Главная / Новости ИИ / Российские ИИ есть. Пользователей — нет

Новости ИИ

Российские ИИ есть. Пользователей — нет

Сергей Перев · 28 апреля, 2026

С ограничениями, которые накрыли российский рынок, доступ к зарубежным ИИ-сервисам усложнился. ChatGPT, Claude и другие модели для многих пользователей фактически оказались вне досягаемости — через VPN, прокси и костыли, которые сами по себе съедают время и деньги пользоваться нейронками стало невыносимо. Отставание только растет, об этом говорили в другой статье.

Часть аудитории пошла в отечественные решения — YandexGPT и GigaChat, ожидая хотя бы сопоставимый уровень. Но столкнулась с ограничениями по функционалу, качеству ответов и удобству работы. Разрыв оказался заметным уже на базовых сценариях.

Мы разобрали ситуацию с экспертами: что реально происходит на рынке российских нейросетей, почему сложился такой разрыв и есть ли у локальных решений шанс его сократить.

Юрий Слатин

Основатель и руководитель XR-агентства LikeVR

Комментарий эксперта

Да, действительно, у Яндекса был высокий шанс раньше всех вступить в эту гонку – были и сильные инженеры, и данные, и деньги. Но, чтобы появился продукт уровня ChatGPT, требовалось кое-что еще.

В первую очередь не хватило глубокого понимания тренда. Долгое время никто не представлял, насколько быстро генеративный ИИ станет отдельным рынком. Для крупных российских компаний это был один из множества R&D-треков. Они не рассматривали его как направление, в которое нужно вкладывать десятки миллиардов и строить вокруг него отдельную стратегию.

Плюс, большая часть российских компаний исторически была сильна в прикладных решениях. Одно дело создать хороший поиск, рекомендации, голосового помощника, встроить ИИ в сервисы. И совсем другое – построить фундаментальную модель мирового уровня. Нужны совершенно другие масштабы вычислений, исследований и скорости развития.

Еще одна проблема – инфраструктура. OpenAI, Google, Anthropic имеют доступ к огромному количеству вычислительных мощностей, собственным чипам, глобальным датацентрам и лучшим исследовательским командам мира. В России же этого масштаба просто нет. Собрать хорошую модель можно, но нереально конкурировать на равных, когда в ресурсах разница огромна.

И потом, сильно отличается рынок. Западные компании строили модели сразу под глобальную аудиторию и десятки языков. Российские игроки в основном ориентировались на локальный рынок. А это автоматически ограничивает и объем данных, и экономику проекта, и масштаб.

С API история похожая. Для многих российских компаний ИИ долго оставался внутренним инструментом для собственных сервисов. Его не рассматривали как отдельный продукт для разработчиков. И именно поэтому экосистемный подход появился намного позже, чем у того же OpenAI.

Но я бы не сказал, что у нас ничего не получилось. YandexGPT, GigaChat и другие модели уже нормально работают в своих задачах, особенно на русском языке. Просто это сильные локальные решения, а не глобальные платформы.

Чтобы в России появился конкурент уровня ChatGPT, мало сделать еще одну модель. Нужны вычисления, инфраструктура, доступ к талантам, отдельный рынок вокруг API и прикладных продуктов, а главное, готовность несколько лет подряд инвестировать огромные деньги. При этом результат не гарантирован. Скорее всего, пока рынок будет и дальше двигаться в сторону прикладных продуктов.

Наталья Жучкова, сооснователь PsyTech-платформы ZiNGiZi с ИИ-помощниками, работает на пересечении технологий и поведения людей, поэтому смотрит не на код, а на экономику решений. У неё заход через стратегию: почему одни игроки изначально играют в долгую и готовы сжигать сотни миллионов без выхлопа, а другие вынуждены считать ROI уже через год. И вот у неё как раз свой вопрос — про деньги и горизонт планирования.

Наталья Жучкова

Сооснователь PsyTech платформы ZiNGiZi с ИИ-помощниками для помогающих практиков и HR, аккредитованный логотерапевт

Комментарий эксперта

Чтобы понять корень проблемы, нужно сравнить две стратегии: DeepMind - олицетворяющая глобальный подход и Яндекса - как самого сильного российского игрока.

DeepMind с самого начала играл вдолгую. Основатели не стремились к быстрой монетизации - они искали инвестора, который даст деньги на фундаментальную науку. Продажа Google стала точкой перехода: DeepMind получил «бесконечные ресурсы» и возможность решать задачи уровня сверхчеловеческого интеллекта в играх (AlphaGo), а затем и в науке (AlphaFold). То есть, их путь не требовал немедленной прибыли.

Яндекс же вынужден был выбрать другой путь. Российский венчурный рынок никогда не давал «длинных денег» на чисто исследовательские проекты. Западные фонды ушли после 2014 года, а государственные и корпоративные инвестиции требовали быстрой отдачи. Яндекс должен был зарабатывать здесь и сейчас: контекстная реклама, такси, маркетплейс, доставка. ИИ в этой модели — инструмент оптимизации существующих бизнесов, а не самостоятельный продукт с горизонтом в 10 лет.

В результате в 2015 году DeepMind еще только готовился к матчу с Ли Седолем, а Яндекс уже имел прибыль и мог инвестировать в R&D. Но DeepMind инвестировал в фундамент — архитектуру Transformer, а Яндекс — в прикладные задачи ранжирования и голосового ассистента.

Технологически Яндекс не так далеко, как кажется. У компании есть данные, команда и инфраструктура. YandexGPT сегодня — это уже четвёртое и пятое поколение моделей. YandexGPT 4 получила контекст в 32 000 токенов и скрытую цепочку рассуждений (chain-of-thought) — технологию, которую OpenAI сделал мейнстримом. YandexGPT 5 Pro, анонсированная в феврале 2025 года, по заявлениям компании, в 64% задач показывает результаты, сопоставимые с GPT-4o

Проблема не в качестве моделей — проблема в доступе и экосистеме. Я считаю, что главные барьеры для развития - капитал, рынок и культура.

В России почти нет инвесторов, готовых финансировать LLM-проекты с горизонтом в 5-7 лет. Венчурные фонды требуют exit за 3-5 лет, а LLM — это инфраструктурный проект с колоссальными затратами на вычисления. По оценкам, обучение модели уровня GPT-4 стоило $100-200 млн только в вычислительных ресурсах. Ни один российский фонд не даст таких денег на чистое исследование без гарантии быстрой окупаемости.

Яндекс мог себе это позволить только потому, что у него был прибыльный поиск и реклама. Но даже Яндекс, по сути, финансировал ИИ из операционной прибыли, а не за счет венчурных инвестиций. Для стартапа это неподъемная ноша.

С другой стороны ChatGPT и Gemini обслуживают весь мир. Их аудитория — миллиарды пользователей. Российские LLM исторически заточены под русский язык и российскую аудиторию. Это не плохо и не хорошо — это рыночная реальность. Но экономика масштаба работает против локальных игроков: чтобы окупить $100 млн на обучение, нужно либо продавать доступ миллионам пользователей по $20 в месяц - как OpenAI - либо иметь супер-прибыльный бизнес, который профинансирует это как внутренние R&D - как Яндекс.

Но самая болезненная точка, пожалуй - ограниченный API-доступ и закрытая экосистема. У OpenAI есть простой и понятный API: зарегистрировался, пополнил счёт, получил ключ — и интегрируй ChatGPT куда угодно. У Google — то же самое с Gemini. А у Яндекса API YandexGPT существует — он доступен через Yandex Cloud, но обставлен квотами и лимитами, которые не всегда можно изменить, а технические лимиты и вовсе фиксированы. Ответ модели ограничен 2000 токенов — для серьёзной работы с документами этого катастрофически мало.

Бесплатный доступ к YandexGPT есть через Алису в браузере или приложении Яндекса, но это не замена полноценному API для разработчиков. Отдельного чат-интерфейса в стиле ChatGPT у Яндекса тоже нет — только диалог с Алисой.

Отличается и модель распространения - пока глобальные игроки строили платформы, российские — строили продукты. И теперь, когда ИИ стал инфраструктурой, оказалось, что продукты без платформы — это тупик. OpenAI сделал ставку на платформу — API, который можно встроить в тысячи приложений. А Яндекс сделал ставку на продукт — Алису, которая удобна внутри экосистемы, но сложна для интеграции вовне. Это стратегическое решение: Яндекс зарабатывает на удержании пользователей в своих сервисах, а не на продаже ИИ-как-услуги. В краткосрочной перспективе это приносит деньги. В долгосрочной — консервирует отставание, потому что вне экосистемы Яндекса модели просто не видны.

Вызывает вопросы и безопасность платформ. Скандал с OpenAI в 2026 году, когда компания подписала контракт с Пентагоном на $200 млн, а 96 сотрудников подписали открытое письмо протест, показал: доверие к западным LLM не абсолютно. Для многих российских компаний и государственных структур использование ChatGPT — это не только технологический, но и политический риск. И это окно возможностей для российских LLM. Но чтобы его использовать, нужны не просто модели, а сервис мирового уровня. Сейчас этого нет.

Что нужно сделать, чтобы догнать.

Сменить приоритет с продукта на платформу. Нужен простой, дешёвый и быстрый API без дурацких лимитов. Чтобы любой стартап мог интегрировать LLM в свой сервис за час, а не за неделю согласований. Бесплатный tier на 1 млн токенов в месяц — как у OpenAI.

Государственные R&D инвестиции в вычислительную инфраструктуру. В Китае государство строит суперкомпьютеры и сдаёт время молодым ИИ-компаниям. В США — DARPA финансирует фундаментальные исследования. В России — нет ничего сопоставимого. Без доступных GPU-кластеров обучение больших моделей останется привилегией Яндекса и Сбера.

Открытость и сообщество. OpenAI начинал с открытых исследований — и выиграл за счёт того, что тысячи умных людей развивали его идеи. Яндекс открыл YaLM-100B и YandexGPT 5 Lite — это правильный шаг, но его нужно масштабировать. Чем больше людей будут экспериментировать с российскими LLM, тем быстрее они будут улучшаться.

Культурный сдвиг в венчуре. Нужны инвесторы, которые понимают: LLM — это инфраструктура, а не мобильное приложение. Здесь не будет exit через 3 года. Но через 7-10 лет это может стать фундаментом для следующего технологического уклада.

Чтобы появился российский ChatGPT, нужен не очередной голосовой помощник в браузере. Нужен API, который работает. Который не режет ответ на 2000 токенов. Который можно оплатить с российской карты. И который будет доступен каждому разработчику — не как «функция Яндекса для своих», а как самостоятельный сервис.

Пока этого нет, вопрос «почему в России нет конкурентов ChatGPT» останется риторическим.

Окей, деньги и стратегия — это основа основ. Но даже если с ними всё нормально, упираемся в то, как быстро эта комбинация превращается в рабочий продукт.

Павел Белов, директор по развитию финтех-решения «Плати по миру», постоянно работает с продуктами, где важно не когда-нибудь сделаем, а завтра работать должно уже вчера. Павел рассказывает про вычисления, тюнинг моделей и то, почему даже готовую нейронку ещё надо доводить до ума.

Павел Белов

Директор по развитию финтех-решения «Плати по миру», эксперт Российского союза туриндустрии, участник комитета по стартапам РСТ

Комментарий эксперта

Думаю, главная проблема — доступ к серьезным вычислительным мощностям. У западных гигантов практически безлимитный доступ к технологиям, деньгам и микрочипам, а у нас с этим сложно. Это развязывает руки конкурентам и тормозит развитие наших решений. Плюс западные компании вкладывают миллиарды долларов в разработки. У нас инвестиции пока скромнее, и это сказывается на скорости развития.

Вообще долгое время искусственный интеллект не был в фокусе крупных российских компаний. Сейчас, конечно, и Яндекс, и Сбер активно работают в этом направлении, пытаются догнать и занять лидирующие позиции, но отставание накопилось серьезное. Нужно не просто «хотеть сделать», а системно работать над этим годами, не отвлекаясь на другие задачи. У нас пока получается, что крупные игроки занимаются ИИ между делом, а не как основным направлением.

Подчеркну еще один важный момент. То, что мы называем ИИ — это область науки, и до сих пор никто до конца не понимает, как и почему нейронные сети начинают «мыслить». А вот конкретные ИИ-агенты, которые мы видим на рынке, стали такими благодаря тюнингу — тонкой настройке. То есть, даже если есть сама модель, её нужно доводить до ума. На Западе этому научились, а нам ещё предстоит наработать свою экспертизу.

Чтобы появились сильные конкуренты ChatGPT, нужны три вещи: доступ к вычислительным мощностям, серьезные инвестиции в разработку и системная работа над тюнингом моделей. И конечно, своя научная школа и подготовка специалистов, которые умеют не просто пользоваться, а создавать новые решения. Без этого мы рискуем остаться в позиции догоняющих.

Олеся Шаркова, IT-интегратор «Экспресс лаб». Она каждый день сталкивается с внедрением решений в бизнес, где всё упирается в простую вещь: можно ли это быстро интегрировать или нет. Олеся ответит на важный вопрос — почему одни компании строят платформы, вокруг которых вырастает рынок, а другие замыкают всё внутри своей экосистемы и тем самым сами режут себе масштаб.

Олеся Шаркова

IT-интегратор «Экспресс лаб»

Комментарий эксперта

Коротко, дело не в одной ошибке, а в том, что генеративный ИИ оказался другой гонкой с другими правилами. В середине 2010-х у Яндекс действительно была сильная база: поиск, данные, инженеры. Но тогда ключевая компетенция была в ранжировании. Большие языковые модели требуют другого фокуса и длинных инвестиций без быстрой отдачи. OpenAI и Google начали двигаться в эту сторону раньше и более последовательно.

Большую роль играет инфраструктура. Такие модели требуют огромных вычислительных мощностей и регулярного дообучения. У глобальных игроков есть собственные дата-центры и доступ к современному оборудованию. В России проекты тоже есть, но масштаб и темп развития ниже, это влияет на скорость прогресса.

С данными ситуация похожая. Важно не только количество, но и разнообразие. Многое обучение идет на англоязычном контенте, научных текстах, коде. Этот массив значительно больше, поэтому стартовые условия у международных моделей шире.

Еще один момент, экосистема. OpenAI быстро открыли API и дали разработчикам возможность строить свои продукты поверх. Это дало сильный эффект роста. В России чаще делали решения внутри собственных сервисов, без ориентации на платформу, поэтому масштабирование шло медленнее.

Стратегия тоже имеет значение. Генеративный ИИ сначала выглядел как дорогая и нестабильная технология с неочевидной монетизацией. Западные компании готовы были инвестировать в этот риск. Российские компании действовали более аккуратно, делая упор на прикладную пользу и устойчивость.

Отсутствие удобных API, по сути, следствие этих факторов. Чтобы их открыть, нужна стабильная модель, понятная экономика и уверенность в нагрузке.

Если говорить о будущем, более реалистичный путь не в прямой гонке, а в прикладных решениях. Интеграции с бизнес-процессами, CRM, документооборотом. Плюс развитие API и экосистемы вокруг продуктов. При таком подходе можно занять сильные позиции в своих нишах, даже если глобальные лидеры остаются впереди.

Иван Будник, эксперт-практик в AI, цифровой трансформации и e-commerce, сооснователь AI-стартапов, знает, как принимаются решения, куда уходит фокус и почему даже при наличии ресурсов компания может системно работать в том направлении.

Иван Будник

Эксперт-практик в AI, цифровой трансформации и e-commerce, сооснователь AI-стартапов. Эксперт ТПП РФ по развитию электронной коммерции, IT и цифровой экономики. Арт-директор

Комментарий эксперта

На мой взгляд есть несколько аспектов. В первую очередь, это то, что Яндекс достаточно крупная компания и акцент был на развитие поисковых систем и на развитие внутренней экосистемы, которая достаточно большая у Яндекса. Соответственно, чтобы заниматься разработкой нейросетей, должна быть отдельная команда. Ставку скорее всего на это просто не делали. Второй момент - это сложности в геополитической ситуации. Для нейросетей нужны определенные технические мощности, различные сервера, которых должно быть достаточно много для того, чтобы обеспечивать инфраструктуру, обогащения инженеров. Причем нужно инженеров привлекать в том числе из других стран, несмотря на то, что у нас есть очень одаренные специалисты.

Но тем не менее, ряд этих событий привели к тому, что к сожалению, наши нейросети довольно сильно отстают от зарубежных аналогов, в том числе и китайских, и американских и других.

Если посмотреть на все, что происходит на российском рынке нейросетей, то можно увидеть простую цепочку. Нет длинных денег — не строится фундаментальная модель. Нет вычислений — не масштабируется обучение. Нет открытого API — не появляется рынок разработчиков. Нет платформы — не возникает экосистема, которая сама ускоряет рост.

При этом почти все сходятся в одном: технически Россия может догнать конкурентов хоть завтра. YandexGPT, GigaChat и другие решения закрывают локальные задачи и в ряде кейсов работают на уровне, достаточном для бизнеса. Но этого недостаточно, чтобы выйти в глобальную гонку, где счёт идёт на сотни миллионов долларов инвестиций и сотни миллионов пользователей.

Чтобы понять масштаб, посмотрим на таблицу — топ 5 нейросетей по числу пользователей:

Платформа	Примерная аудитория	Тип метрики	Комментарий
ChatGPT	~800–900 млн	Недельная активная аудитория (WAU)	Самая большая база, быстрый рост за счёт API и массового использования
Google Gemini	~400–750 млн	Месячная активная аудитория (MAU)	Рост идёт через интеграцию в поиск, Android и Google Workspace
Claude	~15–20 млн	Месячная активная аудитория (MAU)	Сильный упор на B2B и разработчиков
Perplexity AI	~10–20 млн	Месячная активная аудитория (MAU)	Растёт как AI-поиск, но пока нишевый игрок
Microsoft Copilot	~100–200 млн	Пользователи в экосистеме	Распределён по Windows, Office и Bing, нет единой точки входа

А теперь посмотрим, что происходит на российском рынке нейросетей:

Платформа	Примерная аудитория	Тип метрики	Комментарий
YandexGPT	~10–30 млн	Пользователи через экосистему	Используется внутри Алисы, поиска и сервисов Яндекса
GigaChat	~5–15 млн	Пользователи через экосистему	Ограниченный доступ, слабее развит API

Да, мы видим, что у YandexGPT и GigaChat вроде бы как большая аудитория, но мы сделали скидку на то, что у Яндекса и Сбера нет отдельного массового продукта уровня ChatGPT, куда пользователь приходит именно пообщаться с моделью. У них LLM спрятана внутри сервисов — Алиса, банковские приложения, веб-интерфейсы. Из-за этого метрика по количеству пользователей кажется такой большой.

Отсюда вилка: либо рынок продолжает идти по этому пути и усиливает прикладные решения — CRM, автоматизацию, внутренние ассистенты, где можно зарабатывать уже сейчас. Либо появляется новая модель: дешёвый и открытый API, доступ к вычислениям, длинные деньги и ставка на платформу.

Пока второй сценарий не запущен, вопрос почему нет своего ChatGPT будет возвращаться снова и снова. Только ответ на него уже понятен — и он лежит не в коде, а в экономике решений.

Сергей Перев — автор и обозреватель финансовых рынков. Специализируется на Forex, криптовалютах и макроэкономике. В материалах опирается на данные регуляторов, статистику рынков и отраслевые отчёты, анализируя риски и факторы, влияющие на решения частных инвесторов и трейдеров.

Российские ИИ есть. Пользователей — нет

Похожие статьи