AI-рынок России вырос до 316 млрд рублей: наибольшая доля у оборудования, но оно может стать дефицитом

Российский рынок искусственного интеллекта быстро выходит из стадии экспериментов. По данным нового исследования РАИ-2026 аналитического агентства AIANA, по итогам 2025 года его объём достиг 316,1 млрд рублей, увеличившись за год на 29,7%. В исследовании учтены 883 компании, работающие на разных уровнях AI-рынка.

Одна из самых показательных цифр исследования — структура выручки. Крупнейшим сегментом уже стало оборудование: вычислительные серверы, ускорители и ЦОД-инфраструктура занимают 31,1% рынка, или 98,4 млрд рублей. При этом главным заказчиком AI остаётся бизнес: на B2B приходится 71,9% выручки.

AI постепенно перестаёт быть только рынком моделей и программных продуктов: по мере перехода от экспериментов к промышленной эксплуатации растёт зависимость от физической инфраструктуры.

Энергетика и ИБ остались «за забором» AI-рынка

В исследовании AIANA рынок AI рассматривается через взаимосвязанные технологические уровни: вычислительную инфраструктуру, среду разработки, прикладные AI-сервисы. Сквозь все эти уровни проходят функции интеграции и кибербезопасности. При этом энергетику, от которой напрямую зависят рост и работоспособность AI-систем, исследование выводит в отдельный блок, не связанный с базовыми уровнями.

Для анализа IT-рынка такая модель логична. Но с инженерной точки зрения под вычислительным уровнем есть ещё один обязательный слой.

GPU-серверу, кроме подключения к электрической сети, необходимы гарантированное электроснабжение, резервирование, отвод большого количества тепла, мониторинг состояния оборудования, пожарная и физическая безопасность. Чем выше плотность вычислений, тем теснее связаны эти системы.

Самым узким местом для развития ИИ в России становится инфраструктура. Следующий барьер — энергетика: чем выше плотность вычислений, тем больше требований к электроснабжению, резервированию и охлаждению, и развитие ИИ будет всё сильнее зависеть не только от наличия моделей и серверов, но и от возможности обеспечить их надёжную промышленную эксплуатацию. Это особенно важно с учётом доминирования бизнеса среди заказчиков. По мере перехода от пилотов к массовому внедрению требования к надёжности инфраструктуры будут только расти.

Андрей Медведев, генеральный директор ПСМ, в комментарии «Российской газете»

В структуре AI-системы появляется инженерный уровень

С инженерной точки зрения уровни AI-системы отличаются от тех, что приводит исследование.

Первый — инженерная база. Это электроснабжение, резервирование, охлаждение, автоматика, мониторинг, пожарная и физическая безопасность.

Второй — вычислительный контур. GPU- и CPU-серверы, системы хранения данных, сеть, инфраструктура передачи данных и среда для запуска AI-сервисов.

Третий — платформа управления моделями и прикладными сценариями. На этом уровне появляются корпоративные AI-агенты, RAG-системы, видеоаналитика, предиктивные модели и другие прикладные инструменты.

Каждый следующий уровень физически зависит от предыдущего. Модель не работает без вычислений. Вычислительный кластер не работает без питания и охлаждения.

ПСМ применила именно такую архитектурную логику при разработке собственной AI ready инфраструктуры. В ней инженерный уровень выделен в AI Base, вычислительный — в AI Cluster, модельный и прикладной — в AI Factory.

При этом информационная безопасность не должна появляться только на последнем уровне. Она закладывается во всю архитектуру: от физического доступа и сети до хранения данных и управления вычислительными ресурсами.

Переход в облако не отменяет физическую инфраструктуру

Ещё один заметный тренд исследования — рост облачного сегмента.

По данным, приведённым «Российской газетой», доля облаков и платформ в выручке AI-рынка за два года выросла с 13 до 18,5%. При этом сам сегмент оборудования не сокращается: в абсолютных цифрах его объём увеличился примерно с 58 до 98 млрд рублей.

Клаудизация не означает, что рынку требуется меньше серверов, электричества или систем охлаждения. Она прежде всего меняет владельца инфраструктуры и модель доступа к ней. Компания может не покупать собственный GPU-сервер, а арендовать вычисления в облаке, однако потребность в GPU, СХД, инженерном оборудовании и мегаваттах никуда не исчезает — она переносится на оператора ЦОД.

При этом публичное облако подходит не для каждой задачи. Для части промышленного бизнеса важны локализация вычислений, контролируемый доступ к чувствительной информации, независимость от качества внешних каналов связи и предсказуемая доступность ресурса. В таких случаях строительство собственного AI-контура даёт компаниям возможность самостоятельно определять, где хранятся и обрабатываются данные, кто получает к ним доступ и как построена сеть.

Проблемы перехода от пилотов к рабочим инструментам

По данным РАИ-2026, в промышленной эксплуатации сегодня находится около 15% AI-проектов. Ещё 30% масштабируют пилоты, а 55% остаются на стадии тестирования.

Для эксперимента достаточно добиться того, чтобы модель решила конкретную задачу. Для промышленной эксплуатации этого мало. Система должна работать постоянно, выдерживать сбои отдельных компонентов, быть защищённой, обслуживаться без длительных остановок и оставаться экономически оправданной на протяжении всего срока эксплуатации.

Поэтому вместе с качеством самой модели появляются другие критерии:

• надёжность и резервирование
• информационная безопасность
• мониторинг и управляемость
• масштабируемость
• совокупная стоимость владения и возможность долгосрочного обслуживания

Для B2B-рынка, который уже формирует почти три четверти выручки российского AI, этот переход особенно важен. Бизнесу нужен не успешный эксперимент с нейросетью, а работающий инструмент, встроенный в реальные производственные и корпоративные процессы.

Дефицит на стыке компетенций

AI-рынок пока фрагментирован между поставщиками вычислительного оборудования, операторами ЦОД и облаков, разработчиками платформ и моделями, интеграторами прикладных решений. При переходе к промышленной эксплуатации слабым местом становятся стыки между этими компетенциями.

Высокоплотный GPU-кластер нельзя корректно подобрать без понимания возможностей охлаждения. Систему охлаждения нельзя спроектировать без тепловой модели серверов. Энергетику невозможно рассчитать без данных о вычислительной нагрузке и сценариях резервирования. А архитектуру информационной безопасности нельзя определить отдельно от места хранения данных, сети и модели развёртывания.

Поэтому одним из следующих дефицитов российского AI-рынка станет не отсутствие отдельных интеллектуальных продуктов, а компетенция интегрировать их в единую систему. Рынок будет двигаться от поставки отдельных GPU, инженерного оборудования и программного обеспечения к созданию законченных AI-контуров под конкретную бизнес-задачу.

Главное изменение здесь — ответственность. Когда за энергетику, охлаждение, серверы, сеть и AI-платформу отвечают разные участники проекта, основные риски концентрируются на стыках между ними. На этапе пилота это может быть незаметно. В промышленной системе каждая такая граница становится потенциальной точкой отказа.

От рынка моделей — к рынку работающих систем

Исследование РАИ-2026 хорошо показывает, насколько быстро растёт российский AI-рынок. Но не менее интересно то, куда именно переходит этот рост.

Вычислительное оборудование уже занимает крупнейшую долю выручки. С учётом перспективы роста потребности в электрической мощности и инженерной инфраструктуре доля оборудования на AI-рынке может увеличиться вдвое и, соответственно, в целом значительно увеличить объём рынка.

Таким образом, производители энергетического оборудования, электротехники, систем охлаждения, ЦОД-инфраструктуры становятся полноценными участниками AI-рынка.