Перейти к основному содержимому
AXIOMA AI
Все новости ИИ в России
Технологии

МГУ завершил создание суверенной закрытой AI-инфраструктуры на китайских чипах Huawei

МГУ завершил создание суверенной закрытой AI-инфраструктуры на китайских чипах Huawei
Технологии
Huawei Ascend
чипы использованы в закрытом AI-кластере МГУ — первом академическом суверенном AI-кластере России полностью без западного оборудования; завершён в апреле 2026

По данным T-Invariant (апрель 2026), Московский государственный университет завершил создание изолированной AI-вычислительной инфраструктуры на базе китайских GPU (Huawei Ascend). Проект реализовывался при участии Сбера и государственного финансирования. Это первый академический AI-кластер в России, полностью независимый от западного оборудования. Инфраструктура предназначена для обучения и хостинга суверенных AI-моделей.

Московский государственный университет имени М.В. Ломоносова (МГУ) завершил создание закрытой (изолированной) AI-вычислительной инфраструктуры — первого в России академического кластера для обучения AI-моделей, полностью независимого от западного оборудования.

Параметры инфраструктуры МГУ:

ПараметрДанные
Тип GPUКитайские (Huawei Ascend серии)
Тип кластераЗакрытый / изолированный
Связь с западными вендорамиОтсутствует
ФинансированиеГосударственное + Сбер
НазначениеОбучение и хостинг суверенных AI-моделей
СтатусЗавершён (апрель 2026)

Huawei Ascend как альтернатива NVIDIA: После введения американских санкций на поставки NVIDIA A100/H100 в Россию российские организации вынуждены были искать альтернативы. Huawei Ascend 910B по производительности для LLM-задач оценивается в 50–70% от NVIDIA H100. Однако Chinese ecosystem (CANN vs CUDA) требует специфической адаптации AI-фреймворков.

Стратегическое значение: Создание закрытого AI-кластера в МГУ на китайских чипах — прецедент по нескольким причинам:

  1. 1.Суверенность: ни одна из западных стран не имеет контроля над этой инфраструктурой
  2. 2.Академическая база: МГУ — крупнейший поставщик AI-исследователей в России. Кластер даёт им вычислительные ресурсы без санкционных ограничений
  3. 3.Прообраз национальной стратегии: этот кластер может стать моделью для других университетов и государственных организаций

Ограничения Huawei Ascend:

  • Экосистема CANN менее зрелая, чем CUDA от NVIDIA
  • Значительная часть open-source AI-инструментов требует адаптации
  • Производительность на задачах вывода (inference) ниже на 20–40% vs NVIDIA H100

Для российского B2B:

  • Для CTO: Huawei Ascend — реальная альтернатива для on-premise AI-кластеров. Уточняйте у поставщиков актуальную доступность и производительность Ascend 910B2/910C для ваших задач. Западные GPU нелегально дороги — китайские дешевле в 2–3 раза
  • Для разработчиков AI: если планируете обучать модели — протестируйте совместимость вашего стека (PyTorch/JAX) с CANN. MindSpore (нативный фреймворк Huawei) менее зрел, но Huawei инвестирует в поддержку PyTorch
  • Для CISO: закрытый кластер МГУ — модель для «воздушного зазора» (air-gap) AI-систем. Для организаций с требованиями к изоляции данных — аналогичная архитектура актуальна

Это краткое изложение. Полный текст — на сайте источника:

Читать оригинал: T-Invariant

Как это касается вашего бизнеса

Новые ИИ-технологии приносят пользу, когда работают с данными компании и не выносят их наружу. Внедряем ИИ-решения в контуре заказчика: данные остаются внутри периметра.