Российские разработчики могут получить 15 млрд рублей на создание отечественных чипов и ускорителей для искусственного интеллекта. Средства предлагают направить на НИОКР, выпуск опытных образцов, испытания и адаптацию программного обеспечения. В качестве ожидаемого результата указан опытный образец российского ИИ-чипа к 2030 году.
Меру согласовала рабочая группа «Меры поддержки ИИ» на заседании 1 октября. В рабочую группу входят представители IT-компаний, профильных ассоциаций, федеральных и региональных органов власти. Финансирование может поступить как из федерального бюджета, так и из частных источников.
Ответственным за субсидии на разработку российских аппаратных решений для ИИ предлагают назначить Минпромторг, а Минцифры и Минфин указаны соисполнителями. Механизм поддержки могут оформить отдельным постановлением правительства или через изменение действующих правил субсидирования разработки электроники. Конкретные сроки запуска программы пока не названы.
В Минцифры сообщили, что предложения по поддержке российских аппаратных решений пока прорабатываются и требуют согласованной позиции профильных ведомств. В аппарате вице-премьера Дмитрия Григоренко подтвердили, что обсуждение финансовых и нефинансовых мер продолжается. Минфин планирует определить объем финансирования и критерии предоставления поддержки после принятия бюджета на 2027-2029 годы.
Пока собственные мощные ускорители находятся в разработке, российские компании ищут альтернативы американским чипам Nvidia. MWS AI и Rubytech уже испытали комплекс с китайскими GPU для запуска российских языковых моделей. Коммерческий выпуск таких комплексов планируется в 2027 году.
В сентябре бизнес и государство начали обсуждать льготные кредиты и лизинг серверов и GPU для ИИ. Поддержка должна снизить затраты на вычислительную инфраструктуру и облегчить разработчикам доступ к ускорителям, причем обсуждение затрагивает в том числе иностранное оборудование.
Параллельно рабочая группа «Инфраструктура и центры обработки данных для ИИ» предложила временно разрешить зарубежные GPU в комплексах для значимых объектов КИИ. Исключение предлагают сохранить до появления в российских реестрах отечественных ускорителей, подходящих для больших фундаментальных моделей и сопоставимых с ведущими зарубежными решениями.
Задел для создания собственных ИИ-ускорителей есть сразу у нескольких российских компаний. «Байкал электроникс» развивает направление Baikal-AI, НТЦ «Модуль» работает с архитектурой NeuroMatrix, «Хайтэк» выпускает решения для запуска обученных нейросетей, а «Мотив НТ» занимается энергоэффективными нейроморфными процессорами.
«Хайтэк» разрабатывает новое поколение процессоров LinQ для языковых моделей с несколькими миллиардами параметров. Гендиректор компании Андрей Панков сообщил, что новый чип получит поддержку трансформерных архитектур и сможет устанавливаться на уже выпускаемые платы без их перепроектирования.
«Байкал электроникс» уже разработала GPGPU-ядро для параллельных вычислений. Компания рассчитывает при наличии финансирования показать опытные образцы в 2028 году. Первый чип Baikal-AI должен позволить камерам, роботам и беспилотным устройствам запускать нейросети непосредственно на устройстве, например распознавать объекты без передачи данных на удаленный сервер.
К 2030 году «Байкал электроникс» планирует разработать второе поколение Baikal-AI, пригодное для обучения крупных моделей. Необходимое финансирование двух чипов компания оценивает менее чем в 15 млрд рублей.
По оценке представителя Yadro, 15 млрд рублей вместе с собственными инвестициями компаний может хватить на разработку одного-двух конкурентоспособных решений. Технический директор «Мотив НТ» Валерий Канглер при этом назвал выпуск только одного опытного образца к 2030 году слишком скромной задачей и считает, что результатом должна стать готовая к практическому применению платформа с перспективой серийного производства.
На первом этапе российским разработчикам реалистичнее создать специализированный чип под конкретные задачи, чем универсальную альтернативу ведущим зарубежным ускорителям, считает руководитель по развитию продуктовых решений «К2 Нейротеха» Вячеслав Дегтярев. Одним из вариантов может стать инференс, то есть запуск уже обученных нейросетей для видеоаналитики, распознавания речи или обработки промышленных данных. Для обучения крупных моделей дополнительно потребуются высокоскоростная память, быстрый обмен данными между ускорителями и развитая программная среда.
