РТК-ЦОД, ИТ-сервис-провайдер полного цикла, и «ИТ Школа Ростелекома» систематизировали опыт реализации проекта «Облако для вузов» от «Турбо Облака» и разработали комплексную инфраструктурную модель, готовую к масштабированию в образовательных учреждениях по всей стране. Решение призвано ускорить автоматизацию и цифровизацию образовательных процессов в готовой безопасной ИТ-среде.

В помощь студенту: обзор российских ИИ-сервисов для учёбы и закрепления знаний

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

Компьютер месяца — сентябрь 2026 года

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Мастерская локальных ИИ: салат картофельный с Qwen3.8

10 флагманских процессоров Intel за 10 лет

Обзор смартфона Google Pixel 11 Pro: когда надо выпустить хоть что-то

Ключевая особенность предложения РТК-ЦОД — объединение ресурсов собственной сети дата-центров и передовых сервисов дочерней компании «Турбо Облако».

Инфраструктурный комплекс для вузов включает в себя ресурсы геораспределённой сети дата-центров РТК-ЦОД уровня Tier III, обеспечивающие физическую сохранность данных и отказоустойчивость. В состав модели входит аттестованная облачная платформа «Облако КИИ», позволяющая вузам размещать информационные системы персональных данных до первого уровня защищённости включительно. Дополняют решение облачные сервисы «Турбо Облака» — вузам предоставляются платформы хранения и управления данными, которые позволяют организовать единое хранилище информации, научных трудов и цифровых библиотек. «Турбо Облако» также обеспечивает образовательные учреждения доступом к ИИ-сервисам для задач машинного обучения и исследовательских проектов.

Источник изображения: РТК-ЦОД

Модель отработана в рамках проектов для ведущих высших учебных заведений страны, таких как Новосибирский государственный университет экономики и управления (НГУЭУ). Накопленный опыт позволил сформировать типовые сценарии миграции, обеспечения информационной безопасности и предоставления высокопроизводительных вычислительных ресурсов, которые теперь доступны всем вузам в виде готового тиражируемого решения.

«Созданная нами инфраструктурная модель — это конструктор, который позволяет университету быстро начать цифровую трансформацию, опираясь на мощности провайдера федерального уровня. Вуз может выбрать нужную ему конфигурацию: от базовой виртуальной инфраструктуры с резервным копированием до передовых ИИ-сервисов, использующих графические ускорители. Такой подход даёт учебным заведениям возможность гибко наращивать ИТ-мощности, не переплачивать за невостребованные на начальном этапе ресурсы, сократить сроки внедрения новых цифровых сервисов с нескольких лет до нескольких недель, а также оптимизировать затраты за счёт перехода от капитальных расходов к операционным», — заявил генеральный директор РТК-ЦОД Давид Мартиросов.

«У «ИТ Школы Ростелекома» уже накоплена серьёзная экспертиза в работе с академическим сообществом: на сегодняшний день у нас более 95 партнёрств с вузами, причём 70 из них уже проявили интерес к облачной инфраструктуре. Мы видим, что высшим учебным заведениям нужны готовые, надёжные и безопасные инструменты для решения прикладных задач — от проведения приёмной кампании до организации дистанционного обучения и научных вычислений. Инфраструктурная модель РТК-ЦОД для вузов позволяет университетам по всей стране — от столичных до региональных — получать доступ к тем же технологиям, которыми пользуются лидеры рынка. Мы, в свою очередь, готовы предоставить университетам дополнительные возможности для пилотных проектов, чтобы на реальных задачах оценить, как миграция цифровых решений на нашу платформу повышает эффективность учебных и административных процессов. Опыт показывает: когда облачные сервисы и образовательные программы работают в связке, студенты быстрее осваивают востребованные на рынке навыки, а вузы укрепляют свой технологический потенциал», — отметил Владимир Татаринцев, директор по развитию стратегических проектов «Ростелекома», директор «ИТ Школы Ростелекома».

Ускорители AMD Instinct MI325X, запущенные во втором квартале 2025 года, не смогли привлечь крупных клиентов, уступив по популярности решениям от Nvidia. По данным аналитиков SemiAnalysis, покупатели предпочли графические процессоры Blackwell от Nvidia из-за более выгодного соотношения производительности и стоимости.

В помощь студенту: обзор российских ИИ-сервисов для учёбы и закрепления знаний

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

Обзор смартфона Google Pixel 11 Pro: когда надо выпустить хоть что-то

Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?

Мастерская локальных ИИ: салат картофельный с Qwen3.8

10 флагманских процессоров Intel за 10 лет

Компьютер месяца — сентябрь 2026 года

Одним из ключевых факторов низкого спроса стал предел масштабируемости MI325X — до восьми GPU на систему. Для сравнения, конкурирующий продукт Nvidia GB200 NVL72 объединяет до 72 графических процессоров в едином кластере, что критически важно при выполнении масштабных задач в области искусственного интеллекта.

Ранний интерес к MI325X проявила компания Microsoft в 2024 году, однако после первых закупок корпорация не разместила повторных заказов. AMD попыталась исправить ситуацию, снизив цены для привлечения новых клиентов. Oracle и ещё несколько крупных операторов дата-центров заинтересовались предложением, но объёмы их закупок остаются незначительными по сравнению с поставками Nvidia.

Тем не менее у AMD Instinct MI325X сохраняются перспективы в сегменте, где не требуется большое количество объединённых GPU. Компания намерена улучшить экосистему программного обеспечения и сохранить конкурентные цены для привлечения разработчиков моделей ИИ с небольшим числом параметров.

AMD выпустила Instinct MI325X одновременно с Nvidia H200 и платформой Blackwell, что существенно осложнило конкуренцию на рынке высокопроизводительных вычислений. В последние годы Nvidia занимает лидирующие позиции благодаря более гибким решениям и высокой производительности в задачах искусственного интеллекта и глубокого обучения.