Посконный ИИ
В России законодательно закрепляют понятие «национальной модели» искусственного интеллекта. За громким термином стоит не одна нейросеть, а комплекс затрат: от закупки ускорителей и сбора данных до юридической архитектуры прав и ежедневных расходов на обслуживание. Разбираемся, сколько это стоит в международной практике, какие вычислительные мощности для этого нужны и есть ли они у России.
Что такое национальная и суверенная модель
В версии законопроекта «Об искусственном интеллекте», подготовленного правительством, вводятся два ключевых понятия. «Суверенная модель» – система, все стадии разработки, обучения и эксплуатации которой проведены на территории России, силами российских компаний и граждан, исключительно на российских датасетах, без зарубежных компонентов. И «Национальная модель» – более гибкий формат: она может создаваться с использованием иностранных open-source-решений, обучаться на смеси российских и зарубежных данных. Обе категории должны соответствовать требованиям безопасности, проходить сертификацию ФСТЭК и ФСБ, а данные пользователей храниться на территории страны.
Документ также предполагает предустановку программ с доступом к национальным моделям на все смартфоны и планшеты, продаваемые в России, и введение доверенных моделей для работы с критической информационной инфраструктурой.
По данным НИИ глобальной безопасности и АНО «Цифровая экономика», для развёртывания национальной ИИ‑системы на начальном этапе требуется от 500 млн до 5 млрд долларов. Конкретные модели дают более точные ориентиры. Обучение GPT-3 оценивалось примерно в 5 млн долларов, GPT‑4 – свыше 100 млн долларов только на вычисления. Обучение Llama‑2‑70B на кластере из 2048 ускорителей A100 заняло около 23 дней и обошлось примерно в 1, 7 млн долларов арендных вычислительных затрат плюс около 30 млн долларов на закупку оборудования. Китайская DeepSeek V3 официально заявила о расходах в 5, 6 млн долларов, однако эксперты оценивают полные затраты значительно выше.
Для фронтирных моделей мирового класса – GPT-5, Gemini Ultra нового поколения – стоимость одного цикла обучения достигает 500 млн долларов и выше.
Скинемся всем миром
Ключевая ошибка – считать, что затраты ограничиваются одним циклом обучения. Реальная структура расходов национальной модели значительно шире. Нужен кластер из 10 000 – 30 000 современных ускорителей уровня H100 или A100. В условиях санкций закупка обходится в 2–3 раза дороже рыночной цены плюс логистические риски. Кластер на 30 000 GPU потребляет 100–150 МВт энергии – это требует отдельной электростанции или модернизации энергосетей, а также систем жидкостного охлаждения.
Модель не обучается с первого раза. OpenAI, Google и Anthropic тратят сотни миллионов на «черновые» прогоны, эксперименты с архитектурой, очистку данных и тесты безопасности. Прежде чем получить финальную GPT-4, были потрачены миллиарды на GPT-1, 2, 3 и 3.5.
Создание качественного корпуса русского языка, оцифровка архивов, научных баз, законодательства. Разметка с помощью тысяч асессоров-экспертов (лингвистов, юристов, методологов), которые месяцами оценивают и корректируют ответы модели.
Обслуживание запросов миллионов пользователей стоит в разы дороже обучения. Если национальной моделью начнут пользоваться школы, вузы, госуслуги и бизнес, ежемесячные расходы только на электричество и амортизацию серверов составят десятки миллионов долларов.
Российские счёты
У Сбера и «Яндекса» – крупнейших разработчиков ИИ в России – есть серьёзные суперкомпьютерные кластеры. По данным на 2025–2026 годы:
«Яндекс»: суперкомпьютер Chervonenkis – производительность около 21, 5 петафлопс, более 1500 ускорителей NVIDIA A100 80GB. Дополнительно – кластеры «Галушкин» (16 пета- флопс, 1088 A100) и «Ляпунов» (12, 8 петафлопс). Суммарно – около 3000 GPU A100 и более 50 петафлопс совокупной мощности.
Сбер: суперкомпьютер «Кристофари Neo» – производительность 11, 95 петафлопс, более 700 ускорителей NVIDIA A100 80GB. Ранее запущенный «Кристофари» на базе DGX-2 с Tesla V100 давал 6, 7 петафлопс. Суммарно – около 1000 GPU и порядка 20 петафлопс.
Для сравнения: американский суперкомпьютер El Capitan, лидер рейтинга TOP-500, показывает производительность свыше 1700 петафлопс. Разрыв колоссальный.
В совокупности мощности, даже если случится невероятное объединение мощностей Яндекса и Сбера, будет порядка 4000 GPU и 70+ петафлопс — достаточно для обучения и дообучения моделей масштаба 100–500 млрд параметров. Однако для конкуренции с фронтирными системами мирового класса этого не хватит: GPT-4 обучался на кластере из примерно 25 000 ускорителей A100.
Бюджетные слёзки
Россия входит в число стран, способных создавать собственные модели ИИ, но с существенными оговорками. По данным на июнь 2025 года, в рейтинге TOP-500 присутствуют шесть российских суперкомпьютеров с суммарной производительностью 71, 5 тыс. терафлопс. Страна занимает 17-е место по совокупной мощности.
Главное ограничение – санкции на поставку современных GPU (H100, B200, Blackwell). Российские компании вынуждены опираться на ранее закупленное оборудование, параллельный импорт и постепенное развитие отечественных решений.
По оценкам отрасли, на создание с нуля модели уровня зарубежных аналогов уйдут сотни миллиардов рублей, а гарантии сопоставимого качества отсутствуют. Это может привести к удорожанию ИИ для бизнеса, отставанию отечественных компаний и усилению оттока специалистов.
Наиболее реалистичный сценарий – не попытка воспроизвести GPT-5 один в один, а создание специализированной национальной модели с сильной русскоязычной и отраслевой специализацией. Это подразумевает дообучение открытых моделей (Llama, Qwen, Mistral) на качественных российских данных, адаптацию под задачи госуправления, образования, медицины и промышленности.
По официальным данным Минцифры, в 2025 году на федеральный проект «Искусственный интеллект» из бюджета выделено 7, 7 млрд рублей. С 2021 по 2024 год государство вложило 31, 5 млрд рублей. На 2026–2027 годы запланированы расходы в 10, 03 млрд и 8, 75 млрд рублей соответственно. Общие затраты за два года – около 26, 5 млрд рублей (примерно 280–300 млн долларов).
Нацпроект «Экономика данных и цифровая трансформация государства» предусматривает 155, 3 млрд рублей на 2026 год и 507, 9 млрд рублей на три года. Это существенная сумма, но она покрывает весь спектр цифровой трансформации, а не только создание большой модели. Следовательно, ни на что не хватит.
Для сравнения: США инвестировали в национальные ИИ‑системы около 280 млрд долларов, а к 2030 году планируют довести общий объём вложений до 500 млрд долларов. Китайские инвестиции в ИИ в 2025 году достигли 84–98 млрд долларов, из которых 40–50% направлены на инфраструктуру.
Экономика должна быть
Если национальная модель обеспечит реальную экономию на госуслугах, документообороте, поддержке граждан и отраслевых сервисах, она может быть оправдана даже без прямой коммерческой прибыли. По данным профильных ведомств, благодаря интеграции отечественных ИИ-решений компании увеличивают производительность на 15–25%.
В Китае ИИ ежегодно прибавляет к ВВП 0, 2–0, 3%, а к 2030 году этот показатель должен вырасти до 1–2%. В США эффект от развития национальной ИИ‑системы оценивается как автоматизация 20–30% рутинных бизнес-задач и снижение операционных расходов на 15–25%.
Если же проект останется имиджевым, без чётких сценариев массового внедрения, окупаемость окажется слабой, а расходы на обслуживание модели лягут тяжёлым бременем на бюджет.
Создание национальной ИИ-модели в России технически возможно, но требует кооперации ведущих компаний, значительного государственного финансирования и прагматичного выбора технологий. Базовая модель с опорой на open-source и существующую инфраструктуру Сбера и «Яндекса» – сотни миллионов долларов. Полноценная самостоятельная система мирового уровня – миллиарды. Фронтирная модель, конкурирующая с GPT‑5, – десятки миллиардов.
Самый реалистичный путь – не гонка за параметрами, а создание специализированного инструмента с глубокой русскоязычной и отраслевой специализацией, встроенного в госуправление, образование, медицину и промышленность. Цена вопроса – от полумиллиарда долларов до 5 млрд на стартовом этапе, и это только начало. А вот есть ли они в казне – большой вопрос.
