В России сложилось устойчивое представление о том, что отечественные ИИ-модели примерно на полгода отстают от китайских аналогов и на год — от американских. Парадокс в том, что в сфере искусственного интеллекта позиция догоняющего может оказаться преимуществом. Преследуя лидеров, Россия получает возможность оценивать их опыт и избежать ошибок, вовремя отказаться от бесперспективных направлений и эффективнее распределить ограниченные ресурсы. Главное — не упускать возможностей внедрять уже проверенные решения.
Константин Воронцов
Завкафедрой интеллектуальных систем МФТИ, завлабораторией «Машинное обучение и семантический анализ» в Институте искусственного интеллекта, завкафедрой математических методов прогнозирования факультета вычислительной математики и кибернетики МГУ
Пример Китая
Само по себе отставание не означает проигрыша. Сократить его можно при условии, что время будет потрачено не только на адаптацию технологий, но и на подготовку специалистов, расширение инфраструктуры и создание собственной экосистемы исследований и разработок. Об этом свидетельствует опыт других стран.
Китайский — состоит в «импорте» знаний, их адаптации к внутреннему рынку, постепенном улучшении и переходу к собственным разработкам. В искусственном интеллекте примером стали модели DeepSeek, Qwen, Kimi: их разработчики использовали американские подходы, но сделали акцент на сокращении расходов и инженерной смекалке.
Урок для России состоит не в механическом повторении китайского пути, а в последовательности действий: сначала освоить работоспособные решения, затем приспособить их к своим условиям, практическим потребностям и постановкам задач, постепенно переходя к созданию оригинальных продуктов.
Решение задач
Пользователь оценивает не число параметров и не результаты тестов, а то, насколько хорошо решена его проблема. Обычному предприятию нужен не рекорд в международном рейтинге, а система, которая лучшим образом подходит под его конкретные задачи и помогает развивать бизнес. Поэтому не обязательно стремиться догонять лидеров в ИИ по всему фронту. Достаточно действовать на опережение в конкретных областях, которые нужны для нашего суверенного развития.
Во многих случаях качество такого решения определяется не масштабом базовой модели, а отраслевыми требованиями. Эти задачи часто можно решать с помощью уже существующих моделей, а важнейшим фактором успеха становится не столько инструмент, сколько собственная отраслевая экспертиза. То есть отставание на фронтире не блокирует развитие прикладных процессов.
Соревнование за престиж
Место в рейтингах базовых моделей имеет значение для репутации страны и ее технологической отрасли. Китай и США соревнуются именно за престиж, они тратят на это огромные деньги, но часто их теряют. У России, как и у подавляющего большинства остальных стран, таких денег нет, но нам и не обязательно втягиваться в эту гонку.
Экономнее посмотреть со стороны, какие технологии «выстрелили», а какие оказались тупиковыми. Исходя из этого, будет проще понять, какие задачи можно решать уже сегодня, а для каких доступные решения появятся через год.
Если российский ИИ-агент сокращает время обработки заявки, помогает, например, врачу работать с документацией или снижает простои оборудования, отсутствие у страны самой мощной универсальной модели не мешает получить экономический эффект. В этом смысле отставание не является препятствием для прикладной цифровизации.
Следует помнить, что преимущество догоняющего не возникает автоматически. Если ограничиться использованием готовых решений, зависимость от лидеров сохранится. Необходимо развивать собственные данные, инженерные школы, платформы и экосистемы, вычислительную базу, системы оценки качества и подготовку специалистов. Тогда поздний старт позволит не просто сэкономить на чужих ошибках, а быстрее пройти путь от адаптации проверенных технологий к собственным конкурентоспособным разработкам.
