● Разработка NiHome: российская платформа умного дома с собственной технологической основой

Создать российскую платформу умного дома, способную конкурировать на внутреннем рынке с китайскими экосистемами (Tuya, Xiaomi, SberSmart) по удобству и при этом превосходить их по приватности данных, глубине интеграций и работоспособности в отсутствие интернета.

Ключевой вызов: Рынок зависим от зарубежных облаков — пользователь вынужден держать свои данные (видео с камер, голосовые записи, биометрию) на серверах производителя, а при отключении интернета теряет управление. Нужно было построить архитектуру, которая одновременно даёт пользователю удобство облачного сервиса и безопасность локального решения, при этом обеспечивая экономику, выдерживающую рост до сотен тысяч активных установок.

Проект создан мной «под ключ» в роли CTO: от проектирования собственных устройств до вывода продукта на рынок. Вместо сборки из готовых компонентов, как делает большинство конкурентов на российском рынке, мы построили собственную технологическую вертикаль. Это дало нам контроль над качеством, независимость от вендоров и долгосрочное конкурентное преимущество.

Что реализовано лично мной и под моим контролем:Полный технологический стек в собственной разработке. От прошивок для контроллеров до мобильного приложения — ни одного готового «конструктора». Это означает, что продукт не зависит от изменения политик Google, Apple, AWS или китайских вендоров и может адаптироваться под любые регуляторные требования, включая требования ФСТЭК и 152-ФЗ по персональным данным.Децентрализованная архитектура как продуктовое преимущество. Ключевая инновация заключается в том, что клиент может хранить свои данные — видеоархивы, биометрию и другие чувствительные данные — на собственной машине, а наш сервер выступает только в роли прокси для удалённого доступа. Это закрывает одно из главных возражений российских пользователей: нежелание передавать данные в зарубежное облако.Формирование команды. Я лично подобрал и интегрировал в команду инженеров по нескольким направлениям: разработчиков прошивок, мобильных разработчиков, бэкенд-инженеров и AI-специалистов. В результате был выстроен полный производственный цикл со сроком релиза новых функций в 1–2 недели.Экономика продукта выстроена под фримиум-модель. Бесплатный тариф не создаёт существенной нагрузки на нашу инфраструктуру, потому что запись идёт на машину клиента. Это делает юнит-экономику устойчивой даже при массовом органическом росте. Премиум-функции — облачное хранение, AI-аналитика, удалённый доступ без настройки роутера — создают естественную точку конверсии.Масштабируемость заложена в архитектуру изначально. При десятикратном росте пользователей системе требуется только горизонтальное наращивание серверов, а не полный реинжиниринг.

На старте я провёл глубокий анализ существующих IoT-платформ и принял стратегическое решение не использовать готовые облачные решения производителей. Главная причина заключалась в том, что такие решения ставят продукт в зависимость от чужих бизнес-правил и не позволяют снять ключевое возражение пользователей: куда уходят мои данные.

В результате был выбран собственный защищённый протокол обмена данными с устройствами, построенный на отраслевых стандартах безопасности. Все соединения шифруются, каждое устройство имеет уникальный сертификат.

Также была спроектирована трёхуровневая модель безопасности: доверие на уровне устройства, на уровне пользователя и на уровне каждого медиафайла. Реализована система обновлений прошивок «по воздуху» с автоматическим откатом при сбоях, что дополнительно снижает расходы на поддержку.

Я полностью укомплектовал команду под сложную задачу одновременной разработки четырёх независимых направлений: устройств, мобильного приложения, серверной инфраструктуры и клиентского агента для видеонаблюдения. Внедрил стандарты разработки и автоматическое тестирование.

В рамках процессов были настроены автоматическая сборка и деплой прошивок, end-to-end тесты всей цепочки «устройство → сервер → мобильное приложение», а также эмулятор устройств, который ускорил разработку и тестирование без постоянной зависимости от физического железа.

Технологически была собрана единая современная платформа: кроссплатформенное мобильное приложение, высокопроизводительный бэкенд, а также веб-клиент и админ-панель.

Это один из ключевых блоков продукта и его главное конкурентное преимущество. Был реализован полный видеопайплайн: подключение IP-камер разных производителей, стриминг на мобильное устройство с минимальной задержкой, запись в архив с возможностью поиска по событиям, распознавание лиц и номеров автомобилей.

AI-функционал включает распознавание знакомых людей на видео с обучением на лицах самого пользователя, интеллектуальный детектор движения с исключением шума — веток, дождя, бликов, — а также распознавание автомобильных номеров по российским стандартам. Всё это работает в реальном времени на собственной GPU-инфраструктуре без отправки данных в сторонние AI-сервисы.

На уровне надёжности была построена система самовосстановления. Если какой-либо компонент перестаёт работать, он автоматически перезапускается, а пользователь получает уведомление. Сбойные записи помечаются автоматически и не создают бесконечных циклов в очередях обработки.

Я принял стратегическое решение, которое определило долгосрочную маржинальность продукта: перенести основную нагрузку — запись видео и ретрансляцию потоков — на машину клиента, а серверы использовать только для удалённого доступа и AI-аналитики.

Это позволило резко снизить затраты. Расходы на трафик и дисковое хранилище сократились в 10–20 раз по сравнению с полностью облачной моделью видеонаблюдения. Благодаря этому бесплатный тариф остаётся экономически устойчивым.

GPU-вычисления для распознавания лиц и номеров были вынесены в serverless-инфраструктуру с почасовой оплатой. Таким образом, ресурсы оплачиваются только под реальную нагрузку, а не простаивают в ожидании.

Дополнительно реализован режим полной приватности: при необходимости пользователь может полностью исключить серверы продукта из цепочки, и мобильное приложение автоматически соединится с его домашним устройством напрямую. Это даёт уровень приватности, которого нет у большинства типовых решений этого сегмента.

На завершающем этапе я сфокусировался на полировке пользовательского опыта, стабилизации системы под нагрузкой, публикации в магазинах приложений, а также настройке аналитики и платежей.

Был пройден полный цикл модерации Apple App Store и Google Play, настроены внутренние покупки и платёжные шлюзы, включая российские решения.

Параллельно была построена система мониторинга всех компонентов в реальном времени с мгновенными уведомлениями о проблемах. Это позволяет команде реагировать на сбои до того, как их заметит пользователь.

В результате продукт вышел на рынок с функциональностью, которая в российском сегменте обычно доступна только крупным корпорациям, но при этом сохранил более высокую приватность, открытую архитектуру и независимость от чужой экосистемы.

NiHome вышел на российский рынок как полностью независимая платформа умного дома с собственной вертикалью — от устройства до облака.

Архитектура рассчитана на сотни тысяч одновременно подключённых устройств, а edge-first модель экономики делает масштабирование линейным по стоимости. Каждый новый пользователь не только не увеличивает нагрузку на инфраструктуру критическим образом, но и приносит в экосистему собственные вычислительные ресурсы.

Продукт готов к быстрому росту — как по пользовательской базе, так и по числу поддерживаемых устройств.