MWC 2018
2018
Computex
IFA 2018
У российской отрасли искусственного интеллекта вырастут затраты и замедлятся темпы развития, если китайские разработчики закроют собственные модели искусственного интеллекта, пишет Forbes со ссылкой на исследование аналитиков «Совкомбанка». Чтобы с нуля разработать суверенный ИИ мирового класса, российским компаниям потребуется непростой и недешёвый «стратегический разворот».
Источник изображений: Igor Omilaev / unsplash.com
Не исключено, что с ростом популярности своих ИИ-моделей китайские разработчики перестанут их публиковать как бесплатное ПО с открытым исходным кодом. Сейчас такие компании как DeepSeek и Alibaba это ещё практикуют, чтобы конкурировать с передовыми американскими лабораториями. Но это ограничивает механизмы монетизации для китайских разработчиков, и когда их модели завоюют достаточную аудиторию, они могут радикально сменить стратегию. Это окажет резко отрицательное влияние на российских разработчиков, которые используют китайские модели в качестве отправной точки, дообучая их и адаптируя под собственные задачи.
Разработка больших языковых моделей не приносит положительного денежного потока пока ни одной компании в мире, при этом «Яндекс» по итогам 2026 года потратит на ИИ от 150 млрд до 200 млрд руб., «Сбер» — от 300 млрд до 400 млрд руб. Если китайские модели станут закрытыми, для российских разработчиков возможны три варианта: рост расходов из-за необходимости покупать доступ к закрытым; отток пользователей от российских компаний к зарубежным; появление долгосрочной программы по строительству центров обработки данных для ИИ — наиболее затратный вариант.
В России не исключается и создание суверенного ИИ, но на него потребуются время и деньги, поэтому отечественные разработчики в среднесрочной перспективе и дальше будут ограничиваться доработкой бесплатных зарубежных систем. Собственный ИИ предполагает кратный рост вложений в вычислительную инфраструктуру — пока же общая мощность имеющихся в стране ЦОД «вероятно, недостаточна для полного цикла обучения больших языковых моделей „с нуля“ в масштабах, сопоставимых с мировыми лидерами». К 2030 году расходы на серверы для ЦОД, по оценке экспертов, составят 7,8 трлн руб., из которых 3,4 трлн пойдут на серверы для ИИ.
Для сравнения, полный цикл обучения модели класса DeepSeek V4 с последующим стабильным инференсом требует ЦОД мощностью 300 МВт — обойдётся такой в 1,2 трлн руб. Учитывая, что «Яндекс» и «Сбер» совокупно тратят 500 млрд руб. в год на нужды ИИ, их мощности ориентированы в первую очередь на инференс, а не обучение. С «Сбере», однако, такую пессимистическую картину отвергли. «„ГигаЧат“ — полностью собственная разработка «Сбера», обученная на качественных русскоязычных данных с учётом культурного контекста, которая по многим качественным и функциональным показателям находится в паритете или даже превосходит зарубежные модели», — заверили там.
«„Яндекс“ годами разрабатывает генеративные модели — от собственных фундаментальных до гибридных, объединяющих наши решения с открытыми технологиями. Мы сохраняем полный цикл разработки и не зависим от внешних решений», — добавили в российском интернет-гиганте. При этом ранее в «Яндексе» признали, что при обучении модели «Алиса AI» использовали открытую модель Alibaba Qwen. «Полный цикл обучения нашей модели Alice AI LLM, инициализированной весами Qwen3-235B, занимает на порядок меньше времени, чем если бы мы инициализировали её случайными весами. Это позволяет нам провести в разы больше экспериментов», — процитировал компанию Forbes.
Сейчас у «Сбера» больше вычислительных мощностей, чем у «Яндекса», и если возникнут сложности с китайскими моделями, у «Сбера» будет преимущество, говорят эксперты. Если будет поставлена цель создавать суверенные ИИ-модели с нуля, разработчики могут объединить имеющиеся у них ресурсы, но это будет сопряжено с «серьёзными организационными и политическими сложностями»; малореалистичным представляется и запуск госпрограммы с финансированием, превосходящим бюджеты частных компаний. Для развития отечественной отрасли ИИ потребуется наладить механизмы сбора прикладных обучающих данных в различных областях.
Но на деле пока в России наблюдается нехватка ЦОД, и в планах строительства подходящие для обучения ИИ предприятия отсутствуют. Модель мирового уровня Россия пока выпустить не может, указывают эксперты, но она может разрабатывать локальные специализированные решения. И в долгосрочной перспективе следует взять курс на появление собственных моделей.
Источник:
