На прошедшем в 2026 году IT-форуме РУССОФТ специалисты в области искусственного интеллекта сошлись во мнении, что ключевым ограничением для отрасли становится не разработка алгоритмов, а доступ к вычислительным мощностям. По словам участников, без современных GPU-кластеров и достаточного количества дата-центров создание конкурентоспособных больших моделей в России практически невозможно. Эта тема вызвала широкую дискуссию, так как затрагивает интересы как крупных компаний, так и государственных структур. Один из выступавших, сотрудник фирмы с ИИ и учёный, после конференции решил вынести проблему на публичное обсуждение, чтобы привлечь больше специалистов к дискуссии.

Согласно прозвучавшим на форуме оценкам, в стране ощущается острый дефицит центров обработки данных, ориентированных на задачи ИИ. Если в мире уже развёрнуты десятки крупных GPU-кластеров, то в России их количество измеряется единицами. При этом потребность в вычислениях растёт экспоненциально: обучение современных моделей требует тысяч ускорителей, а inference (работа готовой модели) — постоянного доступа к серверам. Без этого даже самые талантливые разработчики не могут конкурировать с зарубежными аналогами. На форуме была представлена наглядная метафора «чёрной дыры»: если расположить популярность отечественных и зарубежных ИИ-платформ относительно сложности задач, то образуется провал в средней зоне. Чем проще запрос (например, рецепт пирога или прогноз погоды), тем охотнее пользователь выбирает российские сервисы, встроенные в его экосистему. Чем сложнее и специализированнее задача (медицина, металлургия), тем лучше отечественные решения, учитывающие местные стандарты и нормативы, такие как клинические рекомендации Минздрава РФ. Но в середине — при необходимости быстро сделать сайт, приложение или спецификацию — пользователи уходят к зарубежным аналогам, потому что российских аналогов ChatGPT или DeepSeek пока нет.

Технически проблема упирается в несколько уровней. Во-первых, это доступность самих GPU: из-за санкций поставки высокопроизводительных чипов ограничены, а собственные аналоги пока не достигают нужной производительности. Во-вторых, дата-центры должны соответствовать требованиям по энергоснабжению и охлаждению, что требует значительных инвестиций. В-третьих, отсутствует отлаженная инфраструктура для распределённого обучения моделей. Всё это вместе создаёт «чёрную дыру», в которую утекают ресурсы и время, не позволяя отрасли выйти на новый уровень. Как отметил докладчик, для появления аналога GPT недостаточно модели — нужно железо и дата-центр. Текущие дата-центры не содержат GPU достаточной мощности, а бигтехи, пытаясь создавать свои модели, быстро доходят до границы технологий.

Контекст проблемы становится яснее при сравнении с мировыми трендами. На Западе крупные технологические компании создали своего рода круговую поруку: они обмениваются услугами и продуктами, чтобы совместно финансировать строительство дата-центров и закупку оборудования. Например, более 16 корпораций связаны взаимными поставками, что позволяет им распределять колоссальные затраты. В Китае модель иная: государство активно поддерживает национальных производителей, субсидируя создание больших моделей и инфраструктуры. Россия пока не может похвастаться ни тем, ни другим механизмом в полной мере. В ходе дискуссии прозвучал вопрос: может ли помочь тактика «шпиона» — то есть повторение пути, которым шли создатели DeepSeek и ChatGPT? Однако без собственной вычислительной базы этот путь остаётся крайне затруднительным.

Для российского рынка это означает, что без срочных мер по развитию инфраструктуры страна рискует оказаться на периферии глобального ИИ-прогресса. Участники форума отметили, что уже сейчас многие компании предпочитают использовать зарубежные сервисы для простых задач, таких как генерация текста или изображений, поскольку отечественные аналоги либо отсутствуют, либо уступают по качеству. В то же время в узкоспециализированных областях, например в медицине или металлургии, российские решения могут быть даже лучше, так как учитывают местные стандарты и нормативы. Однако без мощной вычислительной базы этот потенциал остаётся локальным. Более того, даже непрограммисты, далёкие от ИТ, начинают использовать зарубежные инструменты вроде Claude Code для повышения образованности, что лишь увеличивает разрыв.

Сравнение с альтернативами показывает, что путь экстенсивного развития за счёт закупок зарубежного оборудования практически закрыт. Остаётся два варианта: либо наращивать собственное производство компонентов и строить дата-центры, либо искать обходные схемы поставок. Первый требует времени и огромных инвестиций, второй — сопряжён с рисками и не решает проблему технологической независимости. Некоторые эксперты предлагают сосредоточиться на создании специализированных моделей, не претендующих на универсальность, но это лишь частично снимает нагрузку на инфраструктуру. В качестве одного из направлений рассматривается и тактика «шпиона» — копирование удачных зарубежных решений, но для этого всё равно нужна собственная база вычислений.

В ближайшие пять лет, по мнению участников дискуссии, именно инфраструктурные проекты станут главным полем битвы за ИИ-суверенитет. Уже сейчас заметны подвижки: государство и крупные компании анонсируют планы по строительству новых дата-центров, однако конкретные сроки и объёмы финансирования пока неясны. Открытым остаётся вопрос, удастся ли России создать полноценный аналог ChatGPT или DeepSeek, или же придётся довольствоваться нишевыми решениями. Ответ на него зависит от того, насколько быстро удастся преодолеть «чёрную дыру» инфраструктурного дефицита. Пока же, как показывает опыт, даже простые задачи вроде создания сайта за пять минут решаются через зарубежные сервисы, и этот разрыв будет только усиливаться без прорыва в аппаратном обеспечении.