Октябрь в mClouds: теперь задачи ИИ на нашей платформе можно решать на 10% быстрее

Привет! Прошел месяц, и мы, как обычно, спешим поделиться с вами нашими новостями и событиями мира облачных технологий. В октябре главной темой стал ИИ — в общих трендах, публикациях и обновлениях GPU-платформы mClouds.

Прокачали облако mClouds для работы с нейросетями

Спрос на облачные решения для ИИ набирает обороты. Мы не отстаем и продолжаем обновлять нашу облачную инфраструктуру и адаптировать ее для работы с большими языковыми моделями:

• В нашей GPU-платформе видеокарты NVIDIA L40S 48GB теперь работают с последними драйверами от NVIDIA. 
• Протестировали скорость обучения нейросетей и сравнили возможности разных ускорителей. Для некоторых сценариев получили ускорение до 10% на картах L40S в реальных ИИ-задачах. 

Готовы ускорить свои ИИ-разработки? Тестируйте обновленную инфраструктуру — прирост производительности ждет вас уже сейчас.

Привезли будущее: главные инсайты с GITEX и Tech Support Conf

В октябре мы не сидели дома и посетили сразу два мероприятия, которые помогли нам получить ответы на вопрос «Что будет завтра?». Это была отличная возможность своими глазами увидеть, как работают новые технологии, и перенять лучшие практики.

Побывали на крупнейшей технологической выставке GITEX 2025 в Дубае. Наша цель была четкой: изучить всё, что движет облачные технологии вперед, — от новейших серверов и систем хранения до решений для AI. Например, на стенде ASUS мы изучили мощные серверы с 8 GPU-адаптерами NVIDIA RTX 6000 Server Edition — точно такие же карты мы заказали для себя.

Подробный отчет уже на Хабре — внутри всё самое любопытное с крупнейшей tech-выставки мира и много интересных фотографий!

Участвовали в конференции Tech Support Conf в Санкт-Петербурге. Вместе с другими профессионалами техподдержки разбирались, как использовать возможности ИИ и не потерять человеческое общение.

Изучали кейсы внедрения AI-ассистентов, которые не заменяют людей, а усиливают их возможности. Вернулись с массой идей и уже начали работу над внедрением лучших практик в нашу службу поддержки.

Подготовились к холодам: новая коллекция мерча

К наступлению холодов мы подготовили новую линейку мерча — надеемся, что с ним вам будет тепло и уютно! Среди новинок — кружки, термосы, бафы, шоперы и ремувки.

Получить стильный и теплый мерч просто: будьте нашим клиентом! Раздаем мерч в активностях и дарим просто так за вашу лояльность.

Опубликовали новые статьи на Хабре

В октябре подготовили для вас четыре полезных статьи: рассказали о перспективах выхода игровых видеокарт 48 ГБ VRAM, вспомнили историю Windows, выяснили, как устроен суперкомпьютер JUPITER.

Кому нужны игровые видеокарты NVIDIA с 48 ГБ VRAM и почему их до сих пор нет

Недостаточный объем видеопамяти — одна из проблем, с которой всё чаще сталкиваются те, кто работает с крупными LLM-моделями или играет в 4К-игры. Топовые игровые видеокарты с 24 ГБ VRAM могут не справляться с тяжелыми задачами. Для современных игр и приложений с высоким уровнем графики нужны видеокарты на 48 ГБ. Однако производители не торопятся выпускать подобные карты для потребителей. В статье разбираемся, что мешает запустить их в серию и стоит ли ждать появления более мощных карт на рынке. 

Windows, которую мы помним: от 1.0 до 11 — история ОС, ставшей частью нашей жизни

В октябре 2025 года Windows прекратила поддержку одной из самых популярных ОС — Windows 10. Вспоминаем, какой путь прошла ОС и чем она запомнилась пользователям: от первого, практически провального релиза до ускоренного ИИ. 

24 000 чипов NVIDIA и 2600 Rhea1 в действии: как устроен самый мощный европейский суперкомпьютер JUPITER

Наступает эра сверхмощных и скоростных компьютеров. В немецком исследовательском центре Юлиха начал работу JUPITER — первый европейский суперкомпьютер, способный выполнять квинтиллион (10^18) операций в секунду. В нем соединились передовые технологии: 24 000 чипов NVIDIA GH200 Grace Hopper, новейшая система жидкостного охлаждения и модульная архитектура. Рассказываем, как устроен суперкомпьютер, сколько он стоит и какие задачи будет решать.

Как загрузить GPU на максимум. Разбираем узкие места в инфраструктуре для ИИ

Представим ситуацию: вы выбрали мощную видеокарту, запустили в облаке обучение модели и ожидаете, что всё пройдет достаточно быстро. Но вместо этого процесс затягивается на дни, а GPU загружен на 40–60% или даже меньше. Почему так происходит? В статье разобрались, какие инструменты нужны для эффективного AI-обучения, и поделились, как спроектировать сбалансированную инфраструктуру без крупных затрат. 

Еще больше интересных статей — в нашем блоге на Хабре. Подписывайтесь и читайте новые материалы сразу после выхода. 

И не забывайте о нашем блоге: в октябре там вышла новая статья «Выбираем GPU для ИИ: Видеокарты NVIDIA RTX 4090 и 5090 vs L40S 48GB». Она поможет подобрать наиболее подходящую видеокарту под ваши задачи. 

Мы видим: в 2025 году всё больше компаний используют ИИ не только для решения IT-задач, но и в маркетинге, продажах, сервисном обслуживании. И это только начало массового перехода бизнеса к AI-технологиям. Именно поэтому мы и дальше будем внедрять новинки в области ИИ и наращивать мощность нашей облачной инфраструктуры, чтобы оставаться надежным партнером.