ЗИМОВСКИЙ

Россия может создавать ИИ для внутреннего рынка, но до Grok и Gemini ей далеко: санкции и нехватка GPU* Российский бизнес способен создавать и продавать конкурентоспособные модели генеративного ИИ для внутреннего рынка (GigaChat, YandexGPT, T-Pro и др.), но они значительно уступают мировым лидерам (Grok, Gemini, ChatGPT) по широте возможностей, масштабу и качеству. Ключевые ограничения — аппаратные (санкции на передовые GPU Nvidia) и капитальные (бюджеты на обучение моделей в сотни миллионов долларов против сотен миллиардов у американских гигантов). Прорыв на глобальный уровень в ближайшие годы маловероятен. Почему это важно Материал фиксирует структурные ограничения российской ИИ-индустрии, обусловленные санкциями и изоляцией. Технологический разрыв: российские модели эффективны на русском языке, но отстают в сложных задачах (программирование, рассуждения, мультимодальность). Аппаратная зависимость: доступ к передовым GPU (H100, H200, B200) заблокирован санкциями; серая зона дорога и рискованна. Капитальный разрыв: бюджеты на обучение одной передовой модели ($200–500 млн) и общая капитализация российского ИИ-рынка (~$3,7 млрд) несопоставимы с инвестициями американских лидеров (>$600 млрд в 2026 году). Стратегическая уязвимость: Россия не может участвовать в гонке ИИ на равных, что ограничивает её технологический суверенитет. Цифры Мощности GPU в России: ~7 400 GPU (все типы), из них ~1 800 H100-эквивалентов. Для сравнения: кластеры для GPT-5/Gemini требуют десятки тысяч высокопроизводительных GPU. Флагманская система Sber «Christofari Neo»: 792 A100 (2021–2022), сейчас на 150+ месте в мировых рейтингах. Бюджет на обучение модели уровня GPT-5/Gemini: $200–500 млн (единичный запуск). Общий бюджет российских игроков на закупку ИИ-оборудования: ~$1,5–2,5 млрд. Запрос Sber и Yandex на господдержку (2026–2028): $4,5–5 млрд на дата-центры и GPU. Выручка всего российского ИИ-рынка (2025): ~$3,7 млрд. Капитальные расходы США на ИИ в 2026 году (Microsoft, Amazon, Alphabet, Meta): $600–725 млрд. Что происходит Софт: российские команды инженерно компетентны; GigaChat, YandexGPT и другие работают на рынке, обслуживая десятки тысяч компаний. На русском языке и локальных бизнес-задачах они конкурентоспособны или превосходят западные модели, доступные через VPN. Отставание в общих задачах: по тестам широкого профиля (кодинг, рассуждения, агентные задачи) российские модели значительно уступают (часто на 20+ позиций в рейтингах). Зависимость от китайских моделей: многие российские модели создаются на основе открытых китайских весов (Qwen, DeepSeek), а не полностью самостоятельного пре-тренинга. Аппаратный барьер: доступ к передовым GPU жёстко ограничен. Отечественные полупроводники отстают на поколения и не могут заместить импорт в нужных объёмах. Капитальный барьер: средства на обучение одной модели уровня Grok ($200–500 млн) сопоставимы с годовым бюджетом всей российской ИИ-индустрии на оборудование. Между строк Российские компании успешно монетизируют ИИ на внутреннем рынке, но это «другой продукт и другой рынок» — не глобальный фронт. Китай, несмотря на санкции, имеет более ясный путь к глобальному уровню благодаря большей внутренней экосистеме и иному профилю ограничений. Даже при политической воле и капитале (что маловероятно) аппаратный барьер остаётся почти непреодолимым без прорыва в отечественном производстве чипов. Что дальше Российские компании продолжат развивать модели для внутреннего рынка, укрепляя позиции в русифицированных задачах. Получение передовых GPU останется критической проблемой; серая зона будет дорожать и становиться рискованнее. Без смягчения санкций или технологического прорыва выход на глобальный уровень в ближайшие годы невозможен. Российский рынок ИИ будет расти за счёт внутреннего спроса, но разрыв с мировыми лидерами сохранится или увеличится. _______________ *GPU — это вычислительный чип на видеокарте, созданный для одновременного решения миллионов простых задач. 📝 Суть на пальцах Если обычный процессор (CPU) — это один мудрый профессор, который решает сложные логические задачи строго по очереди, то одна GPU — это тысячи российских школьников, сидящих в огромном зале и одновременно заполняющих шаблонные «портянки» бланков ЕГЭ.