Эксперты допустили закрытие китайских ИИ-моделей
Российским разработчикам ИИ придётся заметно увеличить расходы, если китайские компании перестанут публиковать свои модели с открытыми весами. Такой сценарий допустили аналитики, опрошенные Forbes: отрасль в России сейчас во многом опирается на дообучение и адаптацию зарубежных систем, а не на полный цикл создания больших языковых моделей с нуля.
Риск связан с тем, что китайские игроки вроде DeepSeek и Alibaba используют открытость как инструмент быстрого распространения и конкуренции с американскими лабораториями. Когда аудитория и корпоративный спрос вырастут, логика может смениться на монетизацию через закрытый доступ, лицензии и API. Для российского рынка это означает более дорогой импорт ИИ вместо относительно дешёвой настройки готовых моделей.
По оценке аналитиков, в таком случае у российских компаний останется три базовых варианта: платить за доступ к закрытым иностранным моделям, терять пользователей в пользу зарубежных сервисов или вкладываться в собственную вычислительную инфраструктуру. Последний путь самый дорогой. Он требует не только серверов и ускорителей, но и центров обработки данных, которых для обучения моделей мирового уровня в стране, как считают эксперты, сейчас не хватает.
Масштаб затрат аналитики иллюстрируют цифрами крупнейших игроков. По их оценке, расходы «Яндекса» на ИИ по итогам 2026 года составят 150-200 млрд руб., а расходы «Сбера» — 300-400 млрд руб. Даже эти суммы, по мнению собеседников Forbes, в первую очередь покрывают инференс, то есть работу уже обученных моделей, а не полноценное обучение фундамента с нуля.
Для сравнения, обучение модели класса DeepSeek V4 и её дальнейшая стабильная эксплуатация требуют ЦОД мощностью около 300 МВт. Стоимость такого объекта аналитики оценили в 1,2 трлн руб. К 2030 году совокупные расходы на серверы для российских ЦОД могут достичь 7,8 трлн руб., из них 3,4 трлн руб. придутся именно на ИИ-серверы.
Закрытие китайских ИИ-моделей и последствия для России
Российские компании публично отрицают критическую зависимость от китайских моделей, хотя и не скрывают, что открытые веса ускоряют разработку. В «Сбере» заявили Forbes, что GigaChat обучен на собственной базе русскоязычных данных и не опирается на внешние решения как на основу продукта. В «Яндексе» также говорят о полном цикле разработки, где собственные фундаментальные модели сочетаются с открытыми технологиями.
При этом сам «Яндекс» ранее подтверждал, что использовал открытую модель Alibaba Qwen как стартовую точку для Alice AI LLM. Такая схема типична для рынка: инициализация готовыми весами сокращает сроки обучения на порядок и позволяет проводить больше экспериментов за те же деньги. Это не российская специфика, а нормальная инженерная практика для компаний, которые не располагают бюджетами OpenAI, Google или Meta*.
Глобальный рынок давно разделился на два лагеря. OpenAI и Anthropic развивают закрытые модели и продают доступ через API и подписки. Meta*, Alibaba и DeepSeek, напротив, активно продвигали открытые или условно открытые модели, рассчитывая быстро нарастить экосистему. Именно эта группа стала удобной опорой для разработчиков в странах, где нет избытка вычислительных мощностей и капитала.
Риски такого подхода понятны заранее. Компания, которая раздаёт веса, получает охват и интерес сообщества, но хуже контролирует монетизацию. На зрелом этапе стратегия часто меняется: часть возможностей уходит в облако, лицензии становятся жёстче, а бесплатная версия отстаёт от коммерческой. На этом фоне предупреждение аналитиков выглядит не как спор о лицензиях, а как вопрос промышленной базы.
Проблема упирается не только в модели, но и в инфраструктуру данных. Для обучения собственных систем нужны большие массивы прикладных данных по отраслям, от финансов и медицины до промышленности и госсектора. Эксперты отмечают, что в России проще запускать локальные специализированные решения, чем строить универсальную модель мирового уровня. На практике это означает дальнейший рост нишевых ИИ-сервисов вместо появления прямого конкурента GPT или Gemini.
По оценке Gartner, мировые расходы на генеративный ИИ в 2025 году должны достичь $644 млрд. На этом фоне российский рынок будет выбирать между дорогим суверенитетом и зависимостью от внешних моделей. Если китайские разработчики начнут закрывать флагманские системы в ближайшие 12-24 месяца, ответом, вероятно, станет не одна национальная модель, а серия более узких решений под конкретные отрасли и заказчиков.
* Принадлежит компании Meta, она признана экстремистской организацией в РФ и её деятельность запрещена.
