Российский рынок искусственного интеллекта растет, несмотря на санкции

Искусственный интеллект стал одним из самых быстрорастущих секторов российской экономики. Если российский ВВП в 2023 году вырос на 3,6%, то рынок ИИ-решений увеличился на 18% и достиг отметки 650 млрд рублей. При этом западные санкции оказали минимальное влияние на российскую ИИ-индустрию.

Это кажется необычным, но имеет простое объяснение и связано с тем, что, во-первых, российский бизнес и госсектор в большинстве внедрений использовали отечественные решения, а во-вторых, барьеры, которые сегодня стоят на пути развития искусственного интеллекта, имеют глобальный характер и от текущей политической конъюнктуры зависят слабо.

Причиной естественного, еще досанкционного импортозамещения в области ИИ стали качественные разработки российских компаний, которые базируются либо на собственных нейросетевых моделях, либо на больших языковых моделях (LLM) Сбера и "Яндекса", либо на Open-Source-моделях (Open-Source - свободное программное обеспечение). Причем качество и количество доступных всем Open-Source моделей растет буквально с каждым месяцем. Так, например, в тесте MMLU benchmark (Massive Multitask Language Understanding) в октябре 2019 года открытые модели показывали результат 10% против 40% у GPT2. То есть они были в 4 раза хуже проприетарной модели от OpenAI. А уже к началу 2024 года, на фоне общего прогресса больших языковых моделей, это отставание драматически сократилось. Лучшие модели от OpenAI, Google и Anthropic сегодня набирают 80% в MMLU benchmark, а Open-Source модели 75%, что делает их необычайно конкурентным, особенно на фоне того, что они доступны совершенно бесплатно компаниям и людям из любых стран мира.

Помимо повышения уровня Open-Source моделей, феноменально быстро растет и их количество. В январе 2023 на интернет-ресурсе Hugging Face было доступно около 100 тыс. нейросетевых Open-Source-моделей. А уже через полгода, в августе 2023, их количество достигло полумиллиона. Также за это же время с 17 до 60 тысяч увеличилось количество доступных и бесплатных датасетов (наборов данных необходимых для обучения и тренировки моделей).

Традиционными лидерами в области применения ИИ-приложений и алгоритмов являются высококонкурентные области, такие как ритейл, банки, телеком, но в последние несколько лет ИИ-алгоритмы стали использоваться и в российской промышленности: нефтегазовой отрасли, энергетике, металлургии и других отраслях.

Причем достаточно неожиданно искусственный интеллект продемонстрировал свою эффективность в неочевидных для его применения областях, например, в аграрно-промышленном комплексе

Так, по словам генерального директора "Русагро Тех" Артема Петрова, их ИИ-алгоритмы способны смоделировать более 1 млн сценариев севооборота для каждого отдельного поля, выбрать лучший и предложить максимально эффективную программу использования полей. Это дало "Русагро" экономический эффект около 140 млн руб. в год. А ИИ-программа для агрономов, использующая агродроны и ИИ-модели для мониторинга посевов, идентификации сорняков и создания рецептур растворов для обработки полей приносит компании около 1,57 млрд руб. в год.

При этом, что касается барьеров для дальнейшего развития ИИ, то, несмотря на то, что санкционный режим затронул многие аспекты российской IT-индустрии, проблемы, стоящие перед отечественными разработчиками-ИИ не уникальны. Точно такие же задачи решает большинство компаний, работающих над созданием ИИ-решений, во всех странах мира. Их проблемы мало чем отличаются от задач российского бизнеса.

Так, по мнению директора департамента по инновациям и развитию бизнеса CloudMTS Данилы Егорова, сегодня есть два глобальных барьера, стоящих на пути развития искусственного интеллекта. Это дефицит "железа" - графических процессоров (GPU) компании NVIDIA - и дефицит людей, специалистов в области data science.

Графические процессоры (GPU) жизненно необходимы для разработчиков искусственного интеллекта и для бизнеса по нескольким причинам

Это возможность параллельной обработки: графические процессоры спроектированы для обработки большого количества задач одновременно, а в алгоритмах машинного обучения, таких как нейронные сети, множество вычислений можно выполнять параллельно. GPU обеспечивают высокую производительность благодаря своим многопоточным возможностям.

Их высокая вычислительная мощность: Графические процессоры имеют множество ядер, что позволяет им обрабатывать большие объемы данных одновременно. Это требуется при обучении глубоких нейронных сетей, где требуется множество матричных операций.

Объем памяти: Задачи машинного обучения требуют большого объема памяти для хранения параметров моделей, а GPU обычно обладают большим объемом видеопамяти, что позволяет эффективно работать с большими наборами данных.

При этом сегодня практически весь рынок GPU для ИИ-вычислений монополизировала компания NVIDIA. В исследованиях и новых разработках искусственного интеллекта чипы NVIDIA используются в 19 раз чаще, чем все остальные вместе взятые.

В третьем квартале 2023 года 80% всей выручки компании приносили именно GPU для дата-центров, занятых обучении и использовании нейросетевых моделей (два года назад это направление сгенерировало лишь 40% выручки). При этом у NVIDIA нет своего производства, и она размещает свои заказы на заводах TSMC и Samsung, которые имеют ограниченную мощность, так как выполняют и другие заказы. Так, на TSMC собирается большая часть продукции Apple. В итоге, сегодня наблюдается большой дефицит GPU для ИИ-вычислений, а строительство новых мощностей для столь сложного производства займет несколько лет.

Пока же все "сливки" с производства GPU снимают крупнейшие и богатейшие технологические компании, такие как Meta (запрещена в РФ и признана экстремистской организацией) и Microsoft, заказавшие в 2023 году по 150 тысяч новейших чипов NVIDIA H100 каждая. Google, Amazon, Oracle, Tencent заказали по 50 тыс. чипов. А Tesla удалось заказать всего 10 тыс. Менее крупным компаниям достаются уже крохи.

Такая аномальная ситуация не может продолжаться бесконечно, тем более и основной конкурент NVIDIA, компания AMD, а также Google, Amazon, Samsung, Huawei и даже Open AI активно работают над разработкой собственных процессоров для ИИ-вычислений. Рано или поздно монополия NVIDIA будет если не разрушена, то сильно размыта.

Однако вторая проблема - нехватка специалистов, обладающих компетенциями в разработке и использовании ИИ-продуктов - не имеет столь очевидного решения, особенно в актуальном демографическом тренде - низкой рождаемости в странах, где разрабатывают ИИ-решения. Исключение составляет лишь Индия. При этом подготовка ИИ-специалиста среднего уровня, а именно такие требуются бизнесу в первую очередь, занимает более 10 лет.

По словам Егорова, в ближайшие годы российской экономике понадобится более 288 новых ИИ-компетенций. В США каждый год количество вакансий AI-Specialst увеличивается на 74%, а согласно данным World Economic Forum, к 2025 году в мире появится 97 млн новых вакансий, связанных с искусственным интеллектом. И на сегодняшний день очевидного решения для решения проблемы дефицита ИИ-специалистов не предложила ни одна страна мира.

Таким образом, лидерами в области искусственного интеллекта в среднесрочной перспективе станут компании и страны, которые лучше других справятся с проблемой дефицита "железа" и людей.