Суверенный интеллект

Российский ИИ развивается в условиях вынужденной автономии. Главный стимул для импортозамещения – не законы рынка, а требования регуляторов. По закону о персональных данных (152-ФЗ), информацию о гражданах РФ необходимо хранить и обрабатывать на серверах внутри страны. Для банков, госсектора, медицины и объектов критической инфраструктуры это требование полностью исключило использование зарубежных облачных платформ вроде OpenAI или Anthropic.

В итоге в России сформировался собственный рынок, ключевые роли на котором распределили между собой три ИТ-гиганта:

МТС (разработка MWS AI): лидирует по количеству корпоративных решений, предлагая 10 специализированных моделей. Например, линейка Cotype анализирует документы, а инструмент Kodify помогает писать код. Эти продукты изначально создавались для установки на серверы самих клиентов (on-premise), благодаря чему успешно вошли в Реестр Минцифры.

Сбер: развивает текстовый ИИ GigaChat и нейросеть Kandinsky. При этом банк строго разделяет свои технологии на массовые и закрытые. Публичные версии GigaChat, к которым люди обращаются в том числе через международные мессенджеры, Минцифры в официальный Реестр российского ПО не включает. А вот корпоративные версии – GigaChat Enterprise и GigaChat 2 MAX – проверку прошли. Госведомства и госбанки закупают их как изолированные программы, которые устанавливают на собственные закрытые серверы без выхода во внешний интернет.

Яндекс: развивает речевые технологии SpeechKit и умного ассистента на базе флагманской модели Alice AI (ранее YandexGPT). Сама нейросеть отдельно в Реестре Минцифры не зарегистрирована. Яндекс поставляет ИИ-технологии государственным структурам в составе готовых программных комплексов, которые уже включены в реестр. Например, ИИ встроен «под капотом» в корпоративную платформу «Яндекс 360» (помогает суммировать длинные цепочки писем и документов) или в модуль «ИИ-ассистент государственного служащего» для автоматизации рутинных отчетов.

Для государственных ведомств и госкорпораций, чьи закупки строго ограничены законами, наличие программы в Реестре Минцифры – главный критерий. Чиновники не могут купить нейросеть просто потому, что она им понравилась. И на российском рынке побеждает не тот, чей ИИ более креативен, а тот, кто смог правильно оформить свои ИТ-продукты юридически.

Импортный кремний для российских моделей

Главная проблема российского ИИ – это оборудование. Федеральный закон № 243-ФЗ «О поддержке развития технологий искусственного интеллекта в РФ» официально разделяет ИИ-модели на «суверенные» и «национальные». При этом если суверенным моделям для получения госсубсидий и приоритета в закупках запрещено использовать иностранные компоненты, то категории национальных официально разрешено работать на зарубежной аппаратной базе.

Причина такого компромисса очевидна: в России нет заводов, способных выпускать мощные процессоры для ИИ-вычислений. На практике все российские нейросети обучаются и отвечают на запросы пользователей на зарубежных графических ускорителях. Их продолжают завозить в страну по каналам параллельного импорта.

Совокупный парк специализированных ИИ-ускорителей у Сбера и Яндекса составляет сегодня около 20 тыс. процессоров (в эквиваленте эталонных моделей Nvidia A100). Этого объема Сберу и Яндексу вполне хватает, чтобы поддерживать работу уже запущенных сервисов, но в мировом масштабе этот показатель ничтожно мал. Например, корпорация Tesla использует для обучения своего автопилота кластер из 350 тыс. куда более мощных карт нового поколения. В таких условиях отечественные нейросети физически не могут соперничать с мировыми лидерами по объему обрабатываемых данных – им просто не хватает вычислительной силы.

Чтобы исправить ситуацию в будущем, государство сделало Сбербанк главным финансовым донором российской микроэлектроники. Недавно Сбербанк полностью закрыл сделку по увеличению своей доли в крупнейшем производителе микросхем – ГК «Элемент» (контролирует завод «Микрон»), доведя свой пакет почти до половины компании – 49,8 %. Сумма вложений уже превысила 32 млрд руб. Кроме того, в рамках новой государственной программы объемом 1 трлн руб. Сбербанк официально взял на себя обязательство вложить 250 млрд руб. в создание Объединенной микроэлектронной компании. Эти деньги пойдут на строительство новых заводов полного цикла до 2030 года.

Главной технологической надеждой легально обойти международные патентные санкции внутри страны остается открытая архитектура RISC-V. Архитектура – это базовый язык команд, который понимает любой электронный чип. Популярные мировые языки для процессоров принадлежат западным корпорациям (Intel и ARM), и из-за санкций российским инженерам запрещено их использовать. RISC-V устроена иначе: это бесплатная и общедоступная мировая технология, у которой нет одного владельца. Любое дизайн-бюро в России может легально скачать эти схемы и спроектировать собственный чип, не боясь судебных исков и блокировок. На базе этого бесплатного кода отечественные компании уже выпустили более 3 млн чипов. Но радоваться рано: почти весь этот объем – простейшие микроконтроллеры. Их ставят в бытовую технику, автомобили, счетчики и беспилотники, чтобы заменить ушедшие зарубежные компоненты. Проекты сложных, тяжелых процессоров для искусственного интеллекта на базе RISC-V пока существуют только на бумаге. Да и напечатать такие микросхемы в России сегодня негде: открытая архитектура не заменяет собой заводы. В стране пока просто нет фабрик с нужным для этого современным оборудованием.

Почему нейросети переселяют к атомным станциям

Нехватка импортных чипов – лишь половина проблемы. Вторая беда, о которой долго молчали, – колоссальная прожорливость искусственного интеллекта. Посмотрим на цифры, которые озвучила член правления «Интер РАО» Тамара Меребашвили: стандартный серверный шкаф в обычном дата-центре потребляет до 15 киловатт. Но точно такой же шкаф, доверху набитый ИИ-ускорителями, требует уже более 100 киловатт, то есть – расходует столько же электричества, сколько многоквартирный дом.

Ситуацию осложняет то, что ИИ потребляет энергию импульсами. Когда нейросеть простаивает, она почти ничего не тратит. Но как только запускается обучение новой модели или миллионы пользователей начинают одновременно отправлять запросы ИИ-агентам, нагрузка на сеть взлетает мгновенно и непредсказуемо.

Москва практически перестала подключать новые дата-центры из-за физической нехватки свободных мощностей. Это заставило переносить ИИ-инфраструктуру в регионы с избытком энергии: например, Росатом развернул строительство дата-центров в непосредственной близости от атомных станций. Флагманский ЦОД «Калининский» мощностью 48 МВт построен на площадке Калининской АЭС в Тверской области и запитан напрямую от станции, гарантируя ИИ-разработчикам бесперебойную и дешевую энергию. А Яндекс вообще пересмотрел подход к строительству серверов – теперь компания объединяет несколько независимых дата-центров в одной локации (концепция кампусов). Это позволило поднять мощность одной площадки в три раза – до рекордных для России 180 МВт. Чтобы процессоры не расплавились, инженеры Яндекса разработали специальные стойки с жидкостным охлаждением.

Сегодня строить собственные серверные площади ИТ-компаниям становится дорого из-за высокой ставки ЦБ – сроки окупаемости ЦОДов выросли до 12 лет. Сбербанк выходил к правительству с предложением выделить из бюджета 450 млрд руб. на строительство гигантского ЦОДа под суверенный ИИ для всех участников рынка. Но государство денег не дало. Яндекс инициативу конкурента не поддержал, так как не хочет размещать свои секретные алгоритмы на чужом «железе».

Облачный спасательный круг: кто и почем продает вычислительную силу

В условиях, когда запуск собственных серверных комнат заблокирован заоблачными ставками банков и дефицитом американского кремния, единственным выходом для российского рынка стала модель AIaaS, или «ИИ как сервис». Крупный отечественный бизнес – от ритейлеров уровня «Магнита» до промышленных гигантов вроде «Газпром нефти» – осознанно переносит вычисления в облака, чтобы не замораживать миллиарды рублей в покупке собственного «железа». В условиях санкций и дефицита оборудования владение ИИ-серверами превратилось в огромный риск: компоненты стремительно дорожают, а сами технологии устаревают за полтора-два года. Арендуя мощности, корпорации перекладывают эти риски на поставщиков услуг.

Российский крупный бизнес обращается к ИИ для решения прикладных задач, измеримых в миллионах рублей. Например, нефтяные компании использует ИИ-помощников для анализа терабайтов геологических данных, чтобы рассчитывать давление в скважинах и выдавать рекомендации инженерам на месторождениях. В ритейле сети внедряют ИИ-модели для прогнозирования спроса по всей стране, спасая торговлю от убытков из-за просроченной продукции. Также бизнесу требуются ИИ-агенты, способные проверять тысячи договоров или закрывать первую линию клиентской поддержки. Всеми техническими вопросами – обновлением алгоритмов, защитой данных и охлаждением серверов – занимаются сами провайдеры.

Безусловно, обычный кадровик или юрист в региональной компании не сможет самостоятельно внедрить сложного ИИ-агента в рабочие процессы. Рассказы про «настройку нейросети за две кнопки без программистов» – уловка рекламщиков. Чтобы искусственный интеллект приносил реальную пользу (например, сам забирал договоры из почты, сверял их со справочниками в 1С и выставляла счета), его необходимо интегрировать во внутренние ИТ-системы организации, и для этого компаниям все равно требуются ИТ-специалисты. Однако модель «как сервис» снижает требования к штату: среднему бизнесу или региональному НИИ больше не нужно нанимать сверхдорогих дата-сайентистов. Инженерам компании-клиента достаточно взять готовое технологическое ядро у провайдера и настроить его за несколько недель.

На российском рынке ИИ как сервис поставляют три игрока: Yandex Cloud (облачное крыло Яндекса), Cloud.ru (ИТ-структура Сбера) и MWS (облачный провайдер МТС). Правила игры здесь диктует закон 152-ФЗ: данные граждан РФ нельзя отправлять за рубеж, поэтому физически арендовать серверные мощности в Китае или США российский бизнес не может. Однако если физически серверы стоят в России, то технологически Китай устроил на нашем рынке скрытую экспансию. Китайские разработчики начали массово открывать коды своих передовых нейросетей. Это позволило российским игрокам быстро и дешево собирать свои продукты: они берут бесплатную китайскую основу и дообучают ее под локальные задачи. Дошло до открытого конфликта: глава Сбера Герман Греф публично заявил в Совете Федерации, что ИИ Яндекса базируется на китайской модели Qwen, что вызвало резкую реакцию со стороны Яндекса, настаивающего на оригинальности своей «Алисы».

Экономика облачной аренды построена по принципу «счетчика» (pay-as-you-go) – платите строго за то время, пока процессор считал вашу задачу, или за объем выданного текста. Запустить простой пилотный проект малый бизнес может за копейки: час аренды эталонной карты Nvidia A100 при посекундной тарификации в российских облаках обойдется примерно в 1016 руб. Если компании нужно раз в месяц составить краткую выжимку из тысячи договоров, ИИ выполнит задачу за 10 минут, а счет составит несколько сотен рублей. В остальное время сервера простаивают, и бизнес не платит ничего.

При этом масштаб внедрения технологий бьет рекорды. Только через программный шлюз (API) облачной платформы Yandex AI Studio корпоративный бизнес за первое полугодие потребил 597 млрд коммерческих токенов – это в 18 раз больше, чем годом ранее! Токен – это базовая единица «языка» нейросети, равная примерно одному слогу. 597 млрд токенов эквивалентны примерно 400 млн печатных страниц. Причем около 30 % этого объема вычислений приходится на автономных ИИ-агентов, которые заменяют людей в техподдержке, банках и HR. Роботы общаются между собой внутри дата-центров, сжигая миллионы токенов каждую секунду.

Такой взрывной рост привел к новому демпингу со стороны Китая. Китайские разработчики начали сдавать в аренду вычислительное время своих суперкомпьютеров по беспрецедентно низким ценам. Физически эти серверные ангары находятся на территории КНР, но в сеть выведены открытые цифровые шлюзы (API). Коммерческие компании (государственным такие маневры запрещены по тому же 152-ФЗ) подключаются к ним как к розетке, оплачивая по безналичному расчету в юанях каждую строчку, обработанную или сгенерированную машиной. Младшие версии китайских моделей оказались почти в 13 раз выгоднее российских аналогов. Чтобы удержать рынок от миграции на азиатские платформы, Сбербанк и Яндекс в конце августа синхронно обвалили тарифы на свои нейросети в два-три раза.

Академический барьер

Пока крупный бизнес спорит о стратегиях, внедрение искусственного интеллекта столкнулось с серьезным сопротивлением в академической сфере. По данным масштабного исследования Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ, 28 % государственных вузов и научно-исследовательских институтов в своей работе ИИ не используют.

Первым стоп-фактором для академической среды стал страх перед недостоверностью данных, на который указали 45 % опрошенных руководителей. В фундаментальной науке, где цена любой ошибки – мгновенная потеря репутации, ученые панически опасаются склонности нейросетей к выдумыванию несуществующих фактов, подделке формул и искажению статистики.

Эта базовая недоверчивость усугубляется глубоким кадровым кризисом. Российские профильные вузы выпускают всего около 4,5 тыс. специалистов по ИИ в год. В итоге 36 % научных организаций заявляют о дефиците исследователей: молодые специалисты вымываются с рынка коммерческими ИТ-гигантами, предлагающими стартовые оклады, с которыми государственные НИИ конкурировать не способны.

К этому добавляется и «промпт-барьер» на уровне самих исследователей. Почти половине ученых (48 %) не хватает цифровых навыков для работы со сложными моделями, а треть (33 %) жалуется на банальное отсутствие времени на их освоение. При этом возникает парадокс: для научных задач российские исследователи до сих пор предпочитают использовать зарубежные ИИ-платформы, но сразу упираются в платежный тупик. Картами российских банков оплатить иностранные сервисы невозможно, из-за чего 39 % ученых заявляют о технической блокировке работы, а еще 37 % называют стоимость западных подписок неподъемной для академических бюджетов.

Финальным препятствием, заблокировавшим почти каждую пятую научную ИИ-инициативу (19 %), стали правовые ограничения. Юридический запрет на межведомственный и трансграничный обмен данными лишил ученых возможности легально обучать алгоритмы на закрытых специализированных базах данных, из-за чего многие перспективные проекты замораживаются еще на этапе согласования со службами безопасности. А 29 % исследователей открыто опасаются утечки конфиденциальных разработок в облака общего пользования.

Синдром «волшебной кнопки»

В конечном счете главный вызов для масштабного внедрения технологий в России лежит не в дефиците зарубежных чипов или нехватке мегаватт, а в уровне управленческой готовности самого бизнеса. Как отмечает руководитель направления Data Science «ДАР» (ГК «КОРУС Консалтинг») Екатерина Торсукова, на рынке до сих пор силен синдром завышенных ожиданий. Руководители часто воспринимают ИИ как «волшебную кнопку», инвестируя в нейросети не ради измеримой прибыли, а ради соответствия тренду и имитации технологического лидерства.

В результате компании совершают системную ошибку: они пытаются внедрять тяжелые, дорогостоящие и энергоемкие языковые модели во все процессы подряд, игнорируя базовую экономику. Нейросети заставляют выполнять простейшие рутинные задачи, которые в разы быстрее, дешевле и надежнее решаются вообще без участия ИИ. Например, гонять прожорливую языковую модель ради банальной маршрутизации входящих писем, извлечения стандартных данных из бланков и счетов или поиска дубликатов в базах данных – это преступление против собственного бюджета. С этими процессами идеально справляются классические инструменты: обычные SQL-скрипты, простейшие OCR-системы (оптическое распознавание текста) и RPA-платформы (программы-роботы, имитирующие клики человека).

Алгоритм не обладает врожденным разумом и не способен навести порядок там, где его изначально не создал человек. В условиях жесткого инфраструктурного кризиса закон Бритвы Оккама становится главным правилом автоматизации: ИИ должен быть не первым увлечением менеджера, а последним инструментом выбора – когда возможности классических ИТ-систем уже исчерпаны.