебинар будет интересен в первую очередь IT-директорам и руководителям отделов. Если вы отвечаете за IT-инфраструктуру, цифровизацию или внедрение новых технологий и пытаетесь понять, как довести ИИ-пилот до промышленного решения, приходите. Если просто интересно, тоже приходите!

Кто будет рассказывать:

Александр Будкин, IT-директор OXYGEN

Отвечает за технологическую стратегию нашей компании. Специализируется на построении отказоустойчивой IT-инфраструктуры и внедрении новых технологических решений для бизнеса. Расскажет, какая инфраструктура нужна для ИИ-нагрузок, как выбирать серверы с GPU под задачи.

Руслан Мельников, директор по развитию Aston Development

Отвечает за рост бизнеса и развитие продуктовых направлений компании. Расскажет, как ИИ-инструменты меняют работу команд изнутри и какие результаты получают заказчики.

И напоследок о нас (об организаторах):

OXYGEN — дата-центр и интегратор облачных решений, входит в ТОП-5 провайдеров ЦОД в России. С 2011 года обеспечивает бизнесу отказоустойчивую инфраструктуру с гарантией 100% uptime. Специализируется на гибридных и приватных облаках, при этом в портфеле у нас более 40 облачных сервисов.

Aston — разработчик корпоративного программного обеспечения для крупных заказчиков. Aston помогает бизнесу расти через качественную разработку, поддержку и облачные технологии.

В общем, приходите — будет интересно: Регистрация на вебинар

Kubernetes к 2035 году: стандарт, невидимая инфраструктура или история?

Kubernetes уже выиграл войну оркестраторов. Но что происходит с технологией, когда она становится стандартом — она взрослеет или превращается в легаси, о котором все знают, но никто не хочет разбираться?

В новом выпуске «В SREду на кухне» вместе с Александром Невским, руководителем юнита k8s в Infrastructure Platform Авито, поговорили о том, куда Kubernetes движется дальше — и что это значит для инженеров, которые с ним работают сегодня.

Что на повестке

Становится ли Kubernetes проще или сложнее с каждым годом — и почему ответ неочевиден. Почему компании приходят к десяткам кластеров и как Fleet Management превращается в отдельную инженерную дисциплину. Заменит ли платформенная инженерия Kubernetes или просто спрячет его поглубже. Как LLM уже меняют работу DevOps и SRE — и кто вообще будет управлять инфраструктурой через десять лет.

Отдельно — прогноз на 2035 год. Без гарантий, но с аргументами.

Если вы работаете с Kubernetes и хотите понять, стоит ли копать глубже или достаточно уметь писать манифесты — этот выпуск про вас.

🔵 VK Видео 
📺 YouTube
📌 RuTube
Ⓜ️ Mave

Импортозамещение: «лишь бы российское» уже недостаточно

Наконец посчитали, что российский ИТ-рынок в 2025 году вырос на 13% и превысил 4 трлн рублей. Быстрее всего росли сегменты программного обеспечения и ИТ-услуг, а одним из главных драйверов оставалось импортозамещение.

Но сама цифра роста не означает, что заказчики готовы покупать любое решение с пометкой «российское». Часть динамики связана с ростом цен. При этом бюджеты стали жёстче, а крупные программы всё чаще разбивают на этапы. Рынок переходит от срочной замены зарубежных продуктов к промышленной эксплуатации отечественного стека.

Лицензия – только входной билет

Если ещё несколько лет назад основной вопрос звучал так: «Чем срочно заменить зарубежный продукт?», то сегодня заказчики оценивают уже не сам факт замены, а готовность решения к промышленной эксплуатации:

• Как решение встроится в существующую инфраструктуру?

• Кто отвечает за сопровождение при сбоях и обновлениях?

• Как система восстанавливается после ошибочного изменения?

• Можно ли масштабировать внедрение без роста операционных рисков?

Стоимость проекта определяется не только лицензией. Дальше – интеграция, тестирование, обучение команды, сопровождение разнородного стека, костыли, а возможно, и простои. Отдельная статья расходов – цена неудачного восстановления.

Каталог как проверка зрелости внедрения

Особенно хорошо зрелость внедрения проверяется на службе каталогов. Перенести пользователей, группы и политики в новый Linux-каталог недостаточно. До запуска нужно проверить не только авторизацию и интеграции, но и поведение системы после ошибки:

• создание резервных копий и восстановление отдельных объектов и атрибутов;

• сохранность прав доступа и членства в группах, корректность репликации;

• мониторинг массовых и ошибочных изменений;

• понятный порядок действий администратора после инцидента.

Простой тест часто показывает больше, чем длинная презентация: удалить тестовую группу, изменить несколько атрибутов, нарушить членство и пройти весь путь восстановления. Если этот сценарий не проверяли до запуска, его придётся осваивать уже во время простоя.

Иначе получается новый офис, в который уже перевели всех сотрудников, но забыли проверить, работает ли туалет. Формально переезд завершён. Эксплуатация говорит обратное.

Зрелое импортозамещение начинается не с выбора продукта, а с продуманного внедрения: проверки совместимости, распределения зон ответственности, отработанных сценариев восстановления и понимания цены ошибки.

Масштабируем ИИ: как эффективно выстроить инфраструктуру в контуре бизнеса

Узнайте, как развернуть ПАК-AI, запустить on-prem агентов и оптимизировать ИТ-бюджет 21 июля на вебинаре К2 НейроТех и Яндекс. 

Спикеры:

▫️ Вячеслав Дегтярев, руководитель по развитию продуктовых решений, К2 НейроТех

▫️ Тарас Юзефович, тимлид по работе с партнерами направления ML&AI, Yandex Cloud

Что в фокусе:

🟢 ИИ-агенты и стратегии 2026: как перевести инициативы из презентаций в работающий продакшн

🟢 Кадровая независимость: способы ускорить запуск проектов, снизив потребность в ML-экспертах

🟢 Борьба с «зоопарком» технологий: как объединить разрозненный стек в единую управляемую систему

🟢 Экономика ПАК–AI: разберем модели поставки и способы оптимизации ИТ-бюджета

🟢 Разберем, как это реализовано на кейсах бьюти-ритейла, а также страховой и финансовой отраслей

21 июля | 11:00–12:30 | Онлайн

Регистрация по ссылке

AI-нагрузка пришла в прод: Serverless или Kubernetes?

Когда команда приносит очередную AI-фичу, инфраструктуре быстро приходится отвечать на вполне приземлённые вопросы: где её запускать, как масштабировать, что делать с GPU, состоянием и холодным стартом — и во сколько всё это обойдётся после выхода в прод.

Serverless выглядит удобным способом снять часть операционной нагрузки. Kubernetes даёт больше контроля, но вместе с ним добавляет сложность эксплуатации. Универсального выбора здесь нет: решение зависит от характера нагрузки, требований к задержкам, бюджета и того, насколько инфраструктурная команда готова управлять платформой самостоятельно.

21 июля в 20:00 на бесплатном уроке разберём, как сравнивать Serverless и Kubernetes для AI-ворклоадов и какие ограничения учитывать до того, как архитектурное решение превратится в дорогую миграцию. Отдельно посмотрим на холодный старт, работу с состоянием, поддержку GPU, масштабирование и гибридные сценарии.

Другие бесплатные уроки от экспертов по инфраструктуре, Linux, K8s, сетям, безопасности и наблюдаемости собрали в дайджесте.

Обещанная статья про yggvault

Эта статья должна была выйти на Хабре ещё две недели назад. Но спасибо администрации Хабра за безвовзратное удаление самописной статьи: освободившееся время я потратил на финальное доведение проекта до ума. Исправил мелкие баги, улучшил документацию и так далее.

Правда, связываться с Хабром после этого желания больше нет. Поэтому полноценное описание проекта опубликовано на Hackaday, а этот короткий пост — просто выполнение обещания опубликовать статью (в прошлом месяце, ага).

---

Что такое yggvault

yggvault — самостоятельное зеркало релизов и зависимостей, упакованное в один бинарный файл.

Оно забирает выбранные версии проектов с GitHub, GitLab, Bitbucket, Gitea или другого узла yggvault, проверяет их, сохраняет локально и публикует сразу в нескольких форматах.

Один процесс предоставляет:

• совместимые с GOPROXY маршруты для Go-модулей;

• репозиторий Composer v2;

• исходные архивы .zip и .tar.gz;

• JSON API и OpenAPI;

• Atom-ленты обновлений;

• веб-интерфейс с каталогом, версиями, хешами, командами установки и ссылками на архивы.

Вся фишка в том что внешняя база данных, JVM и тд не нужны. Данные хранятся локально, а уже загруженные версии продолжают раздаваться, даже если исходный forge временно недоступен, заблокирован или упёрся в rate limit.

Зеркало можно поднять локально, на VPS или в домашней сети. Дополнительно yggvault умеет работать внутри сети Yggdrasil — без публичного IP, DNS, проброса портов, root-доступа и отдельного системного демона. (Еще одна причина для статьи — популяризация Yggdrasil)

Несколько узлов могут использовать друг друга как доверенные «братские» зеркала и синхронизировать релизы через обычный Web или Yggdrasil.

Проект не пытается быть полным реестром всех пакетов или прозрачным прокси для всего Go. Его задача проще: надёжно хранить и раздавать выбранные зависимости через контролируемую вами точку.

Репозиторий:
https://github.com/voluminor/yggvault

Работающее публичное зеркало:
https://www.ratatoskr.space/pkg/

Полная статья и технические заметки:
https://hackaday.io/project/206175-yggvault-mirror-your-dependencies-in-one-binary