Прошедший 2024 год ознаменовался бурным ростом рынка искусственного интеллекта (ИИ) — мировые ИТ-гиганты соревновались в модернизации нейросетей, делая их более многозадачными. Параллельно выросло число open source проектов. Это кратно увеличило число пользователей ИИ по всему миру и дало уверенность в том, что нейросети останутся в центре внимания и в 2025 году. РБК спросил экспертов, как на российском рынке отразился бум искусственного интеллекта и какое место страна заняла в гонке ИИ-технологий.
Конкуренция за первое место
В 2024 году Китай существенно сократил разрыв с США по количеству разработок в ИИ. Как отмечает президент и член совета директоров компании Naumen Игорь Кириченко, за год в стране запустили более 240 новых нейросетей. Ведущую роль в этом процессе сыграли Alibaba, Tencent, ByteDance, Baidu, Huawei.
«Китайцы значительно сократили отставание от США в области ИИ. Если раньше разрыв составлял три года, то к концу 2024 года, по оценкам экспертов, он приблизился к 6–9 месяцам», — говорит Кириченко.
Китайцы развивают свои решения в open source, то есть раздают бесплатно. Поэтому сложно обвинить их в том, что они украли чьи-то результаты ради наживы
Так, в ноябре 2024 года китайская компания DeepSeek представила языковую модель DeepSeek V3, способную анализировать тексты, переводить, писать эссе и программировать. Разработчики заявили, что она может конкурировать с ChatGPT, а ее обучение обошлось всего в $5,6 млн. Для сравнения: OpenAI потратила на обучение GPT $78 млн. На фоне новостей о появлении более экономически выгодной модели ИИ упали акции американских компаний Microsoft, Tesla, Nasdaq и Broadcom. NVIDIA (ведущий поставщик чипов ИИ) лишилась около $500 млрд капитализации из-за китайской нейросети.
OpenAI отреагировала неоднозначно. Компания обвинила DeepSeek в применении метода дистилляции — обучении одной модели на основе другой, более развитой. Несмотря на это, глава OpenAI Сэм Альтман заявил, что организация не планирует подавать в суд.
Успех DeepSeek спровоцировал конкуренцию среди китайских технологических гигантов. В январе 2025 года Alibaba представила новую версию модели Qwen 2.5, и ее уже выбрала Apple для реализации функций ИИ на своих устройствах в Китае.
В январе 2025 года Alibaba представила новую версию модели Qwen 2.5, и ее уже выбрала Apple
Чему научился ИИ за год?
Прорывы в области ИИ не ограничиваются китайскими нейросетями. По словам советника генерального директора Content AI Олега Сажина, за год ключевыми достижениями стали выход американских GPT-4o от OpenAI и Gemini 1.5 от Google. Модели, по словам эксперта, мультизадачные, они могут анализировать текст, изображения, аудио и видео в одном запросе.
«Еще одним крупным достижением можно назвать появление мультиагентных систем на основе LLM (Large Language Model — «большая языковая модель». — Прим. ред.), которые могут взаимодействовать и обучаться в сложных средах. Они способны анализировать происходящее, принимать решения и реагировать на события», — говорит Сажин. По его словам, таким системам можно делегировать выполнение комплексных вычислительных задач, например, в области финансового, операционного и производственного планирования. Основатель и руководитель ИТ-компании «Осьминожка» Михаил Шрайбман добавляет, что хайп вокруг LLM заставил компании пересмотреть потенциал привычного машинного обучения, теперь они внедряют его для прогнозирования, оптимизации и автоматизации.
Кроме того, как отмечают эксперты, многие сервисы в прошлом году стали открытыми как для пользователей, так и для разработчиков, что способствовало более динамичному развитию искусственного интеллекта.
«Основной прорыв — появление множества opensource-альтернатив ChatGPT — больших и маленьких языковых моделей, на основе которых можно строить собственные решения и сервисы. В свободном доступе появились модели как общего назначения, так и специализированные языковые модели, обученные преимущественно под определенный класс задач», — рассказывает гендиректор CVisionLab Александр Гончаров. В пример он приводит продукт французского стартапа Mistral — ИИ-модель Codestral, предназначенную для генерации и анализа кода. К слову, ранее упомянутая DeepSeek также стала общедоступной.
«Китай берет массой. Он несильно стесняется что-то подсмотреть у других, но китайцы при этом делают важный, как мне кажется, шаг, который их «обеляет», — они развивают свои решения в open source, то есть раздают бесплатно. И поэтому обвинить их в том, что они украли что-то ради наживы, уже сложно», — говорит президент Naumen.
Директор департамента прикладных решений «Ланит-Терком» (входит в группу «Ланит») Дмитрий Медведев добавляет, что большим прорывом стало внедрение ИИ в медицину, финансовый сектор, ИТ и промышленность.
ИИ российского происхождения
Интерес к ИИ в России тоже вырос, однако инвестиции в этот сектор остаются ограниченными, что не позволяет конкурировать в области ИИ с США и Китаем. Тем более сложно при ограниченных инвестициях делать наработки общедоступными. По словам Кириченко, в большинстве случаев российские компании используют уже готовые решения — модели DeepSeek, Qwen, Mistral, LlaMA и др. По мнению эксперта, такой подход приводит к зависимости от иностранных технологий.
Впрочем, есть игроки, представившие продукты на базе собственных больших языковых моделей. Так, «Сбер» запустил мультимодальную нейросеть GigaChat, основанную на модели NeONKA. Она поддерживает диалог, генерирует тексты и изображения, а также пишет код.
Собственную языковую модель также разработал «Яндекс». Нейросеть интегрирована в виртуального помощника «Алису» и корпоративные решения. В последнем обновлении ИИ, как утверждают разработчики, научился лучше понимать сложные запросы и работать с кодом.
В 2024 году группа «Т-Технологии» (владеет Т-Банком) открыла доступ к двум большим языковым моделям, разработанным на базе китайской Qwen-2.5 от Alibaba Group, — T-Pro и о T-Lite. Теперь любая российская компания может бесплатно использовать их возможности.
Как пояснил генеральный директор группы компаний ЦРТ Дмитрий Дырмовский, драйвером тренда на мультимодальный искусственный интеллект стал запрос от пользователей на обработку всего массива информации, которая содержит не только текст, но и схемы, графику, аудио и видео. Схожими наблюдениями делится Игорь Кириченко. В качестве примера эксперт приводит модель Kandinsky Video от «Сбера», а также нейросеть YandexART, которая по текстовому описанию создает изображения и анимационные видео. Кроме того, российский научно-исследовательский институт искусственного интеллекта AIRI выпустил, как заявляют в организации, первую в России мультимодальную языковую модель OmniFusion — OmniFusion 1.1. Она способна поддерживать визуальный диалог и отвечать на вопросы пользователей по картинкам.
Искусственный интеллект в российском бизнесе
По результатам опроса К2 НейроТех, проведенного осенью 2024 года, только 34% российских компаний заявили, что используют ИИ. 18% планируют начать внедрение в течение года, 28% — в течение трех лет. 20% респондентов отметили, что не собираются внедрять ИИ в свои инфраструктуры.
Причем 51% участвующих в опросе компаний сообщили о неготовности собственной инфраструктуры к внедрению ИИ. 34% сослались на нехватку квалифицированных кадров, 31% респондентов выразили обеспокоенность вопросом безопасности передачи своих данных нейросетям и облачным ИИ-платформам. Порядка 22% отметили, что при использовании ИИ высока вероятность неверных выводов.
Что мешает внедрению ИИ в России?
Один из ключевых барьеров на пути быстрого внедрения нейросетей в практику российского бизнеса — бюджеты, уверены эксперты.
«Мешает снижение бюджетов всех уровней на разработки, что связано с СВО, а также со ставкой рефинансирования ЦБ. И очень мешает замкнутость маркетинга на рынке РФ, отсутствие целевой поддержки вывода решений в области ИИ (и в целом компьютерных услуг) на мировой рынок», —подтверждает президент «Руссофт» Валентин Макаров.
Кроме того, как отмечает Михаил Шрайбман, Россия по-прежнему зависит от зарубежных чипов и серверов, особенно от решений NVIDIA. Продукты локальных производителей пока не дают достаточной мощности для работы с LLM, говорит эксперт.
По словам Дмитрия Медведева, это обусловлено сложностью создания собственной микроэлектронной базы и глобальной структурой рынка.
«Для полноценного развития ИИ необходимы собственные дата-центры мирового уровня, способные поддерживать обучение и эксплуатацию больших моделей. Важно формировать экосистемы для разработки и масштабирования таких моделей и стремиться к преодолению нехватки квалифицированных кадров в ИТ», — уверен эксперт.
«Развитие под ковром»
Также важно, что для внедрения ИИ в компании необходимы «чистые» данные, говорят участники рынка. Как отмечает Кириченко, для накопления и хранения таких данных в России не хватает облачных решений. Ранее компании пользовались западными сервисами, однако в последние годы иностранные корпорации массово закрыли их для россиян. Сейчас, несмотря на наличие отечественных ресурсов, многие российские игроки боятся на них переходить из-за риска утечек информации. Кроме того, 30 мая 2025 года в силу вступают поправки в КоАП РФ, которые вводят штрафы от 3 до 15 млн руб. за неправомерную передачу персональных данных. По мнению Кириченко, такое решение, в свою очередь, дополнительно затормозит развитие отечественных «облаков».
При этом Александр Гончаров уже фиксирует, что в течение 2024 года разработчики сталкивались со сложностями при попытках аренды облачных GPU (тип компьютерного оборудования, предназначенный для эффективной обработки сложных вычислительных задач) у российских провайдеров.
«Крупные корпоративные клиенты выгребли все ресурсы, и малому и среднему бизнесу пришлось искать альтернативы у менее именитых провайдеров», — говорит эксперт.
Как следствие, в условиях нехватки качественных облачных предложений и доступных инструментов для развития ИИ на рынке, российские компании вынуждены разрабатывать нейросети самостоятельно — только для собственных нужд, отмечает Кириченко.
«Это означает, что работа будет проходить у каждого в углу под ковром. А кайф рынка искусственного интеллекта состоит как раз в том, что все события накапливаются в одном месте и нейросетка может переобучаться на кейсах разных компаний», — подчеркивает Игорь Кириченко. Как он поясняет, появление каждого нового участника на этом рынке должно приносить пользу всем предыдущим, и накопленные данные всех предыдущих участников должны служить каждому следующему. «Это определение сетевых эффектов. Они случаются только при наличии единой точки консолидации», — заключает эксперт.
По данным Кириченко, сейчас около 60% российских компаний самостоятельно привлекают разработчиков, чтобы создать продукт ИИ для личного пользования. В данный момент, как отмечает эксперт, это единственный возможный путь, но долгосрочно он проигрышный и дорогой. Кроме того, такой подход не способствует развитию рынка вендоров (специализированных поставщиков), а значит, не способствует и развитию ИИ. С другой стороны, разработки, которые предлагают отечественные вендоры, пока по карману только крупным компаниям, добавляет Кириченко.
Около 60% российских компаний самостоятельно привлекают разработчиков, чтобы создать продукт ИИ для собственного пользования
Потерять контроль над ИИ
Есть и другие барьеры, с которыми Россия сталкивается наряду со всем миром. Среди них — галлюцинации языковых моделей и другие погрешности алгоритмов. ИИ-системы часто дают неточные или ошибочные результаты, и не всегда у пользователей есть возможность проверить корректность этих данных, подчеркивает советник генерального директора Content AI Олег Сажин.
«В экспериментах, связанных с использованием LLM для распознавания информации в отсканированных документах, мы столкнулись с тем, что в определенный момент модель начала придумывать данные для заполнения полей, если их не хватало в исходном документе. Решение проблемы лежит в повышении точности промтов, тщательном обучении модели и построении механизмов верификации данных», — говорит он.
Шрайбман добавляет, что при работе с ИИ все еще не решены проблемы с конфиденциальностью данных и авторскими правами, большинство AI-моделей обучены на данных без четкой юридической базы, что приводит к конфликтам.
При работе с ИИ все еще не решены проблемы конфиденциальности данных и авторских прав на информацию, по которой обучены AI-модели
Президент «Руссофт» Валентин Макаров в качестве наиболее актуальной проблемы выделяет некорректную работу некоторых разработчиков. «Неквалифицированная работа создателей алгоритмов ИИ может привести к неоптимальным или вредным решениям ИИ либо к потере контроля над системами, управляемыми ИИ», — считает Валентин Макаров.
Тем не менее, по данным экспертов, примеры внедрения ИИ присутствуют в некоторых сферах отечественного бизнеса.
Промышленность: помощники по закупкам
«Достижения в области генеративного искусственного интеллекта стали драйвером внедрения LLM-решений. Один из первых в нашей стране кейсов по внедрению больших языковых моделей в промышленности реализуется в «Сибуре», на основе нейросетевой модели GigaChat разрабатывается «умный» помощник специалиста по закупкам, который может ускорить работу и помочь подобрать аналоги изделий, имеющие преимущества по цене, качеству, доступности, срокам поставки и другим характеристикам», — говорит Дмитрий Дырмовский.
Кроме того, ЦРТ, по его словам, реализовала первый в стране проект по внедрению голосового ввода в промышленности — разработала AI-решение для обслуживания транспортных объектов. В настоящий момент завершено внедрение этого продукта в компании «ФосАгро».
Транспорт: безопасность движения и цепочки поставок
Дмитрий Медведев добавляет, что российские компании значительно продвинулись в области разработки систем компьютерного зрения, генеративного искусственного интеллекта и обработки естественного языка. Аналогичные тенденции фиксирует Олег Сажин.
«Высокую эффективность ИИ-решения показали в сфере транспорта и логистики. Так, например, по данным АНО «Цифровая экономика», внедрение технологий компьютерного зрения для повышения дорожной безопасности, снижения аварийности и фиксации нарушений стало глобальной тенденцией для этой отрасли. В этой сфере ИИ применяется в регулировании пропускной способности дорог. В логистике автоматизированные ИИ-решения формируют оптимальные цепочки поставок», — говорит Сажин.
О результатах также сообщает ЦРТ. По данным Дмитрия Дырмовского, компания осуществила более 500 проектов по внедрению системы компьютерного зрения «Визирь». Из них 120 реализовано в 2024 году, большинство в области транспортной безопасности.
Банковский сектор: точность прогнозов, доходность инвестиций
По словам Кириченко, одной из наиболее развитых сфер применения ИИ в России являются финансы. В этой сфере у России больше успешных примеров, чем в ЕС, считает эксперт.
«У нас процент применения искусственного интеллекта выше, чем в Европе. В России ИИ внедрен в банковский сектор — Сбербанк и Т-Банк стали бигтехами. В Европе нет такой плеяды цифровых экосистем, и в целом отраслевые игроки более консервативны», — говорит Игорь Кириченко.
Кроме того, согласно информации Медведева, российские компании начали активно использовать ИИ для анализа фондового рынка. По данным эксперта, внедрение системы прогнозирования роста акций на основе машинного обучения уже позволило повысить точность прогнозов на 20% и увеличить доходность инвестиций за счет принятия более обоснованных решений.
