Яндекс обновил инфраструктуру дата-центров и разработал сервис Dev Cluster для динамического распределения GPU-ресурсов. Эти решения должны ускорить создание, тестирование и запуск ИИ-сервисов, а также помочь командам эффективнее использовать вычислительные мощности.
В дата-центрах Яндекс переходит к концепции кампусов. Это означает, что несколько независимых дата-центров размещаются в одной локации и используют общую внешнюю инфраструктуру. Такой подход помогает снижать издержки, лучше распределять ресурсы и увеличивать доступную мощность. По данным компании, кампусы позволяют нарастить мощность до 180 МВт, что называют рекордным показателем для России.
Ещё одно важное направление — жидкостное охлаждение. Для уже работающих дата-центров инженеры Яндекса разработали сайдкары — дополнительные стойки с жидкостно-воздушными радиаторами. Они позволяют внедрять жидкостное охлаждение вместе с фрикулингом без полной перестройки существующей инфраструктуры.
В компании отмечают, что дата-центры Яндекса уже достигают показателя энергоэффективности PUE 1,1. Жидкостное охлаждение должно дополнительно снизить энергозатраты и помочь инфраструктуре справляться с растущими нагрузками от ИИ-сервисов. Это особенно важно, потому что обучение и запуск современных моделей требуют всё больше GPU, энергии и стабильной серверной мощности.
Dev Cluster предназначен для ML-разработчиков. Сервис позволяет за несколько кликов получить нужную конфигурацию GPU-ресурсов для обучения моделей и проверки гипотез. Разработчику не нужно вручную настраивать инфраструктуру, распределять ресурсы или следить за загрузкой GPU — нужный контейнер можно получить за секунды.
Такой подход помогает быстрее проводить ИИ-эксперименты и сокращать время разработки моделей. Если раньше команда могла терять время на ожидание ресурсов и ручную настройку среды, то теперь вычислительная инфраструктура должна выделяться быстрее и использоваться эффективнее. Это снижает простой оборудования и ускоряет путь от идеи до работающего продукта.
Dev Cluster входит в единую ML-платформу Яндекса. Она объединяет инструменты для разных этапов машинного обучения: подготовки данных, создания моделей, обучения, тестирования и применения в реальных сервисах. Для крупных ИИ-команд такая связка важна, потому что разработка модели — это не один запуск обучения, а постоянный цикл экспериментов, проверок и доработок.
Главная задача обновлённой инфраструктуры — ускорить time-to-market для ИИ-продуктов. Чем быстрее разработчики получают доступ к GPU и нужным инструментам, тем быстрее бизнес-команды могут проверять идеи, запускать модели и улучшать сервисы. По данным Яндекса, удовлетворённость ML-инженеров инфраструктурой за последний год выросла в два раза.
Модернизация дата-центров и запуск Dev Cluster показывают, что конкуренция в сфере ИИ всё сильнее зависит не только от качества моделей, но и от инфраструктуры. Компании нужны не просто алгоритмы, а мощные дата-центры, энергоэффективное охлаждение, гибкое распределение GPU и удобные инструменты для разработчиков.