В России законодательно закрепляют понятие «национальной модели» ИИ. За термином — комплекс затрат от закупки ускорителей до ежедневного обслуживания. Разбираемся, сколько это стоит и хватит ли денег.
Цена вопроса
По данным НИИ глобальной безопасности и АНО «Цифровая экономика», для развёртывания национальной ИИ-системы требуется от $500 млн до $5 млрд на начальном этапе. Основные статьи расходов: инфраструктура (дата-центры, суперкомпьютеры) — от $200 млн до $2 млрд за пять лет, исследования и данные для обучения — от $100 млн до $1 млрд, подготовка кадров — от $50 млн до $500 млн, регуляторика — от $50 млн до $300 млн. При этом не менее половины затрат берёт на себя государственный бюджет.
Конкретные модели дают точные ориентиры. Обучение GPT-3 оценивалось в $5 млн, GPT-4 — свыше $100 млн только на вычисления. Обучение Llama-2-70B на кластере из 2048 ускорителей A100 заняло 23 дня и обошлось в $1,7 млн арендных затрат плюс $30 млн на оборудование. Для фронтирных моделей уровня GPT-5 стоимость одного цикла обучения достигает $500 млн и выше.
Платить всегда, платить за всё!
Ключевая ошибка — считать, что затраты ограничиваются одним циклом обучения. Реальная структура шире. Инфраструктура и «санкционная премия»: кластер из 10 000–30 000 ускорителей в условиях санкций обходится в 2–3 раза дороже, кластер на 30 000 GPU потребляет 100–150 МВт — это требует отдельной электростанции и систем жидкостного охлаждения. Итеративность R&D: модель не обучается с первого раза, OpenAI, Google и Anthropic тратят сотни миллионов на «черновые» прогоны, прежде чем получить финальную версию. Данные и разметка: создание качественного корпуса русского языка, оцифровка архивов, работа тысяч асессоров-экспертов. Инференс: обслуживание запросов миллионов пользователей стоит в разы дороже обучения, ежемесячные расходы только на электричество и амортизацию составят десятки миллионов долларов.
Бюджетные капли
По данным Минцифры, в 2025 году на федеральный проект «Искусственный интеллект» выделено 7,7 млрд рублей. С 2021 по 2024 год государство вложило 31,5 млрд рублей. На 2026–2027 годы запланированы расходы в 10,03 млрд и 8,75 млрд рублей, общие затраты за два года — около 26,5 млрд рублей (примерно $280–300 млн). Нацпроект «Экономика данных и цифровая трансформация» предусматривает 155,3 млрд рублей на 2026 год и 507,9 млрд рублей на три года. Это существенная сумма, но она покрывает весь спектр цифровой трансформации, а не только создание большой модели. Для сравнения: США инвестировали в национальные ИИ-системы около $280 млрд, а к 2030 году планируют довести вложения до $500 млрд. Китайские инвестиции в ИИ в 2025 году достигли $84–98 млрд, из которых 40–50% направлены на инфраструктуру.
Экономика должна быть
Если национальная модель обеспечит экономию на госуслугах, документообороте и отраслевых сервисах, она может быть оправдана даже без прямой коммерческой прибыли. По данным профильных ведомств, благодаря интеграции отечественных ИИ-решений компании увеличивают производительность на 15–25%. В Китае ИИ ежегодно прибавляет к ВВП 0,2–0,3%, а к 2030 году показатель должен вырасти до 1–2%. В США эффект оценивается как автоматизация 20–30% рутинных задач и снижение операционных расходов на 15–25%. Если же проект останется имиджевым, без чётких сценариев массового внедрения, окупаемость окажется слабой.
Итак, что мы имеем в сухом остатке? Создание национальной ИИ-модели в России технически возможно, но требует кооперации ведущих компаний и значительного госфинансирования. Базовая модель с опорой на open-source и существующую инфраструктуру — сотни миллионов долларов. Полноценная самостоятельная система — миллиарды. Фронтирная модель, конкурирующая с GPT-5, — десятки миллиардов. Самый реалистичный путь — не гонка за параметрами, а создание специализированного инструмента с глубокой русскоязычной и отраслевой специализацией. Цена вопроса — от $0,5 до $5 млрд на стартовом этапе, и это только начало.
Александр Чуйков
Подпишитесь на МАКС: больше эксклюзивов и оперативной информации!