Искусственный интеллект в России. Технологии и рынки

Национальный исследовательский университет
«Высшая школа экономики»
ИСКУССТВЕННЫЙ
ИНТЕЛЛЕКТ В РОССИИ
ТЕХНОЛОГИИ И РЫНКИ
Под научной редакцией Л. М. Гохберга
Издательский дом ВШЭ 
Москва, 2025
Электронное издание

УДК 004.8( 470+571)
ББК 32.813
И86
Рецензенты: 
кандидат технических наук С. В. Гарбук 
кандидат компьютерных наук А. А. Масютин
Научный редактор 
Л. М. Гохберг
Авторский коллектив: 
Л. М. Гохберг (руководитель авторского коллектива), Ю. В. Туровец, К. О. Вишневский
В подготовке отдельных материалов принимали участие: 
В. Л. Абашкин, Г. И. Абдрахманова, Г. Г. Ковалева, М. М. Комаров, М. Н. Коцемир, П. А. Лобанова, 
А. В. Нестеренко, Е. Г. Нечаева, Е. А. Сабидаева, Е. А. Стрельцова, С. В. Сычев
И86
Искусственный интеллект в России. Технологии и рынки / под науч. ред. Л. М. Гохберга ; Нац. исслед. ун-т «Высшая школа экономики», Институт статистических исследований и экономики знаний ВШЭ. — Эл. изд. — 1 файл pdf : 149 с. — Москва : Издательский 
дом ВШЭ, 2025. — Систем. требования: Adobe Reader XI либо Adobe Digital Editions 4.5 ; экран 12". — Текст : электронный.
ISBN 978-5-7598-3106-8
В публикации представлены результаты исследования развития и распространения искусственного интеллекта (ИИ) в России, проведенного Институтом статистических исследований и экономики знаний Национального исследовательского университета «Высшая школа экономики» 
(ИСИЭЗ НИУ ВШЭ) в 2022 –202 4 гг. Отражены ключевые тренды развития ИИ, тенденции государственной политики в России и за рубежом, 
наиболее распространенные практики создания и внедрения технологий ИИ в нашей стране. Приведены оценки исследовательской и изобретательской активности, рассмотрены типовые кейсы создания ИИ-решений, модели их использования, стратегии выбора, барьеры и стимулы 
для внедрения ИИ.
Издание предназначено представителям бизнеса, науки, образования, государственного управления, всем интересующимся вопросами развития и применения технологий ИИ.
УДК 004.8( 470+571) 
ББК 32.813
Электронное издание на основе печатного издания: Искусственный интеллект в России. Технологии и рынки / под науч. ред. Л. М. Гохберга ; Нац. исслед. 
ун-т «Высшая школа экономики», Институт статистических исследований и экономики знаний ВШЭ. — Москва : ИСИЭЗ ВШЭ, 2025. — 148 с. — ISBN 978-5- 
7598-3019-1. — Текст : непосредственный.
Рисунки созданы с помощью моделей для генерации изображений Kandinsky 3.1 и Midjourney V6.
В соответствии со ст. 1299 и 1301 ГК РФ при устранении ограничений, установленных техническими средствами защиты авторских прав, правообладатель вправе требовать от 
нарушителя возмещения убытков или выплаты компенсации.
ISBN 978-5-7598-3106-8
© Национальный исследовательский университет 
«Высшая шк ола экономики», 2025


Благодарности
Авторы выражают глубокую признательность ведущим 
экспертам – представителям компаний, университетов, научных 
организаций, ведомств, отраслевых ассоциаций за обсуждение 
вопросов, связанных с разработкой и использованием технологий 
искусственного интеллекта. В интервью приняли участие: 
А. К. Анисимов, С. В. Афанасьев, С. И. Ашманов, 
П. Д. Бахтин, А. В. Болдачев, А. С. Большаков, 
Д. И. Буслов, Д. П. Ветров, Ю. Е. Власова, С. В. Гарбук, 
М. Ю. Гирин, Е. С. Глухов, Д. Д. Горинов, А. С. Горшков, 
В. А. Громов, Р. Ш. Гулиенко, М. И. Гущин, Г. В. Демин, 
Д. А. Деркач, А. А. Деханова, А. С. Диденко, 
А. М. Дробышев,  А. В. Дуб, Р. В. Душкин, 
Д. Э. Загорулькин, А. А. Заммоев, А. А. Зарубин, 
М. А. Захаров, Г. А. Зуев, Я. О. Ибрагимов, 
Д. А. Ильвовский,  В. М. Казаков, Н. Д. Каменев, 
Е. Д. Карасев, П. М. Кикин, А. Г. Колонин, 
М. М. Комаров, А. А. Комиссаров, А. В. Корнаев, 
В. С. Котежеков, А. В. Кузнецов, М. С. Кузнецов, 
К. В. Кукушкин, П. Н. Куликовский, А. О. Куховаренко, 
Д. А. Ларионов, Д. В. Лемтюжинова,  А. С. Ли, 
М. М. Магрук, О. Ю. Маковельский, И. В. Максимов, 
А. М. Мещерякова, И. Г. Мирин, Е. Г. Миронов, 
Н. Э. Михайловский, И. О. Мищенко, А. А. Назаренко, 
С. Ю. Наквасин, Г. М. Новиков, В. И. Носко, 
Д. В. Онтоев, А. И. Панов, К. О. Панфилов, 
Н. С. Пестова, И. Н. Петухов, А. А. Полозов-Яблонский,  
М. С. Попцова, В. Б. Прохорова, Д. А. Распопов, 
Ф. Д. Ратников, А. А. Сааков, С. В. Самсонов, 
В. С. Сафронов, И. В. Семичаснов, С. Л. Серебров, 
А. П. Сидорюк, М. С. Сквирский, И. В. Скобелев, 
П. В. Скрипниченко, С. А. Сластников, С. И. Сметанин, 
М. И. Степнов, П. А. Строганов, Д. А. Сытник, 
И. А. Тараскин, Н. С. Тарасов, С. А. Терехов, 
Д. Ю. Турдаков, П. А. Хлюпин, М. Б. Хорошко, 
Н. В. Шмырев, А. А. Шпильман, Н. С. Якунов.


Содержание
Список определений,  
обозначений и сокращений 
5
Введение  
9
Методология исследования 
12
Эмпирическая база 
20
	
1.	 Глобальная повестка	
22
 1.1. Технологический ландшафт 
24
 1.2. Рынки 
32
 1.3. ИИ в повестке стран-лидеров 
38
	
2.	 Практики разработки ИИ-решений	
48
 2.1. Исследовательская и изобретательская 
активность 
50
 2.2. Предложение ИИ-решений  
60
	
3.	 Практики внедрения ИИ-решений 	
68
 3.1. Модели использования  ИИ  
70
 3.2. Стратегии выбора ИИ-решений  
80
 3.3. Профили ИИ-решений 
88
 3.4. Условия для внедрения ИИ 
102
 3.5. Эффекты ИИ 
112
 3.6. Барьеры и стимулы  
118
	
4.	 Основные выводы	
126
Перечень источников 
140

Список определений,  
обозначений и сокращений
 АЛРИИ 
Ассоциация лабораторий по развитию искусственного интеллекта
 БРИКС+ 
Межправительственное  объединение, союз государств: Бразилии, России, Индии,  
Китая, ЮАР, Ирана, ОАЭ, Египта, Эфиопии
  БСИА 
Биометрическая система идентификации и аутентификации
 ДПО 
Дополнительное  профессиональное образование
 ЕАЭС 
Евразийский экономический союз 
 ИИ 
Искусственный интеллект
 ИКТ 
Информационно-коммуникационные технологии
 ИСИЭЗ 
Институт статистических исследований и экономики знаний НИУ ВШЭ
 ИТ 
Информационные технологии
	МГУ 	
Московский государственный университет
 им. М. В. Ломо-	
имени М. В. Ломоносова
	носова 
 МСП 
Малые и средние предприятия 
	МФТИ (НИУ) 
Московский физико-технический институт  
(национальный исследовательский университет)
 НИУ ВШЭ 
Национальный исследовательский университет  
«Высшая школа экономики»
 НИУ ИТМО 
Национальный исследовательский университет ИТМО

Список определений,  обозначений и сокращений
 НЦРИИ 
Национальный центр развития искусственного интеллекта  
при Правительстве Российской Федерации (НИУ ВШЭ)
 ПАК 
Программно-аппаратный комплекс
 ПО 
Программное обеспечение 
 РАН 
Российская академия наук
 РАИИ 
Российская ассоциация искусственного интеллекта 
 РАНИ 
Российская ассоциация нейроинформатики 
 РЗМ 
Редкоземельные  металлы 
 РИД 
Результаты интеллектуальной деятельности
	Самарский 
Самарский национальный исследовательский университет 
	университет 	
имени академика С. П. Королёва
 Сколтех 
Сколковский институт науки и технологий
 СПбГУ 
Санкт-Петербургский государственный университет
 СПбГЭТУ 
Санкт-Петербургский государственный электротехнический  
 «ЛЭТИ» 	
университет «ЛЭТИ» им. В. И. Ульянова (Ленина)
 СПбПУ 
Санкт-Петербургский политехнический  университет Петра Великого
 ФНИЦ 
Федеральный  научно-исследовательский центр 
	ФНЦ 
Федеральный  научный центр
 ФРП 
Фонд развития промышленности  
 ЦОД 
Центр обработки данных
 ЭКБ  
Электронная компонентная база
	5G 
Fifth generation – Пятое поколение мобильной связи стандарта 5G/IMT-2020

Список определений,  обозначений и сокращений
	AR  
Augmented Reality – Дополненная реальность
	ASIC 
Application-Specifi  Integrated Circuit – Интегральная схема специального назначения
 AutoML 
Automated Machine Learning – Автоматическое машинное обучение
 В2В 
Business to Business – Взаимодействие «бизнес для бизнеса»
 В2С 
Business to Customer – Взаимодействие «бизнес для потребителя»
 BERT 
Bidirectional Encoder Representations from Transformers –  
Языковая модель от Google, предназначенная для решения задач  
обработки естественного язык а
 CAWI 
Computer-Assisted Web Interviewing – Онлайн-опрос  
с помощью  интернет-технологий
 ChatGPT 
Chat Generative Pre-trained Transformer – Чат-бот на основе  
большой  языковой модели от OpenAI для ведения диалога  
с пользователем и генерации текста 
 CPU 
Central Processing Unit – Центральный процессор 
 CRM 
Customer Relationship Management – Система управления отношениями с клиентами
 DRAM 
Dynamic Random-access Memory – Энергозависимая технология хранения данных  
с произвольным  доступом процессора к любой части памяти
 ERP 
Enterprise Resource Planning – Система планирования ресурсов организации
 FPGA 
Field-programmable Gate Array – Программируемые логические  
интегральные схемы с возможностью  физического конфигурирования  
после изготовления
 GAN 
Generative Adversarial Network – Генеративно-состязательные сети
 GigaChat 
Большая языковая модель от ПАО «Сбербанк» для диалога с пользователем,  
генерации изображений и текстов

Список определений,  обозначений и сокращений
 GPT 
Generative Pre-trained Transformer – Серия языковых моделей, основанных  
на архитектуре трансформеров, которые обучаются на больших  наборах данных, 
чтобы генерировать текст, схожий с человеческим
 GPU 
Graphics Processing Unit – Графический процессор 
 ICS 
Industrial Control System – Автоматизированная система управления (АСУ)
 Kandinsky 
Диффузионная генеративная модель от ПАО «Сбербанк»  
для создания изображений по их текстовому описанию
 LaMDA 
Language Model for Dialogue Applications – Большая языковая модель от Google  
для ведения диалога с пользователем и генерации текста
 LLM  
Large Language Model – Большая языковая модель 
 MES 
Manufacturing Execution System – Система управления производственными  процессами
 Midjourney 
Генеративная модель от одноименной компании для создания  
изображений  по их текстовому описанию
 NAND 
Энергонезависимая технология хранения данных с возможностью  перезаписи
 NLP 
Natural Language Processing – Обработка естественного язык а
 OCR 
Optical Character Recognition – Оптическое распознавание символов
 PLM 
Product Lifecycle Management – Система управления жизненным  циклом продукта 
 RAG 
Retrieval Augmented Generation – Поисковая расширенная генерация
 ruDALL-E  
Генеративная модель от ПАО «Сбербанк» для создания изображений  
по их текстовому описанию
 SCM 
Supply Chain Management – Система управления цепочками поставок
 SDL 
Self-driving Labs – Роботизированные  (автоматизированные) лаборатории 
 STEM 
Science, Technology, Engineering, Mathematics – Модель подготовки специалистов,  
объединяющая  естественные и инженерные науки 

Введение
После первой волны завышенных  ожиданий 
и визионерского восприятия искусственный 
интеллект (ИИ) постепенно становится неотъемлемым инструментом бизнеса. Уже сегодня он 
применяется практически во всех сферах деятельности – от мониторинга сельскохозяйственных угодий до управления космическими  аппаратами и помощи в написании научных работ 
и статей в СМИ. Демократизация технологий, 
улучшение  технических характеристик решений 
и их стандартизация приводят к появлению новых 
продуктов и рынков ИИ. 
Главный тренд последних лет – бурное развитие 
мегамоделей (мультизадачных,  мультимодаль -
ных, мультиязычных),  выполняющих  задачи на 
разных язык ах и обрабатывающих  данные различного типа (текст, речь, изображения  и др.). 
В марте 2023  г. появилась модель GPT-4, способная принимать на вход не только текстовую 
информацию, но и наборы изображений.  Это 
побудило все крупнейшие ИТ-компании мира 
включитьс я в конкурентную гонку по созданию 
собственных чат-ботов на основе больших 
языковых моделей (Bard от Google, Q от Amazon, 
ERNIE Bot от Baidu и др.).
Однако релизы все более мощных и «всеядных» 
моделей далеко не всегда сопровождаются оценкой 
рисков, которые они порождают. На фоне взрывного 
роста возможностей  ведущие мировые эксперты 
и аналитические  центры периодически призывают 
приостановить обучение мощных нейросетей, 
поскольку потеря контроля в данной области может 
угрожать человечеству. Помимо риска замещения 
трудовых функций человека, в числе наиболее 
явных угроз – массовый сбор данных пользователей 
ИИ-сервисов и приложений, возможность  генерации дипфейков, копирующих голос и даже мимику 
человека, а также отсутствие объективных гарантий 
корректности работы больших  моделей машинного 
обучения.
Тревожные настроения относительно рисков 
распространения ИИ затрагивают многие страны.  
Так, Италия первой в мире ввела запрет на использование ChatGPT из-за нарушения сохранности 
персональных данных пользователей. Каждому 
государству приходится делать выбор между активным внедрением технологий ИИ, сулящим  новые 
возможности  и прорывы, и безопасностью  коммерческих, производственных,  информационных и иных 
систем.

Введение
За последний год появился целый ряд национальных и наднациональных  инициатив в области 
регулирования ИИ. Первый закон о регулировании 
систем ИИ принят в марте 202 4 г. в ЕС. В США 
издан указ, обязующий  разработчиков сообщать 
государству в лице ответственных ведомств результаты тестирования безопасности работы 
ИИ-решений, а в Китае действуют правила регулирования контента, созданного с помощью  генеративного ИИ. Знаковым событием стало принятие 
резолюции  Генеральной Ассамблеи ООН по ИИ, 
направленной на формирование международного 
правового контура для обеспечения безопасности 
систем ИИ [1]. В основе этих и иных документов 
такого рода лежит поиск баланса между развитием 
ИИ, защитой данных пользователей и предотвращением негативного влияния ИИ на экономику 
и общество. 
Выработка правил игры для ИИ стоит на повестке 
дня и в России. В июле 202 4 г. приняты поправки 
к закону «Об экспериментальных правовых режимах 
в сфере цифровых инноваций в Российской Федерации», включающие  положения об ответственности 
за причинение вреда в результате использования  
технологий ИИ [2]. Предлагается и ряд других 
новшеств, в частности прорабатываются подходы 
к обезличиванию  персональных данных для систем 
и сервисов ИИ [3].
Подобная «тонкая настройка» регуляторики 
в сфере ИИ призвана содействовать развитию 
собственной научной и технологической базы. 
Россия – одна из немногих стран, обладающих 
собственными фундаментальными  заделами 
в области ИИ, включая  мегамодели. Наиболее 
популярные из них – GigaChat, Kandinsky 
(ПАО «Сбербанк»), YaLM («Яндекс»). Имеется 
также целый ряд других перспективных разработок отечественных университетов и компаний.
В последние годы в нашей стране пройдено 
несколько важных вех в развитии ИИ. Летом 
2019 г. было подписано соглашение между Правительством Российской Федерации и ПАО 
«Сбербанк» о развитии высокотехнологичного 
направления «Искусственный интеллект», чуть 
позже – принята Национальная стратегия развития искусственного интеллекта на период до 
2030  г. (далее – Стратегия). Инструментом ее 
реализации стал федеральный проект «Искусственный интеллект». 
В 202 4 г. Стратегия была актуализирована. В число 
ключевых  задач вошли расширение вычислительных  
мощностей для ИИ, создание передовых разработок 
и развитие исследовательских команд, что в совокупности призвано ускорить внедрение ИИ в экономике 
и госуправлении.