Rosmorport invertirá 99,2 millones de rublos en un sistema de almacenamiento All-NVMe y servidores para cargas de AI
Rosmorport pone en marcha la modernización de su infraestructura de TI y está dispuesta a gastar 99,2 millones de rublos en servidores de alto rendimiento y un
Росморпорт готов вложить 99,2 млн рублей в высокопроизводительные серверы и All-NVMe систему хранения данных. Закупка нужна для обновления ИТ-инфраструктуры предприятия и прямо рассчитана на нагрузки искусственного интеллекта и машинного обучения.
Что закупает
Росморпорт В центре тендера — поставка высокопроизводительного серверного оборудования и All-NVMe СХД. Для госкомпании это не косметическое обновление, а замена базового слоя вычислительной инфраструктуры: именно он определяет, насколько быстро можно обрабатывать данные, разворачивать новые сервисы и поддерживать ресурсоемкие сценарии. Отдельно важно, что в описании закупки фигурируют нагрузки ИИ и машинного обучения.
Значит, речь идет не просто о хранении архивов и типовых корпоративных системах, а о более требовательной цифровой среде. Формулировка про All-NVMe особенно показательна. Такие системы хранения строятся на твердотельных накопителях и обычно выбираются там, где критичны скорость доступа к данным, низкие задержки и стабильная работа под параллельной нагрузкой.
Для задач машинного обучения это чувствительный параметр: медленное хранилище быстро становится узким местом даже при мощных серверах. Поэтому сама архитектура закупки показывает, что предприятие смотрит не только на объем, но и на производительность всей цепочки обработки данных.
Зачем это предприятию
Росморпорт работает в инфраструктурно сложной среде, где ИТ-системы должны быть устойчивыми и предсказуемыми. Если компания закладывает в обновление возможность работы с ИИ-нагрузками, это может означать переход от разрозненных пилотов к более системному использованию аналитики, автоматизации и моделей машинного обучения. В таких проектах важно не только запустить модель, но и быстро читать большие массивы данных, хранить результаты, обслуживать несколько процессов одновременно и не терять темп при росте нагрузки.
На практике подобная закупка редко делается под один сервис. Обычно она создает платформу, на которой можно параллельно разворачивать аналитические инструменты, внутренние цифровые продукты и новые вычислительные сценарии для разных подразделений. В случае Росморпорта важен и масштаб: когда модернизация оценивается почти в 100 млн рублей, это уже не локальная закупка для одного отдела, а инфраструктурный контур с запасом под дальнейшее развитие.
- Быстрый доступ к наборам данных для моделей Ускорение корпоративной аналитики и обработки файлов Более предсказуемая работа при пиковых нагрузках * Единая база для новых ИИ- и ML-сервисов ## Почему важен сигнал Сам по себе объем тендера — 99,2 млн рублей — делает новость заметной. На российском рынке это хороший индикатор того, что спрос на ИИ-инфраструктуру идет не только от технологических компаний, облачных провайдеров или банков. В закупки такого типа начинают входить и организации, для которых ИТ долгое время были в первую очередь обслуживающей функцией. Теперь инфраструктура становится частью производственной логики: без нее сложнее повышать скорость обработки данных, автоматизировать процессы и строить прикладные модели поверх внутренних массивов информации. Показательно и то, что акцент сделан именно на высокопроизводительном железе и быстром хранилище, а не на абстрактной «цифровой трансформации». Такой язык закупки обычно говорит о более зрелом подходе: сначала создается вычислительная база, потом на нее ставятся сервисы, модели и прикладные сценарии. Для рынка это важный маркер. ИИ в корпоративном сегменте все чаще воспринимается не как эксперимент ради презентации, а как нагрузка, под которую заранее проектируют реальную инфраструктуру.
Что это значит
История с тендером Росморпорта показывает простой сдвиг: крупные организации уже инвестируют не только в софт и пилоты, но и в фундамент под ИИ-проекты. Когда в закупке сразу закладывают серверы и All-NVMe СХД под машинное обучение, это означает переход от разговоров об ИИ к строительству среды, где такие нагрузки действительно можно запускать в промышленном режиме без постоянных компромиссов по скорости и доступности.