Эфир 18.11 · Поток 318 ноября в 19:00 МСК — бесплатный практический эфир по ИИ-агентам · Живой Поток 3 стартует 23.11Эфир 18 ноября →Поток 3 (23.11)
РелизНаучная статья · В песочницуCNews AI→ оригинал

Сбербанк: России нужен суверенный ИИ, но без контролируемых зарубежных данных не обойтись

Сбербанк заявил, что суверенный ИИ остается самым надежным способом снизить зависимость от зарубежных технологий. Но полностью замкнутый путь в 2026 году слишком дорогой: обучение сильной модели с нуля требует больших денег, времени и инфраструктуры. Реалистичный вариант, по оценке экспертов, — строить собственные разработки и при этом аккуратно использовать контролируемые иностранные датасеты.

AI-обработка оригинала CNews AI; редакция Hamidun News
Сбербанк: России нужен суверенный ИИ, но без контролируемых зарубежных данных не обойтись
Источник: CNews AI. Коллаж: Hamidun News.
Слушать статью

Сбербанк считает, что России нужен суверенный искусственный интеллект, чтобы не зависеть критически от зарубежных моделей и сервисов. При этом полностью изолированная стратегия в 2026 году выглядит слишком дорогой и нереалистичной: без ограниченного доступа к иностранным данным качественную модель собрать трудно.

Почему нужен контроль Логика Сбербанка проста: если ключевая модель, API или инфраструктурный

компонент контролируется извне, то в любой момент правила доступа могут измениться. Для банков, госсектора и крупных корпораций это не абстрактный риск, а прямой операционный вопрос. Сегодня модель доступна, завтра меняются лицензии, экспортные ограничения, тарифы или условия использования, и целые процессы начинают зависеть от чужих решений.

На фоне такой неопределенности идея суверенного ИИ превращается из политического лозунга в задачу технологической устойчивости. Под суверенностью в этом контексте имеется в виду не просто запуск локального чат-бота, а контроль над всей цепочкой: вычислениями, данными, дообучением, безопасностью и правилами внедрения. Для компаний из регулируемых отраслей это особенно важно, потому что они работают с чувствительной информацией и не могут строить долгосрочные продукты на сервисах, доступ к которым нельзя гарантировать.

Поэтому ставка на собственные модели и платформы выглядит как страховка от внешнего отключения и от навязанных ограничений.

Цена собственной модели Но у такого курса есть высокая цена.

Обучение сильной базовой модели с нуля в 2026 году — это уже не история про одну исследовательскую команду и пару удачных экспериментов. Нужны большие вычислительные мощности, стабильные поставки оборудования, длинные циклы настройки, команды инженеров и месяцы, а иногда и годы итераций. Даже если деньги есть, это все равно медленный путь: качество приходит не сразу, а ошибки на ранних этапах обходятся очень дорого.

Практически это означает сразу несколько тяжелых инвестиций: закупка и загрузка GPU-кластеров сбор и очистка больших датасетов команды ML-, data- и infra-инженеров юридический и безопасностный контроль данных Именно поэтому тезис Сбербанка звучит прагматично, а не максималистски. Речь не о том, что изоляция любой ценой даст лучший результат, а о том, что полный технологический суверенитет сегодня слишком дорог, если строить его в отрыве от мировой базы знаний. Можно создать собственный контур и собственную модель, но это не отменяет фундаментальной проблемы: для конкурентного качества нужны масштаб, время и доступ к разнообразному материалу для обучения.

Компромисс с данными Здесь появляется вторая часть позиции: полностью отказаться от иностранных

данных на практике невозможно. Современные модели учатся на огромных массивах текстов, кода, научных публикаций, технической документации и мультиязычного контента, значительная часть которого создана за пределами России. Если искусственно отсечь этот слой, модель быстро упрется в пробелы: хуже будет понимать международный контекст, слабее работать с кодом, терять точность в науке, финансах и инженерных задачах.

Оптимальной стратегией в Сбербанке называют смешанный подход: опора на отечественные разработки плюс ограниченное и контролируемое использование зарубежных датасетов. Ключевое слово здесь — контроль. То есть не бесконтрольное подключение к внешним сервисам, а понятные правила отбора данных, локальное хранение, фильтрация, проверка прав использования и возможность в любой момент продолжить работу внутри собственного контура.

Такой подход снижает зависимость, но не обрезает качество там, где без глобального корпуса данных пока не обойтись.

Что это значит Для российского AI-рынка это сигнал, что спор смещается от лозунга «свое или

чужое» к более практичной формуле. Побеждать будут те, кто сможет собрать локальную инфраструктуру и модельный стек, но при этом аккуратно использовать мировой массив данных без прямой зависимости от иностранных платформ. Иначе либо качество окажется слабым, либо риск отключения останется слишком высоким.

Сюжет
ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Закрытый клуб практиков · Vibe Club

Внедряйте ИИ быстрее рынка вместе с инженерами и фаундерами

Внутри Vibe Club (hamidun.com/club): еженедельные живые мастермайнды и разборы архитектуры с Жемалом Хамидуном, закрытый Tech Radar, LMS и обновляемая база из 370+ боевых скиллов.

Вступить в Vibe Club →Тест-драйв Академии (72ч)
Что вы думаете?
Загружаем комментарии…