Подгорнов.Экспертиза

Новый цикл: Зачем России ИИ? Государство и крупный бизнес вкладывают в ИИ миллиарды не из любви к новым технологиям, а за конкретный результат. Этот цикл из пяти материалов показывает, что именно можно купить за эти деньги: от политического контроля до роста производительности в экономике. I. ИИ как суверенитет: технологии стали политическим ресурсом Когда в 2024-м крупнейшие западные разработчики LLM закрыли API для российских компаний, выяснилось неприятное: цифровая инфраструктура наполовину арендована. Модели обучались на чужих серверах, данные уходили на чужие облачные системы, а критичные для бизнеса и государства сервисы зависели от решений, принятых где-то в Сан-Франциско. В 2026-м для государства и крупного капитала ИИ - это уже не история про «инновации» или «будущее», это про удержание контрольного пакета над собственной инфраструктурой. Национальная стратегия развития ИИ до 2030 года формулирует задачу открытым текстом: создать полный цикл - от железа до готовых моделей - под российской юрисдикцией. Что за этим стоит конкретно? Государство пытается оформить три вещи. Первое - управление рисками. Когда модель обучена на внешних данных и работает на внешней инфраструктуре, у неё нет «прописки». Никто не гарантирует, что завтра она не откажет или не начнёт выдавать результаты под нужным кому-то углом. Собственные модели, обученные на контролируемых данных - это минимизация внешних рисков. Геополитических рисков. Второе - информационная безопасность. Государственные структуры, оборонка, критичная инфраструктура не могут передавать данные на чужие сервера. База. GigaChat должен работать в закрытом контуре, «обесточенные» локальные LLM для силовых ведомств, изолированные вычислительные мощности для госсектора — суверенитет в этом вопросе не метафора или лозунг, а обязательное соблюдение законов и национальной стратегии. Третье — контроль над принятием решений. Алгоритмы, которые формируют рекомендации для чиновников, должны быть прозрачны и подконтрольны. Иначе госаппарат рискует оказаться в роли оператора, который нажимает кнопки на устройстве, логику которого определяют другие. Порой не самые дружественные. Крупный бизнес покупает несколько другое, но из той же логики. «Суверенный ИИ» для корпораций - это не про патриотизм, а про снижение юридических и операционных рисков. Сбер, Яндекс, VK/Ростелеком строят собственные модели не потому, что не доверяют OpenAI технологически, а потому что не могут позволить себе зависеть от решений, которые принимаются вне их контроля. Плюс - возможность обучать модели на собственных данных без риска утечки: клиентские базы, внутренние процессы, коммерческие секреты. Но у этого «контура суверенности» есть цена. Закрытость снижает скорость развития. Когда модели учатся в изоляции, без доступа к глобальным датасетам и кооперациям, они проигрывают в качестве. Локальные «российские» LLM пока уступают GPT и Claude. И разрыв в вычислительных мощностях между российскими и мировыми дата-центрами не сокращается. Правда, у изоляции есть побочный эффект, который может сработать. Когда глобальные игроки гонятся за универсальностью - моделями, которые умеют всё понемногу - локальные команды вынуждены искать узкие ниши и нестандартные архитектуры. Yandex Research публикует работы по сверхэффективным моделям, которые дают приемлемое качество на скромном железе. Sber экспериментирует с "рассуждающими" версиями GigaChat, заточенными под специфику российского корпоративного документооборота. Это не обязательно выстрелит, но давление ограничений иногда рождает решения, которые в комфортных условиях никто бы не искал. Вопрос - успеют ли эти эксперименты созреть до того, как отставание станет необратимым. Суверенитет в ИИ - это покупка страховки от внешних рисков за счёт отставания в эффективности. Вопрос не в том, нужен ли контроль. Вопрос - сколько процентов производительности государство и бизнес готовы отдать за право этим контролем владеть, и какой процент из этих потерь можно компенсировать собственной изобретательностью. Telegram Подгорнов в MAX Блог WI