В марте 2024 года директор по технологиям X5 Group Максим Ерёменко заявил, что «AGI — это горизонт ближайшего десятилетия», как утверждает журнал «Современные страховые технологии», апрель 2024. Заявление прозвучало на фоне активизации интереса к разработке общего искусственного интеллекта (AGI) на Западе. Однако в российской индустрии отсутствуют проекты, сопоставимые по масштабу и ресурсам с западными инициативами. Основной барьер — нехватка вычислительных мощностей и ограниченный доступ к современным GPU, которые стали основой для построения моделей уровня GPT-4. Это определяет отставание российских игроков и переводит обсуждение AGI в теоретическую плоскость.
По данным Habr, январь 2025, отечественные компании ориентированы в первую очередь на узкоспециализированные задачи и преимущественно используют модели с открытым кодом, такие как LLaMA, Mistral и Falcon, которые не обладают признаками универсальности. Разработка мультиагентных или мультимодальных систем, способных к переносу знаний между доменами, в России не ведётся. Упор делается на адаптацию зарубежных решений и их локализацию под задачи анализа текста, речи и изображений. Это отличает российский рынок от западных центров AGI, где такие модели создаются с нуля.
Ключевыми характеристиками AGI, согласно обзору Skyeng IT Industry, февраль 2025, являются способность к обобщению знаний, кросс-доменная обучаемость и автономное принятие решений в новой среде. Эти качества продемонстрировала представленная в мае 2024 года модель GPT-4o компании OpenAI. Как указывает Lawfare, декабрь 2024, GPT-4o стала первым публичным примером модели, которая в реальном времени обрабатывает текст, изображение и аудио как единый поток информации.
OpenAI утверждает, что её новая модель не просто улучшает качество генерации, но и меняет принципы взаимодействия ИИ с человеком: GPT-4o может вести диалог голосом без задержек, отвечать на вопросы по визуальному контексту и переключаться между модальностями без перезапуска сессии. Это приближает модель к когнитивным функциям человека.
Ключевым партнёром OpenAI остаётся Microsoft, обеспечившая разработку GPT-4 и GPT-4o благодаря инвестициям объёмом свыше 13 млрд долларов и доступу к облачной инфраструктуре Azure, как отмечается в РБК, ноябрь 2023. Эта инфраструктура позволила обучать модели на вычислительных массивах из десятков тысяч GPU, что делает проекты OpenAI недоступными для воспроизведения вне крупных транснациональных корпораций.
Google развивает альтернативную ветвь в лице серии моделей Gemini, последняя из которых — Gemini 1.5 — сочетает языковые и визуальные возможности с элементами метаобучения. В обзоре Habr, май 2025 указано, что Gemini демонстрирует перенос знаний между различными задачами и способна к адаптации к новым условиям без необходимости дополнительного обучения. Это ключевое требование к AGI-системам, поскольку они должны уметь действовать в новой среде без заранее заданных инструкций.
Anthropic, основанная выходцами из OpenAI, предлагает другой путь: развитие «конституционального ИИ», обученного с помощью набора этических правил и инструкций, регулирующих поведение модели. Как отмечается в TechPolicyPress, март 2025, такие модели показывают устойчивость к деструктивным запросам и обладают высокой интерпретируемостью, что делает их подходящими для коммерческого и регулируемого применения.
На китайском направлении развитие AGI осуществляется преимущественно в закрытых лабораториях. По данным Ultralytics, март 2025, Baidu и Huawei инвестируют в мультимодальные архитектуры, которые тестируются в медицинских, промышленных и оборонных системах. Информация о структуре этих моделей и результатах их работы недоступна, что исключает возможность объективного сравнения с американскими разработками.
Тем не менее, инфраструктурные различия между странами становятся ключевым фактором в распределении прогресса. В анализе РБК Тренды, февраль 2025 подчёркивается, что обучение AGI требует тысяч единиц GPU последнего поколения (например, NVIDIA H100), тензорных процессоров (TPU) и специализированных хранилищ. Такая инфраструктура сконцентрирована в руках нескольких компаний — OpenAI (через Azure), Google (через собственные TPU-центры) и Amazon (через AWS).
Российские игроки не располагают сопоставимыми ресурсами. Как показано в аналитике Регион Инвест, март 2025, даже при наличии научных компетенций, ключевым препятствием остаётся масштабирование: создание и тестирование AGI требует десятков миллиардов параметров, координации тысяч узлов и потребляет ресурсы, сравнимые с работой крупных ЦОДов.
Если хотите узнать о масштабных технологиях: государственных проектах, вложениях ведущих мировых компаний в нейросети, генной инженерии — обращайтесь к статьям этого автора.