Корпоративный ИИ уперся не только в GPU, но и в сеть. По данным исследования Tata Communications и Bloomberg Media Studios, 77% руководителей уже считают ИИ задачей уровня совета директоров, но 65% компаний все еще работают на инфраструктуре, которую строили не под такие нагрузки. Для русскоязычных ИТ-команд вывод прямой: можно купить ускорители и подписки на модели, а упретесь вы в канал между хранилищем, облаком и пользователем.
Узкое место смещается с вычислений на связность
Поводом стал партнерский материал VentureBeat, подготовленный вместе с Tata Communications. Диагноз там понятный: классические корпоративные сети проектировали под ERP, SaaS и веб-приложения с предсказуемым трафиком, а не под постоянные запросы к моделям, потоковую обработку и обмен данными между агентами и внутренними сервисами.
И Tata здесь не одинока. Летом 2025 года Cisco в похожем партнерском материале для VentureBeat называла сеть следующим инфраструктурным барьером для агентного ИИ. То есть спор уже не про одного вендора, а про общий сдвиг рынка: вычислительные мощности выросли быстрее, чем готовность сетевого слоя.
Почему старая сеть тормозит ИИ-сервисы
Отчет Tata добавляет к этому неприятные цифры. Только 29% опрошенных компаний считают, что их инфраструктура вообще способна масштабироваться вместе с бизнес-нагрузкой. А сами нагрузки ведут себя нервно: они растут рывками, перескакивают между облаком, локальными площадками и периферийными узлами, а задержка из неприятной мелочи превращается в фактор качества сервиса.
Но это только половина истории. В гибридной архитектуре узким местом становится не только внешний канал, но и внутренний east-west трафик между хранилищами, кластерами ускорителей, шлюзами безопасности и прикладными сервисами. Если антифрод, скоринг, голосовой бот или производственная аналитика получают данные с опозданием, пользователь видит не умный сервис, а обычный таймаут.
Что Tata продает вместе с диагнозом
Tata, разумеется, пришла не с пустыми руками. Компания продвигает программно управляемую сеть с наблюдаемостью, управлением через API, встроенными политиками безопасности и подходом SASE, где сеть и защита работают в одной архитектуре.
Самый наглядный пример: IZO DC Dynamic Connectivity. По заявлению Tata, сервис умеет за минуты масштабировать полосу между дата-центрами до 100G, работает в 44 дата-центрах на пяти континентах и позволяет сэкономить более 30% за счет динамического распределения полосы и оплаты по фактическому потреблению. Отдельно компания говорит о сокращении ручных операций на 30-40% на единой платформе. Это маркетинговые оценки, но вектор понятен: сеть для ИИ все чаще описывают как программный слой, а не как набор железа с ручной настройкой.
В ту же логику укладывается и проект Tata с AWS, анонсированный в июле 2025 года. Компании строят в Индии магистральную сеть между площадками AWS в Мумбаи, Хайдарабаде и Ченнаи, чтобы упростить запуск ИИ- и ML-нагрузок с низкой задержкой между площадками.
Значение для рынка
Для России и СНГ история вполне прикладная. У местных команд те же вводные: гибридные контуры, несколько ЦОДов, требования по безопасности и дорогой межплощадочный трафик. Если компания запускает RAG-поиск, голосовых помощников, антифрод или агентные сценарии, сеть надо считать частью архитектуры с первого дня: измерять путь данных, резервировать емкость под критичные нагрузки и отдельно смотреть на внутренний обмен между сервисами. Иначе бюджет уйдет не только на GPU, но и на борьбу с задержками, которые никто не заложил в проект.
Следующий спор вокруг корпоративного ИИ, похоже, будет не о выборе модели, а о том, кто отвечает за путь данных от источника до вычислительного кластера и обратно. Исходный материал VentureBeat доступен в .
