Гонка ИИ без иллюзий

Кто на самом деле лидирует, где стоит Россия и сможет ли мир уйти от Nvidia?

Глобальную гонку искусственного интеллекта (ИИ) часто рассказывают как простую историю: несколько брендов чат-ботов, пара гигантских производителей чипов и планета, мчащаяся в будущее с одинаковой скоростью. Реальность суровее. Рынок уже высоко неравномерен. Соединенные Штаты и Китай находятся в собственной категории. Вторая группа стран конкурирует через таланты, промышленную политику или инфраструктуру. Россия не входит в эту ведущую группу. И более глубокая битва – это больше не просто вопрос лучшего модели. Это вопрос того, кто контролирует вычислительные мощности (compute), чипы, облачные ресурсы и программный стек, который делает современный ИИ возможным.

Гонка ИИ – это не равные условия

Серьезная оценка национальной силы в области ИИ не может опираться только на один показатель. Подсчета научных статей недостаточно. Подсчета патентов недостаточно. Подсчета стартапов недостаточно. Настоящая сила в сфере ИИ исходит из сочетания передовых исследований, вычислительной инфраструктуры, частного капитала, талантов, возможностей развертывания и государственной стратегии. Именно поэтому Индекс ИИ Стэнфордского университета (Stanford’s AI Index) и работа по оценке глобальной жизненности ИИ (Global AI Vibrancy) остаются полезными ориентирами: они измеряют не просто шум, а глубину экосистемы.

Если посмотреть на рынок таким образом, emerges четкая закономерность. Мир не является свидетелем десяти равных сил в сфере ИИ. Мы наблюдаем двух системных лидеров, переполненную вторую группу и длинный хвост стран, пытающихся не стать зависимыми потребителями иностранных моделей и иностранной инфраструктуры.

Практическая шкала национальной силы ИИ от 0 до 100

Используя последнюю сравнительную картину Стэнфордского университета в качестве основы и нормализуя все показатели относительно Соединенных Штатов = 100, ландшафт становится легче читать:

• Соединенные Штаты – 100
• Китай – 47
• Индия – 27
• Южная Корея – 22
• Великобритания – 21
• Сингапур – 21
• Испания – 21
• ОАЭ – 20
• Япония – 20
• Канада – 20

Это не машина абсолютной истины. Это визуальный способ показать относительный вес национальных экосистем ИИ. Но даже как упрощение, он раскрывает важную вещь: разрыв огромен. Соединенные Штаты не просто опережают других. Они опережают настолько, что могут формировать правила рынка. Китай – единственная страна с достаточным масштабом, чтобы действовать как системный вызывающий. Все остальные значительно меньше.

Почему Соединенные Штаты остаются бесспорным лидером

Лидерство Америки построено не на одной компании или одном продуктовом цикле. Оно исходит от контроля над несколькими слоями стека одновременно. Отчеты Стэнфорда показывают, что в 2024 году учреждения, базирующиеся в США, произвели 40 заметных моделей ИИ, по сравнению с 15 в Китае и 3 в Европе. Частные инвестиции в ИИ в США достигли 109,1 млрд долларов в 2024 году, почти в 12 раз превышая уровень Китая и в 24 раза уровень Великобритании.

Это имеет значение, потому что доминирование в сфере ИИ больше не сводится только к наличию хороших исследователей. Речь идет о полном цикле: передовые лаборатории, гипермасштабное облако, поставка чипов, программные платформы, внедрение предприятиями и распределение среди потребителей. В США есть OpenAI, Anthropic, Google, Meta, Microsoft, Nvidia и лежащая за ними облачная инфраструктура. Это не просто экосистема. Это операционная система текущего рынка ИИ.

Китай – единственный системный вызывающий, но он играет по другим правилам

Сила Китая структурирована иначе. Если Соединенные Шаты доминируют на вершине коммерческого и платформенного стека, Китай продвигается вперед за счет промышленного масштаба, плотности патентов, объема исследований и развертывания при поддержке государства. Стэнфорд отмечает, что Китай продолжает лидировать по публикациям и патентам в сфере ИИ, в то время как разрыв в качестве между китайскими и американскими моделями резко сузился в 2024 году по основным эталонам тестирования.

Данные Всемирной организации интеллектуальной собственности (WIPO) об ландшафте патентов на генеративный ИИ делают этот момент еще более острым: китайские изобретатели были ответственны за более чем 38 000 семейств патентов на GenAI в период с 2014 по 2023 год, примерно в шесть раз больше показателя США. Это не означает автоматически, что у Китая лучшие модели. Это означает, что страна строит огромную инженерную базу и рассматривает ИИ как широкую промышленную технологию, а не просто как рынок чат-ботов.

Таким образом, контраст между США и Китаем прост. Америка лидирует на самом высоком уровне глобального платформенного слоя. Китай сильнее всего как мобилизатор крупномасштабной промышленности. Одна контролирует больше премиального стека. Другая строит глубину, скорость и национальную согласованность.

Вторая группа реальна, но она фрагментирована

Ниже двух ведущих полей ситуация становится запутанной. Индия быстро растет благодаря талантам и масштабу рынка, но все еще не обладает той же глубиной вычислений для передовых задач. Южная Корея сильна в промышленном ИИ и патентной активности. Великобритания остается мощной в исследованиях и безопасности ИИ, но значительно слабее США в капитале и инфраструктуре. Сингапур мал, но необычайно плотен по возможностям. ОАЭ покупают стратегическую позицию через инфраструктуру и национальный приоритет. Япония и Канада остаются серьезными игроками благодаря промышленности и исследованиям.

Это важно по одной причине: большинство этих стран имеют кусочки головоломки, но не полный стек. У них могут быть таланты без чипов, капитал без внутренней экосистемы моделей или сильная политика без достаточного количества вычислительных мощностей. Вот разница между конкурентоспособностью и суверенитетом.

Где Россия находится в этой гонке

Здесь трезвый ответ неприятен. Россия не входит в топ-группу, и она не особенно близка к первой десятке.

Согласно Индексу Tortoise Global AI Index 2024, Россия занимает 31-е место из 83 стран. Reuters также сообщил, что Россия находится на 31-м месте из 83 в индексе Tortoise и на 29-м месте в рейтинге жизнеспособности ИИ Стэнфорда, уступая не только Соединенным Штатам и Китаю, но также Индии и Бразилии.

Если поместить Россию на ту же практическую шкалу от 0 до 100, где США – 100, Китай – 47, а Индия – 27, Россия выглядит скорее как 8–12. Это аналитическое приближение, а не официальный балл Стэнфорда в таком точном формате, но оно соответствует общей картине рейтингов. Россия не конкурирует с первыми двумя группами глобальной силы в сфере ИИ. Она конкурирует за то, чтобы оставаться актуальной.

Это не означает, что у России нет возможностей в сфере ИИ. Они явно есть. Reuters отмечает, что сила России заключается в местных талантах и внутренних моделях, таких как GigaChat и Yandex GPT, в то время как политики продолжают подчеркивать технологическую самодостаточность. Но ограничения серьезны: санкции, более слабый доступ к передовым чипам, меньшая база вычислений, низкая интенсивность частного капитала и более узкая коммерческая экосистема. Это не косметические слабости. Они определяют потолок.

Честное сравнение таково: сегодня Россия – региональный игрок в сфере ИИ с способными компаниями и сильными техническими кластерами, но не страна, которая в настоящее время формирует глобальное направление развития передового ИИ.

Более глубокий вопрос: действительно ли мир захвачен Nvidia?

Здесь история становится интереснее, чем рейтинги.

Многие люди предполагают, что современный ИИ в принципе невозможен без графических процессоров (GPU) Nvidia. Это слишком упрощенно. Лучший вопрос заключается в том, можно ли выполнять вычисления ИИ без конкретно Nvidia, и можно ли это делать вообще без ускорителей, похожих на GPU. Это разные вопросы.

Ответ на первый вопрос – да. Ответ на второй – лишь частично. Рынок может уйти от Nvidia. Он не может легко уйти от высоко параллельных ускорителей.

Доминирование GPU произошло не потому, что GPU являются мистическими машинами ИИ. Оно произошло потому, что они объединили три преимущества одновременно: массовый параллелизм, зрелые инструменты разработки и масштабное производство. Рвы Nvidia – это не только кремний. Это окружающая экосистема: CUDA, библиотеки, межсоединения, знания о развертывании и привычки разработчиков. Именно поэтому замена Nvidia сложнее, чем просто отправка быстрого чипа. Вам нужно заменить среду.

Почему аналогия с майнингом Bitcoin на самом деле работает

Сравнение с майнингом Bitcoin более полезно, чем думают многие люди.

Bitcoin прошел путь от CPU → GPU → FPGA → ASIC, потому что рабочая нагрузка была узкой и повторяемой. Как только проблема стабилизировалась, победила специализация. ИИ следует по схожему пути, но с одним важным отличием: рабочая нагрузка гораздо разнообразнее. Обучение больших моделей, обслуживание вывода (inference), обработка многомодальных систем, маршрутизация разреженных архитектур и запуск ИИ на периферии (edge AI) – это не одно и то же. Это делает создание единого универсального «ИИ ASIC» намного сложнее, чем ASIC для майнинга SHA-256. Именно поэтому будущее аппаратного обеспечения ИИ вряд ли сойдется в одном классе устройств. Вероятнее всего, оно разделится на специализированные слои.

Альтернативы Nvidia уже существуют

Важный момент заключается в том, что рынок не стоит на месте.

TPU Google – самое явное доказательство того, что крупномасштабный ИИ не обязан работать только на чипах Nvidia. Крупные облачные и платформенные компании также разрабатывают свои собственные пользовательские ASIC, чтобы снизить зависимость от Nvidia. Тем временем данные WIPO и более широкая гонка патентов показывают, что страны и фирмы активно ищут дифференцированные архитектуры вычислений, а не принимают постоянную блокировку.

Это не означает, что Nvidia вот-вот рухнет. Это означает, что давление монополии уже порождает альтернативы. Будущее, вероятно, принадлежит более сегментированному рынку вычислений:

• один класс оборудования для обучения передовых моделей,
• другой для масштабного вывода,
• третий для периферийного и встроенного ИИ,
• и решения, движимые национальными интересами, для стран, стремящихся к технологической автономии.

Другими словами, вероятным исходом станет не «смерть GPU». Это конец идеи о том, что один поставщик должен доминировать во всех слоях навсегда.

Что таким странам, как Россия, следует усвоить из этого

Для стран вне верхнего слоя попытка копировать Nvidia лоб в лоб, вероятно, является неправильным ходом. Более лучшая стратегия – более избирательная.

Сфокусируйтесь на ускорителях, ориентированных на вывод, вместо того чтобы пытаться сразу победить мировых лидеров в передовом обучении. Сфокусируйтесь на оптимизации моделей, чтобы одни и те же задачи могли выполняться на более слабом или более специализированном оборудовании. Создавайте слои совместимости программного обеспечения, потому что оборудование без удобного стека – это просто инженерный трофей. Специализируйтесь по вертикалям, таким как промышленный ИИ, речь, оборона, видеонаблюдение, компьютерное зрение или развертывание на периферии. И самое главное, относитесь к вычислениям, моделям, инфраструктуре и развертыванию как к единой системе, а не к отдельным битвам.

Вот настоящий урок суверенитета эпохи ИИ. Владеть моделью недостаточно. Владеть чипом недостаточно. Владеть облаком недостаточно. Те страны, которые будут иметь значение, – это те, которые смогут собрать достаточно частей стека вместе, чтобы избежать статуса постоянных арендаторов внутри платформы кого-то другого.

Главный вывод

Глобальная гонка ИИ – это не столько о том, кто запускает самый громкий чат-бот. Это о том, кто контролирует базовый стек: чипы, облако, энергию, программные экосистемы и способность развертывать ИИ по всей экономике. Соединенные Штаты лидируют, потому что контролируют больше этого стека, чем кто-либо другой. Китай – единственная страна с масштабом, чтобы бросить ему системный вызов. Вторая группа переполнена, но фрагментирована. Россия же пока находится вне верхней группы и ближе к проблеме актуальности, чем к проблеме лидерства.

И вопрос Nvidia указывает на следующую фазу. Вычисления ИИ не останутся историей одного поставщика навсегда. Но они также не станут магически децентрализованными overnight. Реальный сдвиг произойдет через специализацию: разные чипы для разных рабочих нагрузок, разные национальные стратегии для разных ограничений и растущее осознание того, что вычисления – это уже не просто технический вопрос. Это геополитическая инфраструктура.