ИИ-сектор РФ: между государственным контролем и дефицитом мощностей

К концу 2025 года российское правительство перевело развитие генеративного искусственного интеллекта (ИИ) в статус приоритетной государственной задачи. Этот шаг стал прямой реакцией на отставание отечественных разработок (в первую очередь Больших Языковых Моделей, LLM) от мировых лидеров — американских OpenAI, Google и китайских Baidu и Alibaba.

Недавно на конференции AI Journey Президент Владимир Путин объявил о формировании нового централизованного штаба (под совместным руководством Администрации Президента и кабинета министров). Главная цель штаба — устранить межведомственные барьеры, обеспечить единый доступ к ресурсам и ускорить интеграцию ИИ в государственный и корпоративный сектор.

Один из первых шагов централизации — внедрение системы «ИИ-брокеров» (программных интерфейсов), которая должна стать единой точкой входа для госучреждений, желающих использовать отечественные LLM. Предполагается, что это поможет быстро перевести рутинные бюрократические процессы (ответы на запросы, анализ документов) на рельсы ИИ, повышая эффективность и снижая необходимость применять западное проприетарное ПО.

Несмотря на административные усилия, инициатива столкнулась с двойным дефицитом, который создает риски для реализации планов по разработке «суверенного» ИИ уже в 2026 году.

1. Дефицит качественных датасетов (данных)

Главным «топливом» для обучения современных LLM являются массивные, чистые и размеченные наборы данных (датасеты).

• Проблема нехватки русского языка: большая часть мировых датасетов оптимизирована под английский и китайский языки. Качественные, несанкционные и достаточные по объему массивы текстов, кода и документов на русском языке остаются ограниченными.
• «Информационный суверенитет» vs «Закон о данных»: централизация призвана решить эту проблему, обязав госкорпорации и ведомства «раскрыть» свои уникальные данные для обучения национальных моделей. Однако этот процесс сталкивается с жесткими требованиями законодательства о коммерческой и персональной тайне, а также на сопротивление госкорпораций, которые видят в своих данных ключевой конкурентный актив.
• Риск «галлюцинаций»: использование некачественных или недостаточных по объему датасетов для обучения LLM приводит к высокому уровню «галлюцинаций» — то есть к генерации моделью недостоверных, бессмысленных или даже опасных ответов. Для госсектора, где точность и безопасность критичны, этот риск делает LLM пока не полностью пригодными для ряда ключевых задач без дорогостоящей ручной верификации.

2. Вычислительный голод (суперкомпьютеры)

Второй критический фактор — нехватка вычислительных мощностей.

• Санкционный удар: российская программа создания суперкомпьютеров, необходимая для тренировки LLM с миллиардами параметров, серьезно замедлилась из-за западных санкций на поставку высокопроизводительных GPU и микропроцессоров.
• Внутренняя конкуренция: существующие мощности, сконцентрированные в руках нескольких крупных игроков (например, «Сбер», «Яндекс»), являются предметом жесткой внутренней конкуренции. Новый штаб должен по сути вручную перераспределять доступное время суперкомпьютеров, чтобы обеспечить приоритет государственным задачам над коммерческими.
• Цена тренировки: Тренировка одной современной модели уровня GPT-4 требует сотен миллионов долларов и месяцев работы на тысячах GPU. Без гарантированного доступа к импортным чипам, создание национального «чемпиона» в области ИИ становится экономически и технологически трудновыполнимой задачей.

Введение нового централизованного штаба и унификации — это серьезная попытка, решительный шаг по преодолению раздробленности в российской IT-сфере. Однако эксперты предупреждают: административное регулирование и централизация могут создать не прорыв, а «цифровой застой».

Если центральный штаб не сможет в кратчайшие сроки обеспечить доступ к высококачественным данным и гарантировать поставки оборудования, то российские LLM к 2027 году рискуют оказаться в состоянии «вечного отставания». Это приведет к тому, что российские «ИИ-брокеры» будут вынуждены предоставлять госучреждениям модели, которые проигрывают зарубежным аналогам в скорости, точности и безопасности.

Таким образом, главная битва за технологический суверенитет в 2026 году развернется не вокруг самого кода, а вокруг доступа к данным и способности обеспечить «железом» амбициозные государственные планы.