На ЦИПР-2026, где собралось больше 13 тысяч участников из 46 стран и около 185 стендов, в разговорах о промышленном ИИ снова всплыли одни и те же имена: Сбер и Яндекс. Для рынка ИИ в России это уже не просто заметный тренд, а рабочая схема, в которой крупный заказчик почти неизбежно приходит к одной из двух экосистем.
Об этом сообщает Habr / Менеджмент в репортаже сооснователя GPTunneL Климента Викулова, который три дня ходил по сессиям и стендам ЦИПР, разговаривал с участниками рынка и попытался описать без выставочного глянца, как на деле устроен российский B2B-сегмент ИИ. Его главный тезис звучит жестко: промышленный рынок ИИ в России фактически схлопнулся в дуополию, где по одну сторону стола сидит заказчик, а по другую почти всегда оказывается либо Сбер, либо Яндекс.
По словам автора, такая картина повторялась на форуме слишком часто, чтобы списать ее на совпадение. ОАК тестирует GigaChat для проектирования авиадеталей, ОДК делает со Сбером компьютерное зрение для контроля качества двигателей, «Газпром нефть» и «Норникель» развивают промышленных ИИ-агентов вместе с Яндексом. Даже там, где компании стараются идти своим путем, как «Северсталь» с открытыми моделями, это выглядит скорее исключением, чем новой нормой. ЦИПР в этом смысле оказался полезен не как витрина с красивыми слайдами, а как место, где видно, за какие ИИ-системы крупная промышленность действительно готова платить.
Объяснение, которое предлагает Викулов, довольно приземленное: для сильной модели и устойчивой платформы нужны вычисления, данные и деньги, причем деньги здесь означают еще и доступ к инженерам, времени и длинному циклу внедрения. В российском контуре дефицит есть сразу по всем трем пунктам. Поэтому рынок ИИ в России не столько выбрал двух победителей, сколько уперся в физические ограничения. У кого есть инфраструктура, длинные бюджеты, корпоративные продажи и команда, тот и оказывается в шорт-листе у госкорпораций, металлургов, нефтяников и телекомов. У остальных, если говорить без дипломатии, часто нет даже входного билета.
Самый болезненный дефицит, по оценке автора, это вычислительные мощности. На ЦИПР участники говорили, что в 2024 году в России ввели около 14 тысяч серверных стоек, а в 2025-м их число оказалось примерно в пять раз меньше. Срок окупаемости дата-центров из-за высокой ключевой ставки вырос с 6-8 до 10-12 лет, и желающих замораживать деньги на такой горизонт немного. При этом все дата-центры страны, как утверждается в материале, потребляют порядка 1,5 ГВт, тогда как в Китае речь идет примерно о 30 ГВт. Новейшие ускорители NVIDIA Blackwell в заметных объемах почти ни у кого не появились. Даже Сбер, напоминает автор, ранее запрашивал у государства 450 млрд рублей на дата-центр и не получил поддержки в таком виде. Если крупнейшему игроку предлагают строить за свой счет, для всех остальных вопрос «где взять мощности под свою модель» во многом снимается сам собой.
При этом дуополия не означает глобального лидерства. Викулов оговаривает важную вещь: по мировым меркам и Сбер, и Яндекс остаются скромными игроками. Он ссылается на отраслевые оценки, по которым у двух компаний вместе может быть лишь несколько десятков тысяч ускорителей NVIDIA. Для России это много, для мировых гиперскейлеров уже нет. На этом фоне особенно заметен второй слой проблемы: дело не только в нехватке железа, но и в том, как это железо используется. Автор спорит с распространенной практикой крутить корпоративный инференс на тяжелых серверных картах уровня A100 и H100 там, где основная нагрузка связана не с обучением фронтир-моделей, а с более прикладными задачами вроде ассистентов, классификаторов, RAG-сценариев, разбора документов и агентов на моделях 7-32 млрд параметров.
Его аргумент звучит просто: для части таких задач рынок слишком охотно ездит за пиццей на КамАЗе. Викулов пишет, что модели порядка 30 млрд параметров в квантизированном виде могут работать на более доступном железе, а значит часть инфраструктурного дефицита создается не только санкциями и импортом через третьи страны, но и архитектурными решениями самих внедренцев. При этом он не спорит с очевидным: модели класса 70B и выше, а тем более фронтир-системы, все равно требуют датацентрового уровня, большого объема памяти, надежной межкарточной связности и совсем другого бюджета. Иначе говоря, рынок ИИ в России упирается в потолок дважды: сначала в отсутствие ресурсов, потом в стоимость их не самого рационального использования.
Для разработчиков, продуктовых команд и стартапов вывод из этого репортажа неприятный, но полезный. В корпоративном сегменте ценность теперь дает не только сама модель, а вся обвязка вокруг нее: соответствие требованиям безопасности, прохождение долгих проверок, интеграция в периметр, предсказуемая поддержка и возможность развернуть решение в масштабе. Именно поэтому небольшие игроки чаще будут выигрывать не лобовой конкуренцией с экосистемами, а специализацией: отраслевыми агентами, MLOps-инструментами, RAG-слоями, orchestration-платформами, узкими сценариями для документооборота, техподдержки, контроля качества и внутренней автоматизации. Для бизнеса это тоже сигнал: выбор поставщика ИИ все меньше похож на выбор еще одной SaaS-подписки и все больше на выбор инфраструктурного партнера с длинной зависимостью.
Главный вопрос после ЦИПР-2026 уже не в том, есть ли в стране рынок промышленного ИИ, а в том, сможет ли он выйти из режима «два тяжеловеса и все остальные вокруг». Пока ответ выглядит скорее осторожным: без новых вычислительных мощностей, более дешевого инференса и появления игроков, которые умеют не только делать модели, но и проходить в закрытые контуры крупного заказчика, дуополия будет только укрепляться.