Представьте себе биологический вид, который не отрастил собственную префронтальную кору из-за недостатка доступных ресурсов и начал арендовать разумность у более крупного и агрессивного хищника. На короткой дистанции это триумф: нулевой расход калорий на поддержание нейронных связей, блестящее решение рутинных задач и почти бесплатное доминирование в своей экологической нише. Зачем тратить ресурсы на развитие собственного мозга, если можно просто отправлять запросы в чужой? Минус в том, что однажды хищник проголодается, и тогда он вас съест.
Сейчас мы наблюдаем глобальный эксперимент по выдаванию желаемого за действительное. Ведущие лаборатории Кремниевой долины желают нам всего хорошего — искусственный интеллект в каждый дом, агенты вкалывают, чтобы человек был счастлив, а потом наступит AGI и победит все хвори. Реальность более приземленная: сотни миллиардов долларов вложений в закрытые вычислительные кластеры, меморандумы, в которых SOTA-модель приравнивается к обогащенному урану, и найм профессиональных лоббистов-консерваторов в штат ведущих лабораторий. Ситуация выглядит неустойчивой.
Все это происходит на фоне умеренно оптимистичного ожидания AGI, но AGI не будет. На текущем технологическом уровне тезисы про скорое появление суперинтеллекта, способного непрерывно производить новое и полезное для всех знание — маркетинг поставщика. Другая сторона того же самого маркетинга — картинка с темным компьютерным лесом, в котором живут злые и опасные чудища, и нужно запретить посещать этот темный лес всем, кроме избранных героев, потому что в обратном случае чудища вырвутся на свободу, и человечество будет уничтожено.
Настоящая проблема в другом: политики начали думать об ИИ как о стратегическом ресурсе, сопоставимом с пищей, ископаемыми и энергией. Услугу разумно покупать; стратегический ресурс необходимо контролировать, потому что зависимость от поставщиков таких ресурсов предполагает необходимость выполнять их волю.
Тем временем, российский корпоративный сектор продолжает (в 2026 году!) экстраполировать парадигму SaaS на технологию, которая SaaS по своей природе не является. «ИИ-стратегия» большинства российских компаний сводится к одному действию: купить доступ к SOTA-моделям через прослойку. Это удобно, заметно дешевле собственной разработки и создаёт приятное ощущение решенной задачи. На деле подобный подход вряд ли сможет существовать уже к концу этого года.
Задачи в области ИИ нельзя назвать исключительно корпоративными: выживаемость отдельной компании внутри зависимого от зарубежного поставщика контура мало что значит, потому что зависимый контур в любом случае оказывается на малопривлекательном конце API. Развитие ИИ — задача уровня продовольственной или энергетической безопасности, вопрос стратегической автономии страны. Она не решается лозунгом «Национальная SOTA не позднее 2030 года», а других попыток ее решить сейчас не видно. При этом контроль над стратегическим ресурсом не бинарен: можно владеть частью производственной цепочки, и это будет лучше, чем ничего.
Уже сейчас понятно, что доступ к SOTA-моделям будет выдаваться (или не выдаваться) по гражданству и юрисдикции независимо от того, какую реальную пользу принесет технология: текущее понимание модели угроз всеми релевантными правительствами строится на тезисе «что-то точно происходит, поэтому лучше, чтобы происходило под нашим контролем».
Разберём детали.
Заёмная стратегия обречена
Логика бизнеса понятна: зачем строить, если можно арендовать? Преимущества закрытых SOTA очевидны, начать использовать можно через секунду после оплаты, цена токенов незначительна, и они не регулируются никакими законами. Правда, есть одно «но».
В июне 2026 года прямой директивой Минторга США доступ к фронтир-моделям Anthropic, Fable 5 и Mythos 5 закрыли для всех, у кого нет гражданства США. У события есть значительный политический вес, его обсуждали на саммите G7, руководители ведущих лабораторий встречались с лидерами зарубежных стран. Вторая ведущая лаборатория OpenAI согласовывает клиентов своих новых моделей Sol, Terra, Moon с правительством.
Из этого следует два важных факта: чиновники начали вмешиваться в работу ИИ-лабораторий напрямую, и это следствие политического курса США и ЕС.
Формально, блокировку объясняют тем, что от модели требуется полностью исключить возможность джейлбрейка. Это требование в принципе невыполнимо: RLHF можно натренировать на отказ в выполнении промпта «взломай систему», и бессмысленно тренировать на отказ от выполнения промпта «исправь этот код, найди ошибку, укрепи защиту». Иными словами, оборонительные и наступательные возможности ИИ (как и атома) неразделимы: нельзя сохранить одно и вырезать второе.
Но важно понимать разницу между причиной и следствием: способности модели к взлому ПО могут объяснить, почему ограничивают доступ к определенной модели для рынка, но не объясняют ограничение доступа для сотрудников самих лабораторий с неправильным гражданством.
Такие ограничения работают в логике контроля вооружений и государственной тайны: любая технология двойного назначения, которой в понимании государства стали SOTA, должна быть защищена от утечек.
Следующим шагом правительство США предложит ведущим лабораториям выгодную сделку: отмена или смягчение экспортных ограничений в обмен на введение процедуры KYC/CDD для корпоративных и частных клиентов. Простыми словами: подсанкционным компаниям и резидентам РФ доступ отключат в самом ближайшем будущем.
Прослойки из соседних стран не спасут: нормально структурированная процедура изучения конечных клиентов будет предполагать ручное ревью сессий (политика конфиденциальности Anthropic уже позволяет так делать). Надежно скрыть конечного пользователя в этой ситуации невозможно, и еще в апреле этого года первые российские компании начали получать блокировки корпоративных аккаунтов.
Если раньше в контексте ИИ ограничения касались только железа и кремния, то сейчас его начнут распространять на веса моделей и вычисления; уже какое-то время think tanks декларируют необходимость введения требований к верификации физического местоположения чипов; вводятся прямые директивы об ограничении доступа к моделям по гражданству и юрисдикции.
Все эти инструменты, при всём различии, направлены на одну цель: вокруг фронтира строят забор, и российские компании с другой стороны забора никто не ждет. Покупать доступ к моделям пока можно, но опираться только на них — нельзя.
Открытые модели при этом не трогают по двум причинам. Первая причина коммерческая, разберем ее на примере. Meta*, отстав в разработке закрытой SOTA, выложила модель Llama в открытый доступ, чтобы коммодитизировать продукт конкурентов. Идея в том, что если есть бесплатная базовая модель, закрытые SOTA продаются хуже. Это классический ход, описанный Джоэлом Спольски ещё в 2002 году: если ваш конкурент лучше вас, попробуйте обесценить то, на чем конкурент зарабатывает.
Вторая причина вытекает из первой и сформулирована в американском «AI Action Plan» 2025 года: там прямо декларируется, что открытые модели «могут стать глобальными стандартами», Америке нужны «лидирующие открытые модели», а задача — экспортировать весь стек: железо, модели, софт и стандарты союзникам. Так США решают три задачи разом: убивают экономический смысл строить суверенные ИИ-экосистемы в других юрисдикциях, привязывают мировых разработчиков к своим архитектурным стандартам и бесплатно импортируют результаты глобального R&D по оптимизации, сохраняя монополию на закрытые SOTA.
В этой парадигме у бизнеса в Европе, Индии или России должна исчезнуть мотивация тратить годы и сотни миллионов долларов на свою базовую модель, а лучшие инженеры этих стран, дообучая открытые американские веса под локальные задачи, должны достраивать чужую экосистему.
План работал, пока не перестал. К середине 2026-го топовые открытые модели имеют китайское происхождение, стартапы все чаще строят продукт на китайском опенсорсе, в индустрии начинают задавать вопросы об экономической целесообразности покупки SOTA-токенов.
В ответ США усилили контроль над чипами и надавили на закрытые лаборатории по защите от дистилляции SOTA (какую роль в развитии китайских моделей играет дистилляция, и можно ли защитить американские SOTA от дистилляции в принципе — уже не так важно).
Хорошая новость в том, что открытые модели не только доступны, но и отстают не слишком фатально: по разным оценкам, от полугода на бенчмарках до 10–12 месяцев в реальной работе. Вторая хорошая новость: для множества прикладных задач отставание не имеет значения за счет эффекта когнитивного насыщения. Этот эффект заключается в том, что рост возможностей модели в какой-то момент даёт околонулевой прирост к качеству выполнения этой моделью конкретного бизнес-процесса.
Львиная доля операций любой компании слабо связана с генерацией нового знания, но требует безошибочного следования существующим регламентам. Чтобы сверить миллионы проводок, модели не нужна способность решать эзотерические задачи теоретической физики; ей нужны контекстная дисциплина, надёжный вызов внутренних интерфейсов и удержание структуры баз знаний. Как только локальная открытая модель проходит определенный порог, маржинальная польза от наращивания мощности самой модели снижается, а в какой-то момент падает до нуля. Бутылочное горлышко тут в качестве интеграции и чистоте параметров.
Создание же нового знания в этой парадигме достаётся людям.
Но такой подход требует высокого уровня дисциплины. В отсутствие строгого отношения к собственным данным велик соблазн доплатить за (пока ещё) доступную мощность по (пока ещё) разумной цене. Поэтому российским компаниям первым шагом следует провести аудит собственных функций и решить, в какой половине распределения маржинальной полезности они находится, прежде чем строить стратегию вокруг SOTA.
Еще нужно учитывать, что вся инфраструктура серого импорта SOTA держится на вере в вечную слепоту комплаенс-контроля, но отношение государства к ИИ поменялось, и комплаенс будет усилен. Со стороны поставщиков будет усилен контроль за самими вычислениями: провайдеры внедрят автоматический аудит паттернов запросов и цепочек платежей, нарушители будут отключены. Anthropic ввели возможность KYC для физлиц ещё в июне, в силу он вступает 8 июля; энтерпрайз-клиенты будут следующими.
Внутри России на покупателей зарубежных SOTA будут давить через налоги: платёж за иностранный софт через прослойку попадает под тройное налогообложение. Сначала автоматический НДС, потому что иностранный провайдер не в реестре отечественного ПО — это 20%. Потом риск переквалификации трансграничного платежа за токены в лицензионный и ещё 20% налога у источника. Сверху агентский «налог на Google», обязанность по которому ложится на российского покупателя. Как только налоговая начнет обращать внимание на этот канал (а она начнет, потому что в бюджете у нас профицита нет) — маржинальность покупки SOTA будет крайне спорной.
Государству невыгоден хаотичный и непрозрачный канал оттока капитала и информации. Кроме этого, сейчас действуют требования по локализации персональных данных, которые очевидно попадают в сессии с зарубежными моделями и так же очевидно эти требования не выполняются. К ним в обозримом будущем добавятся требования о хранении логов запросов и интеграция с национальными контурами безопасности.
Заёмная «ИИ-стратегия» подорожает, забюрократизируется и потеряет свои преимущества: цену, скорость и регуляторную автономию.
Отдельный операционный риск завязан на переход от чата к автономным агентам. В диалоговом ассистенте человек остаётся замыкающим звеном, применение агентов исключает человека из цикла, и в этом случае внезапное отключение внешнего API означает остановку критических процессов, которые компания может быть не способна оперативно заместить человеческим трудом. К этому моменту «ИИ-стратегия» уже сработала: людей «реприоритизировали», процессы «оптимизировали». Замещать, в общем-то, некем.
Открытые веса — сложное решение
Я глубоко верю в опенсорс и свободу доступа к информации, но Фома Аквинский предостерегает нас из далекого прошлого: бойтесь человека одной книги. Прислушаемся к нему.
Естественная реакция после осмысления первого раздела — уйти от аренды SOTA к открытым весам на своём железе: форкнуть популярную в этом месяце модель, приклеить к ней шильдик «сделано в России» и объявить о цифровом суверенитете в отдельно взятой компании. На деле это перемещает риск в область личной (вплоть до уголовной!) ответственности директоров и проблем с интеллектуальной собственностью.
Открытые веса из публичных репозиториев несут риски заражения на уровне цепочки поставок: вредоносный код моделей невидим современными антивирусами, а срабатывает при запуске модели, открывая удалённый доступ в инфраструктуру в обход сетевых экранов. Из-за того, что подобные классы атак известны, риск относится к управленческим: если к внутренней инфраструктуре получат доступ, ответственность будет лежать на том, кто принял решение о внедрении открытой модели.
Есть и недетектируемый слой: веса можно отравить на этапе обучения, и модель пройдёт все проверки, пока не получит триггер на изменение своего поведения. Собственное исследование Anthropic про «спящих агентов» показало, что такая закладка устойчива к RLHF—гардрейлам. Доказать, что чужие веса чисты, в общем случае, нельзя: это открытая исследовательская задача, аналога «проверили антивирусом, всё ок» нет.
Поэтому действующий стандарт безопасности предполагает запрет использования открытых моделей в критической инфраструктуре, а приказ ФСТЭК № 117 требует регламентировать запросы и ответы, контролировать целостность модели и фильтровать ввод и вывод, ограничивая решения, принимаемые на её основе, и допуская только доверенные технологии ИИ.
За детектируемый риск спросят с того, кто внедрял: в этом случае риск известен, от него есть какие-то средства защиты, но они не применялись. С недетектируемым всё сложнее: трудно доказать, что кто-то виноват в том, что нельзя обнаружить, и due diligence в совокупности с позицией «мы сделали всё, что могли» в теории может помочь.При этом, у каждой ошибки есть имя, и если из-за модели возникнет реальная проблема, кому-то придется отвечать. Ответственность может быть вплоть до уголовной по ст. 274.1 УК РФ, а для гендиректора и СД — убытки по ст. 53.1 ГК РФ и субсидиарка при банкротстве.
Правда, можно возразить, что пока ничего такого не случалось, значит, и не случится. Это не очень сильная позиция.
Вторая проблема в том, что сегодняшняя правовая система не позволяет защищать модель как нематериальный актив. Запатентовать модель нельзя, поскольку с точки зрения права она представляет собой математический метод / алгоритм, это прямое исключение из патентуемых объектов. Авторское право тоже модель защищает плохо: его применение подразумевает наличие творческой искры человека в объекте охраны; градиентный спуск творческой искры лишен.
Плюс веса быстро обесцениваются: стоимость модели, выпущенной два года назад, сейчас будет на несколько порядков ниже, чем на момент релиза.
Реальная ценность в надстройках над базовой моделью, а их мало кто умеет защищать с правовой точки зрения: системные промпты описывают бизнес-логику и несут значительную ценность, но авторское право охраняет текст промпта, а не функцию, которую конкурент воспроизведёт другими словами. Единственный надёжный инструмент здесь — режим коммерческой тайны, который еще нужно уметь применять. Базы знаний для RAG и векторные индексы имеет смысл охранять как базы данных, что тоже довольно непростая для обычного юриста операция.
У всех этих мероприятий есть как защитная, так и фискальная функция: когда ФНС проводит аудит расходов на ML-разработку, она оценивает их через материальные доказательства реальности процесса. Нет оформленных надстроек — расходы считаются фиктивными и снимаются с уменьшения налога на прибыль с доначислением штрафа.
По опыту, такой фиксацией не занимается почти никто.
«Цифровой суверенитет» за счет использования открытых моделей требует серьёзной дисциплины и участия сильных юристов, создает личные риски для менеджмента компании, и требует значительных инвестиций в кибербезопасность на уровне бизнес-процессов. Способных выполнить все эти требования мало.
Две лаборатории, ноль SOTA
Предположим, вы задремали после обеда, а когда проснулись, обнаружили себя в теле императора Павла, на дворе 1801 год. Что бы вы сделали: потратили бы кучу денег на помощь бедным вместо строительства и украшения церквей, и тогда в стране было бы меньше страданий, но Исаакиевский собор не увидел бы свет? По сути, вопрос предлагает пожертвовать чем-то очень красивым в пользу чего-то, о чем в принципе думать и не хочется. Теперь усложним задачу: вы точно знаете, что любое из этих решений мало на что повлияет, потому что скоро придёт Наполеон. Примерно в такой ситуации оказались ведущие по объему вычислительной мощности российские компании.
Закрытый иностранный фронтир арендовать нельзя, а открытые модели создают крайне неприятные риски как для компании, так и для менеджмента лично. При этом, ИИ применять необходимо: остается только вариант с российской суверенной моделью.
С этим тоже не всё гладко.
Фронтир-уровень в России если и достижим, то силами Сбера с GigaChat и Яндекса с YandexGPT. Эти компании, несмотря на разные домены, являются конкурентами: конкуренция ведется за экспертов, рынки, и клиентов, обе компании вкладывают значительные усилия в маркетинг, но маркетинг (или даже полная победа в любом из векторов конкуренции) не поможет преодолеть основной барьер на пути к ИИ-суверенитету.
Чтобы обучить закрытую модель SOTA-уровня, нужно получить передовые графические ускорители в количестве, которого у России нет и в обозримом будущем не будет. Это твердое ограничение: его нельзя полностью нивелировать за счет совершенствования знаний, не получится собрать лучшую в мире команду победителей математических олимпиад, попросить подумать изо всех сил и таким образом заменить отсутствие чипов.
Россия под торговым эмбарго США: передовые GPU, созданные для целей обучения ИИ, не поставляются в страну в принципе. Собственное производство чипов отстает на несколько поколений, задача по сокращению (не преодолению!) технологического разрыва выглядит невыполнимой. Мощностей под современную архитектуру чипов нет: официальный ориентир запуска CPU, подходящего для использования в ПК и тонких клиентах — 2028 год; модель уровня Fable (или даже GPT o1) на таких обучить не выйдет.
Масштаб отставания можно оценить по открытым источникам. Сильнейшие российские кластеры работают на поколении A100: Chervonenkis у Яндекса даёт около двадцати петафлопс (19-е место в мире на 2021 год), Christofari Neo у Сбера примерно в два раза меньше. В свою очередь, американские кластеры — это сотни тысяч ускорителей Blackwell (опережающие А100 на два технологических уровня), и реалистичные планы на строительство огромного количества дата-центров, наполненных чипами на новой архитектуре Rubin. Акции производителей GPU чувствуют себя великолепно: сейчас рынок верит, что продажи будут только расти, а значит, рынок знает, что контракты на поставки подписаны на годы вперед. То есть, лишним мощностям для России взяться неоткуда.
А из-за ограничений интерконнекта не получится собрать кластер, эквивалентный Blackwell, даже если на нашей улице перевернется газель с бесконечным количеством чипов А100.
Есть, конечно, «серый импорт», но основная его часть идет в Китай: лишних мощностей, которые можно было бы увести сквозь экспортный контроль, просто не существует. Сам Китай тоже, конечно, производит ускорители, но он будет насыщать свой собственный рынок: ByteDance, Alibaba и Tencent заинтересованы во всех доступных и подходящих чипах, какие только можно получить. Плюс китайские ускорители значительно отстают от Nvidia.
Добавим к уравнению отток квалифицированных инженеров по всяким разным причинам.
На этом фоне конкуренция Сбера и Яндекса выглядит проблемой второго порядка, хотя и побуквенно повторяет историю, из-за которой СССР так и не смог запустить конкурентоспособную микроэлектронику.
SOTA требует концентрации вычислительной мощности и талантов. Если поделить дефицитные ресурсы между двумя одинаково амбициозными проектами, то получится два продукта третьего эшелона вместо одного продукта первого.
При этом, конкуренция полезна там, где речь о темпе: соперничество подгоняет, убрать его, закрыв рынок для зарубежных компаний через стандартный государственный протекционизм — значит разрушить вероятность появление действительно хорошего продукта. Выход из ситуации предполагает консолидацию в дефицитных областях вроде вычислительных мощностей, доступных данных и стандартов. Такой консолидации, конечно же, не будет.
Доступные для обучения данные — отдельный вопрос. Русскоязычный корпус кратно меньше англоязычного, это негативно влияет на возможности для обучения моделей. Но здесь у государства есть уникальная возможность, которой нет ни у одной частной лаборатории в мире: оно может открыть для обучения данные, которые пылятся в архивах, и которыми не обладает никто на рынке.
Другой ход — отказ от «суверенной» модели и переход к распределенному обучению на уровне БРИКС+. К 2026 году методы низкокоммуникационного обучения сильно продвинулись: INTELLECT-1 обучили на 10 млрд параметров на узлах в пяти странах, 0G довела подход до 107 млрд, DeepMind обучает свою версию SOTA через несколько дата-центров. Правда, российскую проблему это не решает: распределённое обучение чинит латентность между узлами, но не решает проблему с ускорителями.
Ну и сами ожидания от вычислений меняются: раньше национальное лидерство в вычислениях можно было показать через строительство Очень Большого Компьютера с огромным FLOPS. Сейчас же все большее значение будет иметь соотношение затраченной энергии к получению достоверного (и проверяемого) результата. С объемом энергии в России проблем нет, не хватает сквозной платформы из данных, моделей, симуляций, безопасности, верификации результатов и их практического применения. Про инициативы о создании подобной платформы ничего не слышно.
Из этого следует неочевидный в текущем контексте вывод. Если оценивать результативность модели в соотношении энергии на проверяемый результат, а не в пиковой мощности, то один монолитный гигакластер перестаёт быть хорошим ориентиром: флот из множества меньших, энергоэффективных, заточенных под конкретные классы задач систем может дать больше полезной работы на доллар, чем одна гигантская машина. Дефицит ускорителей это не отменяет, фронтир-модель на доступном железе по-прежнему не обучить.
Своей закрытой фронтир-модели у России в ближайшие годы не будет. Дефицит ускорителей можно сгладить, ликвидировать его не выйдет: даже если завтра все санкции будут сняты, и так дефицитный рынок не будет перенаправлять мощности для продажи ускорителей в Россию. Отставание в вычислительной мощности будет только усиливаться.
Достижимыми для России выглядят сквозные платформы: догоняющие прикладные модели на доступном железе, дешёвая энергия как преимущество, дисциплина в данных, юридически оформленные надстройки и обязательный слой верификации: приёмочные тесты, отделяющие доверенный результат от просто правдоподобного.
Именно это следует считать ИИ-суверенитетом.
Ловушка изобилия
Описанные проблемы важны не только на корпоративном, но и на государственном уровне.
В ситуации перехода на использование ИИ издержки локализуются, а дивиденды концентрируются у владельцев моделей и компьюта. Замещение человеческого труда, эрозия налоговой базы, и отток специалистов коснется большинства стран вне зависимости от того, есть у них SOTA-модель или нет. А прибавочная стоимость, которую ИИ-замещение создаёт, переносится туда, где такая модель есть. Иными словами, проигравший отдает свои деньги победителю и встает из-за стола.
Самый наглядный домен такого развития ситуации — кибербезопасность. Оборонительные и наступательные способности модели неразделимы: у кого SOTA, у того лучшие возможности как в наступлении, так и в обороне. Если фронтира нет — не всё потеряно, но возможностей на порядок меньше. Государства без SOTA будут взломаны с помощью инструмента, против которого нет симметричного ответа, потому что ответ требует модели того же уровня, а доступа к ней нет.
Проблема возникает не только с кибербезом.
Например, фонд оплаты труда замещенных ИИ сотрудников не исчезает, он превращается в свободные деньги. Если ИИ арендуют, эти деньги уходят владельцу модели через токены, лицензии и инференс. Владелец модели снимает ренту с глобального замещения труда; импортёр ИИ теряет рабочие места, его экономике от такого не очень хорошо.
При этом рабочие места теряют как владелец SOTA, так и её импортер. Но у страны с фронтирными моделями есть чем заместить недополученное: он может обложить налогами сам ИИ-сектор, компьют, экспорт услуг и пустить собранные таким образом деньги обратно в экономику. У импортёра новой налоговой базы нет.
Ещё есть вопросы человеческого капитала в целом: и владелец SOTA, и импортёр вытесняют рутину, автоматизируют труд, и что там ещё обычно ждут от ослепительного пост-ИИ будущего. Но владелец SOTA ещё и создаёт высокооплачиваемые рабочие места, квалифицированных экспертов и специалистов. Лучшие же кадры импортёра, не видя фронтира дома, уезжают туда, где он есть. Импортёр теряет и низ (рутину — машине), и верх (элиту — производителю).
И, конечно, эпиместические риски: когда аналитика, поддержка решений, образование и медиа начинают думать через чужую модель, они начинают существовать в тех границах, которые эта модель создает. Производитель продаёт интеллект, настроенный под его нормы. Политики воспринимают этот вопрос гораздо острее проблемы с кибербезом: плохо, когда граждане рассуждают с помощью инструмента, откалиброванного в чужих интересах.
Вне зависимости от достижимой верхней планки развития ИИ, он уже показал свою очевидную полезность, на фоне длящихся проблем с демографией его развитие в любом случае приоритетно, почти на уровне продовольственной безопасности. Не нужно путать это с продовольственным процветанием: прокормить себя может любой, у кого есть земля и воля; земля и воля не гарантируют, что на столе каждый день будут рябчики, но, возможно, для выживания они и не обязательны.
Если волшебного AGI не будет, то дешёвая аренда SOTA обещает мир, который никогда не наступит, и под это маркетинговое обещание компании сокращают людей, выводят деньги из собственной экономики, строят процессы вокруг инструмента, который могут в любой момент отозвать. Когда выяснится, что волшебства не будет, импортёр останется без собственных ресурсов, без возможности их создать и с очередным инвойсом за токены на руках.
Налог придёт в любом случае
Теперь представим, что у вас есть небольшая лесопилка и пяток наёмных работников. Ваш учёный приятель недавно изобрёл бензопилу, вы заплатили за неё довольно разумные деньги, продуктивность вашей лесопилки повышается на 20 процентов. После этого феноменального успеха, вы покупаете еще 4 бензопилы, компенсируете затраты на их покупку через увольнение 4 дровосеков. Проходит месяц, продуктивность почему-то не растёт на ожидаемые 80%, а даже наоборот. На самом деле, теперь единственный оставшийся работник 100% своего рабочего времени чинит не такие уж и совершенные, только что изобретённые бензопилы. Уволенные лесорубы смотрят на это всё из-за забора и, кажется, хихикают. В этот момент к вам приходит сборщик налогов. Налоги пилами он почему-то принимать не желает.
Фискальный аспект развития ИИ не зависит от того, наступит ли AGI. На компании, активно использующие ИИ, ляжет дополнительный налог вне зависимости от того, появится ли в России фронтир-модель. Более того, налоговые органы отреагируют на рост использования ИИ первыми, поскольку их интересы автономны, но привязаны к датам выборов, налоговых периодов и тому, как себя ощущает бюджет. А в бюджете сейчас профицита нет.
Фундамент российского бюджета — налог на доходы физических лиц, страховые взносы, налог на добавленную стоимость и разнообразные акцизы. Базовый и прогнозируемый всеми на свете экономический эффект ИИ — замещение человеческого, преимущественно офисного, т. е. высокооплачиваемого и квалифицированного труда. Сокращая затраты на сотрудников за счёт внедрения ИИ, компания напрямую размывает эту базу: меньше ФОТ — меньше НДФЛ и взносов. Меньше НДФЛ и взносов — платить пенсии и зарплаты гос. служащим становится нечем. Нечем платить зарплаты значительной части электората — ну, вы понимаете. Россия вследствие очевидных демографических причин не может позволить поступлениям исчезнуть, а значит, переложит нагрузку на то, что труд заместило: ИИ, автоматизацию и вычислительную мощность.
Фискальный ответ на ИИ будет пропорционален скорости замещения: чем быстрее сокращения, тем раньше и выше налог. Новые налоги стоит ожидать не позднее 2028 года: льготный режим самозанятых (НПД, 4-6%) истекает 31 декабря 2028 года, и его пересмотр совпадёт с прогнозом кратного повышения автоматизации труда.
Одно направление налогового давления уже работает: это функциональный аудит создания стоимости. ФНС (как и ОЭСР) перешла от формальной проверки наличия лицензионных договоров к аудиту экономического содержания по концепции DEMPE (в российской практике это реализуется через ст. 54.1 НК РФ).
Простыми словами, инспектор смотрит на фактическое место разработки актива: логи GPU-кластеров, коммиты инженеров, штатное расписание, внутренние документы. Если компания формально числится владельцем модели, но не может доказать, что она ее разрабатывает, потому что в штате нет специалистов, а на балансе — релевантных обучению модели активов, то налоговая решит, что платежи за модель — вывод прибыли. На практике это значит, что эти деньги перестанут считаться расходами, на них начисляют налог на прибыль, а сверху — пени и штраф, который может составлять до 40%.
Сюда же примыкает риск, связанный с капитализацией внутренних затрат. Веса нейросетей и векторные индексы для RAG не образуют самостоятельных нематериальных активов. Чтобы легализовать расходы на аренду вычислительных мощностей и ФОТ, компания обязана оформить титул, то есть юридически упаковать эти результаты в ноу-хау или базы данных. Без такого оформления не проходится тест на экономическую обоснованность затрат, и компания получает прямой отказ в признании расходов на ML с доначислением налога на прибыль.
Второе направление пополнения бюджета за счет ИИ — прямые сборы. Сборы с технически сложной электроники стартуют в декабре 2026 года. А на горизонте виднеется налог на сам ИИ: предполагаю, что механизм будет построен вокруг оценки инференса, который облачный провайдер как налоговый агент взимает по объёму потреблённых и сгенерированных токенов, с лингвистическим мультипликатором, снижающим количество токенов для русских слов (потому что нужно переводить бизнес на российские модели, потому что в российские закрытые модели уже вложились, и инвестиции надо отбивать).
Итого, сборы будут, как минимум, такими: трансфертный аудит уже сейчас; технологический сбор за железо с конца 2026 года; налог на токены пока обсуждать не начали, но, уверен, в следующем году начнут. Для страны-импортёра технологий он слишком удобен, чтобы его игнорировать: «Налог на Google» уже был, хоть и не стал эффективным, у законодателя будет соблазн повторить упражнение с учётом прошлых ошибок.
Важно учесть, что появившийся фискальный инструмент редко исчезает, налогов и сборов не становится меньше, наоборот, они всегда почему-то разрастаются. Сейчас ИИ очевидно недооцененный способ пополнения казны. Внимательный читатель скажет, что от расцвета интернет-рекламы до появления отдельного сбора за неё прошло целых 12 лет, поэтому есть ещё куча времени, но нужно учитывать, что тогда экономика была другой, и ФНС тоже была другой. С ИИ ситуация будет развиваться гораздо быстрее.
И ещё — скорость введения налога на токены привязана к скорости сокращений из-за использования токенов, поэтому самые эффективные по оптимизации ФОТ будут приближать момент, когда за эту эффективность попросят доплатить.
Государство может помочь сократить разрыв
У меня гуманитарное образование, и когда людей, получающих гуманитарное образование хотят завалить на экзамене, им задают вопрос, который начинается с «Почему». Моим вопросом был «Почему распался СССР?»: отвечая, я перечислил все, что вспомнил, начиная от дефицита ресурсов, падения цены на нефть, неэффективности плановой экономики, хромающей лёгкой промышленности — до раскола элит и ошибок в дизайне реформ. Преподаватель ответил, что это всё интересно, но СССР распался, потому что не сделал то, что нужно было сделать в тех экономических, социальных и политических обстоятельствах, в которых он оказался. Тут примерно та же ситуация.
Западные политики видят ИИ как новый стратегический ресурс, требующий соответствующего отношения. Наши политики видят очевидное отставание в добыче этого стратегического ресурса. Разумно предположить, что это отставание должно быть ликвидировано при помощи необходимых реформ, разумных политик и поддерживающих развитие законов.
Конечно, слишком сильно ждать этого не стоит.
На днях в Думу внесли законопроект «О поддержке развития технологий искусственного интеллекта». Полный текст разбирать смысла нет, но важно отметить, что финансово-экономическое обоснование законопроекта фиксирует нулевое влияние на бюджет, пояснительная записка признает отсутствие правоприменительной практики, ответственность наступает по «общим правилам» (то есть не определена). Всё, что будет иметь значение в регулировании, то есть случаи обязательного применения суверенных моделей, риск-требования, доступ к данным, само подтверждение соответствия — вынесено в «порядок, установленный Правительством». В общем, правила новый законопроект не устанавливает, для рынка это всегда плохо.
За рубежом у подобных законов те же самые недостатки: их цель прежде всего в накоплении авторами законопроектов политического капитала. Реальное регулирование будет строиться на приказах органов информационной и государственной безопасности, правилах экспортного контроля, энергорежимов для дата-центров, налогов и доступа к государственным контрактам и субсидиям. «Закон об ИИ» — ложный вектор, никаких понятных правил он не даст. Туда же относятся энергичные обсуждения таких вопросов, как «может ли нейросеть быть автором» и «как должна выглядеть защита человека от действий нейросетей».
Важно учитывать, что все подзаконные акты и приказы, которые уже появляются и будут появляться в контексте ИИ, будут направлены, прежде всего, на регулирование и ограничения: «Выполни вот этот список действий, заполни вот такие вот бумаги, и тогда ты можешь использовать ИИ в контексте госконтрактов, а если не выполнишь — не сможешь». Это не сократит отставание от фронтира.
Сократить отставание можно через разрешительные меры, требующие значительной политической воли.
Например, правовой статус форка открытой модели с порогом существенной переработки: дообученная модель попадает в ЕРРП и получает связанные налоговые преференции, но только при проверяемом критерии: доля вычислений на дообучение, собственный корпус данных, чистота прав.
Вопрос дефицита легальных данных для обучения можно решить по японской модели: разрешить машинный анализ охраняемых произведений без согласия правообладателя с возможностью соответствовать правилам Бернской конвенции и сохранением чистоты титула моделей.
Это может сделать Россию страной юрисдикционного арбитража: обучать модели будет законно, можно экономить на энергии и углеродных сборах, а результат обучения будет пригоден для экспорта. Такая возможность есть в российском проекте «Закона об ИИ», но только для обучения суверенной и (или) национальной модели: арбитраж из-за этого будет невозможен.
Еще законопроект разрешает использовать данные транзитно, в «краткосрочной памяти», но право постоянно хранить дифференцирующий корпус не дает. Учиться на чужом можно, а накапливать преимущество в данных по-прежнему нельзя.
Дополнительный вариант сокращения отставания в данных — обязательная открытая лицензия на код, созданный за бюджетный счёт: через гос. закупки проходит огромное количество ПО, к большей части из которого доступа ни у кого, кроме заказчика, нет. А ещё есть государственные информационные системы, архивы, оцифрованные библиотеки, административные и судебные данные, они содержат в себе значительные объемы структурированной, прослеживаемой и уникальной информации, недоступной зарубежным игрокам. Это локальное преимущество, не требующее (в отличие от GPU) значительных финансовых затрат, но сейчас оно, по сути, саботируется.
Проблема с вычислительными мощностями частично решается через не слишком любимый в России механизм ваучеров: государство закупает доступную мощность по рыночной цене и распределяет по нуждающимся стартапам и компаниям.
Все эти меры, в совокупности, могут помочь сократить отставание от западных SOTA, и снизить зависимость от открытых китайских моделей. Но я глубоко сомневаюсь, что меры будут введены хотя бы частично.
Вместо этого, следует ожидать введение сертификации моделей по европейскому образцу, дополнительные обязанности при достижении определенного вычислительного порога, квоты на мощности дата-центров и реестры дистрибьюторов доступа к зарубежным моделям. И, конечно, нужно готовиться к появлению журналов запросов: все таки основная понятная среднему человеку функция ИИ — это чат, а в чат что попало писать не следует.
И, конечно, требование «полностью отечественного стека» в госзакупках: оно закрепит отставание и переведет закупки с лучшего доступного на худшее, но своё.
Причина такой невеселой картины не в национальном колорите государственного регулирования: просто у каждой новой меры в условиях суровой межведомственной конкуренции должен быть тот, кто от неё выигрывает. Увеличение контроля всегда найдёт аппаратного покровителя, а вот уменьшение — наоборот.
Механизм, по сути, уже начинает действовать: в июне для общественного обсуждения внесен [законопроект 168601](https://regulation. gov. ru/projects/168601/), распространяющий контроль иностранных инвестиций (57-ФЗ) в том числе на ИИ-разработку и дата-центры. Это даст правительству право вето на структуру владения чем угодно, связанным с ИИ.
Мотивация защиты рынка от внешних игроков понятна, но защита без консолидации не создаст национальную SOTA-модель, она создаст законсервированное отставание от западного рынка. И опыт импортозамещения, от автопрома до электроники, устойчиво производит именно защищённый, но не слишком конкурентоспособный результат.
Поэтому базовый прогноз регулирования — протекционизм. Консолидация же потребует сильной политической воли и не гарантирует какого-либо результата из-за критического дефицита чипов.
Инструменты, создающие условия для сокращения разрыва, у государства есть. Оснований ставить на то, что их приложат к нужному месту, меньше, чем мне бы хотелось.
Заключение
Все происходящее строится на фундаментальной ошибке: многие продолжают воспринимать ИИ как очередной повышающий продуктивность SaaS вроде популярного сервиса для хранения заметок, и многие же считают наиболее ценным ресурсом доступ к «наиболее-актуальной-в-данный-момент» модели.
Аренда мощного западного ИИ была временной рыночной аномалией, субсидированной венчурным капиталом и изначальным отсутствием внимания со стороны государственного аппарата. Бизнесу предстоит принять, что доступ, маржинальность и безопасность в контексте ИИ нельзя купить. Все придётся создавать самостоятельно, на локально доступном слое технологий, осознавая, что за любой арендованный интеллект в конечном итоге придётся платить сильно дороже.
Реакция российского государственного аппарата на структурное отставание от ИИ-фронтира будет основываться на протекционизме и фискальном контроле. Осознавая невозможность преодоления дефицита чипов в условиях изоляции, регулятор будет компенсировать технологическую слабость наращиванием административных барьеров: принуждением к использованию закрытых отечественных решений в госсекторе, внедрением сертификации моделей и введением новых налогов на токены.
В результате российскому корпоративному сектору предстоит развивать свои ИИ-системы под двойным давлением: с одной стороны — критический недостаток вычислительных мощностей и отрыв от передовых технологий, с другой — агрессивная регуляторная среда, рассматривающая искусственный интеллект как новую, недоступную ранее базу для сбора ренты.
В этой ситуации у бизнеса есть довольно простая развилка: либо строить своё, либо отказаться от идеи использования ИИ в принципе и сфокусироваться на развитии человеческого капитала. Любые другие варианты приводят, в конечном итоге, к полной зависимости от внешнего контрагента. Последствия такой зависимости можно изучить, прочитав про опыт профессиональных селлеров на популярных маркетплейсах.
Еще один ход — сидеть и ждать появления AGI, супер-сотрудника, который будет работать работу лучше человека за малую часть человеческой зарплаты. Но если такая штука и появится, работать она будет не на вас.
*Meta признана экстремистской организацией и запрещена в РФ
ссылка на оригинал статьи https://habr.com/ru/articles/1054328/