AM live: гонка за ИИ-инфраструктурой. Кто победит в 2026 году
Tщё год назад разговор о внедрении искусственного интеллекта в компаниях начинался с выбора большой языковой модели (LLM). Какую модель подключить, насколько хорошо она пишет по-русски, можно ли собрать на её основе корпоративный чат или поиск по базе знаний? В 2026 году гораздо важнее другое: способна ли компания превратить удачный ИИ-пилот в эффективный сервис, которым безопасно пользуются сотни или тысячи сотрудников?
По опыту Orion soft, в 2025 году многие заказчики подключали облачные модели и запускали пилоты без полной уверенности в их экономическом эффекте. В 2026 году стало больше крупных проектов, цель которых — перенести успешные эксперименты в промышленную эксплуатацию. Именно на этом этапе выясняется, что сама LLM — лишь часть решения, а одним из главных ограничений становится инфраструктура.
Победителем этой гонки станет не компания с самым большим количеством демонстраций. Преимущество получит тот, кто умеет быстро закрывать неудачные гипотезы, по единым процедурам выводить успешные решения в промышленную эксплуатацию и заранее учитывать требования к безопасности, вычислительным ресурсам и стоимости конечного результата.
Гонка 2026 года в пяти цифрах
Масштаб разрыва между интересом к ИИ и готовностью к его промышленной эксплуатации показывают результаты исследования Orion soft и данные проектов компании. Ключевые показатели выглядят так: 108 руководителей и специалистов приняли участие в исследовании Orion soft «Индекс зрелости ИИ-инфраструктуры российских компаний — 2026».
38 баллов из 100 составил средний индекс зрелости. По методике исследования это начальный уровень.
- 79 % респондентов сообщили, что в их компаниях нет профильных специалистов для развития ИИ-инфраструктуры.
- 91 % респондентов сообщили, что их компании не располагают собственным кластером из двух и более серверов с промышленными GPU.
- Около 33,5 млн рублей в год составляет фонд оплаты труда минимальной команды, способной развивать внутреннюю ИИ-платформу.
Оценка основана на данных примерно 20 компаний. Эти данные показывают, что прикладной интерес уже сформирован, но команды, вычислительная база и процессы эксплуатации во многих организациях ещё не готовы к массовому использованию ИИ. При этом собственный GPU-кластер нужен не каждой компании: масштаб инфраструктуры должен соответствовать нагрузке, требованиям к данным и экономике конкретного сценария.