Российские компании отстали от зарубежных в развитии искусственного интеллекта
Пяти российским компаниям, которые занимаются построением цифровых экосистем, принадлежат 22 нейросети. Из них 11 приходятся на «Сбер». К таким выводам пришли аналитики ICT.Moscow, которые проанализировали работу в области ИИ у «Яндекса», «Сбера», VK, МТС и Т–Банка.
«Сбера» выделяются языковые модели GigaChat, OmniFusion, ruGPT–3.5 и mGPT. Помимо них — нейросеть Kandinsky, модель для обработки речи GigaAM, нейросети для генерации музыки SymFormer и CLaMP, модель для определения возраста и пола по фото MiVOLO, модель для классификации ESG–рисков ESGify, а также ИИ для прогнозирования спроса на электроэнергию.
Потенциал роста
На втором месте — «Яндекс», у которого шесть нейросетей: большая языковая модель YandexGPT, модель для генерации изображений YandexART, модель для генерации речи SpeechGPT, нейросеть для маркетингового продвижения и рекламы Yandex Neuro Ads, нейросеть для распознавания эмоций человека по голосу на основе Yandex SpeechKit, а также нейросеть для распознавания планктона в водоёмах (в рамках Yandex Cloud).
МТС выделились разнообразием ИИ–сервисов, в основе которых лежит применение нейросетей, — у компании таковых 17.
«Российский рынок продуктов на основе больших языковых моделей (LLM) демонстрирует значительный потенциал роста: общий объём целевого рынка в 2024 году достигнет 35 млрд рублей. Большая часть рынка — 33 млрд рублей — будет приходиться на on–premise–продукты, развёрнутые в контуре компании. Доля облачных продуктов составит 2 млрд. Средняя стоимость LLM–проекта без “железа” на текущий момент составляет около 15 млн рублей», — сообщил «ДП» исполнительный директор MTS AI Дмитрий Марков.
«Сбер» и Т–Банк лидируют в сфере ИИ с открытым исходным кодом: более 50% их моделей доступны в Open Source. У «Яндекса» в открытом доступе только одна модель и три инструмента для разработки ИИ.
Погоня за лидерами
Заместитель директора производства IT–интегратора AWG Никита Сусоев отмечает, что развитие ИИ в России набирает темп, однако отставание от Запада и от Китая всё ещё существенно из–за недостаточной масштабности проектов и ограниченного доступа к вычислительным ресурсам и данным.
«Генеративные модели обладают огромным потенциалом. Но их разработка требует значительных ресурсов, а окупаемость зависит от масштабов внедрения и готовности бизнеса к долгосрочным инвестициям. ИИ–сервисы, напротив, часто быстрее окупаются и более широко применяются в бизнесе. Для большинства компаний целесообразно сначала внедрять ИИ–сервисы, а генеративные модели использовать по мере доступности через партнёрские решения или платформы», — комментирует он.
Развивать ИИ–экосистемы в России пока могут себе позволить только бигтехи, подчёркивает эксперт по машинному зрению Nord Clan Андрей Толстиков.
«В сравнении с зарубежными компаниями отечественные сильно отстают. Китай мы тоже пока догнать не можем — он на протяжении последних 5 лет лидирует в этой сфере», — отмечает эксперт.
Пока Google строит атомные электростанции для обучения своих языковых моделей, а OpenAI сталкивается с конкуренцией со стороны сильных игроков вроде Anthropic, в России представлены лишь две крупные модели от «Яндекса» и «Сбера». При этом по количеству токенов (условные единицы измерения объёма текста, который способна обработать нейросеть) они уступают ChatGPT в 4 раза, напоминает заместитель генерального директора по стратегическим проектам «ОБИТ» Михаил Телегин.
От теории к практике
Сейчас многое в сфере ИИ делается из соображений фундаментальных исследований, удовлетворения интереса разработчиков и научных сотрудников, говорит руководитель R&D направления «Комфортела» Александр Васильев. На этом этапе всегда расходуется много средств и сил, а практическое применение приходит позже, по мере улучшения продуктов, более чёткого и точного формулирования потребностей.
Эксперты отмечают перспективность развития именно ИИ–сервисов — они больше всего интересны корпоративным клиентам компаний. «Их зачастую проще адаптировать для решения конкретных бизнес–задач, что позволяет компаниям быстрее увидеть результаты и оценить потенциал внедрения. Генеративные модели, несмотря на их потенциал, требуют более сложных и масштабных интеграций, что может оттянуть момент возврата инвестиций», — объясняет директор по развитию Softlogic Дмитрий Ракович.
Примеров уже достаточно в разных отраслях. Благодаря контролю качества с помощью машинного зрения и нейросетей на производстве снижается процент рекламации бракованного товара, практически уходят в небытие простои сотрудников и оборудования из–за поломок, говорит Андрей Толстиков.
Директор по развитию Touch Instinct Вячеслав Лобозов считает, что в будущем Россия сделает ставку на развитие локальных генеративных моделей, чтобы минимизировать зависимость от иностранных технологий. Также страна продолжит активно разрабатывать законодательные меры для регулирования ИИ, чтобы контролировать этические и юридические аспекты его применения.
Карашаш Ногаева
https://www.dp.ru/a/2024/12/10/biti-razuma-kto-vladeet-nejrosetjami