Российский бизнес резко нарастил потребление китайских языковых моделей

48 минут назад

© Сгенерировано ИИ

Объем потребления китайских больших языковых моделей (LLM) российскими компаниями в первом полугодии 2026 года более чем в 11 раз превысил показатель за весь 2025 год. Как сообщает ComNews со ссылкой на данные MWS Cloud (входит в МТС Web Services), наибольшим спросом у отечественного бизнеса пользуются семейства Qwen, GLM и Kimi. При этом эксперты отмечают, что всплеск интереса связан не только с миграцией с западных систем, но и с масштабным запуском новых корпоративных пилотов.

Причины популярности и преимущество открытых «весов»

Главное отличие основных китайских разработчиков (Alibaba, Zhipu AI, Moonshot AI) от западных гигантов вроде OpenAI (GPT-5), Anthropic (Claude) и Google (Gemini) — ставка на публикацию открытых обученных параметров (весов) моделей.

- Локальный контур: Возможность скачать веса моделей (Qwen, GLM, DeepSeek) позволяет разворачивать их на собственных серверах компаний или в приватных облаках.

- Защита от внешней блокировки: По словам руководителя Лаборатории ИИ компании «Первый Бит» Владимира Фадеева, уже скачанную и развернутую внутри периметра модель технически невозможно «отозвать» или отключить извне.

- Гибкая адаптация: Открытый код позволяет бизнесу дообучать нейросети под узкие промышленные задачи и адаптировать под корпоративные регламенты информационной безопасности.

Безопасность данных и мультимодельный подход

За первые шесть месяцев 2026 года через китайские LLM в инфраструктуре MWS прошло более 400 млрд токенов. Эксперты уточняют, что этот показатель отражает общий технический трафик (системные промпты, контекст, повторные запросы), а не объемы утечки коммерческой тайны. Развертывание систем (например, GLM 5.2) внутри защищенных российских облаков исключает передачу данных в КНР.

Чтобы снизить риски зависимости от одного поставщика, технический директор «ИИТех» Владислав Кудинов и технический директор MD Audit Юрий Тюрин рекомендуют использовать мультимодельную ИТ-архитектуру. Выделение единого шлюза между бизнес-процессами и нейросетью позволяет тестировать разные семейства LLM и быстро переключать нагрузки в случае изменения условий.

По прогнозам MWS, облачный сегмент рынка LLM в России по итогам 2026 года достигнет 1,5 млрд рублей. Системными ограничителями для развития отрасли остаются не только запасы специализированных ускорителей, но и доступность электроэнергии, сроки создания вычислительных кластеров и дефицит квалифицированных кадров.

Цензура, контекст и риски «галлюцинаций»

Хотя китайские модели обучаются в условиях государственного регулирования, эксперты отмечают, что цензурные ограничения затрагивают лишь узкий слой политических тем и практически не влияют на бизнес-задачи. Основным риском остается недостаточный объем русскоязычных обучающих данных.

Оценивая вероятность ошибок при работе с российскими правовыми и финансовыми нормами, технический директор Just AI Антон Сипачев подчеркнул:

«Куда более реальный риск — не цензура, а полнота и качество данных по российскому контексту. Обучающие корпуса китайских моделей формируются преимущественно на китайских и англоязычных источниках, а русскоязычного контента в них объективно меньше. Это может приводить не к отказу отвечать, а к правдоподобно звучащим, но неточным выводам по специфике российского права или отраслевой практики».

В свою очередь, председатель совета директоров ALP Group Лоран В. Джейкобс добавил, что для полноценного применения в сферах юриспруденции и оценки инвестиционных проектов китайским моделям требуется глубокая адаптация и локализация под российскую специфику.

Читайте также: Российский ИТ-рынок: взгляд на итоги 2025 года