— Один из трендов в области искусственного интеллекта — это создание ИИ-фабрик. Что это такое, зачем они нужны и реально ли построить их в России?
— Хороший пример такой фабрики — Colossus от xAI Илона Маска. Это кластер из 100 тыс. GPU NVIDIA H100, производительность около 400 экзафлопсов, стоимость проекта оценивается в $5 млрд. Colossus позволяет обучать модель Grok 2 за несколько недель вместо месяцев.
ИИ-фабрики — это крупные вычислительные комплексы, предназначенные для обучения и тонкой настройки frontier-моделей ИИ. Они нужны компаниям, для которых искусственный интеллект является основным продуктом: разработчикам моделей и поставщикам облачных ИИ-сервисов — xAI, OpenAI, Anthropic, Google и другим.
В России на 2026 год ни одна частная компания не может построить фабрику такого масштаба самостоятельно: стоимость оборудования, энергоснабжения и охлаждения выходит за пределы возможностей отдельных игроков. Даже самые крупные российские проекты по обучению моделей обходятся в миллиарды рублей и не достигают уровня международных frontier-моделей.
Реально ли это в России? Только на государственном или консорциумном уровне: через объединение ресурсов нескольких крупных корпораций, государства и специализированных центров. Без такого подхода страна останется зависимой от импортных вычислительных мощностей для самых передовых моделей.
— Насколько создание такой суперинфраструктуры сегодня является приоритетом для государства и технологических альянсов?
— Да, это один из ключевых приоритетов. В январе 2026 года Владимир Путин утвердил перечень поручений по итогам конференции по ИИ, среди которых разработка и утверждение к июню плана мероприятий по развитию инфраструктуры центров обработки данных до 2030 года и на перспективу до 2036 года с учетом нужд ИИ.
Государство также готовит национальный план внедрения ИИ в экономику, социальную сферу и госуправление с фокусом на формирование российских технологических решений, включая фундаментальные модели.
Для обучения собственной frontier-модели текущих мощностей недостаточно, поэтому инфраструктура становится критическим фактором. Однако полное обучение с нуля не всегда оптимально: приоритет отдается мощностям для инференса, платформам и интеграции ИИ в отрасли.
— Может быть, чтобы быть конкурентоспособными, нам нужно сделать что-то попроще?
— Да, именно такой подход сейчас наиболее реалистичен. Текущий парк специализированных GPU в России для задач ИИ оценивается экспертами в 10–15 тыс. ускорителей (в эквиваленте A100/H100), а планы до 2030 года — рост до 70 тыс. единиц. Обучение собственной frontier-модели с нуля требует сотен тысяч GPU и инвестиций в триллионы рублей — суммы, несопоставимые с возможностями даже крупнейших игроков. Нет гарантии достижения уровня ведущих мировых моделей, таких как ChatGPT-4o, Claude 3.5 и других, особенно при текущих ограничениях на оборудование.
Собственная сверхмасштабная модель нужна преимущественно в сценарии, когда open source или API-доступ к зарубежным моделям будут существенно ограничены, но пока этого не произошло. Вместо этого компании уже получают отдачу от ИИ через прикладные решения. Пример — наш агрегатор MWS GPT, эта платформа объединяет более 70 LLM, включая открытые модели, собственные разработки МТС, сверхбольшие китайские Qwen, Kimi K2 и GLM-4.6. Бизнес подключается по OpenAI-совместимому API, выбирает модель под задачу и платит по факту потребления — это приносит измеримый эффект в автоматизации процессов без необходимости строить собственный кластер.
— У европейцев были свои проекты по масштабированию мощности ИИ-фабрик, но они натолкнулись на дефицит электроэнергии и физической инфраструктуры. Может ли наличие энергоресурсов стать преимуществом России в этой гонке?
— Да, может при условии быстрого развития сетей. Минэнерго прогнозирует дефицит 2–2,5 ГВт для ИИ-ЦОДов к 2030 году, особенно остро в Москве и области. В мире энергопотребление дата-центров и ИИ вырастет на 150–160% к 2030 году (IEA). Крупные игроки инвестируют в ядерную энергию — например, Microsoft возобновил инвестиции в создание реактора Three Mile Island (835 МВт) и инвестиции в Helion Energy (термоядерный синтез); OpenAI вложил более $1 млрд в Oklo, Google и Amazon подписали контракты с Kairos Power на малые модульные реакторы к 2030 году, xAI (Илон Маск) считает, что ядерная энергия — основной путь для Colossus.
Китай развивает гидро- и солнечные станции под мегакластеры, США используют газовые турбины как временное решение. Россия имеет избыток мощностей в Сибири, на Дальнем Востоке, ГЭС, ТЭС, работающие на газе, и АЭС. Это позволяет размещать ЦОДы в регионах с дешевой энергией, создавать специальные зоны и интегрировать проекты с существующими источниками. В отличие от Европы, где сети и регуляции тормозят рост, у России есть шанс реализовать преимущество через перераспределение нагрузки и развитие малых модульных реакторов.
— Инвестиции в ИИ-инфраструктуру сегодня требуют огромных ресурсов. Каким образом и в какой перспективе эти вложения будут окупаться?
— Инвестиции во frontier-модели и инфраструктуру пока не окупаются — это ставка на будущее. OpenAI ожидает убытки ~$14 млрд в 2026 году при выручке $12–20 млрд. А кумулятивные потери до 2029 года могут превысить $100–200 млрд.
Окупаемость связана со сценарием, где ИИ-агенты и роботы заменят бóльшую часть труда. Илон Маск считает, что через 10–20 лет работа станет опциональной, а глобальный фонд оплаты труда — десятки триллионов долларов в год — частично перетечет в ИИ-сервисы.
Быстрый возврат показывают прикладные проекты: автоматизация колл-центров, юридический анализ, генерация кода. Frontier-модели и фабрики окупятся примерно через пять-десять лет, когда ИИ станет платформенной инфраструктурой вроде облаков 2010-х.
— Видите ли вы уже сейчас сферы экономики, где ИИ реально работает и приносит прибыль?
— Да, эффект уже измеримый. Например, в колл-центрах ИИ-боты снижают затраты на 30–50% за счет автоматизации рутины, в разработке ПО генерация кода повышает производительность на 20-40%, в подборе персонала скрининг резюме и собеседования с помощью ИИ экономят до 70% времени. В логистике и продажах оптимизация маршрутов и рекомендаций за счет ИИ показывает рост эффективности на 15–30%.
В B2C-сегменте также есть яркие примеры, когда стартапы-единороги и быстрорастущие проекты зарабатывают на fine-tuning существующих моделей, не тратясь на фундаментальные разработки. Например, стартап Speak — ИИ-коуч с 10 млн пользователей, персональный ИИ-тренер iFIT и другие. Такие сервисы монетизируются через подписки и показывают быструю окупаемость за счет масштабируемости и низких операционных затрат.
— У вас есть собственный ИИ-продукт. Ваша оценка: насколько бизнес сегодня реально готов платить за внедрение ИИ-технологий?
— Бизнес действительно готов платить за ИИ. Сегодня это одна из немногих технологий, на которую бюджеты растут без сильного сопротивления.
По данным Gartner, мировые расходы на ИИ в 2026 году достигнут $2,52 трлн — это на 44% больше, чем в 2025 году. Более половины компаний планируют увеличить инвестиции в ИИ минимум на 20% в ближайшие один-два года, а в финансах и технологиях бюджеты на AI растут на 10–15% и выше.
В России компании также наращивают расходы: в 2024 году суммарные траты крупных и средних организаций на ИИ составили 90,3 млрд руб., а рынок генеративного ИИ в 2025 году вырос в пять раз, до 58 млрд руб.
Главная причина — рост эффективности бизнеса за счет использования ИИ.
Компании видят в ИИ инструмент для снижения издержек и повышения эффективности, поэтому готовы инвестировать в проверенные решения с быстрой отдачей
— Сейчас много говорят об ИИ-агентах. При этом к ним много претензий: они галлюцинируют, делают много ошибок, а универсального ИИ-агента придумать нельзя. Нужно ли под каждый конкретный кейс создавать какого-то отдельного ИИ-агента и не переоценена ли эта технология?
— Ошибки у ИИ-агентов есть, как и у людей, но точность быстро растет благодаря большему контексту, самокоррекции и специализированным моделям. Универсальный агент пока невозможен, поэтому эффективнее создавать узкоспециализированных (ролевых) агентов под конкретные процессы: один для колл-центра, другой для юридического анализа, третий для работы с кодом.
Например, Goldman Sachs: Banker Copilot сократил время на M&A-сделки на 40%. А в нашей платформе для разработки ПО MWS DevRails ролевые копайлоты экономят тестировщикам, аналитикам и продактам до 40% времени. Gartner прогнозирует, что к 2028 году 33% корпоративных приложений будут на ИИ-агентах, автоматизируя до 15% повседневных задач. При правильной специализации и контроле ИИ-агенты дают один из самых высоких ROI среди текущих технологий.
— У чата GPT есть какая-то подписка, но покупать ее необязательно, и бóльшая часть пользователей пользуется им бесплатно. Помимо него, есть еще множество других бесплатных GPT. На чем они зарабатывают?
— Большинство B2C-моделей: ChatGPT, Grok, Claude и другие — не покрывают расходы за счет пользователей. Они живут за счет венчурных инвестиций, корпоративных вложений и B2B-направлений — API, корпоративных тарифов, кастомизации. Бесплатная версия и дешевая подписка создают лидогенерацию: миллионы пользователей, которые являются сотрудниками компаний, убеждаются в ценности и инициируют корпоративные закупки.
— На рынке есть несколько крупнейших сервисов типа DeepSeek, ChatGPT и др. Их пользователи очень мобильны и могут легко перейти от одного сервиса к другому. Насколько такая насыщенность рынка мешает компаниям выстроить собственную экономику? Если бы существовал только один монополист, например Google, им было бы проще?
— Аналогичная ситуация была с поисковиками в 1990–2000-х: десятки игроков — AltaVista, Excite, Yahoo! и другие — тратили миллиарды на индексацию и рекламу. Рынок консолидировался, большинство участников гонки исчезло, остались два-три лидера. Например, Google захватил 90% доли. Выжившие начали стабильно зарабатывать на рекламе и экосистеме.
Сейчас рынок ИИ идет тем же путем. Высокая конкуренция и легкий переход давят на маржинальность, компании тратят огромные деньги на удержание, а доход от каждого пользователя падает. Например, сейчас доля рынка ChatGPT — около 80%, а его ближайшего конкурента Perplexity — только 8%, Google Gemini — ~7%, а все остальные еще меньше. При этом Google имеет сильное преимущество: Gemini встроен в Android, управляет не только устройством, но и помогает решать повседневные задачи: бронирует билеты/отели, ищет рейсы, создавая тем самым множество каналов монетизации.
— Насколько остро эта конкуренция ощущается в России?
— В России другой тип конкуренции, нежели на глобальном рынке. Здесь соревнуются не сами модели, а прикладные решения на базе ИИ, которые реально повышают эффективность бизнеса: снижают издержки, ускоряют процессы, увеличивают конверсию.
Серьезных игроков всего несколько: MWS с собственной платформой и агрегатором LLM, «Яндекс» с сильной экосистемой и генеративными моделями, Сбер с собственным ИИ-ботом и решениями для финансов, ретейла и промышленности.
— В одном из интервью вы говорили, что у вас в штате работают примерно 800 специалистов по ИИ. Поменялось ли это количество, кто они такие — технари или люди, которые просто хорошо научились пользоваться нейросетью?
— Это в основном эксперты в области ИИ, R&D и технологические команды, которых в России не так много. В мире большая конкуренция за такие кадры. Facebook (принадлежит запрещенной в РФ компании Metа. — «Эксперт») у Open AI хантил сотрудника за $100 млн в год. У нас тоже есть суперзвезды, и иногда мы конкурируем за наших же людей с зарубежными компаниями.
И возьмите пример Open AI, которая тоже конкурирует со всем миром за кадры. Но, как говорит Сэм Альтман (создатель и гендиректор OpenAI и один из создателей ChatGPT. — «Эксперт»), у них такая корпоративная культура, что люди просто не хотят никуда уходить даже за $100 млн. Они живут другими ценностями и идеями. И это единственное, чем можно удерживать людей, которых деньгами не удержишь.
— Есть расхожее мнение, что для многих айтишников деньги не имеют первостепенного значения. Им важно чувствовать свою причастность к созданию классного продукта.
— Это справедливо не только для IT-специалистов — это человеческая природа в целом. Цифровая трансформация создала огромный спрос на эти профессии, и сегодня многие из их представителей зарабатывают действительно хорошо. Но как только базовые потребности по пирамиде Маслоу закрыты, на первый план выходят потребности более высокого порядка. Человеку хочется оставить след: участвовать в проекте, который реально меняет жизни миллионов, решает значимые проблемы общества или двигает вперед целую отрасль.
Работа на фронтире — большая необходимость для таких людей. Именно поэтому топовые специалисты нередко выбирают не самое высокое предложение по деньгам, а возможность создавать что-то по-настоящему важное и масштабное
— А если Сбер или «Яндекс» у вас самих кого-то схантит?
— Мы и сами активно хантим у них — это нормальный круговорот кадров в отрасли. Бывали случаи, когда к нам уходили целыми командами из Сбера или «Яндекса». Никаких неформальных договоренностей между нами и этими компаниями по этому вопросу нет. Сейчас запрос на IT-специалистов в целом начинает снижаться. Эффективность ИИ растет очень быстро, многие рутинные задачи автоматизируются, это уже создает избыток кадров на рынке. Плюс у ряда компаний заканчиваются или оптимизируются бюджеты на разработку. Но самые сильные, квалифицированные специалисты всегда будут в дефиците и останутся востребованными независимо от общей ситуации. За них конкуренция только усилится.
— Сегодня ИИ уже превосходит человека в генерации контента. Взять хотя бы Wildberries — они уже реальных людей практически не используют ни в качестве моделей для примерки одежды, ни в качестве дизайнеров. Уже и фильмы, созданные ИИ, появляются, и неплохая музыка. Насколько активно идет процесс замещения людей в областях, связанных с творческими задачами?
— ИИ уже активно замещает рутинную и массовую генерацию контента. Например, маркетплейсы за счет генерации изображений с помощью ИИ экономят до 90% бюджетов на фотосессии. Но полное вытеснение креативных профессий идет медленно. Человек пока незаменим на ключевых этапах — поиск идеи и понимание, что зайдет аудитории, арт-дирекция и так далее. ИИ не способен заменить харизму актеров — люди по-прежнему смотрят фильмы с участием конкретных артистов. Роли трансформируются, но профессии полностью не исчезнут.
— В недавнем интервью с Рэем Далио у Такера Карлсена речь шла как раз про ИИ. Основной тезис Далио был, что ИИ может знания из разных сфер — физика, химия, биология, математика, астрономия — объединить воедино. Всегда были узкопрофильные специалисты, а такого, чтобы был гений во всем и сразу, не было — возможностей человека на это не хватает, а ИИ как раз может это сделать. Насколько вы согласны с такой оценкой?
— Согласен в главном: ИИ уже сегодня синтезирует знания из разных дисциплин на уровне, недоступном одному человеку. AlphaFold, AlphaGeometry и большие модели показывают это на практике. Человек ограничен специализацией и объемом памяти: никто не может быть экспертом сразу во всем. ИИ же имеет доступ ко всему корпусу знаний и находит неожиданные связи между областями.
Но есть жесткие ограничения — например, математические открытия требуют человеческой верификации доказательств. В физике, химии, биологии любая теория нуждается в эксперименте, а его проводят люди, и масштабировать проверки на тысячи гипотез физически невозможно. ИИ — мощный ускоритель междисциплинарных прорывов, но не автономный универсальный ученый. Научный прогресс останется совместным: ИИ предлагает идеи и связи, человек верифицирует и воплощает.
Больше новостей читайте в нашем телеграм-канале @expert_mag
