Такая стратегия уже приносит эффект: инвестиции растут, модели локализуются, бизнес ускоряет внедрение. Мы разберем проблемы дефицита, примеры самостоятельных разработок и ключевые шаги для создания инфраструктуры. Это позволит понять, как адаптироваться к реалиям 2026 года.

Почему дефицит данных - главный барьер для ИИ

Дефицит данных тормозит развитие ИИ в России сильнее, чем кажется. Компании не могут полагаться на зарубежные датасеты из-за санкций и вопросов безопасности. Приходится собирать собственные данные, что требует времени и ресурсов. Крупные игроки вроде Сбера инвестируют миллиарды в GenAI-инфраструктуру, чтобы обучать модели на локальных данных.

Без качественных данных модели дают низкую точность, особенно для специфических задач бизнеса. Исследования показывают: только 26% компаний имеют стратегию ИИ, а барьеры - это нехватка экспертизы и оборудования. Пример - спрос на GPU опережает предложение, вынуждая оптимизировать под отечественное железо. Это подводит к необходимости собственной инфраструктуры.

• Собственные датасеты: Компании вроде МТС собирают данные внутри экосистемы, ожидая эффект в 4 млрд руб. в 2026 году.
• Дефицит GPU: Приходится использовать российские процессоры Эльбрус, Байкал или оптимизировать модели в 20 раз.
• Регуляторные риски: ФЗ-152 требует обработки данных внутри страны, без трансграничной передачи.

Как Сбер и МТС строят GenAI-инфраструктуру

Сбер выделяет 350 млрд руб. на развитие GenAI в 2026 году. Деньги идут на модели, вычисления и платформы для бизнеса. ГигаЧат работает локально, без передачи данных за рубеж - это используют Сибур, Уралхим, ФосАгро. Такие решения обеспечивают комплаенс и независимость.

МТС через MWS AI прогнозирует 40 млрд руб. эффекта к 2028 году. Они внедряют ИИ в авиаперевозки, здравоохранение и добычу. Яндекс с AI Studio лидирует в агентах, а VK и Алиса дополняют стек. Это не пилоты, а промышленная эксплуатация.

1. ГигаЧат: Локальное развертывание для Альфа-Банка и Билайна.
2. Оптимизация моделей: Сокращение в 20 раз при 92% точности.
3. Гибридные облака: 23% компаний выбирают частное облако для скорости.
4. Партнерства: 91% работают с одним вендором для простоты.

Отечественное железо и оптимизация под ИИ

Российские компании переходят на процессоры Эльбрус, Байкал, Иртыш и Loongson. ИВК расширяет линейку серверов для ИИ-задач. Микроконтроллеры для инфраструктуры выводят на рынок в 2026. Это решает дефицит импортных GPU.

Облака популярны: 70% предприятий перейдут к 2026 по Gartner. Локальные установки - 20%, гибрид - 13%. Сертификация ИИ обязательна по ГОСТ Р 71657-2024. Бизнес оптимизирует модели для имеющегося оборудования, избегая дорогих закупок.

• Процессоры: Эльбрус для высоконагруженных задач.
• Микроконтроллеры: Для техконтуров без мощных CPU.
• Облака: Частное и публичное по 23%.
• IDC прогноз: Рынок ИИ - 500 млрд руб. к 2026.

Масштабирование от пилотов к производству

В 2026 бизнес выходит за рамки пилотов: ИИ прогнозирует сбои, резервирует ресурсы. Рынок GenAI вырос до 58 млрд руб. в 2025. Инфраструктура on-premise требует от 100 млн руб., но окупается. Государство выделяет 15 млрд руб. на стратегию ИИ до 2030.

Компании фокусируются на платформах для ИИ-помощников. Внедрение занимает 1-3 месяца у 29%. Это ускоряет эффект, минимизируя риски. До 70% фирм используют ИИ для экономии.

Инфраструктура ИИ: от барьеров к независимости

Российские компании уже строят полную цепочку: от данных до моделей. Это дает технологическую независимость при дефиците западных решений. Осталось развить экспертизу и микроконтроллеры для всех задач.

Инвестиции в сотни миллиардов изменят бизнес-процессы. Тренд - на гибридные сценарии и оптимизацию. Дальше - безлюдные производства и автономный транспорт, если инфраструктура выдержит нагрузку.