Триллион на бумаге, ноль в реальности
К 2026 году страны вложили в "суверенный ИИ" примерно $1.3 триллиона. Европейский Союз, Китай, Индия, Россия — все ринулись строить свои национальные AI-экосистемы. Результат? Колоссальная трата денег. Почти все эти проекты либо провалились, либо оказались в глубокой зависимости от тех же глобальных цепочек, от которых пытались убежать.
Цифра $1.3 трлн — это не прогноз, а уже потраченные деньги. Сумма включает государственные инвестиции, налоговые льготы и прямые субсидии компаниям, работающим над национальными AI-проектами с 2023 по 2025 год.
Миф о полной автономии
Идея проста и красива: создаем свои модели, свои чипы, свои дата-центры. Никакой зависимости от OpenAI, NVIDIA или американских облаков. Реальность оказалась грязнее.
Возьмем европейский проект LEIA (Large European AI). Потратили €45 миллиардов. Получили модель, которая в тестах отстает от GPT-4.5 на 40%. И это при том, что 70% ее обучения все равно проходило на американских GPU через арендованные мощности в Айове.
Российский национальный план ИИ до 2030 года выглядит еще трагичнее. Санкции на импорт чипов превратили амбициозные планы в фарс. Своих процессоров нет, чужие не купить. О каком суверенитете речь?
Где споткнулись все
Проблема в трех слоях, и каждый убивает идею автономии.
1. Железо. Тот самый камень преткновения
NVIDIA контролирует 92% рынка AI-ускорителей. TSMC производит 85% самых современных чипов. Обе компании — не европейские, не российские, не индийские.
Китай пытается выкрутиться через SMIC. Получается плохо. Их 7-нм процессоры отстают от TSMC на два поколения. Потребляют на 60% больше энергии. Стоят в полтора раза дороже.
Европа? Флагманский проект EPI (European Processor Initiative) выпустил свой первый AI-чип в 2025. Он в 3 раза медленнее, чем H200 от NVIDIA. И дороже. Кто его купит?
2. Данные. Тихий ужас
Чтобы обучить модель уровня GPT-4.5, нужно примерно 15 триллионов токенов качественного текста. На каком языке? Английском. Потому что 85% всех технических, научных и бизнес-текстов в мире — на английском.
Немецкие разработчики из Aleph Alpha жаловались: чтобы собрать достаточно немецкоязычных данных для их модели, пришлось скрести по сусекам. Включая сканирование старых газет из архивов. Результат — модель понимает сложные грамматические конструкции, но не знает последних мемов или бизнес-терминов, которые пришли из английского.
Русскоязычные данные? Еще хуже. Большая часть качественного контента — переводы с английского. Оригинальных исследований мало. Модель учится на вторичном материале.
3. Таланты. Они голосуют ногами
Лучшие AI-исследователи хотят работать над самыми интересными задачами. С самыми современными инструментами. За большие деньги.
Что предлагает национальный проект в, скажем, Франции? Работать на устаревшем железе. С данными на французском. За зарплату на 30% ниже, чем в Кремниевой долине.
Индия пытается удержать таланты через венчурные инвестиции в AI-стартапы. Получается с переменным успехом. $643 миллиона на 100 сделок — звучит внушительно. Пока не сравнишь с $18 миллиардами, которые получили американские AI-стартапы за тот же период.
Кейс: Индийский провал
Индия — идеальный пример того, как не надо делать. Страна с огромным IT-сектором, талантливыми разработчиками, амбициозным правительством.
В 2024 году объявили о создании "BharatGPT" — национальной языковой модели для 22 официальных языков. Бюджет — $500 миллионов.
Что пошло не так? Практически все.
- Чипы закупали у NVIDIA через посредников в Сингапуре (дороже на 25%)
- Данные собирали с государственных сайтов — качество ниже плинтуса
- Ключевые исследователи ушли в Meta и Google через полгода после старта проекта
- Модель вышла в 2025 году. Работает хуже, чем бесплатный ChatGPT 4.0
Теперь Индия пытается догнать через стартапы. Но $643 миллиона — это капля в море. Особенно когда один только Anthropic привлек $7.3 миллиарда.
| Страна/Проект | Инвестиции (2023-2025) | Результат (оценка на 25.01.2026) | Зависимость от США |
|---|---|---|---|
| ЕС / LEIA | €45 млрд | Отстает от GPT-4.5 на 40% | 70% (железо, облака) |
| Китай / Ernie 4.0 | $30 млрд | Конкурирует, но только внутри Китая | 45% (дизайн чипов, ПО) |
| Индия / BharatGPT | $500 млн | Провал, хуже ChatGPT 4.0 | 85% (все компоненты) |
| Россия / GigaChat | $1.2 млрд | Технически отстает на 3-4 года | 90% (обход санкций) |
А что тогда работает?
Полная автономия — миф. Но есть стратегии, которые дают хоть какой-то результат.
- Нишевая специализация. Не пытаться сделать общую модель лучше GPT. Сделать узкоспециализированную модель для, скажем, медицинских документов на национальном языке. Датская компания Corti так и выживает — их модель для экстренных вызовов работает лучше аналогов, потому что обучена на датских диалогах скорой помощи.
- Открытые веса. Вместо того чтобы обучать с нуля, взять открытую модель типа Llama 3.2 (вышла в 2025) и дообучить на своих данных. Дешевле в 100 раз. Результат — 80% от максимального.
- Регуляторный суверенитет. Это единственное, что у стран действительно получается. GDPR для данных, свои правила для AI в госсекторе. Технологии все равно американские, но хотя бы правила свои.
Проблема в том, что политикам нужно громкое "мы создали свой ИИ". А тихая работа с открытыми моделями — это не для пресс-релизов.
$1.3 трлн могли пойти иначе
Представьте альтернативную реальность. Вместо того чтобы вкладывать в дублирование инфраструктуры, страны тратят эти деньги на:
- Образование. Подготовку 500 тысяч AI-специалистов, которые потом все равно уедут в США, но хотя бы будут платить налоги первые 5 лет
- Инфраструктуру. Не свои дата-центры, а дешевый и быстрый интернет для всех
- Данные. Систематизацию и очистку национальных данных, чтобы их могли использовать компании (в том числе иностранные)
Но нет. Проще построить очередной "национальный AI-центр", который через два года окажется устаревшим.
Ирония в том, что пока страны тратят триллионы на суверенный ИИ, настоящая революция происходит в другом месте — в AI-агентах. Автономные системы, которые выполняют задачи без человека. Вот где деньги. Но для этого нужны именно глобальные модели, а не урезанные национальные версии.
Что будет в 2027?
Тренд ясен. Национальные AI-проекты будут тихо умирать. Одни — через сокращение финансирования. Другие — через ребрендинг в "исследовательские центры". Третьи — просто забудут.
Но деньги продолжат течь. Потому что корпорации боятся ИИ, а правительства боятся отстать. Страх — лучший двигатель для бюджетных расходов.
К 2030 году мы увидим отчеты о "частичном успехе". Мол, создали инфраструктуру, подготовили кадры. Главное — не упоминать, что инфраструктура устарела еще до завершения строительства, а кадры уехали.
Единственный реальный суверенитет, который останется — регуляторный. Европа будет диктовать правила обработки данных. Китай — цензуру. США — стандарты безопасности. Технологии все равно будут глобальными.
Мой прогноз? К 2028 году термин "суверенный ИИ" станет таким же анахронизмом, как "национальный интернет". Все поймут, что нельзя построить стену вокруг данных. Можно только пытаться контролировать, как эти данные используют.
А $1.3 триллиона? Они уже потрачены. Лучше бы на эти деньги купили акций NVIDIA в 2023. Рост был бы 400%. Но политики не умеют в инвестиции. Они умеют в громкие проекты с сомнительной отдачей.
Что делать бизнесу? Игнорировать национальные инициативы. Работать с лучшими глобальными инструментами. А если нужно соответствие локальным правилам — нанять юристов. Дешевле, чем строить свой ИИ с нуля.
Суверенный ИИ мертв. Он просто еще не знает об этом.
