Обзор модуля
Это технический фундамент трека. Модуль отвечает на три вопроса, без которых любой AI-проект на производстве разваливается ещё до пилота: где живут данные, какая модель действительно нужна и на каком железе это вообще можно запустить без самообмана.
Здесь вы не выбираете «самую умную модель». Здесь вы собираете рамку решения: контур, класс модели, инфраструктуру и экономику. После этого разговор с ИТ, ИБ, интегратором и закупкой становится предметным.
Роль модуля: базовый технический слой для всех следующих производственных кейсов Время: ~3.5 часа Фокус: контур данных, выбор модели, железо, гибридная архитектура и TCO Формат: 7 уроков, которые читаются как единая схема принятия решений
Чему вы научитесь
После прохождения модуля вы сможете:
[+] Отличать consumer SaaS, API, enterprise cloud, private VPC, on-prem и air-gap без маркетингового шума [+] Выбирать минимально достаточную модель под задачу, а не переплачивать за бренд и leaderboard [+] Быстро оценивать, какое железо реально нужно под выбранный класс модели и контекст [+] Читать матрицу «задача × модель × контур» как инструмент для пилота, закупки и архитектурного решения [+] Проектировать гибридные схемы с router, redaction, каскадом и разделением edge/cloud [+] Считать TCO и вовремя останавливать сценарии, где LLM вообще не является лучшим ответом
Контекст: почему этот модуль важен
На производстве ошибка выбора происходит не в промпте, а раньше. Команда сначала берёт модную модель, потом выясняет, что данные нельзя отправлять наружу, железо не тянет, а экономика не сходится даже на пилоте.
Модуль p.2 убирает этот хаос. Он даёт порядок: сначала контур, потом класс модели, потом железо, потом архитектура и только после этого — бюджет и масштабирование. Именно поэтому на него опираются и правовой модуль p.3, и отраслевые сценарии дальше по треку.
Если пройти этот модуль внимательно, вы перестанете обсуждать AI в терминах «давайте подключим GPT» и начнёте обсуждать его как нормальную инженерную систему с ограничениями, стоимостью и понятным профилем риска.
Уроки модуля
- Шесть контуров обработки данных — где живут ваши запросы и ответы — От consumer ChatGPT до air-gap: шесть контуров с плюсами, минусами, юр.допустимостью и типичными use cases.
- Минимальная достаточная модель — не берите GPT-5 для того, что закроет Qwen 3B — Три шкалы выбора класса модели: сложность рассуждения, цена ошибки, latency. Матрица задача → класс модели → примеры.
- Железо под модели — от ноутбука инженера до кластера H100 — VRAM-требования по размерам моделей, квантизация (GGUF Q4/Q5/Q8), что реально работает на ноуте, RTX 4090, A6000, A100, H100. Санкционная картина 2026.
- Матрица «задача × модель × контур» — постер-шпаргалка для AI-чемпиона — Одна таблица-шпаргалка на 15-20 типовых промышленных задач с рекомендуемой моделью, контуром и бюджетом. Можно распечатать и повесить над столом.
- Гибридные архитектуры — router, PII redaction, каскад, judge pattern — Пять паттернов, которые экономят 70-90% стоимости и легализуют AI-проект по 152-ФЗ: классификатор запроса, обезличивание, каскад, LLM-судья, edge + cloud.
- TCO — облако vs self-hosted, когда и что окупается — Когда 1× RTX 4090 дешевле облачного GigaChat, когда 2× A6000 выгоднее Yandex Cloud, и почему 8× H100 кластер оправдан только на 1000+ пользователях.
- Малые специализированные модели — не всё AI это LLM — YOLO для ОТК, Anomalib для нешаблонных дефектов, Prophet для временных рядов, LayoutLM для документов — почему часть задач не нуждается в GPT.
Как проходить
Идите строго по порядку. В этом модуле последовательность важнее, чем в обзорных треках: каждый следующий урок опирается на предыдущий и снимает следующий слой неопределённости.
- Сначала соберите базовую рамку решения в уроках 1-2: контур и класс модели.
- Потом проверьте физическую реализуемость в уроках 3-4: помещается ли решение в железо и не противоречит ли матрице типовых задач.
- После этого читайте уроки 5-6 как пару: архитектура без экономики бесполезна, а экономика без архитектуры врёт.
- Завершайте модуль уроком 7 и используйте его как контрольный вопрос перед закупкой: точно ли вам нужен LLM, а не специализированная модель.
После модуля
После p.2 у вас будет не набор разрозненных инструментов, а рабочая схема выбора. Этого достаточно, чтобы отсеивать слабые предложения интеграторов, задавать правильные вопросы архитектору и не покупать инфраструктуру вслепую.
Дальше двигайтесь по задаче:
- в p.3, если нужно понять границы по персональным данным, КИИ, криптографии и санкциям;
- в p.4, если надо защищать экономику внедрения перед руководством;
- в p.5-p.8, если нужен отраслевой сценарий с уже понятной технической рамкой;
- в p.9, если пора собирать open-source стек, on-prem inference и production-пайплайн руками.