Почему refurbished-серверы стали официальной политикой закупок для нагрузок ИИ

erid: 2SDnjcJ3oL7

В 2026 году восстановленные б/у серверы стали официальной политикой закупок для среднего бизнеса в сфере ИИ. Причина — экономия 70–80% на фоне взлетевших цен на DDR5. Разбираем, как строить ИИ-инфраструктуру на refurbished-серверах.

Что делать, если память DDR5 за год подорожала почти в пять раз, а поставку новых GPU приходится ждать месяцами? Сегодня это реальная задача для ИТ-директора, которому нужно запустить ИИ-проект и не потратить весь бюджет на инфраструктуру.

Генеративный ИИ изменил экономику корпоративных вычислений. Компаниям нужны ускорители, большие объемы оперативной памяти, быстрые системы хранения и серверы, способные объединить все компоненты в стабильный кластер. При этом значительная часть средств расходуется еще до покупки GPU — главного вычислительного ресурса AI-системы.

В этой статье расскажем, почему компании переходят на refurbished-серверы для AI-нагрузок, где это выгодно и как внедрить такую стратегию без лишних рисков.

ИИ-инфраструктура внезапно стала слишком дорогой

Корпоративные AI-проекты часто начинаются с нескольких ускорителей и небольшой команды. Но после перехода в промышленную эксплуатацию масштабы быстро растут: необходимо обучать модели, обрабатывать запросы, хранить данные, тестировать обновления и резервировать мощности.

Рост спроса привел к дефициту ключевых компонентов. В отдельных сегментах рынка DDR5 за год подорожала на 478%, а производители памяти направляют все больше мощностей на выпуск HBM — высокоскоростной памяти для GPU. Сами ускорители также остаются дефицитными, поэтому поставки новых систем могут занимать месяцы.

Память нужна серверу для быстрой передачи больших массивов данных, а GPU выполняет основные параллельные вычисления. Если дорожает хотя бы один из этих компонентов, вслед за ним растет стоимость всего AI-кластера.

На практике бюджет увеличивается сразу по нескольким причинам:

1. Растет стоимость оперативной памяти. AI-серверу могут потребоваться сотни гигабайт или несколько терабайт RAM.
2. GPU забирают основную часть инвестиций. Чем сложнее модель, тем больше ускорителей требуется для обучения и инференса — получения ответов от готового алгоритма.
3. Поставки задерживают запуск проектов. Нужные конфигурации приходится резервировать заранее и ждать несколько месяцев.
4. Бюджет уходит на вспомогательное оборудование. На GPU, сети и развитие моделей остается меньше средств.
5. Закупка только новых серверов снижает гибкость. Компания переплачивает за последнее поколение процессоров даже там, где производительность зависит прежде всего от ускорителей и памяти.

Refurbished перестал быть нишевым решением

Еще несколько лет назад восстановленные серверы покупали главным образом ради экономии. Сегодня подход изменился: ИТ-директора рассматривают их как инструмент управления CAPEX — капитальными затратами на оборудование. Задача уже не в том, чтобы приобрести технику дешевле любой ценой, а в том, чтобы не переплачивать за компоненты, которые почти не влияют на производительность конкретной AI-нагрузки.

Refurbished — это не просто устройство, снятое с эксплуатации. Такое оборудование проходит диагностику, очистку, нагрузочное тестирование и замену неисправных компонентов, после чего поставляется с гарантией. Крупные производители также развивают собственные программы сертифицированной техники: например, HPE предлагает восстановленные серверы, прошедшие проверку, обновление и тестирование.

Если стоит задача подобрать платформу под конкретную AI-нагрузку, полезно заранее изучить каталог восстановленных серверов, чтобы сравнить доступные конфигурации, поддержку GPU, объём памяти и возможности дальнейшего масштабирования.

Для корпоративного заказчика переход на б/у серверы обычно выглядит как последовательность прагматичных решений:

1. Сначала определяют, где действительно необходима новейшая платформа. Для обучения крупных моделей критичны GPU и пропускная способность памяти, но сервер управления, хранения данных или инференса часто может работать на проверенном поколении CPU.
2. Затем сравнивают конфигурации, а не год выпуска. Хорошо оснащенный восстановленный узел с большим объемом RAM может оказаться полезнее нового сервера начального уровня.
3. После этого оценивают источник оборудования. Решение приобрести бу сервер оправдано только при наличии результатов тестирования, понятной истории комплектации, гарантии и доступных запасных частей.
4. Освободившийся бюджет направляют в вычисления. В зависимости от модели и конфигурации экономия может достигать 30–70%, поэтому средства остаются на GPU, быстрые сетевые адаптеры и развитие самой AI-модели.

При выборе важно изучать конкретные конфигурации б/у серверов, условия гарантии и регламент предпродажной проверки. Стоимость сервера зависит от поколения процессоров, объема памяти, контроллеров, накопителей и поддержки ускорителей, поэтому сравнивать оборудование только по названию модели некорректно.

Так refurbished превращается из вынужденного компромисса в часть гибридной инфраструктуры: новые ускорители отвечают за вычислительную мощность, а восстановленные платформы помогают не расходовать бюджет там, где прирост производительности будет минимальным.

Какие бу серверы сегодня выбирают для задач ИИ

Для корпоративного ИИ не всегда требуется последнее поколение процессоров. Во многих проектах важнее объем памяти, количество слотов PCIe для ускорителей и возможность установить быстрые NVMe-накопители. Поэтому на вторичном рынке особенно востребованы двухпроцессорные платформы формата 2U, которые сохраняют запас для масштабирования.

Dell PowerEdge R750

Dell PowerEdge R750 подходит для инференса, аналитики и работы с корпоративными моделями среднего размера. Сервер поддерживает два процессора Intel Xeon Scalable третьего поколения, до 8 ТБ оперативной памяти и несколько конфигураций GPU. Это позволяет постепенно наращивать вычислительные ресурсы, не меняя всю платформу.

На практике модель выбирают благодаря сочетанию трех характеристик:

• Большой объем памяти. В 32 слота DIMM можно установить до 8 ТБ RAM — это важно для крупных датасетов, виртуализации и размещения нескольких AI-сервисов;
• Поддержка ускорителей. В зависимости от конфигурации сервер вмещает до двух двухслотовых GPU мощностью 300 Вт или до шести однослотовых карт по 75 Вт;
• Гибкая подсистема хранения. Платформа поддерживает SAS, SATA и NVMe-накопители, поэтому данные можно разместить ближе к вычислительным ресурсам и сократить задержки.

R750 особенно интересен компаниям, которым нужен универсальный узел: сегодня он обслуживает виртуальные машины и инференс, а после установки дополнительных GPU становится частью более мощного AI-кластера.

HPE ProLiant DL380 Gen10 Plus

Сервер модели DL380 Gen10 Plus ценят за предсказуемость и широкую совместимость с корпоративной инфраструктурой. Платформа получила процессоры Intel Xeon Scalable третьего поколения, 32 слота памяти и PCIe 4.0 — интерфейс, обеспечивающий более высокую скорость обмена данными между сервером, накопителями и ускорителями.

В инфраструктуре ИИ такой сервер обычно занимает одну из трех ролей:

• Узел инференса. Поддерживаемые ускорители, включая NVIDIA T4, подходят для обработки запросов уже обученной моделью;
• Сервер подготовки данных. Большой объем RAM и быстрые накопители позволяют очищать, сортировать и преобразовывать датасеты перед обучением;
• Платформа виртуализации. На одном физическом узле можно разместить несколько изолированных сред для разработчиков, тестирования и эксплуатации моделей.

Дополнительным преимуществом становится доступность совместимых компонентов. Для корпоративного заказчика это означает, что расширить память, заменить накопитель или найти резервный блок питания проще, чем для редких специализированных платформ.

Lenovo ThinkSystem SR650 V2

Lenovo SR650 V2 выделяется количеством возможных конфигураций. В корпусе 2U размещаются два процессора Intel Xeon Scalable третьего поколения, до 8 ТБ памяти, до трех двухслотовых или восьми однослотовых GPU. Платформа также поддерживает до 32 NVMe-накопителей через специальные адаптеры.

Перед покупкой этой модели стоит последовательно проверить три параметра:

• Тип AI-нагрузки. Для инференса можно выбрать несколько энергоэффективных однослотовых ускорителей, а для более тяжелых вычислений — мощные двухслотовые GPU;
• Компоновку слотов. Количество доступных ускорителей зависит от райзеров, блоков питания, охлаждения и расположения накопителей;
• Планы масштабирования. Запас по памяти, PCIe и дискам позволяет начать с небольшой конфигурации и расширять сервер по мере роста проекта.

SR650 V2 подходит для смешанных сред, где один узел должен работать с моделями, хранить данные и обслуживать виртуальные машины. Такая универсальность помогает избежать покупки нескольких узкоспециализированных систем.

Как интегрировать серверы б/у в ИИ-стратегию компании

Экономия сама по себе еще не делает инфраструктуру эффективной. Ошибка начинается там, где восстановленное оборудование закупают без привязки к нагрузкам: мощный сервер простаивает, несовместимый GPU не раскрывает производительность, а неожиданный дефицит блоков питания останавливает масштабирование.

Рабочая стратегия строится иначе: новые ускорители устанавливают в проверенные серверные платформы, а критические и вспомогательные задачи разделяют. Такой подход позволяет сохранить производительность там, где она действительно важна, и сократить расходы на корпуса, процессоры, память и системы хранения.

Внедрение удобно разбить на пять последовательных этапов:

1. Составьте карту AI-нагрузок. Отдельно выделите обучение моделей, инференс, подготовку данных, хранение, тестирование и управление кластером. У каждого процесса свои требования к GPU, памяти и отказоустойчивости.
2. Разделите инфраструктуру по уровню критичности. Новейшие платформы можно оставить для обучения крупных моделей, а восстановленные узлы использовать для инференса, разработки, резервных сред и обработки данных.
3. Проверьте совместимость конфигурации. Выбирая сервер бу, важно заранее уточнить тип райзеров, мощность блоков питания, охлаждение, размеры GPU и поддержку нужной версии PCIe. Совпадение модели сервера и ускорителя еще не гарантирует, что они будут корректно работать вместе.
4. Закрепите требования к поставщику. В договоре стоит указать нагрузочное тестирование, состояние дисков и памяти, версию прошивок, срок гарантии и порядок замены неисправных компонентов. Для крупных кластеров полезно сразу сформировать запас одинаковых блоков питания, вентиляторов и накопителей.
5. Планируйте расширение на 3–5 лет. Необходимо заранее оценить количество свободных слотов, предел объема RAM, сетевую пропускную способность и энергопотребление стойки. Это позволит добавлять ускорители и узлы без полной перестройки инфраструктуры.

Главный принцип такой стратегии — не делить оборудование на «новое» и «старое», а оценивать его по выполняемой роли. Новые GPU обеспечивают вычислительную мощность, а проверенные платформы помогают быстрее запустить проект и сохранить бюджет для развития моделей.

Refurbished-серверы становятся частью зрелого подхода к ИИ-инфраструктуре: компания получает необходимые ресурсы без переплаты за избыточную новизну. При грамотном тестировании, гарантии и планировании масштабирования такая модель закупок снижает затраты, ускоряет внедрение AI-сервисов и делает развитие вычислительной среды более предсказуемым.

Реклама ООО «ДОРФА», ИНН 7714455775.