Математика, криптография и доверие: чем Россия выделяется в гонке ИИ

Microsoft ставит Россию на 119-е место, Global AI Index — на 31-е, глобальный индекс Stanford — на 28-е из 36. Цифры удручают, и кажется, что нам нечего делать в международной гонке.

Но рейтинги считают не то, что имеет стратегическую ценность. Они суммируют объем инвестиций, количество стартапов, скорость внедрения. Это метрики масштаба, а не архитектуры. И здесь начинается совсем другая история — история о том, что страна может выиграть гонку, в которую даже не пытается включиться.

Криптография как конкурентное преимущество

Десятилетия технологической независимости заставили СССР, а затем Россию инвестировать в собственную криптографическую школу. Закрытая школа МГУ готовила специалистов с 1950 года, первые национальные стандарты появились в 1989-м, Академия криптографии была создана в 1992-м. Это была не теория, а практическая необходимость: без собственных стандартов защиты информации нельзя обеспечить безопасность систем.

Результаты впечатляют: девять российских специалистов получили Филдсовскую премию (самую престижную награду в математике), десятки — международные премии по криптографии и криптоанализу. Это не просто красивая история про прошлое, а фундамент, на котором строится все, что касается доверенных и безопасных систем ИИ.​

И вот парадокс: пока мир гонится за мощностью и скоростью обучения моделей, регуляторы Европы, США и Канады требуют совершенно другого: объяснимости, аудируемости, безопасности, контроля над цепочкой поставок. Компании в критической инфраструктуре, финансовом секторе и госуправлении больше не могут просто взять и интегрировать «черный ящик» с хорошей точностью. Им нужно доказать регулятору, что система защищена от манипуляций и несанкционированного доступа.

Когда мы в «Группе Астра» проектируем ИИ-решения для критической инфраструктуры, первый вопрос не «насколько точна модель», а «как мы докажем, что система защищена». Именно здесь криптография, которой РФ занимается семь десятилетий, превращается из технического стандарта в основной инструмент конкуренции.

От национальной необходимости — к экспортной компетенции

У нас подход к ИИ исторически базировался на принципе суверенности: полный контроль над цепочкой поставок от ОС до БД и ИИ-сервиса, встроенные механизмы логирования и аудита, защита данных по умолчанию и сразу, а не постфактум.

Это не просто формальное требование чиновников, а архитектурный принцип, который пронизывает все: от выбора криптографических примитивов до дизайна моделей обучения.

Сегодня мир входит в эпоху национальных и региональных ИИ-контуров. Те, кто раньше полагался на американские или китайские решения, теперь требуют суверенности. ОАЭ, Сингапур, страны ЕС разрабатывают свои стратегии. Но у большинства из них нет того, что есть у России: многолетнего опыта проектирования доверенных и безопасных систем в условиях технологической независимости. То, что было вынужденной мерой, стало стратегическим активом.

Почему западные решения не подходят половине мира

Посмотрите на ChatGPT, Claude, Gemini — блестящие продукты с миллионами пользователей. Но когда, например, Саудовская Аравия или страна СНГ пытается интегрировать их в госсистему, возникает проблема.

Где хранятся данные? На серверах в США. Кто имеет доступ? OpenAI и ее партнеры. Можем ли мы аудировать модель? Нет. А убедиться, что система не будет переучена на наших данных? Тоже нет.

Западные вендоры отвечают на эти вопросы контрактом на 200 страниц с одной главной оговоркой: «Доверьтесь нам». Для госсистемы это неприемлемо. Российский подход — показать архитектуру и дать инструменты контроля. Это конкуренция не по скорости обучения модели, а по доверию.

Цифры, которые не видны в рейтингах

К 2030 году экономический эффект от ИИ прогнозируется на уровне 12,8 трлн рублей (5,5% ВВП). Но посмотрите на структуру: половина этого эффекта придется на секторы с критическими требованиями к безопасности: финансы, телеком, госуправление, здравоохранение.

То есть складывается ситуация, когда безопасный и доверенный ИИ — это не экзотика, а основной рынок. Это отличается от США и Китая, где основной объем ИИ-применения — это e-commerce, маркетинг и развлечения: там доверие менее критично.

71% крупных российских компаний уже использует генеративный ИИ, а 78% — фиксирует экономический эффект от его внедрения. Но главное — они говорят это про решения, которые спроектированы под требования безопасности, а не вопреки им.

Санкции отрезали доступ к передовым чипам Nvidia, но заставили разрабатывать оптимизированные алгоритмы. Россия отстает от США на 6-9 месяцев по некоторым параметрам производительности моделей, но это относится к вычислительным мощностям, а не к качеству архитектурных решений и подходах к безопасности.

Гонка, которую Россия может выиграть

Мир не будет единым по ИИ. Появятся региональные контуры с разными требованиями в части ИБ, суверенитета, регуляции. В критических секторах безопасность станет важнее скорости. Найдутся юрисдикции, которым просто нужна альтернатива американским решениям.

Мы не выиграем гонку за масштабом: таких ресурсов, как в США и Китае нет, и эту разницу не закроет никакая оптимизация. Но можно выиграть совсем другую гонку.

Когда регуляторы по всему миру начнут требовать аудируемости, объяснимости и суверенности ИИ (а это вопрос 2-3 лет, не больше), российские решения окажутся среди немногих, спроектированных под эти требования с нуля: не как апгрейд к существующей архитектуре, а как фундамент.

Каждый день я работаю именно над тем, чтобы российский безопасный ИИ перестал быть локальной экзотикой и стал экспортной компетенцией. Не из патриотизма (хотя и это тоже), а потому, что вижу спрос. Мир хочет ИИ, которому можно доверять, и у нас есть все, чтобы его дать. Рейтинги этого не покажут, но через 2-3 года, когда везде начнут требовать суверенные ИИ-решения, вопрос будет не в том, догнала ли Россия США и Китай, а в том, у кого покупать доверенный ИИ.