Гарантия GPU-сервера: что должно быть в условиях сервиса

Гарантия отвечает на вопрос, какие дефекты и при каких условиях устраняет сторона договора. Работающий AI-сервис требует ещё одного ответа: сколько он может быть недоступен и как вернётся к работе. Эти условия связаны, но не взаимозаменяемы. Их удобно обсуждать на одном конкретном сценарии отказа.

Кто несёт обязательство

Уточните, кто предоставляет гарантию на GPU, серверную платформу и собранную систему. Это может быть производитель, местный поставщик или отдельная сервисная организация. Условия одной стороны нельзя автоматически приписывать другой. Например, собственные гарантийные услуги поставщика описываются отдельным документом и должны войти в ваш договор. 1

Проверьте территорию обслуживания, дату начала срока, требуемые документы и исключения. Если сервер собирается из компонентов, нужно понять, кто доказывает причину неисправности и координирует замену. Заказчику неудобно разбирать спор между производителями во время простоя production.

Разделите времена в SLA

Показатель	Что означает	Чего не обещает сам по себе
Принятие обращения	Заявка зарегистрирована	Начало диагностики
Реакция инженера	Ответственный приступил к разбору	Наличие нужной запчасти
Обходное решение	Восстановлена ограниченная работа	Полный ремонт исходной системы
Восстановление	Достигнут согласованный режим сервиса	Сохранение всех необязательных функций
Окончательное устранение	Исправлена причина и закрыт инцидент	Отсутствие будущих отказов

Для каждого срока задают календарь, приоритет и момент отсчёта. «Четыре часа» в рабочее время и круглосуточно являются разными обязательствами. Доступность следует считать за оговорённый период и с понятными исключениями. Процент без методики измерения почти не помогает закупке.

Спланируйте запас мощности

Одна система может быть достаточной для лаборатории, где допускается пауза. Для API, от которого зависит работа клиентов, нужен другой уровень резервирования. Возможные варианты: второй узел, доступ к заранее согласованной аренде, временно меньшая модель или очередь отложенной обработки.

Каждый вариант проверяют на совместимость и данные. Резервный облачный сервис бесполезен, если туда запрещено передавать запросы или нужная модель не подготовлена. Арендовать «когда понадобится» тоже не равно иметь гарантированную доступность мощности в момент аварии.

Резерв не обязательно повторяет основной сервер полностью. Можно заранее определить ограниченный режим: меньше одновременных запросов, отключение длинных документов, только критические пользователи. Такие ограничения обсуждают с бизнесом и проверяют до реального инцидента.

Подготовьте диагностику без утечки данных

Сервисному инженеру обычно нужны версии ПО, аппаратные события и воспроизводимые признаки отказа. Метрики DCGM позволяют наблюдать состояние GPU и связанные аппаратные показатели, но их набор зависит от устройства и версии. 2 Это помощь диагностике, а не обещание предсказать каждый сбой.

В договоре и инструкции определите, какие журналы можно передавать. Текст запросов, клиентские документы, ключи и дампы памяти не должны попадать подрядчику автоматически. Для удалённого доступа нужны отдельные права, ограничение времени и журнал действий. Перед вывозом дисков согласуют способ защиты информации.

Проверьте процедуру на практике

Проведите учебное обращение после запуска: ответственный открывает заявку, дежурный видит её, инструкции доступны, контакты актуальны. Отдельно восстановите сервис из бэкапа в безопасной тестовой среде и измерьте длительность. Наличие резервной копии не гарантирует наличие всех настроек, ключей и прав.

Сохраните список запчастей и способ их получения. Для критичных узлов полезно договориться о сроке поставки и допустимой эквивалентной замене. Замена GPU с другим объёмом памяти может требовать изменения модели и повторной проверки качества, поэтому формально более новая карта не всегда эквивалентна.

После изменения архитектуры обновите сервисный план. Приёмка оборудования и мониторинг inference должны опираться на те же режимы нагрузки и ограничения. Тогда гарантия становится частью управляемой эксплуатации, а не отдельной строкой внизу счёта.