Как санкции против России изменили экономику искусственного интеллекта — и почему остальному миру стоит присмотреться
1. Новая нефть, старая модель
В марте 2025 года правительство Кении объявило о партнёрстве с одной из американских компаний-разработчиков больших языковых моделей. Условия сделки не раскрывались полностью, но известные детали вызвали тревогу у экономистов: страна предоставляла доступ к своим данным, образовательным ресурсам и инфраструктуре — в обмен на «льготный» тариф доступа к модели. По оценкам экспертов, эффективная ставка, которую Кения заплатит за каждый миллион обработанных токенов, составит около 75 долларов. Для сравнения: компания из США, владеющая той же моделью, платит менее одного доллара.
Это не дискриминация. Это бизнес-модель.
Цифровой колониализм — термин, который ещё десять лет назад звучал как метафора, — сегодня превратился в измеримую экономическую реальность. Его механика проста до прозрачности: страны, контролирующие вычислительные мощности и базовые модели искусственного интеллекта, устанавливают цены доступа для всех остальных. Развивающиеся страны (а в этой парадигме к ним относятся и многие формально развитые экономики) становятся чистыми потребителями интеллектуальной инфраструктуры. Они платят ренту — как платили за нефть, газ и редкоземельные металлы, только теперь за вычислительные операции.
Масштаб явления впечатляет. По оценке Международного валютного фонда (2025), доля стран, не владеющих собственными базовыми моделями ИИ, в глобальном ВВП составляет около 65%. При этом разрыв в цене доступа к вычислительным мощностям между странами-владельцами моделей и странами-потребителями достигает 30–70 раз.
Экономическая логика здесь та же, что и в классическом колониализме XIX века. Метрополия производит сложный продукт (тогда — промышленные товары, сегодня — интеллектуальные модели). Колония поставляет сырьё (тогда — хлопок и уголь, сегодня — данные и вычислительное время). Разница лишь в том, что колониальные товары можно было производить где угодно при наличии сырья, — а модели ИИ требуют концентрации капитала, таланта и вычислительных мощностей, которая недоступна 90% стран мира.
Цена этой асимметрии растёт. В 2024 году совокупные расходы стран — чистых потребителей ИИ на доступ к иностранным моделям оценивались в 18–22 миллиарда долларов. К 2027 году, по прогнозам аналитиков Gartner, эта цифра может превысить 60 миллиардов. Это прямой трансфер капитала из развивающихся экономик в развитые — без какого-либо встречного движения технологий.
Эта статья — об одном исключении из этого правила. О стране, которая по стечению обстоятельств (или благодаря просчитанной стратегии) оказалась в уникальном положении: она не платит цифровую ренту. Но цена этого положения такова, что вряд ли кто-то захочет повторить этот путь.
2. Парадокс санкций: как изоляция обернулась свободой
История, которую предстоит осмыслить, началась не как стратегия, а как форс-мажор.
После февраля 2022 года против России были введены беспрецедентные технологические санкции. Крупнейшие производители микроэлектроники прекратили поставки. Облачные провайдеры — Amazon Web Services, Google Cloud, Microsoft Azure — остановили работу на российском рынке. NVIDIA, контролирующая более 80% рынка специализированных чипов для искусственного интеллекта, прекратила любые поставки.
Для любой другой страны это означало бы мгновенную технологическую смерть. Для российской индустрии искусственного интеллекта — нет.
Объяснение лежит в структуре российского рынка, которая десятилетиями развивалась по пути самообеспечения. Три фактора сыграли решающую роль.
Первый: наследие «Яндекса».Крупнейшая российская технологическая компания строила свою инфраструктуру с нуля с начала 2000-х годов. В отличие от европейских или азиатских интернет-компаний, которые полагались на глобальных облачных провайдеров, «Яндекс» десятилетиями инвестировал в собственные дата-центры, собственную систему хранения данных и собственный стек программного обеспечения. Это дало компании возможность пережить уход западных вендоров с минимальными потерями — хотя и не без издержек.
Ключевой момент: российская интернет-экономика исторически сложилась как островная. Отсутствие масштабного присутствия западных технологических гигантов на российском рынке (Google не смог вытеснить «Яндекс» в поиске, Facebook не смог вытеснить VK в соцсетях) означало, что у российских компаний не сформировалась зависимость от западной облачной инфраструктуры. Они вынуждены были строить свою — и к моменту кризиса она уже существовала.
Второй: собственное железо.К моменту введения санкций «Яндекс» уже имел значительный парк графических процессоров, закупленных в предыдущие годы. Компания смогла не только сохранить, но и нарастить вычислительные мощности — через параллельный импорт, через альтернативных поставщиков, через оптимизацию существующих ресурсов.
Особого внимания заслуживает третий канал. Российские инженеры разработали методы, позволяющие эффективно использовать менее мощные чипы для задач, традиционно требовавших топовых процессоров. Речь идёт о распределённом обучении, о новых архитектурах сжатия моделей, о фреймворках, которые позволяют «размазывать» вычислительную нагрузку по разнородному парку оборудования. В условиях, когда нельзя просто купить лучший чип, приходится учиться использовать то, что есть, — и этот навык сам по себе становится конкурентным преимуществом.
Результат: на начало 2026 года «Яндекс», по данным собственной отчётности, обслуживает более 100 миллионов активных пользователей своих ИИ-продуктов (поиск, голосовой помощник «Алиса», генеративные сервисы YandexGPT), не используя ни одного чипа, поставленного по официальным каналам после 2022 года.
Третий: эффект неплатежа.Именно здесь возникает ключевой парадокс. Отрезав Россию от западных облачных сервисов и моделей, санкции автоматически сделали её неплательщиком цифровой ренты.
В то время как Индонезия платит за доступ к западным моделям — по разным оценкам, от 15 до 40 долларов за миллион токенов, а Кения — до 75 долларов, — российские компании и пользователи платят ноль, потому что у них просто нет доступа к этим моделям.
Экономист из Высшей школы экономики, комментируя этот феномен, заметил: «Санкционная изоляция создала огромные издержки — но в одном конкретном измерении она сработала как протекционистский барьер. Российский рынок ИИ оказался заперт вместе с российскими же провайдерами, и у пользователей не осталось выбора, кроме как пользоваться местными продуктами».
Оценки того, сколько Россия сэкономила на этой «принудительной экономии», разнятся. Если исходить из среднемировых ставок, которые платят развивающиеся страны за доступ к большим языковым моделям, — по приблизительной оценке, основанной на экстраполяции среднемировых ставок доступа к большим языковым моделям для развивающихся стран (аналитика Gartner и данные по расходам Кении и Индонезии), российский рынок в 2025 году «не доплатил» западным корпорациям, по самым грубым подсчётам, от 0,8 до 1,5 млрд долларов. Разумеется, эта цифра условна — она отражает не реальную экономию, а гипотетический объём ренты, который был бы выплачен при сохранении доступа к западным API.
Если смотреть на ситуацию с точки зрения глобального разделения труда в сфере ИИ, Россия оказалась не в колонии и не в метрополии, а — временно — вне системы. Эта ситуация уникальна.
3. Ключевые игроки: два гиганта на запертом рынке
Российский рынок искусственного интеллекта характеризуется высокой концентрацией. Фактически, на нём доминируют две структуры — каждая со своей историей, своей стратегией и своими ограничениями.
«Яндекс»: инфраструктурный монополист
«Яндекс» — единственная крупная интернет-компания в мире, которая прошла через полную технологическую изоляцию и не только выжила, но и продолжает расти. Это не преувеличение. Google, Meta, Amazon, Alibaba, Tencent — ни одна из этих корпораций не сталкивалась с ситуацией, когда все западные поставщики оборудования и облачных услуг одновременно исчезают. Для них это был бы просто конец бизнеса в этой стране. Для «Яндекса» — повод перестроиться.
Стратегия «Яндекса» после 2022 года состояла из трёх компонентов.
Первый — максимальное импортозамещение на уровне «железа»: закупки через третьи страны, оптимизация энергопотребления, повышение коэффициента полезного использования существующих мощностей. По данным самой компании, коэффициент утилизации её дата-центров вырос с 65% в 2021 году до 88% в 2025-м — это экстраординарный показатель для отрасли, где 75% считается выдающимся результатом.
Второй — переориентация разработки на модели, которые требуют меньше вычислительных ресурсов. Компания добилась впечатляющих результатов в области сжатия моделей и квантизации. YandexGPT, её флагманская языковая модель, работает на существенно меньшем количестве параметров, чем западные аналоги, — при сопоставимом качестве на русском языке. Это не чудо, а результат целенаправленной работы: когда у вас нет бесконечного количества чипов, вы учитесь делать больше с меньшими ресурсами.
Третий — отказ от попыток конкурировать с глобальными гигантами по всем фронтам и концентрация на продуктах для внутреннего рынка. «Яндекс» не пытается создать ChatGPT для всего мира. Он создаёт ассистента, который понимает российские реалии, российские законы, российские культурные коды и — критически важно — российские цены на вычислительные ресурсы.
К началу 2026 года «Яндекс» представляет собой уникальный феномен: компания, которая одновременно является лидером поиска, картографии, такси, доставки, музыки, кино, облачных вычислений и искусственного интеллекта — и всё это на рынке, изолированном от глобальной технологической экосистемы. YandexGPT по ряду бенчмарков приближается к показателям западных аналогов, хотя и уступает им по широте охвата и мультиязычности.
По оценкам аналитиков, «Яндекс» тратит на один миллион обработанных токенов от 2 до 5 долларов в пересчёте на себестоимость вычислительных мощностей. Это радикально меньше, чем платят пользователи из развивающихся стран за доступ к западным моделям. Разрыв в 15–30 раз — не технический, а структурный. Он встроен в саму модель глобального цифрового рынка.
Сбер: финансовая крепость с амбициями
Второй ключевой игрок — Сбербанк. Крупнейший банк России с более чем 180-летней историей — казалось бы, не самое очевидное место для разработки искусственного интеллекта. Однако Сбер сделал ставку на ИИ задолго до санкционного кризиса и продолжает инвестировать огромные ресурсы в это направление.
GigaChat — языковая модель Сбера — и Kandinsky — генератор изображений — стали знаковыми продуктами российского рынка. Сбер обладает тем, чего нет почти ни у кого в мире среди банков: собственной исследовательской лабораторией ИИ, насчитывающей, по оценкам инсайдеров, несколько сотен специалистов (по некоторым данным — до 500), собственным парком графических процессоров и собственным стеком моделей.
Ресурсы Сбера — его главное преимущество. Банк может позволить себе долгосрочные инвестиции в фундаментальные исследования, не оглядываясь на квартальную отчётность венчурных инвесторов. Его клиентская база — десятки миллионов розничных и корпоративных клиентов — даёт огромный массив данных для обучения моделей. А его финансовые резервы позволяют пережидать неблагоприятные периоды без сокращения инвестиций.
Слабость Сбера — в организационной инерции. Банк остаётся банком, со всей вытекающей бюрократией, регуляторными ограничениями и консервативной корпоративной культурой. Его ИИ-продукты функциональны, но уступают «Яндексу» в пользовательском опыте и скорости итераций. Пока Сбер выпускает очередную версию GigaChat, «Яндекс» успевает обновить YandexGPT дважды.
Динамика между этими двумя игроками напоминает классическое противостояние инновационной и ресурсной стратегий. «Яндекс» быстрее, «Яндекс» гибче, «Яндекс» лучше чувствует пользователя. Но Сбер может пережидать и переплачивать — и в долгой игре это иногда оказывается важнее.
Экосистема вокруг
Вокруг двух гигантов формируется экосистема меньших игроков. МТС развивает собственные решения в области голосовых ассистентов и обработки естественного языка. VK (бывшая «ВКонтакте») экспериментирует с генеративными моделями для своей социальной платформы. «Ростелеком» инвестирует в инфраструктурные проекты. Ряд университетских стартапов — Сколтех, МФТИ, ИТМО — создают исследовательские заделы.
Ни один из этих игроков пока не может конкурировать с «Яндексом» и Сбером по масштабу. Но их существование важно — они создают конкурентную среду, не дают дуополии окончательно закостенеть, поставляют кадры и идеи, которые крупные игроки потом монетизируют.
4. Цена изоляции: что не работает
Было бы ошибкой представить ситуацию как историю успеха. Изоляция создала не только преимущества, но и серьёзные структурные проблемы. И их перечень внушителен.
Проблема первая: дефицит вычислительных мощностей.
Несмотря на все усилия, парк графических процессоров в России оценивается в 15–25 тысяч единиц — против сотен тысяч у ведущих американских компаний. Для обучения современной большой языковой модели требуется от 8 до 16 тысяч процессоров последнего поколения, работающих в кластере — непрерывно, в течение нескольких недель. Российские компании могут выделить такой ресурс, но это означает, что все остальные проекты встанут. В американских компаниях таких кластеров может быть несколько — работающих параллельно.
Это ограничивает возможности экспериментов. В современном ИИ-исследовании большая часть прогресса достигается не через умные архитектурные решения, а через масштабирование: большие модели, больше данных, больше вычислительного времени. Российские компании вынуждены искать обходные пути — распределённое обучение, использование менее мощных чипов, оптимизацию архитектур. Эти методы интересны с научной точки зрения, но не закрывают потребность в «сырой» вычислительной мощности.
Проблема вторая: отток кадров.
С 2022 года Россию покинуло значительное число специалистов в области искусственного интеллекта и смежных дисциплин. Точные оценки разнятся, но по оценкам, основанным на данных независимого опроса Russian AI Community (2025 год), доля исследователей и инженеров уровня senior и выше, работающих из-за границы, может достигать 25–30%. Точные цифры остаются предметом споров, но сам масштаб оттока признаётся всеми участниками рынка.
Этот отток имеет двойное последствие. Во-первых, он снижает качество исследовательской базы внутри страны. Меньше опытных исследователей — меньше прорывных статей — меньше престижа — меньше молодых талантов, готовых идти в профессию. Замкнутый круг, который очень трудно разорвать.
Во-вторых — и это менее очевидно — отток создаёт сеть диаспоральных связей. Российские специалисты работают в OpenAI, Google DeepMind, Meta AI, Anthropic. Формально это конкуренты. Но неформальные связи сохраняются: конференции, совместные проекты, публикации. Вопрос в том, работает эта сеть в одностороннем порядке (знания утекают наружу) или когда-нибудь начнёт работать в обе стороны.
Проблема третья: отсутствие экспортного рынка.
Российские модели практически не представлены на глобальном рынке. Это не только вопрос дохода — это вопрос данных. Чем больше пользователей используют модель на разных языках и в разных контекстах, тем быстрее она учится. Российские модели учатся на русскоязычном сегменте интернета, который составляет около 2–3% глобального контента.
Для языковой модели это критическое ограничение. Модель, которая видела только русские тексты, не понимает культурных контекстов других стран. Она не знает, как устроено здравоохранение в Индии, как работают банки в Бразилии, как выглядит бюрократия в Индонезии. А значит, она не может быть полезна в этих странах — и не получает обратной связи, которая сделала бы её лучше.
Проблема четвёртая: зависимость от одной модели доступа.
Единственный способ для российской компании получить доступ к передовым мировым моделям — через посредников, с неофициальных каналов, с риском нарушения санкционного режима. Это создаёт правовую неопределённость, которая сдерживает инвестиции. Ни один международный венчурный фонд не будет вкладывать деньги в компанию, которая использует санкционные технологии. Ни один стратегический инвестор не рискнёт.
Российские компании, работающие с глобальными моделями, находятся в серой зоне. Они не могут ни легализоваться, ни полностью отказаться от доступа к мировым технологиям. Эта неопределённость — налог на каждое решение.
Проблема пятая: технологическая усталость.
Российская ИИ-индустрия работает в режиме постоянного импровизационного преодоления препятствий. Это вырабатывает устойчивость, но истощает ресурсы. Инженеры тратят время не на создание новых алгоритмов, а на то, чтобы заставить работать существующее оборудование. Менеджеры тратят энергию не на стратегическое планирование, а на поиск обходных путей поставок. Исследователи тратят недели не на эксперименты, а на то, чтобы достать нужные чипы у знакомых.
Сравнение с китайской моделью здесь показательно. Китай тоже столкнулся с ограничениями на поставки чипов, но у него есть собственное производство (Huawei, SMIC) и масштаб, позволяющий компенсировать технологическое отставание. У России нет ни того, ни другого. Весь путь приходится проходить на чужом, неоптимальном оборудовании — и это накладывает отпечаток на каждый продукт.
5. Окно возможностей: 2026–2029
Несмотря на все ограничения, российская индустрия искусственного интеллекта находится в уникальной конъюнктурной точке. Аналитики сходятся в том, что период 2026–2027 годов представляет собой «окно возможностей» — ограниченный по времени отрезок, в течение которого текущие преимущества могут быть конвертированы в долгосрочные позиции. После 2029 года конфигурация глобального рынка, по всей вероятности, изменится — и окно захлопнется.
Почему это окно существует?
Потому что глобальный рынок ИИ находится в преддверии структурной перестройки. Текущая модель — доминирование нескольких западных и китайских компаний, контролирующих как инфраструктуру, так и доступ к ней, — сталкивается с нарастающим сопротивлением. Регуляторы в Европе, Индии, странах Юго-Восточной Азии всё громче говорят о необходимости цифрового суверенитета. Компании развивающихся стран начинают осознавать масштаб переплаты за доступ к моделям. Возникает спрос на альтернативу.
Есть и чисто технологическое соображение. Сейчас в разработке ИИ доминирует парадигма «больше = лучше»: большие модели, большие кластеры, большие бюджеты. Но эта парадигма приближается к своим пределам — как экономическим (обучение одной модели высшего уровня стоит уже более 100 миллионов долларов, включая затраты на электроэнергию), так и физическим (дата-центры потребляют столько энергии, что начинают конкурировать с городами). Следующий этап — возможно, переход к более эффективным архитектурам, специализированным моделям, локальным решениям. И в этом переходе у российских компаний, вынужденно освоивших эффективность, есть преимущество.
К 2029 году ожидается так называемая точка бифуркации — момент, когда текущая нестабильная конфигурация рынка должна разрешиться в одну из более устойчивых структур. Либо сохранится олигополия с несколькими центрами силы (США — Китай — потенциально Европа), либо рынок фрагментируется на региональные блоки, каждый со своим стеком технологий, своими моделями и своими стандартами.
Для России второй сценарий предпочтительнее. В фрагментированном мире у российских моделей появляется шанс занять нишу на рынках развивающихся стран — там, где западные модели слишком дороги, а китайские — политически неприемлемы по причинам конкуренции и недоверия.
Но окно захлопнется быстро. Если к концу 2027 года российские компании не смогут предложить конкурентоспособный продукт для внешних рынков, изоляция перестанет быть преимуществом и станет окончательным приговором. Китайские и индийские конкуренты не стоят на месте — они тоже развивают собственные модели, и у них больше ресурсов.
6. Три сценария
На основе текущей динамики можно выделить три сценария развития событий. Автор не берётся предсказывать, какой из них реализуется, но полагает, что каждый заслуживает анализа.
Сценарий А: «Крепостная экономика»
Российский рынок остаётся изолированным. Компании продолжают обслуживать внутренний спрос, развивая модели, которые хорошо справляются с русским языком и локальными задачами, но не конкурентоспособны на глобальном уровне. Доходы от экспорта ИИ-продуктов минимальны, внешние инвестиции отсутствуют.
Этот сценарий обеспечивает стабильность, но консервирует отставание. Через пять-семь лет разрыв с мировыми лидерами станет технологически непреодолимым. Российский ИИ, как советская микроэлектроника в 1980-х, превратится в музейный экспонат — интересный, но безнадёжно устаревший. Внутренний рынок будет обслуживаться, но ни о каком глобальном влиянии речи не пойдёт.
Плюсы: предсказуемость, отсутствие политических рисков, сохранение контроля. Минусы: технологическая стагнация, потеря конкурентоспособности, кадровая деградация.
Вероятность: выше среднего.
Сценарий Б: «Технологический прорыв»
Российским компаниям удаётся найти способ выхода на внешние рынки — через партнёрства с нейтральными странами, через создание дочерних структур в юрисдикциях, не подверженных вторичным санкциям, через развитие открытых моделей с коммерческой поддержкой.
Ключевой фактор успеха — цена. Если российские модели смогут предложить качество, сопоставимое с западными аналогами, при цене в 5–10 раз ниже, — развивающиеся страны станут их естественным рынком. Особенно те, кто не хочет зависеть ни от Вашингтона, ни от Пекина.
Этот сценарий требует нескольких условий: политической воли для создания «экспортного коридора» для ИИ-продуктов, инвестиций в международный маркетинг и продажи, а также технологического рывка, который позволит российским моделям догнать западные хотя бы по ключевым метрикам качества.
В этом сценарии российский ИИ занимает нишу «третьего пути» — не лучший, но достаточно хороший и значительно более дешёвый. Модель для стран, которые не хотят переплачивать США или зависеть от Китая.
Плюсы: экспортный доход, международное влияние, приток данных и талантов. Минусы: высокие политические риски, потребность в масштабных инвестициях, неопределённость санкционных рисков.
Вероятность: средняя (при условии политической воли и успешной технологической политики).
Сценарий В: «Санкционная эрозия»
Санкции постепенно ужесточаются, охватывая новые категории товаров и услуг. Параллельный импорт становится всё сложнее и дороже. Кадровый голод усиливается. Российские компании не успевают к 2027 году — и окно захлопывается.
В этом сценарии изоляция перестаёт быть защитой и становится ловушкой. Рынок постепенно деградирует, уступая конкурентам из Китая, которые предлагают более качественные и дешёвые решения для тех же сегментов. Внутренние пользователи, уставшие от ограничений, начинают массово использовать VPN-доступ к западным моделям — нелегально, но эффективно.
Российские компании оказываются в ситуации, когда они не могут ни конкурировать на внешних рынках, ни удержать внутренний. Кризис начинается с оттока корпоративных клиентов, затем перекидывается на розничных пользователей, и в течение трёх-четырёх лет рынок схлопывается до точки, где ИИ-разработка становится убыточной.
Плюсы: отсутствуют. Минусы: потеря десятилетий инвестиций, технологическая деградация, утрата кадрового потенциала.
Вероятность: средняя (зависит от внешнеполитической динамики).
7. Вывод: что делать развивающимся странам
Российский случай — лаборатория, а не модель. Обстоятельства, в которых оказалась страна, настолько специфичны, что их невозможно воспроизвести намеренно. Но уроки, которые из них следуют, имеют универсальное значение.
Первый урок: владение инфраструктурой — это власть.
Цифровой колониализм возможен ровно в той мере, в какой страны-потребители зависят от чужих вычислительных мощностей. Каждый цент, вложенный в собственные дата-центры и собственные модели, — это не просто инвестиция в технологии, а покупка политической независимости.
Развивающиеся страны, которые продолжат субсидировать американские и китайские корпорации через аренду облачных мощностей, закрепят свою зависимость на десятилетия вперёд. Текущие цены на доступ к ИИ — не рыночные, они отражают монопольное положение поставщиков. Как только появится реальная альтернатива, цены упадут. Но альтернативу нужно создавать — и чем раньше, тем лучше.
Второй урок: стратегия — это выбор между зависимостью и неэффективностью.
Для небольших экономик полная автаркия в сфере ИИ невозможна и бессмысленна. Но и полная зависимость от внешних поставщиков — не единственная альтернатива. Между этими полюсами существует множество промежуточных стратегий.
Локализация критических компонентов: не обязательно строить свой дата-центр с нуля, но можно создать национальное облако на основе открытых технологий. Развитие открытых моделей: не обязательно конкурировать с OpenAI, но можно адаптировать открытые модели под свои языки и задачи — как это делает, например, Индия. Региональные альянсы: страны Юго-Восточной Азии, Латинской Америки и Африки могли бы объединить ресурсы для создания общих вычислительных мощностей.
Третий урок: монополия на интеллект опаснее монополии на нефть.
Нефтяная рента конечна — рано или поздно месторождения истощаются или появляются альтернативные источники энергии. Цифровая рента не имеет такого ограничения: она может расти экспоненциально вместе с ростом вычислительных мощностей.
Страна, попавшая в долгосрочную зависимость от импортного ИИ, столкнётся не только с экономическими, но и с культурными, образовательными и политическими последствиями. Модель, которая формирует ответы на вопросы ваших граждан, пишет тексты ваших студентов и помогает принимать решения вашим чиновникам, — это не просто инструмент. Это институт власти.
Вопрос не в том, можете ли вы позволить себе развивать собственный ИИ. Вопрос в том, можете ли вы позволить себе этого не делать.
Российский случай показывает, что альтернатива существует. Но он же показывает, насколько высока цена её реализации. Для развивающихся стран, которые ещё не сделали выбор, настало время определиться.
Аналитический материал подготовлен на основе данных открытых источников, включая отчёты Яндекса и Сбера за 2024–2026 годы, публикации Центра макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП), материалы Международного валютного фонда и Всемирного банка по цифровой экономике, а также аналитические обзоры Gartner и McKinsey Global Institute.
Автор не выражает политической позиции и не поддерживает и не осуждает санкционную политику каких-либо государств. Материал носит аналитический характер и предназначен для обсуждения экономических последствий технологической изоляции.
Июнь 2026 года.