База знаний
Yandex Cloud: карта сервисов под ИИ-проект
Обзорный навигатор по сервисам Yandex Cloud для ИИ-проекта: вычисления, GPU, хранилище, базы данных, serverless и AI — что брать под какую задачу.
Опубликовано
СейчасКак устроен ИИ-проект в облаке
- Как устроен ИИ-проект в облаке
- Зачем брать российское облако
- Модель оплаты и первые шаги
- Вычисления: где считает ваш проект
- Serverless: код без своего сервера
- Хранилище: где лежат файлы
- Базы данных: где живут данные
- AI-сервисы: готовый интеллект по API
- Данные и аналитика
- Сеть, безопасность и наблюдаемость
- Что брать под задачу: типовые сценарии
- С чего начать новичку
- Ссылки
Обзорный навигатор по облаку Yandex Cloud для тех, кто собирает ИИ-проект: какой сервис за что отвечает и под какую задачу его брать. От этой карты дальше расходятся отдельные подробные материалы по ключевым сервисам — по мере их выхода.
📌
Для кого: предприниматели, авторы и начинающие технические специалисты, которым нужен ИИ-проект с российской пропиской — Telegram-бот, поиск по своим документам, генерация контента или аналитика. Глубокого опыта с облаками не требуется: каждый раздел начинается с простого объяснения, зачем нужен сервис.
💡
Что такое облако. Вместо покупки и настройки железа вы арендуете готовые сервисы у провайдера и платите за то, что реально использовали. Yandex Cloud — облачная платформа Яндекса с дата-центрами в России и набором из десятков управляемых сервисов.
Как устроен ИИ-проект в облаке
Почти любой ИИ-проект собирается из одних и тех же слоёв. Эта карта снимает главную сложность новичка: сразу видно, какой сервис к какому слою относится и в каком порядке всё собирать.
flowchart TD
U["Пользователь или клиент"] --> GW["Входной слой<br/>API Gateway, Load Balancer, CDN"]
GW --> APP["Логика приложения<br/>Cloud Functions, Serverless Containers, Compute Cloud"]
APP --> AI["AI-сервисы<br/>Foundation Models, SpeechKit, Vision OCR"]
APP --> DATA["Данные<br/>Object Storage, управляемые базы, YDB"]
AI --> DATA
APP --> OBS["Доступ и наблюдаемость<br/>IAM, Lockbox, Monitoring, Logging"]| Слой | За что отвечает | Сервисы Yandex Cloud |
| Вычисления | Где выполняется код и модели | Compute Cloud, GPU, Managed Kubernetes |
| Serverless | Код и API без своего сервера | Cloud Functions, Serverless Containers, API Gateway |
| Хранилище | Файлы, документы, бэкапы | Object Storage |
| Базы данных | Структурированные данные и поиск | Managed PostgreSQL, ClickHouse, Valkey, OpenSearch, YDB |
| AI | Готовый интеллект по API | AI Studio, SpeechKit, Vision OCR, Translate, DataSphere |
| Сеть и безопасность | Доступ, секреты, наблюдаемость | VPC, DNS, IAM, Lockbox, Monitoring |
Зачем брать российское облако
Зарубежные облака бывают дешевле и привычнее, но у Yandex Cloud есть сценарии, где он выигрывает:
- Оплата рублями с карты РФ, без квестов с зарубежными платёжными системами.
- 152-ФЗ и персональные данные. Данные россиян по закону должны храниться на серверах в России.
- Низкий пинг до российской аудитории из московских и питерских дата-центров.
- Родные AI-сервисы рядом с данными. YandexGPT, SpeechKit и Vision OCR живут в том же контуре, где лежат ваши файлы и базы.
⚖️
Компромисс: Yandex Cloud берёт на себя настройку и обслуживание сервисов, но считает деньги за каждый из них отдельно, и при невнимательности счёт растёт незаметно. Простой VPS с фиксированной ценой иногда дешевле и понятнее для одного маленького проекта.
Модель оплаты и первые шаги
Yandex Cloud работает по принципу «платите за потребление»: итоговый счёт складывается из того, сколько каждый сервис проработал и сколько данных прошло через него. Для новых пользователей есть стартовый грант (действует около двух месяцев), которого хватает на первые эксперименты. У ряда serverless-сервисов вдобавок есть ежемесячный бесплатный лимит: например, до 1 млн вызовов Cloud Functions и до 1 млн операций в YDB.
💡
Про грант без иллюзий. Грантом нельзя оплатить GPU-кластеры и платную поддержку, а полноценный trial-период доступен только юрлицам. Для первых опытов с обычными виртуалками, функциями и базами его хватает, а тяжёлые GPU-задачи стоит сразу закладывать в реальный бюджет.
💡
Термин «managed». Управляемый (managed) сервис означает, что провайдер сам ставит, обновляет, бэкапит и мониторит систему, а вы получаете готовую точку подключения. Так работают управляемые базы данных: вам не нужно администрировать сервер вручную.
Управлять облаком можно тремя способами, и новичку стоит идти именно в таком порядке:
- Консоль — веб-интерфейс, где всё создаётся мышкой. С неё стоит начинать.
- CLI
yc— команды в терминале для повторяющихся действий. - Terraform — описание всей инфраструктуры кодом для больших проектов.
⚠️
Внимание: при оплате по потреблению забытая виртуалка с GPU или разросшийся трафик дают неприятный счёт в конце месяца. Сразу настройте платёжные уведомления и бюджетные лимиты, чтобы облако предупреждало о расходах.
Вычисления: где считает ваш проект
Это слой, на котором физически выполняется код и запускаются модели.
💡
Термин «инференс». Инференс — это запуск уже обученной модели ради получения ответов. Обучение модели требует куда больше ресурсов, чем инференс, поэтому под эти задачи берут разное железо.
| Сервис | Что делает простыми словами | Когда брать |
| Compute Cloud | Виртуальная машина — ваш собственный сервер в облаке с полным контролем | Нужен постоянно работающий сервер с привычным окружением: сайт, бот, база, свой бэкенд |
| GPU-инстансы | Виртуалки с видеокартами NVIDIA под тяжёлые вычисления | Гоняете свою LLM или другую модель локально, дообучаете модель, обрабатываете видео |
| Managed Kubernetes | Управляемая оркестрация контейнеров для нескольких сервисов сразу | Команда, много сервисов и автоматическое масштабирование; нужен базовый DevOps-опыт |
⚖️
Компромисс: Compute Cloud даёт полный контроль и предсказуемую цену, но обновлять систему, ставить обновления безопасности и следить за состоянием придётся самостоятельно.
Serverless: код без своего сервера
💡
Термин «serverless». Вы загружаете код или контейнер, а серверами и масштабированием занимается облако. Платите только за вызовы и время работы, а в простое сервис не стоит почти ничего.
| Сервис | Что делает простыми словами | Когда брать |
| Cloud Functions | Небольшая функция на Python или Node.js, которая запускается по событию или запросу | Вебхуки, обработчики Telegram-бота, склейка сервисов между собой |
| Serverless Containers | Ваш Docker-образ, запускаемый без управления сервером | Логика не помещается в функцию или нужны свои системные зависимости |
| API Gateway | Публичный HTTP-вход к функциям и контейнерам с маршрутизацией и авторизацией | Нужно превратить функции в аккуратное API с единой точкой входа |
| Container Registry | Приватный реестр ваших Docker-образов | Храните образы для Serverless Containers и Kubernetes |
⚠️
Внимание: после простоя serverless-функция иногда стартует с задержкой (это называют «холодный старт»). Для фонового бота это незаметно, а для интерфейса, где важна мгновенная реакция, закладывайте эту паузу в расчёты.
Хранилище: где лежат файлы
💡
Термин «объектное хранилище (S3)». Файлы хранятся как объекты, доступные по ссылке. Стандарт S3 понимают почти все библиотеки и инструменты, поэтому такое хранилище легко подключить к любому коду.
Object Storage — S3-совместимое хранилище для файлов любого размера. Это базовый слой почти любого проекта.
Когда брать:
- Статика сайта и медиафайлы.
- Файлы, которые загружают пользователи.
- Бэкапы баз данных, вынесенные отдельно от сервера.
- Исходные документы, из которых ИИ-проект потом строит поиск.
💡
Совет: держите дампы баз в Object Storage отдельно от самого сервера. Если сервер выйдет из строя, копия данных останется в целости.
Базы данных: где живут данные
Все базы ниже — управляемые: облако само занимается бэкапами, обновлениями и отказоустойчивостью.
| Сервис | Что делает простыми словами | Когда брать |
| Managed PostgreSQL | Универсальная реляционная база для данных приложения | Основное хранилище проекта; с расширением pgvector годится и под векторный поиск |
| Managed ClickHouse | Колоночная база для быстрой аналитики по большим объёмам | Дашборды, события, метрики, логи на миллионы строк |
| Managed Service for Valkey — Redis-совместимый | Быстрое хранилище в памяти под кэш и очереди | Кэширование, сессии, ускорение медленных запросов |
| Managed OpenSearch | Полнотекстовый и векторный поиск, работа с логами | Поиск по контенту, аналитика логов, векторная база под RAG |
| YDB | Распределённая serverless-база: платите за запросы, масштабируется сама | Высоконагруженные и serverless-приложения без администрирования базы |
💡
Термин «RAG». RAG (retrieval-augmented generation) — это подход, при котором модель отвечает, опираясь на найденные в вашей базе фрагменты, а не только на общие знания. Для этого текст заранее превращают в векторы и складывают в базу с векторным поиском.
📌
Под RAG-поиск в Yandex Cloud есть два пути: расширение pgvector в Managed PostgreSQL для небольших и средних баз либо векторный поиск в Managed OpenSearch, когда объёмы растут и нужен полнотекстовый поиск рядом.
AI-сервисы: готовый интеллект по API
Эти сервисы дают готовый ИИ по запросу, без обучения собственных моделей. Часть из них (генеративные модели, SpeechKit, Vision OCR, Translate) Яндекс объединяет под брендом Yandex Cloud AI Studio, поэтому в консоли вы можете встретить их как под собственными названиями, так и внутри AI Studio.
| Сервис | Что делает простыми словами | Когда брать |
| AI Studio (Foundation Models) | Доступ к YandexGPT для текста, YandexART для картинок и к моделям эмбеддингов | Чат-боты, генерация и анализ текста, эмбеддинги для поиска и RAG |
| SpeechKit | Синтез речи из текста и распознавание речи из аудио | Озвучка материалов, голосовые боты, расшифровка звонков |
| Vision OCR | Распознавание текста с фотографий, сканов и PDF | Превратить документы и сканы в текст для поиска и RAG |
| Translate | Машинный перевод между языками по API | Мультиязычный контент и интерфейсы |
| DataSphere | ML-платформа с Jupyter для обучения и запуска своих моделей | Свои эксперименты, дообучение и деплой моделей |
💡
Термин «эмбеддинги». Эмбеддинг — это числовое представление текста в виде вектора. Похожие по смыслу тексты дают близкие векторы, и именно на этом строится семантический поиск и RAG.
📌
По SpeechKit в базе уже есть подробный разбор — используйте его как следующий шаг после этой карты.
Данные и аналитика
| Сервис | Что делает простыми словами | Когда брать |
| DataLens | Конструктор дашбордов и графиков по данным из облака | Наглядная аналитика по базе или событиям без своего фронтенда |
| Data Streams | Приём потока событий и телеметрии в реальном времени | Сбор событий с сайта, бота или устройств для дальнейшей обработки |
| Message Queue | Очередь сообщений между сервисами (совместима с Amazon SQS) | Развязка сервисов и надёжные шаги в агентных пайплайнах |
Сеть, безопасность и наблюдаемость
Этот слой связывает сервисы и следит за доступом. Новичку хватит понимать назначение, а настраивать по мере роста проекта.
| Сервис | Что делает простыми словами |
| VPC | Виртуальная сеть, в которой живут ваши сервисы |
| Cloud DNS | Управление доменными записями |
| Load Balancer | Распределение нагрузки между несколькими серверами |
| IAM | Кто и к чему имеет доступ: роли и сервисные аккаунты |
| Lockbox | Хранилище секретов: токенов, паролей, ключей |
| KMS | Управление ключами шифрования |
| Monitoring и Logging | Метрики, оповещения и логи всех сервисов |
🔴
Критично: не храните токены и пароли в коде. Складывайте их в Lockbox, а доступ выдавайте через сервисные аккаунты в IAM с минимально необходимыми правами. Это самая частая точка утечки в облачных проектах.
Что брать под задачу: типовые сценарии
| Задача | Минимальный набор сервисов |
| Telegram-бот с ИИ | Cloud Functions + API Gateway + YDB или Managed PostgreSQL + AI Studio (YandexGPT) |
| Поиск по своим документам (RAG) | Object Storage + Vision OCR + AI Studio (эмбеддинги и YandexGPT) + Managed PostgreSQL с pgvector или Managed OpenSearch |
| Генерация и озвучка контента | AI Studio (YandexGPT и YandexART) + SpeechKit + Object Storage |
| Своя модель или дообучение | DataSphere или Compute Cloud с GPU + Object Storage |
| Аналитика и дашборды | Data Streams + Managed ClickHouse + DataLens |
Собирайте набор по порядку: первый сервис в строке — обычно точка входа, к которой потом подключаются остальные.
С чего начать новичку
- Заведите аккаунт и платёжный аккаунт, активируйте стартовый грант.
- Создайте отдельный каталог для проекта и сервисный аккаунт с минимальными ролями.
- Настройте платёжные уведомления, чтобы держать расходы под контролем.
- Соберите один сценарий из таблицы выше на одном-двух сервисах, не пытаясь охватить всё сразу.
- Секреты положите в Lockbox, доступ выдайте через IAM.
- Автоматизацию через CLI
ycи Terraform добавляйте уже после первого рабочего прототипа.
Ссылки
- Каталог сервисов: yandex.cloud/ru/services
- Документация: yandex.cloud/ru/docs
- Цены и калькулятор: yandex.cloud/ru/prices
- Консоль управления: console.yandex.cloud
По теме
Подобный контур под конкретную задачу проще собрать с тем, кто уже прошёл этот путь и знает, где облако незаметно съедает бюджет.
Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov
Если хотите разобрать свою задачу — напишите мне Если хотите разобрать свою задачу — напишите мне.
Можно прийти с идеей, черновым контекстом или уже живой задачей. Помогу быстро понять, где реальный следующий шаг, а где лишний шум.
Обычно хватает 2–3 сообщений, чтобы понять, могу ли я здесь реально помочь и в каком формате лучше двигаться дальше.