Публикации
2023 г. – новый этап практического применения CXL, статья
VMware сдвигает акцент в проекте Capitola на CXL, статья
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья
GigaIO: CDI_решение на базе AMD для высшего образования, статья
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья
End-to-end 64G FC NAFA, статья
Computational Storage, статья
Технология KIOXIA Software-Enabled Flash™, статья
Pavilion: 200 млн IOPS на стойку, статья
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья
SmartNIC – новый уровень инфраструктурной обработки, статья
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья
Compute, Memory и Storage, статья
Lenovo: CXL – будущее серверов с многоуровневой памятью , статья
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья
Intel® Agilex™ FPGA, статья
Weka для AI-трансформации, статья
Cloudera Data Platform – “лучшее из двух миров”, статья
Fujitsu ETERNUS DSP - разработано для будущего, статья
Технологии охлаждения для следующего поколения HPC-решений, статья
Что такое современный HBA?, статья
Fugaku– самый быстрый суперкомпьютер в мире, статья
НРС – эпоха революционных изменений, статья
Новое поколение СХД Fujitsu ETERNUS, статья
Зональное хранение данных, статья
За пределами суперкомпьютеров, статья
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья
IPsec в пост-квантовую эру, статья
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья
 
Обзоры
Все обзоры в Storage News
 
Тематические публикации
Flash-память
Облачные вычисления/сервисы
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
Современные СХД
Информационная безопасность (ИБ), борьба с мошенничеством
Рынки
Российский рынок ML и AI вырастет до 28 млрд рублей к 2020 г.

27, ноябрь 2017  —  По результатам исследования « Актуальные тенденции рынка машинного обучения и искусственного интеллекта », проведенного компанией « Инфосистемы Джет » и аналитическим центром TAdviser, объем рынка искусственного интеллекта (AI) и машинного обучения (ML) в России составит в 2017 г. около 700 млн руб. и вырастет до 28 млрд руб. к 2020 г. Драйверами этого рынка будут финансовый сектор, ритейл и промышленность.

Такой вывод был сделан по итогам опроса представителей 100 компаний, работающих в России – ИТ-руководителей, руководителей департаментов цифровых сервисов/цифровой трансформации, влияющих на принятие решений в области ИТ. Для анализа мировой ситуации использовались данные различных аналитических агентств (IDC, Gartner, Markets and Markets и пр.), консалтинговых компаний и вендоров (PwC, Teradata, SAP и пр.). Исследование проводилось в рамках подготовки к форуму по системам искусственного интеллекта RAIF 2017 .

« Мы инициировали данное исследование, чтобы оценить реальное состояние отечественного рынка AI/ML: публичных данных по этому направлению все еще крайне мало – российские компании не спешат рассказывать о технологиях, дающих им конкурентное преимущество, – комментирует Владимир Молодых, руководитель Дирекции по разработке и внедрению программного обеспечения компании “Инфосистемы Джет”. – Полученные результаты позволили нам убедиться в правильности выбранного нами курса на развитие направления AI/ML. Бизнес сегодня проявляет повышенный интерес к подобным внедрениям, поскольку они позволяют заметно увеличивать прибыль на уже имеющихся ресурсах – и все это при небольшом (всего несколько месяцев) сроке окупаемости ».

В мире количество проектов в области AI и ML за последние годы выросло в разы. Если в 2015 г. глобально анонсировались только 17 проектов, выполненных крупными компаниями, то за первую половину 2017 года – уже 74 проекта. Всего в 2015–2017 гг. было зафиксировано 162 таких проекта в 28 странах и 20 отраслях. В 85% случаев речь идет о реализованных проектах, в 15% – о планах или тестовых внедрениях по всем отраслям за исключением госструктур, где доля тестовых внедрений и анонсов оценивается в 60%. Основная доля заказчиков таких инициатив – крупный бизнес (85%).

Динамика количества проектов AI и ML в мире

Год

Количество проектов/анонсов

2015

17

2016

71

2017

74

США лидирует по количеству проектов AI/ML. Следом идет Великобритания, где эти решения часто используют в крупных инвестиционных банках, а также обслуживающая эту группу заказчиков Индия.

Отечественный сегмент искусственного интеллекта и машинного обучения пока находится на начальной стадии формирования и значительно уступает в объемах крупному AI-рынку США. До недавнего времени практически отсутствовала наглядная демонстрация связи технологий с существующими бизнес-процессами и возможностью их улучшения. В то же время эффективные внедрения часто остаются закрытыми, ведь компании-инноваторы видят в результатах таких проектов источники дополнительного конкурентного преимущества и не спешат ими делиться.

Кроме того, некоторые руководители российских компаний отмечают, что бизнес на сегодняшнем уровне автоматизации в среднем пока не готов к использованию таких инструментов. Существенный барьер для развития бизнес-ориентированного AI в России – вычислительные мощности. Для активизации проектов необходимо обеспечить соответствующее развитие высокопроизводительной инфраструктуры.

Тем не менее, к настоящему моменту в России уже есть примеры внедрения ML, которые доказывают эффективность применения этих технологий и пользу для бизнеса. Так, в ритейле был отмечен рост конверсии до 15% при использовании товарных рекомендаций на базе машинного обучения, при этом количество ручных операций может сократиться до 50 раз. В нескольких опрошенных банках из ТОП-5 считают, что через 5 лет около 80% всех решений будут приниматься с помощью искусственного интеллекта и прогнозируют, что отрасль начнет активно переходить на безлюдные технологии (через 3 года клиенты в 50% случаев будут общаться с ботами). Промышленный сектор замыкает тройку лидеров по внедрению AI, однако процент проникновения технологии в компании из этой отрасли пока на низком уровне.

Большинство опрошенных организаций, применяющих технологии ML, делают это в целях сокращения издержек (72%), а также для повышения качества своих продуктов или услуг (68%). Дополнительно рядом респондентов было отмечено, что инструментарий часто используется ими для решения вопросов, связанных с безопасностью. Более половины опрошенных считают, что AI может обеспечить бизнесу новые экономические выгоды.

Сферы применения AI в бизнесе

Больше половины респондентов уверены, что их затраты на AI/ML в ближайшие 3–5 лет будут расти, причем примерно треть опрошенных называет цифру в 15–20% в год.

Доля расходов на AI от ИТ-бюджета

Что касается направлений использования AI и ML, то наиболее открыто компании говорят об использовании ботов или систем распознавания речи. При этом почти все респонденты подтверждают, что удовлетворены существующим качеством и функционалом решений с учетом стадии их развития. В силу недостаточного уровня развития технологий, а также невысокого уровня осведомленности о них большинство респондентов затрудняются указать, каких именно инструментов AI им сегодня не хватает, апеллируя преимущественно к более интеллектуальному поиску и интеллектуальному маркетингу. В первую очередь опрошенные компании заинтересованы в сборе актуальной статистики о результатах реализованных ранее внедрений. Она станет основой для принятия решений о новых проектах или инициативах в сфере AI.

***

Об аналитическом центре TAdviser. С 2005 года аналитики TAdviser провели десятки исследований в интересах заказчиков и поставщиков ИТ-систем. В течение многих лет TAdviser формирует уникальную базу проектов российских компаний из 37 отраслей экономики по внедрению информационных систем различных поставщиков.

Компания « Инфосистемы Джет » — один из крупнейших российских системных интеграторов — образована в 1991 году. Основные направления деятельности компании: бизнес-решения и программные разработки, ИТ- и телекоммуникационная инфраструктура, информационная безопасность, ИТ-аутсорсинг и техническая поддержка, управление комплексными проектами и др. Компания располагает 12 офисами и представительствами на территории РФ и СНГ.

Новости компании доступны на facebook , twitter , telegram и на сайте компании www . jet . su

Публикации по теме
Рынки
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
 
Новости Инфосистемы Джет

© "Storage News" journal, Russia&CIS
(495) 233-4935;
www.storagenews.ru; info@storagenews.ru.