Сегодня искусственный интеллект превратился в главный полигон технологической конкуренции - его значение сопоставимо с космической гонкой прошлого столетия. От того, насколько успешно страна развивает вычислительные мощности и удерживает кадровый потенциал, напрямую зависит её место в мировой экономике ближайших десятилетий. Россия, располагавшая на старте рядом существенных преимуществ, сейчас демонстрирует заметное отставание от лидеров - США и Китая.

Вычислительные ресурсы - фундамент развития ИИ. Для унификации оценок их приводят к эквиваленту GPU H100 - одной из наиболее производительных видеокарт для обучения нейросетей. По самым оптимистичным расчётам, в России доступно от 5 до 25 тысяч H100‑эквивалентов. Для сравнения: в Китае этот показатель достигает 3 миллионов, а в США - 21 миллиона единиц. Даже при максимально благоприятной оценке разрыв с Китаем составляет 120 раз, с США - 840 раз. При ориентации на средние значения отставание увеличивается до 250 и 1750 раз соответственно. Такие цифры наглядно демонстрируют масштаб проблемы.

При этом изначально у России были весомые предпосылки для уверенного старта. Прежде всего, это дешёвая электроэнергия и развитая атомная энергетика позволяла прогнозировать стабильное наращивание генерации. Не менее важным фактором выступал климат: среднегодовая температура по стране - примерно -3,8 °C, а обширные холодные территории идеально подходят для размещения дата‑центров с минимальными затратами на охлаждение. Наконец, Россия традиционно сильна в подготовке специалистов: математическая и олимпиадная школа остаётся одной из лучших в мире, а российские кадры высоко ценятся на международном рынке.

Однако эти преимущества не удалось конвертировать в технологический рывок. Уже в 2021 году разрыв был критическим: Россия располагала примерно 2 тысячами H100‑эквивалентов, Китай - 220 тысячами, а США - 450 тысячами. То есть Китай опережал Россию в 110 раз, а США - в 225 раз. Санкции лишь усугубили ситуацию, ограничив доступ к современному оборудованию и передовым технологиям.

Важен не только объём вычислительных мощностей, но и их конфигурация. Для обучения крупных моделей ИИ требуется не просто большое количество GPU, но и их высокая связность в рамках единого кластера. В России даже крупнейшие игроки рынка - Сбер и Яндекс - не располагают кластерами, способными конкурировать с мировыми лидерами. Фрагментация ресурсов и отсутствие достаточной концентрации мощностей серьёзно тормозят развитие собственных решений.

Отставание проявляется и в качестве разрабатываемых моделей. Сравнительные тесты фиксируют существенный разрыв: зарубежные модели Fable 5 (62 балла), GPT‑5.6 Sol (61 балл) и GLM‑5.3 (60 баллов) значительно опережают российские аналоги. GigaChat 1.5 показывает результат 30,2 балла, а Alice AI - 19,7 балла. Хотя модельное отставание меньше, чем дефицит вычислительных мощностей, оно во многом объясняется открытостью текущих исследований в области ИИ. В перспективе ужесточение регулирования может закрыть и эту возможность, ещё сильнее изолировав российских разработчиков.

Кадровый вопрос остаётся одним из самых острых. Несмотря на появление отдельных ярких талантов - таких как Артём Горохов, занявший в этом году первое место на Международной олимпиаде по ИИ , - сохраняется риск «утечки мозгов». Без достаточных ресурсов и перспектив для реализации специалисты будут выбирать страны и компании, где есть доступ к передовым технологиям и масштабным проектам. Показательно, что даже внутри российских технологических гигантов разработчики нередко используют зарубежные проприетарные решения, оплачивая подписки на иностранные сервисы из‑за ощутимого разрыва в качестве продуктов.

Таким образом, сочетание дефицита вычислительных мощностей, фрагментации ресурсов и оттока кадров формирует сложную системную проблему. Преодолеть отставание можно только за счёт комплексных мер: наращивания инфраструктуры, создания условий для удержания талантов и формирования полноценной экосистемы разработки ИИ. Без таких шагов перспективы сокращения разрыва с мировым лидерами остаются крайне сдержанными.