Короче, про ИИ и инфраструктуру.

С одной стороны, внедрять ИИшные фичи в продукт сегодня можно просто и быстро — есть много доступных API-платформ: от топовых OpenAI, Claude до отечественных ГигаЧатов и Яндексов.

Но вот если ты большая коропорация и не можешь пользоваться облаками (и уже тем более иностранными!) и тебе нужен строго on-prem — тут начинается самое интересное.
Оказывается, Open Source моделей много, но все они... нууу... как бы... не всегда такие умные, как топовые модели, которые ну слуху (GPT-5.3, Opus, Sonnet etc). А еще и приличное железо для их инференса очень дорогое: миллионы в месяц, если речь про аренду и десятки миллионов, если речь про покупку. А еще и работать это может не так быстро, как ожидалось, а железо при этом может быть недозагружено. А еще нужен прямо отдельный пласт экспертизы для поддержания этой новой инфраструктуры. И все это очень сильно влияет на экономику и финансовую модель продукта.

И в итоге нужно искать баланс. Выбирать модели, которые достаточны, но не избыточны для стоящих задач (а тут, например, часто всплывают вопросы файн-тюнинга моделей). Рассчитывать предполагаемый профиль нагрузки и дотошно подбирать под это железо. Настраивать инфраструктуру так, чтобы по максимуму использовать возможные механики повышения производительности моделей и выжимать максимум из моделей.

И вот про эти тонкости мы делаем вебинар 13 марта. С одной стороны — мы там очень глубоко закопаемся в технические детали и способы оптимизации инференса (будет очень полезно для технарей), с другой стороны будем говорить про деньги и делиться конкретными бенчмарками про финансы/железо (будет полезно бизнесу).

Детали ниже

В общем, приходите!

РЕГИСТРАЦИЯ В НАШЕМ БОТЕ