ИИ: гонка за лидерством

Недавнее исследование Microsoft Global AI Adoption in 2025 – A Widening Digital Divide в российском AI-сообществе не критиковал только ленивый. Основные (и справедливые) претензии предъявляются к используемой методике, согласно которой данные о распространении (diffusion) искусственного интеллекта по странам мира получены на основании специальных шпионских диагностических инструментов Microsoft, работающих на десктоп-версиях ОС Windows, пользователи которых должны были дать согласие на отправку таких данных. Не исключено, что для корректной работы этой методики пользователям необходимо было использовать браузер Edge под своей учётной записью Microsoft.

Представили себе процент таких «респондентов» в России, Китае, Индии или большинстве стран, которые ещё сравнительно недавно было принято относить к «развивающимся»? Думаю, нет нужды говорить о том, что подавляющее большинство корпоративных пользователей в России данным исследованием точно не охватывается (информационная безопасность, Linux, сторонние браузеры, а то и просто отсутствие доступа в глобальные сети). Ну а частные пользователи в нашей стране, например, часто вообще отключают сбор и передачу любых данных в Microsoft, благо, это несложно и доступно даже не слишком продвинутым.

Далее с помощью не до конца понятной экстраполяции учитываются владельцы мобильных устройств. Список сайтов, обращение к которым идёт в зачёт, приведён в приложении к методике и ограничен всего 19 позициями, что тоже вызывает удивление.

В общем, с таким подходом получить релевантную картину было крайне затруднительно, о чём свидетельствуют и опубликованные результаты, вызвавшие закономерные вопросы.

Рисунок 1. Распространение AI в экономике по странам мира. © Microsoft

Что именно хотели показать этим исследованием его авторы? Зачем пятеро уважаемых (и, наверняка, высокооплачиваемых) специалистов перелопатили два десятка источников и вагон непонятно как полученных цифр? Нет ответа.

Я уже не говорю о том, что сейчас практически все поисковые сервисы сначала предлагают результаты обработки поискового запроса какой-либо LLM, а только потом – привычные ссылки, чем сильно огорчают как традиционных рекламодателей, так и тех, кто привык на такой рекламе зарабатывать. Да и многие пользователи тоже от этого явно не в восторге.

Таким образом, авторы упомянутой научной работы могли бы сэкономить время и деньги заказчиков, просто заявив, что на сегодняшний день регулярно используют искусственный интеллект примерно 100% пользователей, и от страны их пребывания эта цифра практически никак не зависит. Разумеется, за исключением всем известных стран, перечислить которые хватит пальцев одной руки.

И дело не только и не столько в методике исследования – вызывает удивление сама постановка вопроса. О чём говорили бы итоговые цифры, даже если бы методика была корректной? О том, что пользователи заходят на определённые сайты и что-то пишут в запросах? А что именно, как часто, и, главное, в каких целях используются ответы? Ведь ни для кого не секрет, что современные люди, особенно молодые, часто «беседуют» с чат-ботами, потому что не могут или не хотят общаться с живыми людьми. И такие «диалоги», например, я бы не стал приравнивать к осмысленному использованию AI в работе.

Тем не менее, тема лидерства в области AI интересна, поэтому имеет смысл обратиться к более релевантным оценкам с понятными и объективными критериями, такими как, например, вычислительные мощности, используемые AI-индустрией.

Посмотрим на недавно опубликованный компанией TRG Datacenters отчёт The World’s Top AI Superpowers in 2025, в котором приводится вычислительная мощность AI-кластеров, выраженная в эквивалентах топовой NVIDIA H100 GPU. Сразу оговорюсь, что в основе отчёта лежат данные о мощностях из публичного Epoch AI Supercomputers dataset, то есть открыто заявленных в качестве используемых для AI, но, во-первых, неучтённые ресурсы вряд ли радикально повлияют на итоговую картину, а, во-вторых, нам же интересны относительные цифры. Данные доступны по ссылке и упорядочены по параметру Total AI compute power, то есть уже упомянутому эквиваленту NVIDIA H100 GPU, там же описана и методология.

Рисунок 2. Распределение AI-мощностей по странам мира. © TRG Datacenters

Лидируют в гонке мощностей, разумеется, США, а вот Китай внезапно (на самом деле нет, но об этом позже) оказался на седьмой строчке, правда, превосходя всех остальных по количеству кластеров и уступая по количеству AI-чипов только США и Южной Корее.

Второе место ОАЭ тоже может показаться несколько неожиданным, но там ещё с 2017 года открыты и успешно развиваются несколько государственных программ по развитию передовых технологий, а в области искусственного интеллекта принята национальная стратегия, охватывающая девять приоритетных секторов, включая государственное управление. В стране создан специальный правовой режим – так называемые «регуляторные песочницы» для проведения контролируемых экспериментов, действует стимулирующее перспективные инвестиции налогообложение, введена благоприятная визовая политика и прочие меры поддержки. Развивается и собственная LLM Jais, которая позиционируется как ключевой шаг в развитии генеративного AI для арабского языка. Открытый доступ к модели – дальновидный шаг, призванный стимулировать внедрение технологий обработки основного языка в регионах Ближнего Востока и Северной Африки.

У Саудовской Аравии (третье место) ситуация другая, там развитие AI в рамках программы Saudi Vision 2030 целиком и полностью осуществляется государством, которое строит гигантскую инфраструктуру «с нуля». Однако работает такая схема существенно медленнее, чем в Эмиратах, поэтому и результаты пока скромные, несмотря на практически неограниченные финансовые ресурсы и доступ к самым передовым технологиям. Тем не менее в августе 2025 года связанная с наследным принцем королевства компания Humain представила Humain Chat на специальной модели, обученной исключительно на арабских данных (запросы можно писать на арабском и английском языках). Надо сказать, что популярные западные модели, такие как ChatGPT и Claude, в Саудовской Аравии до сих пор официально недоступны по причине рисков распространения контента, несовместимого с исламскими нормами и традициями.

Обращает на себя внимание и сотрудничество саудитов с китайской компанией Huawei в сфере облачных вычислений и искусственного интеллекта, на которое сквозь пальцы смотрят американцы, во всяком случае, пока.

В Южной Корее (четвёртая позиция) развитие искусственного интеллекта также активно стимулируется государством, действует Национальный Комитет по AI (National Artificial Intelligence Committee), поддержку получают 5 ведущих консорциумов: Naver Cloud, SK Telecom, Upstage, LG AI Research и NC AI, разрабатывающих весьма продвинутые модели. Основные требования к ним – максимальная поддержка корейского языка (а с этим у многих популярных LLM имеются проблемы) и использование локальной инфраструктуры для обеспечения безопасности данных. Корейские LLM: AX (SK Telecom) и HyperClova X (Naver) не находятся в топах глобальных рейтингов, но достаточно эффективны для локального применения и активно развиваются. Известны также медицинская LLM больницы Сеульского университета, обученная на 38 млн. историй болезни, и MATH GPT уровня GPT-4 (по тестам).

Далее в списке – Франция и Индия. С Францией всё более-менее понятно, при впечатляющих мощностях (их там в 6 раз больше, чем в Китае) и гигантском количестве чипов на выходе имеется широко известный стартап Mistral AI (едва ли не самый дорогой стартап в мире, по оценке 2025 года стоил 5,2 млрд. долл.) с довольно скромными (для таких-то затрат) позициями в мировых рейтингах. Индия же, несмотря на мощные вычислительные ресурсы и, наверное, самое большое количество программистов в мире, пока не участвует в гонке LLM. Большинство местных ИТ-специалистов работают в R&D-центрах Google, Microsoft и некоторых других гигантов индустрии (эти же центры, видимо, и используют большинство заявленных AI-мощностей). Тем не менее в стране много стартапов, разрабатывающих прикладные AI-модели для сельского хозяйства, медицины, финансов и сферы услуг. Есть государственная программа поддержки искусственного интеллекта и создания суперкомпьютера для тренировки моделей, но её объём сравнительно невелик (около 1 млрд. долл.).

Вот мы и добрались до самой интересной (седьмой) строчки – до Китая – и ничего неожиданного в таком результате нет. Во многом он объясняется беспрецедентными ограничительными мерами, которые были введены США против своего главного глобального конкурента. Идея очень проста: для гонки LLM нужны вычислительные мощности, а если затруднить их наращивание, то конкурент неизбежно начнёт отставать, а потом и проиграет качественно. Окончательно и бесповоротно. Поэтому, повторюсь, ограничения на поставку самых современных GPU, чипов памяти и всего, что может быть использовано для построения AI-инфраструктуры, в отношении китайских компаний действуют жесточайшие, включая вторичные санкции против третьих лиц.

Однако настало время взглянуть не только на задействованные мощности, но и на достигнутые результаты, в особенности – на экономическую эффективность выбранных (в том числе и вынужденно) стратегий, померить, так сказать, КПД.

Стратегия американцев, как уже сказано выше, очень проста и на данном этапе эффективна: владение ключевыми технологиями и патентами, разгон хайпа, привлечение капитала в невиданных ранее масштабах и максимальное сдерживание конкурентов любыми доступными средствами. Безудержный рост капитализации лидеров отрасли постоянно втягивает новые средства инвесторов, непрерывное строительство ЦОДов уже привело к кратному росту цен на основные комплектующие: GPU, оперативную память, твердотельные накопители и т. п. Более того, дальнейший рост начинает упираться в нехватку электроэнергии и данных для обучения моделей. Так, запущенный в эксплуатацию в январе 2026 года суперкомпьютер Colossus 2, использующийся для обучения и совершенствования LLM Grok, потребляет энергии больше, чем Сан-Франциско (около 900 тыс. человек) в периоды пиковой нагрузки. А к перспективным AI-кластерам, наверное, нужно будет сразу пристраивать АЭС, тем более регуляторные меры в этом направлении уже принимаются.

Рисунок 3. Учебный AI-кластер Colossus 2 мощностью 1000 Мегаватт. © xAI

При этом порученную ему задачу написания альтернативы Википедии Grok, судя по отзывам пользователей, выполняет спустя рукава, то есть практически как человек. AI вместо критического анализа и глубокой переработки просто копипастит статьи из постоянно критикуемого владельцем источника. Ну и правильно, кто там будет проверять все 15 миллионов статей? Но гораздо хуже другое – модели начали ссылаться друг на друга, и, по информации The Guardian, ChatGPT уже вовсю цитирует статьи, которые Grok копипастит из Википедии. Круг, кажется, замкнулся.

Но вернёмся к КПД – как же обстоят дела с прибылью? Такой вопрос неизбежно возникает как у потенциальных, так и уже состоявшихся инвесторов, и внятного ответа на него пока нет. Один из лидеров индустрии – компания OpenAI, несмотря на гигантский объём привлечённых средств и впечатляющий рост капитализации, в течение 5 лет так и не смогла показать положительный финансовый результат (см. таблицу ниже).

Финансовые показатели OpenAI (млрд. $)

Более чем уверен, что AI-подразделения, принадлежащие крупным американским технологическим компаниям, которые по понятным причинам подобной финансовой информацией делиться не спешат, находятся в аналогичном положении и поддерживаются за счёт основного бизнеса и роста капитализации. Все усилия брошены на достижение гигантского качественного скачка, который энтузиасты называют сингулярностью. Народившийся в результате AGI (Artificial general intelligence), «настоящий» искусственный разум, якобы решит все проблемы, неузнаваемо изменит мир, а его владельцы будут получать баснословные доходы. По крайней мере, такие идеи активно продвигаются в массы фронтменами AI-индустрии от Альтмана до Маска.

Очевидно, в сложившихся условиях повторять такую стратегию, не имея сопоставимых ресурсов, – значит заведомо проиграть. Подобным путём пошло в 80-е годы прошлого века руководство СССР, отказавшись от оригинальных разработок и сведя развитие информационных технологий к копированию продукции компании IBM, но с большим опозданием. Результат всем известен, в том числе и китайцам, поэтому они попытались повысить эффективность алгоритмов обучения LLM, на которое и требуется львиная доля имеющихся мощностей. И попытка была более чем успешной – выход в начале 2025 года модели DeepSeek R1, не уступающей, а по ряду параметров даже превосходящей GPT-o1 от OpenAI, произвёл на рынке эффект разорвавшейся бомбы и привёл к обвальному (в моменте) падению котировок акций американских конкурентов.

Особенно впечатлило потенциальных инвесторов то обстоятельство, что обучение модели (если верить разработчикам) заняло у них всего два месяца и стоило всего около 5,5 млн. долл. против потраченных OpenAI трёх лет и 100 млн. долл. Как бы в насмешку над американскими ограничительными мерами, китайцы при этом ещё и использовали менее производительные GPU H800 (в количестве 2000 против 16000 более быстрых H100 для GPT-o1), специально предназначенные для Китая и адаптированные под экспортные ограничения, введённые в 2022 году. Да, как вы уже, наверное, догадались, на экспорт H800 впоследствии также был введён запрет. Прошло всего несколько месяцев, и в мае 2025 года модель Qwen3 от компании Alibaba по некоторым бенчмаркам начала обходить уже набравшую популярность по всему миру DeepSeek R1.

Более того, отставая на два порядка по вычислительным мощностям, китайские компании почти безоговорочно лидируют в области открытых (open-weight) моделей, среди которых, кроме DeepSeek и Qwen, нельзя не упомянуть Kimi и GLM. Не имея (пока) доступа к самым передовым технологиям, они создают свои интересные решения, которые выполняют те же задачи в 5 раз медленнее топовых GPU от Nvidia, зато стоят в 6 раз дешевле. При сопоставимом энергопотреблении, разумеется.

Рисунок 4. AI-ускоритель Huawei Atlas 300i Duo 96G. © ServerFlow

Кроме того, при платной подписке токены для китайских моделей стоят ощутимо дешевле, чем для топовых американских.

Рисунок 5. Стоимость токенов для использования LLM. © Artificial Analysis

Ну и, наконец, посмотрим, а что же у нас. По «железу» отставание от лидеров драматическое: российские AI-мощности уступают Германии почти в 30 раз, Китаю – более чем в 220, Франции – в 1400, а США – в 22000. Напомню, что ограничительные меры в отношении экспорта технологий и оборудования, применяемые к РФ, значительно превосходят те, что действуют в отношении Китая, и в ближайшем будущем изменений в лучшую сторону не предвидится.

Тем не менее, в таких непростых условиях российские разработчики, подобно китайским, показывают неожиданную эффективность. Ключевые отечественные игроки (Сбер и Яндекс) развивают собственные экосистемы, основанные соответственно на GigaChat (открытая) и YandexGPT (закрытая, проприетарная), которые нельзя отнести к передовым (фронтирным), однако в некоторых задачах, связанных с русским языком, они демонстрируют достаточно высокий уровень. Например, по данным бенчмарка для современных текстовых русскоязычных моделей MERA, GigaChat3-Ultra уступает только топовым американским LLM (Claude Opus 4.5 и GPT-5.2).

Может показаться удивительным, но именно эти две ведущие российские модели входят в список из 19 AI-сайтов, обращения к которым и стали предметом исследования Microsoft, вызвавшего столь неоднозначную реакцию в отечественном профессиональном сообществе. Также нельзя не отметить, что российские модели успешно конкурируют с немецкими и французскими, на порядки уступая по части задействованных AI-мощностей, чем наглядно демонстрируют превосходство используемых алгоритмов обучения.

К уникальным преимуществам российских LLM можно отнести следующие:

• глубокое понимание русского языка и культурного контекста;
• возможность развёртывания в закрытых контурах конкретных заказчиков;
• соответствие национальному законодательству о защите данных;
• закрытие практически всех существующих потребностей от текста до видео и речи.

Да, это имеет соответствующую цену, и токены на российские модели стоят намного дороже, чем на тот же DeepSeek, но за всё в этой жизни рано или поздно приходится платить. Дороговизне этой есть объяснение – развитие отечественной AI-индустрии финансируется исключительно за счёт основного (и очень прибыльного) бизнеса материнских компаний. Кроме того, в условиях действующих санкций российские компании вынуждены закупать оборудование через посредников, значительно переплачивая. Так что для выхода хотя бы на самоокупаемость нужны деньги, а взять их можно только у потребителей, благо нормы 152-ФЗ не позволяют хранить персональные данные россиян непонятно где, а штрафы за нарушения с недавнего времени стало достаточно сложно не брать в расчёт.

Также нельзя не упомянуть, что, по данным последнего отчёта венчурного фонда Andreessen Horowitz (a16z), мобильные приложения Яндекса с Алисой AI вошли в топ-10 сервисов на базе ИИ по ежемесячной аудитории (это к вопросу о КПД), а GigaChat от Сбера – в топ-50 веб-сайтов с AI-чатами по числу уникальных пользователей. 

Рисунок 6. Топ-50 мобильных AI-приложений 2026

Так что, конечно же, размер AI-мощностей имеет значение, и пресловутый прорыв в AI-сингулярность, если таковой вообще возможен, скорее всего, состоится там, где этих мощностей в разы больше, чем у всех остальных вместе взятых. Однако максимально эффективное использование имеющихся ресурсов и государственные программы поддержки с чётко обозначенными целями, приоритетами и обязательным контролем использования средств помогают хотя бы не слишком сильно отставать от лидеров. И не зависеть от ситуаций, когда по чьему-то капризу привычные, казалось бы, сервисы внезапно становятся недоступными.

В заключение вновь предоставим слово авторам уже упомянутого исследования Andreessen Horowitz: «Ни один из них [западных AI-инструментов] не имеет значимого использования в Китае или России. Это связано с политикой – западные технологические санкции ограничили доступ к американским AI-инструментам в России с 2022 года, а Китай требует от поставщиков искусственного интеллекта регистрироваться, хранить данные на территории страны и соблюдать правила цензуры… DeepSeek – единственный продукт, который преодолевает этот разрыв. Его трафик распределяется между Китаем (33,5 %), Россией (7,1 %) и США (6,6 %) в Интернете, с аналогичной картиной на мобильных устройствах… Россия, которая в наших предыдущих изданиях едва регистрировалась как отдельный рынок, стала третьим по величине рынком со вторым по величине показателем насыщенности Deepseek. Браузер Yandex, в который интегрирован ИИ-помощник Alice, достиг 71 миллиона уникальных пользователей в месяц, что делает его одним из десяти лучших мобильных ИИ-продуктов в мире. GigaChat от Sber дебютировал в нашем веб-списке. Эта картина отражает то, что произошло в Китае, но в более сжатом виде: санкции создали разрыв, и локальные продукты заполнили его в течение двух лет».

И с этим трудно не согласиться – дорогу осилит идущий.

Игорь Соглаев,
Зам. директора департамента ИТ-услуг