Рецепт отставания российского искусственного интеллекта
В спринтерском режиме
8 июля 2026 года Госдума приняла закон о поддержке ИИ. От внесения до финального голосования — семь дней. Ни публичных слушаний, ни экспертного обсуждения, ни одной поправки по существу.
Глава профильного комитета Сергей Боярский объяснил спешку просто:
Главная цель этого законопроекта — простимулировать внедрение суверенных национальных моделей искусственного интеллекта во все сферы нашей жизни. Мы не можем проиграть гонку с Соединёнными Штатами и Китаем за лидерство в этой области.
Логика документа сводится к тому, чтобы обязать всех — госорганы, школы, больницы, стратегические предприятия — использовать суверенные и национальные модели ИИ.
Почти одновременно с голосованием руководитель облачных сервисов VK Tech Дмитрий Лазаренко публично заявил:
Я не верю, что мы можем с нуля создать всю компонентную базу для искусственного интеллекта. Это настолько ёмкое предприятие, что может занять десятилетия.
Два события, наложенные друг на друга, дают безрадостный диагноз: закон о суверенном ИИ принимается в тот момент, когда физического фундамента для него — собственного «железа» — нет и в обозримой перспективе не будет.
Документ вводит два типа моделей. Суверенные — полностью российская разработка, российские дата-центры, отечественные компоненты. Национальные — допускают иностранные составляющие, но данные хранятся в России. Обе категории получают преференции: доступ к государственным данным, приоритет при госзакупках, налоговые льготы.
В марте 2026-го первая версия законопроекта от Минцифры напугала отрасль: полный запрет на зарубежные данные и технологии, жёсткая сертификация. К июню документ смягчили — убрали запреты, сместили фокус на поддержку больших фундаментальных моделей (LLM и мультимодальные системы). Для справки: большие фундаментальные модели — это нейросети, которые обучают на огромных объёмах текстов, изображений и другого содержимого, чтобы они могли решать множество разных задач без перенастройки. В отличие от узких программ, заточенных под одно действие, такая модель служит общей основой, на которой можно построить и чат-бота, и переводчика, и помощника для врача. Главные условия для их создания — это мощные вычислительные кластеры, большие наборы качественных данных и сильные научные команды. Вот на этих структурах и делают акцент авторы законопроекта. В обновленном и принятом варианте из текста исчезли требования безопасности: аудит рисков, контроль галлюцинаций, оценка предвзятости. Во всем мире именно эти позиции являются ключевыми, иначе ИИ рискует превратиться в бесполезную игрушку.
Фундамент, которого нет
Цифры Ассоциации разработчиков и производителей электроники (АРПЭ) неумолимы. По итогам 2025 года доля российской электронной компонентной базы на внутреннем рынке сократилась с 28% до 26%. Объём рынка ЭКБ обвалился на четверть — до 288 млрд рублей. 43% спроса даёт оборонно-промышленный комплекс. В гражданском секторе российская электроника, по формулировке отраслевого отчёта, «практически не представлена».
Причины падения системны. Ключевое оборудование для производства чипов — литографические машины ASML, установки Applied Materials, системы Lam Research — прекратили поставляться в Россию. Существующие мощности не обновляются и не обслуживаются производителями. Российские фабрики могут лишь поддерживать примитивные по современным меркам техпроцессы.
Современные фундаментальные модели ИИ требуют графических ускорителей типа NVIDIA — кластеров из тысяч микропроцессоров стоимостью в сотни миллионов долларов. Китай, несмотря на санкции, создал собственные аналоги: Huawei Ascend 910B, Biren BR100. Российские «Эльбрус-16С» (16 нм) и «Байкал» для ИИ-нагрузок очень неудобны — это как «Москвич-412» для «Формулы-1». Ко всему прочему, даже эти разработки нет возможности выпускать в России. В лучшем случае — в Китае. Если позволят.
Без собственного «железа» суверенный ИИ — это суверенитет над программным кодом, исполняемым на иностранном кремнии. А это совсем не суверенитет.
При этом нельзя сказать, что в деле программирования у нас всё плохо. Российский рынок ИИ вырос в пять раз за 2025 год — до 58 млрд рублей. Флагманов два: GigaChat от Сбера и YandexGPT от Яндекса. «Полторы штуки», как горько шутят в отрасли. Плюс Kandinsky для генерации изображений, да нишевые разработки крупных отечественных институтов. Все они заточены под наши реалии. Эти нейросети безупречно понимают русский язык (включая сленг, сложную терминологию и контекст), а также идеально подходят для отечественного бизнеса. Они легко интегрируются в российские сервисы, безопасны для работы с конфиденциальными корпоративными данными и отлично справляются с повседневной рутиной — например, с анализом документов или поддержкой клиентов. Но в мире существуют сложные стандартизированные экзамены для ИИ. На них проверяют глубокую логику, знание точных наук, способность писать сложный программный код и решать нестандартные задачи. И здесь передовые модели из США (ChatGPT, Claude) и Китая (DeepSeek) пока оказываются умнее. Это значит, что российские модели находятся примерно на уровне западных нейросетей прошлого или позапрошлого поколения.
Для 90% стандартных рабочих задач внутри России отечественных моделей более чем достаточно. Но если требуется написать сложную программу с нуля, провести глубокое научное исследование или работать с множеством иностранных языков — мировые лидеры пока выдадут более точный и качественный результат. Отставание российских нейросетей от мировых лидеров объясняется четырьмя фундаментальными факторами, в каждом из которых отечественные разработчики сталкиваются с серьезными, но объективными трудностями.
В первую очередь, развитие искусственного интеллекта тормозит нехватка данных для обучения. Нейросети становятся умнее, поглощая огромные массивы текстов из интернета. Англоязычный сегмент Сети колоссален: он содержит глобальную базу знаний, передовые научные статьи, форумы и гигантские библиотеки программного кода. Русскоязычный сегмент несопоставимо меньше, из-за чего нашим моделям банально не хватает объема для тренировки глубокой логики.
Вторая проблема кроется в ограниченном доступе к вычислительным мощностям, или «железу». Чтобы нейросеть смогла переварить терабайты данных, требуются гигантские суперкомпьютеры, состоящие из тысяч специализированных чипов. На рынке таких процессоров существует мировая монополия, а из-за санкционных ограничений прямые поставки самых современных ускорителей в Россию невозможны. Закупка оборудования альтернативными путями обходится дорого, занимает много времени и не всегда позволяет собрать суперкомпьютер нужного масштаба, что неизбежно замедляет процесс обучения.
Третий важный фактор — кадровый голод. Архитектуру искусственного интеллекта создают не машины, а талантливые математики и программисты, которых в мире единицы. Отток от 15 до 30% уникальных специалистов по машинному обучению и работе с данными в период с 2022 по 2025 год стал ощутимым ударом для отрасли. Нагрузка на оставшихся инженеров многократно выросла, а чтобы вырастить новые кадры такого же уровня со студенческой скамьи, требуются годы.
Наконец, существует колоссальная разница в финансировании. На Западе в сферу ИИ вливаются астрономические суммы: только за 2025 год передовые американские стартапы вроде OpenAI и Anthropic легко привлекли от инвесторов десятки миллиардов долларов. В России же инвестиционные возможности скромнее — для сравнения, объем всего отечественного рынка электронных компонентов составляет лишь малую часть от бюджетов западных ИИ-корпораций.
Законов много не бывает
Учитывая эти стартовые условия, тот факт, что отечественные нейросети отстают от лидеров всего на одну-две ступени, а не проигрывают безнадежно, — это показатель невероятного мастерства и смекалки наших инженеров, которые научились выжимать максимум из доступных ресурсов.
Главная ставка закона — обязательное внедрение «своих» моделей во все сферы жизни. Вопрос: можно ли административным ресурсом поднять качество технологического продукта до мирового уровня? Разумеется, нет. Защищённый от конкуренции производитель мотивирован осваивать бюджет, а не становиться лучше. Качество фундаментальной модели определяется научной школой, вычислительными мощностями, объёмом данных и конкурентной средой — ни одно из этих условий не создаётся законодательным актом.
Более того, принудительное внедрение слабых моделей в критически важные сферы — путь к деградации. Если врач будет обязан пользоваться суверенной диагностической системой, ошибающейся на 20% чаще, — это не суверенитет, а снижение качества медицины.
Закон не вводит измеримых стандартов качества для поддерживаемых моделей. Нет требований по минимальной точности на стандартизированных тестах, нет обязательного тестирования моделей ИИ по международным стандартам, нет публичной отчётности. Бюджетные средства могут годами направляться на поддержку систем, эффективность которых никто объективно не проверяет.
Закон игнорирует весь спектр прикладного ИИ за пределами больших языковых моделей. Компьютерное зрение для промышленности, предиктивная аналитика, робототехника, распознавание речи — мимо. А ведь именно эти направления, по данным экспертов, создают до 70% экономического эффекта от внедрения ИИ.
Почему фокус только на фундаментальных моделях? Либо лоббизм крупных игроков (Сбер и Яндекс получают гарантированный рынок и отсечение иностранных конкурентов), либо имиджевая логика: большие языковые модели — это то, что на слуху, в отличие от невидимых, но критически важных систем промышленной автоматизации. Других объяснений особо нет.
И вместо заключения. Россия обладает сильной математической школой, инженерными традициями, талантливыми разработчиками. Этого достаточно, чтобы не выпасть из гонки полностью. Но чтобы участвовать в ней на равных, нужны не спринтерские законы, а марафонские инвестиции — в микроэлектронику и большую науку.
Высокая вероятность подменить технологическое развитие административным ресурсом, рапортовать о суверенитете, сидя на иностранном железе, а в 2030 году обнаружить, что суверенный ИИ прекрасно работает в презентациях, но не на серверах. Потому что серверы эти произвести негде и не на чем.
Информация