С первого сентября вступает в силу закон о поддержке технологий ИИ. Публичная дискуссия вокруг него свелась к одному вопросу: чья модель настоящая. Греф заявил в Совете Федерации, что у конкурентов дообученный Qwen. Яндекс ответил, что это не так. Журналисты подняли техблоги обеих компаний и показали, что три из четырёх крупнейших российских моделей инициализированы китайскими весами, а единственная обученная с нуля построена на архитектуре DeepSeek. Спор занял ленты на неделю, но касается одного слоя технологии из трёх. Про доступ, а не про происхождение Тезис "на иностранных моделях стратегию не построить" верен, но разница проходит не по весам, а по типу доступа. Открытые веса, уже развёрнутые внутри страны, отобрать нельзя. Закрытые модели по API отключаются за вечер: в июне доступ к передовой американской модели ограничили экспортным контролем, и компании узнали, что их бизнес выключается решением чужого регулятора. Летом китайские регуляторы обсуждали ограничение зарубежного доступа к своим будущим закрытым моделям. С американской стороны движение зеркальное. Фронтирный ИИ становится экспортно-контролируемой технологией с обеих сторон. Три слоя вместо одного Вся дискуссия идёт вокруг обучения моделей: сколько ускорителей, сколько гигаватт, чьи веса. Но обучение это один слой из трёх. Обучение фундаментальных моделей требует десятков тысяч ускорителей и миллиардов долларов. Отставание объективное. Инференс требует на порядки меньше. Инфраструктура внутри страны, оплата в рублях. Ситуация рабочая. Прикладные системы поверх готовых моделей не требуют ускорителей для обучения вообще. Требуют понимания предметной области и правильной архитектуры процесса. Ценность, которую видит экономика, создаётся на третьем слое: бухгалтер с готовым документом вместо часа работы, юрист с претензией за две минуты. И здесь у страны отставания нет. Как работать с тем, что есть Суверенные модели отстают от фронтира, это факт. Ждать, пока догонят, при разрыве в мощностях в сотни раз можно долго. Альтернатива: компенсировать разрыв архитектурой. Когда система полагается на мощность модели, нужна лучшая модель в мире, и ошибки умножаются на каждом шаге. Когда система полагается на структуру процесса, задача разбивается на короткие шаги с проверкой результата. Модели не нужно быть гениальной, ей нужно корректно сделать простое действие. Мы работаем так полгода: более девятисот проектов на моделях российского облака, доля сбоев по логам выполнения 1,3 процента. Что из этого следует Разделять уровни: обучение, инференс и прикладной слой это разные задачи с разной ценой входа. Считать не только модели: большинство реальных рабочих задач не требует передовых моделей. Готовиться к закрытости: стабильный доступ к чужому фронтиру это допущение, а не фундамент. Технологии перестали быть узким местом. Узкими местами стали доступ и умение работать с доступным. Сергей Игнатенко, основатель VibePilot.