Как стартапу выбрать ИТ-инфраструктуру, чтобы не пришлось выбирать еще раз

Вне зависимости от бизнес-идеи стартапам нужна ИТ-инфраструктура, которая, с одной стороны, позволяет сэкономить на старте, с другой — заложить возможности для быстрого роста и масштабирования проекта.

Эту задачу можно решить, развернув продукт в облаке. Так поступили три российских стартапа, об их опыте рассказываем в статье.

Что за проект. MedTech AI — медицинский стартап. Команда вышла на рынок с идеей инфракрасного сканера для визуализации вен, а сегодня работает над 8 проектами, связанными с обработкой медицинских изображений и документов. Некоторые решения уже используют крупные медучреждения.

Стартап использует современные модели многоагентного обучения и большие языковые модели семейства GPT (1–3), для них нужны серьезные вычислительные мощности. При этом количество данных растет и постоянно докупать серверы для их хранения дорого.

Какие технологии под капотом. Команде требовалась облачная платформа, которая справляется с высокими нагрузками и позволяет быстро масштабироваться при запуске нового проекта. Еще решение должно быть аттестовано по №152-ФЗ «О защите персональных данных»: в облаке планировали хранить информацию о пациентах.

Благодаря программе поддержки стартапов стартапов в MedTech AI решили использовать инфраструктуру VK Cloud: S3-хранилище и облачные графические ускорители Cloud GPU.

• «Холодное» хранение в S3 позволило не тратить много денег на размещение данных, которые используют редко.
• В проектах, где нужно обрабатывать изображения МРТ, рентгеновские снимки и оцифрованные документы, используют диски HDD и SSD.
• Сервис Cloud GPU применяют в проектах, где нужно распознавать снимки. Например, в веновизоре VeinCV это модули для выравнивания масок изображений на основе компьютерного зрения.

Какие результаты получили. Один из главных результатов — рост скорости обучения моделей. Для GPT-моделей этот показатель вырос в 4 раза: с двух с половиной недель до нескольких дней.

Кроме того, команде удалось серьезно сократить Time-to-market. Раньше на подготовку инфраструктуры уходило 2–3 дня. В облаке администрирование инфраструктуры на плечах провайдера, пользователь может развернуть дополнительную виртуальную машину и запустить пилотную модель в течение часа.

Заметно выросла и отказоустойчивость решений. При запуске системы в продакшен пользователи обращаются к сервисам стартапа через API. Благодаря облачной инфраструктуре MedTech AI может гарантировать бесперебойный доступ и простую интеграцию.

Что за проект. «Сохранение кудрявого и розового пеликана» — программа по изучению и защите редких птиц в дикой природе. Чтобы сохранить колонии пеликанов, живущие на границе Ставропольского края и Республики Калмыкия, ученым нужно вести мониторинг: оценивать численность птиц и следить за их перемещениями.

Обычно считают вручную «булавочным» методом — распечатывают снимки с квадрокоптера и булавками отмечают попавших в кадр птиц. Метод трудозатратный и недостаточно точный. В последний раз пеликанов пересчитывали семь раз и каждый раз получали новый результат, а на пересчет 2100–2200 особей ушла целая неделя.

Чтобы сэкономить время и получить точные данные, решили разработать модель для распознавания пеликанов на снимках и автоматизировать их подсчет. Для создания ML-модели требовались вычислительные мощности и инструменты для работы с данными.

Какие технологии под капотом. Для первичного анализа данных использовали JupyterHub, преднастроенный инструмент в составе Cloud ML Platform от VK Cloud. Для того чтобы орнитологи могли взаимодействовать с решением, сделали телеграм-бот, он выступает интерфейсом для общения с нейросетью.

В основе решения модель на YOLOv5. Дообучившись на дополнительных данных, она сможет отличать пеликанов от чаек и бакланов, а также различать розовых и кудрявых пеликанов.

Какие результаты получили. Удалось создать MVP-версию проекта: модель, которая на этапе теста продемонстрировала хорошие результаты. Вручную на пересчет колонии в 2000 пеликанов уходило примерно 7 дней. Нейросеть получает тот же результат за 30 миллисекунд.

Сейчас ученые планируют перейти от MVP к полноценному решению. Это позволит начать непрерывный мониторинг пеликанов на территории юга России, Калмыкии и Западной Сибири и, таким образом, решать глобальную задачу — отслеживая состояние колоний, оценивать экологическую ситуацию и прогнозировать изменения климата.

Что за проект. Likwid — агентство лидогенерации. Один из проектов компании — платформа, которая автоматизирует поиск клиентов для B2B-компаний. Сервис анализирует семантическое ядро и с помощью NLP (Natural Language Processing) и других алгоритмов находит компании, которые подходят под профиль целевой аудитории.

Платформа — ресурсозатратный сервис, в ней используются обучающиеся нейросети. Likwid требовалась отказоустойчивая инфраструктура, готовая к масштабированию при подключении новых клиентов.

Какие технологии под капотом. Компания изначально выбрала облачный подход для построения платформы и сейчас мигрировала в VK Cloud. Благодаря простому интерфейсу облачной платформы систему развернули в облаке за полторы недели, ранее в другом облаке этот процесс занял полтора месяца. Воспользовались комплексом управляемых сервисов: платформа — в кластере Kubernetes, в качестве СУБД используют PostgreSQL и MongoDB.

Какие результаты получили. Благодаря оптимизации внутренней инфраструктуры при миграции в VK Cloud удалось в 5 раз сократить расходы на поддержку решения. При этом во время участия в программе для стартапов компания сможет использовать сервисы бесплатно или за половину стоимости.

При запуске проекта у стартапов часто нет средств на дорогостоящую ИТ-инфраструктуру. Чтобы сэкономить, можно воспользоваться программой поддержки для стартапов от VK Cloud.