Вечный двигатель: стало известно, почему ИИ-проект не имеет фиксированной сметы

Вопрос о создании в России так называемой «национальной модели» искусственного интеллекта уже перешел из плоскости научной фантастики в разряд конкретных государственных задач, закрепленных даже на законодательном уровне. Однако за этим красивым и емким термином скрывается не просто алгоритм или программный код, а колоссальный инженерный и финансовый организм, простирающийся от закупки тысяч дорогостоящих ускорителей до ежедневных счетов за электричество и систему охлаждения. По сути, это строительство собственной цифровой индустрии с нуля в условиях жесткой технологической блокады, и здесь встает главный вопрос: потянет ли российский бюджет такую ношу и каков реальный ценник этого амбициозного предприятия? Об этом сообщают Argumenti.ru.

Если взглянуть на прайс-лист первоначальных вложений, то диапазон впечатляет — от полумиллиарда до пяти миллиардов долларов только на старте, согласно оценкам профильных институтов. Из этой суммы больше половины уйдет на создание физической инфраструктуры: дата-центры, суперкомпьютерные кластеры и системы жидкостного охлаждения, способные рассеивать мегаватты тепла. Еще сотни миллионов потребуются на сбор и разметку уникальных массивов русскоязычных данных, на обучение и привлечение тысяч высококлассных специалистов и на разработку нормативной базы. При этом государство готово взять на себя львиную долю этих затрат — не менее половины, что автоматически превращает проект в одну из самых дорогих инициатив последних лет. Для сравнения: обучение модели уровня GPT-3 обошлось в пять миллионов долларов, а прорывной GPT-4 — уже больше ста миллионов только на вычислительные операции, тогда как фронтирные разработки вроде GPT-5 могут перешагнуть отметку в полмиллиарда за один цикл. И это лишь верхушка айсберга, ведь «обучение» — это далеко не разовая акция, а бесконечный процесс итераций, где на каждую успешную версию приходится десяток «черновых» прогонов, съедающих миллионы без гарантии результата.

Однако самая коварная ошибка, которую совершают обыватели и даже некоторые чиновники, — это восприятие ИИ как проекта с фиксированной сметой. Реальность такова, что платить придется всегда и за все, и здесь включается эффект «санкционной премии»: кластер из 10–30 тыс. ускорителей, жизненно необходимый для обучения крупных моделей, обходится в два-три раза дороже мирового рынка из-за логистических барьеров и параллельного импорта. Кроме того, такое количество железа потребляет 100–150 МВт энергии — это как небольшой город, требующий отдельной подстанции или даже электростанции. Добавьте к этому постоянные расходы на инференс — обслуживание миллионов ежедневных запросов, которое в итоге оказывается значительно дороже самого обучения, с ежемесячными счетами за амортизацию и электричество, уходящими в десятки миллионов долларов. Получается, что создание модели — это не стройка с финальной точкой, а вечный двигатель, который нужно кормить деньгами постоянно.

Теперь посмотрим, что есть в российской казне на эти цели. Цифры Минцифры выглядят скромно: на 2025 год выделено всего 7,7 млрд рублей, а за предыдущие четыре года в проект «Искусственный интеллект» было вложено около 31,5 млрд. На 2026–2027 годы запланированы суммы в 10 и 8,75 млрд соответственно, что в сумме дает примерно 26,5 млрд рублей или около 280–300 млн долларов по текущему курсу. Да, есть еще масштабный нацпроект «Экономика данных» с бюджетом более 500 млрд рублей на три года, но он покрывает весь спектр цифровизации, а не только большую языковую модель. На этом фоне китайские инвестиции в ИИ в 2025 году уже достигли почти 100 млрд долларов, а американские планы растягиваются на полтриллиона к концу десятилетия. Очевидно, что конкурировать с такими гигантами в лобовом столкновении по размерам моделей и числу параметров Россия не сможет — не те весовые категории.

И все же, если отбросить эмоции и посмотреть на экономическую логику, у национальной модели есть шанс окупиться совсем другим способом — не через коммерческую прибыль, а через системную экономию. По оценкам, внедрение отечественных ИИ-решений повышает производительность в компаниях на 15–25%, автоматизирует до трети рутинных задач и снижает операционные расходы. В Китае, например, ИИ уже дает прибавку к ВВП в 0,2–0,3%, а в перспективе этот показатель может вырасти до 1–2%. Если российская модель будет нацелена не на рекордное количество параметров, а на глубокую специализацию — например, на обработку огромных массивов государственного документооборота, юридических текстов, медицинских и образовательных данных, — то она сможет стать не дорогой игрушкой, а мощным инструментом повышения эффективности госуправления и промышленности.

В конечном счете мы приходим к неизбежному выводу: создать полноценную систему, способную соперничать с западными флагманами, невозможно в одиночку и без колоссальных миллиардных инъекций. Самый реалистичный сценарий — это прагматичный путь: взять за основу открытые решения, адаптировать их под русскоязычную среду и отраслевые задачи, не пытаясь объять необъятное. Цена входа в этот процесс, по самым скромным подсчетам, — от полумиллиарда до пяти миллиардов долларов, но это лишь билет на старт. Главный вызов не в том, чтобы собрать деньги и построить дата-центр, а в том, чтобы создать устойчивую экосистему, где каждый потраченный рубль оборачивается прибавкой к эффективности, а не просто красивой презентацией. Если этого не сделать, проект рискует остаться имиджевым экспонатом, памятником амбициям, но не рабочим инструментом. Вопрос сегодня стоит ребром: готовы ли мы к долгой, затратной и рутинной работе, или все ограничится громкими обещаниями под бюджетный цикл?

Ранее сообщалось, что российские компании массово внедряют ИИ и что будет с теми, кто не адаптируется.