Российская сфера искусственного интеллекта столкнется с ростом издержек и снижением динамики развития, если китайские разработчики решат прекратить открытый доступ к своим ИИ-моделям. Об этом сообщает Forbes, ссылаясь на исследование экспертов «Совкомбанка». Чтобы создать конкурентоспособный суверенный ИИ с нуля, отечественным компаниям придется осуществить сложный и дорогостоящий «стратегический поворот».
Источник изображений: Igor Omilaev / unsplash.com
Вероятно, по мере увеличения популярности собственных ИИ-моделей китайские компании перестанут распространять их как бесплатное ПО с открытым кодом. Сейчас такие фирмы, как DeepSeek и Alibaba, все еще придерживаются этой практики, чтобы соревноваться с ведущими американскими лабораториями. Однако это сдерживает возможности получения прибыли для китайских разработчиков, и когда их модели привлекут достаточно широкую аудиторию, они могут кардинально изменить подход. Это крайне негативно скажется на российских разработчиках, которые берут китайские модели за основу, дообучая и адаптируя их под свои нужды.
На данный момент ни одна компания в мире не получает положительного денежного потока от разработки больших языковых моделей, при этом «Яндекс» в 2026 году направит на ИИ от 150 до 200 млрд руб., а «Сбер» — от 300 до 400 млрд руб. Если китайские модели станут закрытыми, у российских разработчиков будет три пути: увеличение расходов из-за необходимости покупать доступ к закрытым системам; отток пользователей от российских сервисов к зарубежным; запуск долгосрочной программы строительства дата-центров для ИИ — самый дорогой вариант.
В России также рассматривается возможность создания суверенного ИИ, однако это потребует значительного времени и средств, поэтому в среднесрочной перспективе отечественные разработчики продолжат ограничиваться доработкой бесплатных зарубежных систем. Собственный ИИ предполагает многократное увеличение инвестиций в вычислительную инфраструктуру — при этом текущая общая мощность российских ЦОД «вероятно, недостаточна для полного цикла обучения больших языковых моделей „с нуля“ в масштабах, сопоставимых с мировыми лидерами». По оценкам экспертов, к 2030 году затраты на серверы для дата-центров достигнут 7,8 трлн руб., из которых 3,4 трлн придется на серверы для ИИ.
Для сопоставления, весь процесс обучения модели уровня DeepSeek V4 вместе с последующим стабильным инференсом нуждается в дата-центре на 300 МВт — его стоимость достигнет 1,2 трлн рублей. Поскольку «Яндекс» и «Сбер» ежегодно тратят на ИИ-нужды 500 млрд рублей, их вычислительные ресурсы направлены главным образом на инференс, а не на обучение. В «Сбере», однако, такую пессимистичную оценку опровергли. «„ГигаЧат“ — это полностью наша собственная разработка, обученная на качественных русскоязычных данных с учётом культурной специфики, которая по многим качественным и функциональным параметрам находится на уровне или даже обгоняет зарубежные аналоги», — заявили там.
«„Яндекс“ на протяжении многих лет создаёт генеративные модели — от собственных фундаментальных до гибридных, сочетающих наши наработки с открытыми технологиями. Мы сохраняем полный цикл разработки и не опираемся на внешние решения», — отметили в российском интернет-гиганте. При этом ранее в «Яндексе» подтвердили, что при обучении модели «Алиса AI» применялась открытая модель Alibaba Qwen. «Полный цикл обучения нашей модели Alice AI LLM, инициализированной весами Qwen3-235B, занимает на порядок меньше времени, чем если бы мы начинали со случайных весов. Это даёт нам возможность проводить гораздо больше экспериментов», — процитировал компанию Forbes.
В настоящее время «Сбер» располагает большими вычислительными мощностями, чем «Яндекс», и если возникнут проблемы с китайскими моделями, «Сбер» окажется в выигрышной позиции, считают эксперты. Если будет принято решение создавать суверенные ИИ-модели с нуля, разработчики могут объединить свои ресурсы, однако это будет связано с «серьёзными организационными и политическими трудностями»; также маловероятным выглядит запуск государственной программы с финансированием, превышающим бюджеты частных компаний. Для развития отечественной ИИ-отрасли потребуется наладить механизмы сбора прикладных обучающих данных в разных сферах.
Однако на практике в России пока ощущается дефицит дата-центров, и в планах строительства отсутствуют объекты, подходящие для обучения ИИ. Россия пока не способна выпустить модель мирового уровня, отмечают эксперты, но она может создавать локальные специализированные решения. И в долгосрочной перспективе необходимо взять курс на появление собственных моделей.
