28 мая 2026 года в Астане на пленарном заседании Евразийского экономического форума Владимир Владимирович выступил с программным заявлением о том, что Россия входит в тройку стран мира, способных создавать суверенный искусственный интеллект.
Звучит уверенно. И, что приятно, оптимистично. Однако давайте разбираться.
К концу мая 2026 года в передовом сегменте больших языковых моделей и связанной с ними инфраструктуры имеются три центра силы. Первый — это США в лице OpenAI с линейкой GPT-5.x, Anthropic с Claude Opus 4.8, Google с Gemini 3.1 Pro и, с некой натяжкой, xAI с Grok. Туда же относится LLaMA 4 от всеми запрещенной компании Цукерберга.
Второй центр силы — это Китай, где Alibaba с линейкой Qwen, DeepSeek и Zhipu с GLM-5.1 уже обучают модели на собственном железе Huawei Ascend 910B, что само по себе важнее любой отдельной модели.
Третий, неформальный и зажатый регуляторами, — это разрозненные европейские проекты вроде французской Mistral и британской DeepMind, работающей внутри Google, но имеющей собственный научный стек.
Любая из этих организаций ежегодно тратит на инфраструктуру, обучение моделей, исследовательскую базу и зарплаты от десятков до сотен миллиардов долларов. У OpenAI публичная капитализация в районе пятисот миллиардов долларов, годовые операционные расходы — под двадцать миллиардов, и это, мягко говоря, не считается потолком. У Microsoft, которая по факту обеспечивает половину инфраструктуры OpenAI, годовой бюджет на ИИ-вычисления в районе пятидесяти миллиардов долларов, и каждый квартал эта цифра только растет.
Россия в этой статистике присутствует где-то в конце, и это одна из первых сложностей тезиса о тройке.
Есть и второй, по сути главный вопрос, — железо. Поднять большую разумную модель без собственного железа не выйдет, и даже Китай вкладывает десятки миллиардов долларов в создание собственных чипов для ИИ не просто так. Чипы и железо определяют, что именно вы можете обучить.
Согласно публичным данным, только у Сбера имеется платформа SberCloud суммарной мощностью около 18,6 петафлопсов. У Яндекса самый большой суперкомпьютер «Червоненкис» с мощностью около 21,5 петафлопса входит в восьмой десяток мирового рейтинга Top500. Есть и Ozon с кластером порядка 20 петафлопсов; есть игроки и поменьше, но тут очень важно понять сам масштаб цифр. Сейчас мы оперируем мощностями в десятки петафлопсов на всю страну.
Это уровень одного небольшого корпоративного кластера в США. Для сравнения: кластер Colossus компании xAI в Мемфисе уже на середину 2025 года располагал двумястами тысячами GPU Nvidia H100 и работал на уровне сотен экзафлопсов, то есть на три порядка выше всей суммарной отечественной базы. И таких кластеров в США уже несколько штук, а к концу 2026 года будут вводиться в строй машины миллионного класса по числу GPU.
Помимо общей стоимости, нужно принимать во внимание и санкционные ограничения. Так, серверное железо даже при параллельном импорте нуждается в поддержке и обслуживании. Кроме того, подкидывает сюрпризов и родная гавань: с 27 мая 2026 года в России законодательно ограничен параллельный импорт серверного железа Cisco, HPE, Inspur, xFusion, рабочих станций Acer, ASUS, HP, Intel и накопителей Samsung, Kingston, SanDisk, Toshiba. По мнению регулятора, в России делаются конкурентные решения, а следовательно, «на российском рынке уже хватает отечественных аналогов».
Таким образом, история с железом сегодня особенно радовать не может. В России не существует собственных чипов для обучения больших языковых моделей; более того, разработка таковых сегодня в родном отечестве не ведется.
Какие варианты? Как сказано выше, железо для ИИ сегодня начинает выпускать Китай. По ряду параметров эти чипы отстают от западных на 1–2 поколения, но этот разрыв достаточно быстро сокращается. Другой вопрос заключается в том, что железо для ИИ в ближайшую пятилетку будет относиться к товарам дефицитной категории, и в этом ключе Китай едва ли готов перераспределять ресурсы в пользу иностранного заказчика.
Перейдем к третьему киту — непосредственно к разработке LLM. На первый взгляд, российские разработчики действительно не стояли на месте и представили целое семейство больших языковых моделей, которые вполне обыденно решают повседневные задачи. Сбер представил флагманскую модель GigaChat Ultra с долговременной памятью, голосовым режимом и автономным веб-поиском. Яндекс к октябрю 2025 года переименовал линейку YandexGPT в Alice AI LLM — флагман с контекстным окном на сто двадцать восемь тысяч токенов и встроенной цепочкой рассуждений.
Но есть подводный камень. Можно сказать, даже подводная скала. Яндекс нисколько не скрывает, что их модель была обучена на весах уже серьезно устаревшей китайской LLM Qwen-2.5-32B от Alibaba. Подход разумный, но наглядно иллюстрирует сложность обучения LLM. Так, полная тренировка модели уровня 70 миллиардов параметров с нуля обходится сегодня минимум в сотни миллионов долларов и требует доступа к десяткам тысяч GPU. Ни Сбер, ни Яндекс таких бюджетов не имеют и иметь не могут, потому что весь годовой расход всей отрасли в России на ИИ в десятки раз меньше квартальных расходов одной OpenAI или Alibaba.
Вроде все? Есть и четвертая ножка стула — кадры. А как говорил один усатый стратег: «Кадры решают всё».
Во-первых, наблюдается интересный феномен: буквально год назад из каждого утюга говорили о том, что в IT-отрасли наблюдается тотальный дефицит кадров, однако при этом «дефиците» мы наблюдаем трехкратный рост претендентов в пересчете на одну вакансию и периодические утечки о сокращении штата в отечественных IT-гигантах.
Помимо перечисленного, есть еще и столь неприятная вещь, как утечка мозгов, так как, во-первых, мозги чувствуют в себе силу работать в интересных проектах, а во-вторых, мозги хотят спокойно работать с той софтверной базой, к которой они привыкли, а не осуществлять принудительную пересадку в парковочные приложения.
Показательно, что на крупных конференциях NeurIPS, ICML, ICLR доля российских авторов последовательно снижается последние несколько лет.
Таким образом, если смотреть на тезис о тройке лидеров спокойно, то картина складывается примерно следующим образом: ИИ-отрасль в России таки есть, однако включать ее в тройку лидеров — это как минимум излишний оптимизм.
Россия имеет работающую ИИ-отрасль, две небольшие в мировом формате компании с «собственными» моделями, академическую базу и дешевую энергетику. Из минусов явная утечка мозгов и отсутствие доступа к передовому технологическому стеку.
Из плюсов: российские компании традиционно умеют выжимать максимум из имеющихся ресурсов; к примеру, тот же Яндекс вполне успешно строит работающую экосистему на базе вполне скромных по мировым меркам моделей. Вполне возможно, что такой подход позволит предлагать клиентские сервисы на достойном уровне, однако интегрировать слабый LLM в критические проекты, связанные с управлением и военным делом, получится едва ли.
Что будет дальше? Здесь возможны два варианта. С одной стороны, железо под существующую ИИ-инфраструктуру с каждым днем становится всё доступнее, и есть шанс, что при вложении ресурсов несколько поколений отставания получится попросту перепрыгнуть. В пессимистичном раскладе событий модели будут становиться всё требовательнее к железу, а суммы и отставание от лидеров — только увеличиваться.
А пока продолжаем наблюдать за бенчмарками, считать GPU и сравнивать заявления с цифрами.