«Работа на фронтире — это большая необходимость»
Глава MTC Web Services Павел Воронин о трендах в ИИ и мотивации сотрудников
Взрывное развитие технологий искусственного интеллекта (ИИ) ставит перед бизнесом и государством проблемы, которые ранее им решать не приходилось. Корреспонденты «Эксперта» поговорили с гендиректором МТС Web Services Павлом Ворониным о новых трендах в ИИ, о конкурентоспособности российских больших языковых моделей и о том, как мотивировать людей работать в условиях снижения зарплат в сфере IT.
Один из трендов в области искусственного интеллекта — это создание ИИ-фабрик. Что это такое, зачем они нужны и реально ли построить их в России?
Хороший пример такой фабрики — Colossus от xAI Илона Маска. Это кластер из 100 тыс. GPU NVIDIA H100, производительность около 400 экзафлопсов, стоимость проекта оценивается в $5 млрд. Colossus позволяет обучать модель Grok 2 за несколько недель вместо месяцев.
ИИ-фабрики — это крупные вычислительные комплексы, предназначенные для обучения и тонкой настройки frontier-моделей ИИ. Они нужны компаниям, для которых искусственный интеллект является основным продуктом: разработчикам моделей и поставщикам облачных ИИ-сервисов — xAI, OpenAI, Anthropic, Google и другим.
В России на 2026 год ни одна частная компания не может построить фабрику такого масштаба самостоятельно: стоимость оборудования, энергоснабжения и охлаждения выходит за пределы возможностей отдельных игроков. Даже самые крупные российские проекты по обучению моделей обходятся в миллиарды рублей и не достигают уровня международных frontier- моделей. Реально ли это в России? Только на государственном или консорциумном уровне: через объединение ресурсов нескольких крупных корпораций, государства и специализированных центров. Без такого подхода страна останется зависимой от импортных вычислительных мощностей для самых передовых моделей.
Насколько создание такой суперинфраструктуры сегодня является приоритетом для государства и технологических альянсов?
Да, это один из ключевых приоритетов. В январе 2026 года Владимир Путин утвердил перечень поручений по итогам конференции по ИИ, среди которых разработка и утверждение к июню плана мероприятий по развитию инфраструктуры центров обработки данных до 2030 года и на перспективу до 2036 года с учетом нужд ИИ.
Государство также готовит национальный план внедрения ИИ в экономику, социальную сферу и госуправление с фокусом на формирование российских технологических решений, включая фундаментальные модели.
Для обучения собственной frontier-модели текущих мощностей недостаточно, поэтому инфраструктура становится критическим фактором. Однако полное обучение с нуля не всегда оптимально: приоритет отдается мощностям для инференса, платформам и интеграции ИИ в отрасли.
Может быть, чтобы быть конкурентоспособными, нам нужно сделать что-то попроще?
Да, именно такой подход сейчас наиболее реалистичен. Текущий парк специализированных GPU в России для задач ИИ оценивается экспертами в 10–15 тыс. ускорителей (в эквиваленте A100/H100), а планы до 2030 года — рост до 70 тыс. единиц. Обучение собственной frontier-модели с нуля требует сотен тысяч GPU и инвестиций в триллионы рублей — суммы, несопоставимые с возможностями даже крупнейших игроков. Нет гарантии достижения уровня ведущих мировых моделей, таких как ChatGPT-4o, Claude 3.5 и других, особенно при текущих ограничениях на оборудование.
Собственная сверхмасштабная модель нужна преимущественно в сценарии, когда open source или API-доступ к зарубежным моделям будут существенно ограничены, но пока этого не произошло. Вместо этого компании уже получают отдачу от ИИ через прикладные решения. Пример — наш агрегатор MWS GPT, эта платформа объединяет более 70 LLM, включая открытые модели, собственные разработки МТС, сверхбольшие китайские Qwen, Kimi K2 и GLM-4.6. Бизнес подключается по OpenAI-совместимому API, выбирает модель под задачу и платит по факту потребления — это приносит измеримый эффект в автоматизации процессов без необходимости строить собственный кластер.
У европейцев были свои проекты по масштабированию мощности ИИ-фабрик, но они натолкнулись на дефицит электроэнергии и физической инфраструктуры. Может ли наличие энергоресурсов стать преимуществом России в этой гонке?
Да, может при условии быстрого развития сетей. Минэнерго прогнозирует дефицит 2–2,5 ГВт для ИИ-ЦОДов к 2030 году, особенно остро в Москве и области. В мире энергопотребление дата-центров и ИИ вырастет на 150–160% к 2030 году (IEA). Крупные игроки инвестируют в ядерную энергию — например, Microsoft возобновил инвестиции в создание реактора Three Mile Island (835 МВт) и инвестиции в Helion Energy (термоядерный синтез), OpenAI вложил более $1 млрд в Oklo, Google и Amazon подписали контракты с Kairos Power на малые модульные реакторы к 2030 году, xAI (Илон Маск) считает, что ядерная энергия — основной путь для Colossus.