engineering_ai_presentation (1)

1.

Обзор рынка: доступные технологии нейрообработки данных в РФ
Решение должно работать локально, без передачи данных во внешние сети
Облачные модели
Локальные модели с открытыми
весами
Корпоративные решения в
РФ
ChatGPT / OpenAI
Qwen
Napoleon IT
Claude
Llama
Just AI
Gemini
Mistral
MWS AI
YandexGPT
Gemma
Т1
GigaChat
DeepSeek
Yandex Cloud / Cloud.ru
Высокое качество, но требуют внешнего
подключения и передачи запроса в
облако.
Можно запускать внутри организации.
Отличаются размером, требованиями к
оборудованию и возможностями
работы с изображениями.
Доступны решения для закрытого
контура, но в основном они
ориентированы на документы,
помощников и типовые бизнес-процессы.
Вывод: для задачи заказчика рационален локальный комплекс на моделях с открытыми весами + собственная инженерная программная надстройка.
Источники: официальные карточки моделей Qwen, Meta, Google, Mistral; российские поставщики локальных решений. Данные актуальны на 07.10.2026.
Локальный инженерный ИИ-комплекс
1

2.

Выбор языковых моделей
Отсекаем решения, которые не соответствуют требованиям закрытого контура, оборудования и инженерной задачи
Облачные — не используем
AI
OpenAI / ChatGPT
C
Claude
Gemini
YandexGPT
Локальные — не выбираем
Доступные — наш выбор
Llama 4 Scout
Q
Qwen3.5-122B-A10B
M
Mistral Large 3
Q
Qwen3-VL-Embedding-8B
DS
DeepSeek-V3.2
Q
Qwen3-VL-Reranker-8B
Gemma 3 27B
Q
Qwen3-VL 8B — ноутбук
G
GigaChat
Причина: для штатной работы нужен
внешний сервис и сетевое подключение.
Причины: избыточные требования к ресурсам,
менее удобный набор вспомогательных
моделей или менее подходящий баланс под
нашу задачу.
Единое семейство: основная модель, поиск по
смыслу, отбор источников и компактная версия
для ноутбука.
Выбор основной модели подтверждается испытаниями на реальных документах и изображениях заказчика. Архитектура позволяет заменить модель без перестройки всего комплекса.
Локальный инженерный ИИ-комплекс
2

3.

Архитектура: несколько моделей работают как единая система
Каждая модель выполняет узкую задачу; управляющий модуль собирает результаты и формирует единый ответ
Пользователь
Управляющий модуль
Основная модель
Qwen3.5-122B
Модель поиска
Qwen3-VL-Embedding
Понимает вопрос, анализирует текст
и изображения, объединяет
результаты и объясняет вывод.
Находит по смыслу нужные
документы, изображения и похожие
расчёты.
Модель отбора
Qwen3-VL-Reranker
Повторно проверяет найденное и
оставляет самые полезные
источники.
Подготовка данных
Docling + OCR
Читает PDF, DOCX, изображения и
переводит их в удобный для поиска
вид.
База знаний
База инженерных расчётов
Расчётная модель
Модуль оптимизации
Документы, таблицы,
изображения
Параметры, условия, результаты
ANSYS
Изучает связь формы и
физического результата
Перебирает новые варианты и
выбирает лучшие
Результат: несколько специализированных моделей работают как единый инженерный
помощник.
Локальный инженерный ИИ-комплекс
3

4.

Техническая организация: оборудование и путь пользователя
Выбор вычислительного комплекса с учётом бюджета до 20 млн ₽
Варианты оборудования
Как пользователь будет работать с системой
1
GPU
GPU
GPU
1× RTX 5090
4× H200 NVL
4× RTX PRO 6000
32 ГБ видеопамяти
564 ГБ видеопамяти
384 ГБ видеопамяти
Не подходит
Не подходит по
бюджету
Выбранный вариант
Хорошо для испытаний,
но недостаточно памяти
для основной
производственной
модели.
Технически мощно, но
российские
предложения на 4
ускорителя превышают
лимит 20 млн ₽.
Достаточный запас
памяти, серверный
класс и возможность
уложиться в бюджет с
запасом на ОЗУ и
накопители.
Рекомендуемая серверная конфигурация
4 × NVIDIA RTX PRO 6000 Blackwell 96 ГБ • 1 ТБ ОЗУ • 30–60 ТБ NVMe
резерв по бюджету на сеть, питание и сопровождение
2
3
Задаёт вопрос или загружает документы / изображения
Система ищет нужную документацию и похожие расчёты
Анализирует данные и выявляет зависимости
4
При задаче оптимизации формирует и оценивает новые
варианты
5
Инженер получает вывод, источники и лучшие варианты для
проверки в ANSYS
Источники цен: Start Server и Serverflow, октябрь 2026. RTX PRO 6000 — 96 ГБ на ускоритель по данным NVIDIA. Цены зависят от комплектации и поставщика.
Локальный инженерный ИИ-комплекс
4

5.

Технические возможности комплекса
Система объединяет работу с документами, изображениями, расчётами и поиском новых решений
DOC
CALC
Чтение и перевод документов
IMG
Техническое зрение
• PDF, DOCX, PNG, JPG и сканы
• распознавание текста и таблиц
• поиск по смыслу по десяткам гигабайт
• перевод технических материалов
• анализ формы конструкции
• чтение цветовой шкалы и подписей
• поиск зон максимальных и минимальных значений
• сравнение нескольких изображений
Анализ физических расчётов
Оптимизация конструкций
• работа с результатами ANSYS
• сопоставление параметров и результатов
• поиск похожих расчётов
• выявление устойчивых зависимостей
OPT
• задание целевого критерия
• генерация большого числа вариантов
• быстрая предварительная оценка
• отбор лучших вариантов для ANSYS
Все функции работают внутри закрытого контура заказчика — без обязательного доступа в Интернет.
Локальный инженерный ИИ-комплекс
5

6.

Как система будет обучаться на данных заказчика
Основную языковую модель не обучаем с нуля: знания подключаются через базу документов, а на расчётах обучается отдельная инженерная модель
1
Аудит данных
Определяем, какие документы, изображения и результаты ANSYS доступны и как они связаны между собой.
2
Подготовка
Очищаем данные, приводим названия и единицы измерения к единому виду, связываем изображения с расчётами.
3
База знаний
Документы индексируются: система учится быстро находить нужные фрагменты без переобучения основной
модели.
4
Учебный набор
Из расчётов формируется набор: параметры конструкции → условия → фактический результат.
5
Обучение расчётной
модели
Специализированная модель изучает зависимость между формой конструкции и физическим результатом.
6
Проверка качества
Модель проверяется на расчётах, которые не использовались при обучении; измеряется ошибка прогноза.
7
Оптимизация
Система перебирает новые варианты, оценивает их и предлагает инженеру лучшие для проверки в ANSYS.
Ключевой принцип: точность инженерной модели подтверждается контрольными расчётами, а окончательная проверка выбранной конструкции выполняется
в ANSYS.
Локальный инженерный ИИ-комплекс
6

7.

План-график выполнения работ
Завершение работ — не позднее 30 сентября 2027 года
Этап
Окт
Ноя
Дек
Янв
Фев
Мар
Апр
Май
Июн
Июл
Авг
Сен
1. Требования, аудит данных,
испытательный образец
2. Документы, поиск и техническое
зрение
3. База инженерных расчётов и
подготовка данных
4. Обучение и проверка расчётной
модели
5. Модуль оптимизации и формирование
вариантов
6. Производственная сборка, интерфейс
и настройка
7. Испытания, документация,
развёртывание и приёмка
30.09.2027 — передача и приёмка полностью работоспособного комплекса на целевом оборудовании заказчика.
График ориентировочный и уточняется после аудита объёма и качества исходных инженерных данных.
Локальный инженерный ИИ-комплекс
7