Поддержка ИИ в науке: зарубежные модели и практики
Подходы стран к развитию искусственного интеллекта (ИИ) для задач науки различаются: одни делают ставку на гибкость и быстрое внедрение технологий, другие — на централизованную координацию и концентрацию стратегических ресурсов, включая данные и вычислительные мощности. При этом все государства рассматривают ИИ как один из главных инструментов ускорения научных исследований. Об этом свидетельствуют результаты анализа зарубежной практики, проведенного специалистами Института статистических исследований и экономики знаний (ИСИЭЗ) НИУ ВШЭ.
За последние годы искусственный интеллект из прикладного инструмента превратился в один из ключевых факторов трансформации науки. Его применение охватывает практически все этапы исследовательского процесса — от сбора и обработки данных до моделирования сложных систем. По данным опроса, проведенного в 2025 г. журналом Nature, подавляющее большинство ученых считает допустимым использование ИИ для редактирования и перевода текстов, а значительная доля респондентов допускает его применение и для генерации научного контента. Это свидетельствует не только о высокой степени проникновения технологии, но и о формировании новой нормы академической деятельности, в рамках которой работа с ИИ становится повседневной практикой.
Усиление роли ИИ актуализирует задачу поиска баланса между ускорением внедрения технологии и управлением возникающими рисками, в том числе правовыми и этическими. Ответом на этот вызов становятся комплексные модели регулирования и поддержки. Несмотря на разнообразие национальных подходов, большинство стран опирается на общий набор базовых принципов: приоритет человеческого контроля над ИИ, обеспечение прозрачности алгоритмов и подотчетности разработчиков, защиту интеллектуальной собственности и недопущение дискриминации. Именно эти принципы лежат в основе концепции «ответственного ИИ», ставшей универсальной рамкой для формирования национальных стратегий.
США: ставка на ускорение научных прорывов
Политика США в области ИИ для науки ориентирована на сохранение глобального технологического лидерства и опирается преимущественно на рыночные механизмы. Государство выступает прежде всего в роли стратегического координатора и крупного инвестора, создающего условия для проведения исследований и внедрения новых технологий при минимальном нормативном вмешательстве. Такой подход обеспечивает необходимую гибкость научно-технологической политики и позволяет оперативно адаптировать ее к новым вызовам и возможностям, связанным с распространением ИИ.
Американская система не предполагает единого органа, отвечающего за развитие ИИ в науке: финансирование, стандартизация и инфраструктурная поддержка распределены между различными федеральными агентствами. По данным Центра стратегических и международных исследований1, в 2025 г. расходы федерального бюджета2 на гражданские программы в сфере ИИ составили 3,3 млрд долл. (239,4 млрд руб.3), еще около 1,8 млрд долл. (130,6 млрд руб.) выделено по линии Министерства обороны. Значительная часть финансирования распределяется через профильные ведомства. Так, Национальный научный фонд (NSF) ежегодно выделяет около 700 млн долл. (50,8 млрд руб.) на поддержку научных коллективов и исследовательской инфраструктуры, а Национальные институты здравоохранения (NIH) — 1,1 млрд долл. (79,8 млрд руб.) на фундаментальные проекты в области ИИ и его применение в биомедицине.
Важным элементом инфраструктуры ИИ в США является портал NAIRR (Национальный ресурс для исследований ИИ), созданный для расширения доступа ученых к вычислительным мощностям. На его финансирование в федеральном бюджете предусмотрено 2,6 млрд долл. (188,7 млрд руб.) на 2023–2029 гг. Еще довольно значимой для ИИ-инфраструктуры программой является Genesis, объединяющая суперкомпьютеры, ИИ-системы и экспериментальные платформы для ускорения научных исследований и технологических разработок. В 2026 г. на реализацию проектов в рамках Genesis направлено 293 млн долл. (21,3 млрд руб.).
Масштаб поддержки заметен и на уровне отдельных инициатив. Так, по линии NSF 220 млн долл. (16 млрд руб.) направлено на развитие сети национальных институтов ИИ, при этом объем финансирования одного центра достигает 20 млн долл. (1,5 млрд руб.) на пятилетний цикл. Реализуемая Министерством энергетики США программа Artificial Intelligence for Science («ИИ для науки») с годовым бюджетом 100 млн долл. (7,3 млрд руб.) предусматривает гранты объемом от 500 тыс. до 2 млн долл. (36,3–145,1 млн руб.) на проекты продолжительностью 2–3 года, а также доступ исследователей к экзаскейл-вычислениям4. В свою очередь, программа NIH Bridge2AI («Мост к ИИ») с бюджетом 130 млн долл. (9,4 млрд руб.) поддерживает создание биомедицинских датасетов, выделяя консорциумам от 5 до 15 млн долл. (362,8 млн — 1,1 млрд руб.) на четырехлетний период. Дополняет эту систему программа подготовки кадров NSF Research Traineeship (NRT) с ежегодным бюджетом около 50 млн долл. (3,6 млрд руб.). В ее рамках аспиранты получают стипендию до 34 тыс. долл. (2,5 млн руб.) и образовательный грант в размере 12 тыс. долл. (870,7 тыс. руб.) в год.
Помимо прочего, власти ориентируют организации на принципы открытой науки и стимулируют раскрытие используемых данных и моделей, что способствует ускорению научного обмена. Регулирование носит преимущественно «мягкий» характер и реализуется через добровольные стандарты, рекомендации и инструменты оценки рисков, включая базы данных инцидентов ИИ — случаев ошибок, сбоев или некорректного применения алгоритмов.
В совокупности описанные меры охватывают ключевые элементы научно-технологической системы: инфраструктуру, исследовательские проекты, подготовку кадров и механизмы распространения знаний, способствуя формированию динамичной экосистемы, в которой конкурентоспособность определяется не только объемом финансирования, но и доступом к вычислительным ресурсам, открытостью и эффективностью научного обмена.
Китай: централизованная модель и технологический суверенитет
Политика КНР в области ИИ для науки опирается на централизованное управление и концентрацию ресурсов в рамках национальных программ. По оценкам Bank of America, объем государственного финансирования ИИ в Китае в 2025 г. достиг 56 млрд долл. (4,1 трлн руб.), что значительно превышает показатели большинства стран. Хотя данные о финансировании научных исследований в структуре государственных расходов на ИИ не публикуются, масштабы реализуемых инфраструктурных проектов свидетельствуют о том, что поддержка науки относится к числу приоритетных направлений госполитики в данной сфере.
Ключевое место в китайской модели занимают крупные государственные программы. Например, Национальная система скоординированных инноваций интегрированных центров больших данных поддерживает работу распределенной вычислительной инфраструктуры и сети из восьми опорных вычислительных хабов, ежегодно обеспечивающих ресурсами сотни исследовательских проектов. В зависимости от их масштаба объем господдержки колеблется от 50–200 тыс. юаней (536,6 тыс. — 2,1 млн руб.5) для небольших проектов до 1–10 млн юаней (10,7-107,3 млн руб.) в случае крупных. Общий бюджет программы составляет около 200 млрд юаней (2,1 трлн руб.) на период реализации 2022–2035 гг.
Параллельно в рамках системы национальных центров научных данных с общим бюджетом 30 млрд юаней (321,9 млрд руб.) ежегодно финансируются инфраструктурные инициативы (до 20 млн юаней, или 214,6 млн руб., на центр) и индивидуальные проекты, связанные с публикацией и обеспечением доступа к научным данным (до 2 млн юаней, или 21,5 млн руб., на проект). По линии еще одной программы — «Новое поколение ИИ» с бюджетом 150 млрд юаней (1,6 трлн руб.) — поддержка проектов составляет 10–50 млн юаней (109,5–547,7 млн руб.), молодых исследователей — 300–500 тыс. юаней (3,2–5,4 млн руб.) в год в форме аспирантских стипендий.
Существенные ресурсы направляются и на внедрение ИИ в прикладные исследования. Программа пилотных зон инноваций с бюджетом 50 млрд юаней (536,6 млрд руб.) предусматривает проектные гранты в размере до 30 млн юаней (321,9 млн руб.), а также субсидирование оборудования и доступ к вычислительным центрам.
В совокупности эти меры отражают подход к развитию ИИ, при котором государство выступает не только источником финансирования, но и ключевым субъектом координации исследований, инфраструктуры и технологических приоритетов. Китайская модель отличается значительным масштабом инвестиций и высокой степенью централизации, что позволяет концентрировать ресурсы на стратегических направлениях и ускорять их развитие.
Европейский союз: этика и регулирование рисков
Модель ЕС сочетает масштабную финансовую поддержку с развитой нормативной базой. Наряду с инвестициями по программе Horizon Europe, на проекты, связанные с ИИ, на 2024–2027 гг. дополнительно предусмотрено 4 млрд евро (338,4 млрд руб.6) в рамках AI Innovation Package («Пакет инноваций в области ИИ»). Существенная часть вложений в создание инфраструктуры, проведение фундаментальных исследований и прикладные разработки распределяется через специализированные инициативы. Так, на поддержку центров передового опыта, которые выступают площадками для апробации новых технологий, подготовки кадров и координации исследований между странами ЕС, в 2021–2027 гг. выделено 100 млн евро (8,5 млрд руб.). По линии проекта RAISE («Ресурс для научных исследований в области ИИ») в 2026–2027 гг. предусмотрено 107 млн евро (9,1 млрд руб.) на создание общеевропейской экосистемы, объединяющей данные, вычислительные мощности и научные коллективы. Предполагается, что цифровая платформа позволит исследователям совместно обучать модели, обмениваться датасетами и реализовывать проекты в сфере ИИ. Кроме того, в 2024–2027 гг. около 600 млн евро (50,8 млрд руб.) вложено в создание ИИ-гигафабрик и развитие суперкомпьютерной сети EuroHPC. Эти меры призваны обеспечить исследователям и организациям доступ к вычислительным ресурсам, сопоставимым с возможностями ведущих мировых технологических платформ.
Отдельное направление связано с развитием исследовательских компетенций и международной мобильности ученых. Европейские программы поддерживают создание междисциплинарных команд, взаимодействие университетов, научных центров и индустрии, а также вовлечение зарубежных исследователей в связанные с ИИ проекты. В частности, на подготовку и привлечение специалистов в данной сфере выделяется 75 млн евро (6,3 млрд руб.) на 2026–2027 гг.
Дополняет систему поддержки развитая нормативная база, предусматривающая обязательные процедуры аудита высокорисковых систем ИИ и жесткие ограничения на использование персональных данных. Такой подход способствует повышению прозрачности, безопасности и доверия к технологиям ИИ.
Великобритания: гибкое регулирование и акцент на безопасность
Британские власти используют относительно компактную по масштабам модель поддержки ИИ в науке, в которой приоритет отдается развитию исследовательской инфраструктуры. Общий объем государственных инвестиций в ИИ с 2018 г. уже превысил 3,3 млрд фунтов (321,7 млрд руб.7), на период 2025–2029 г. дополнительно запланировано 2 млрд фунтов (195 млрд руб.).
Ключевым элементом в системе, обеспечивающей ученым доступ к вычислительным мощностям, является программа AI Research Resource (Ресурс для исследований в области ИИ) с бюджетом около 1 млрд фунтов (97,5 млрд руб.) до 2030 г. Поддерживаемые в ее рамках проекты получают от 200 тыс. до 1 млн GPU-часов, что соответствует финансированию в размере 1–5 млн фунтов (97,5–487,5 млн руб.) на проект. Ранее, в 2023–2025 гг., около 300 млн фунтов (29.2 млрд руб.) были проинвестированы в суперкомпьютеры Isambard AI и Dawn, ориентированные на обучение крупных ИИ-моделей и выполнение ресурсоемких научных расчетов. Инфраструктурные меры дополняются поддержкой исследований, подготовки кадров и развития самой технологии ИИ. Так, в рамках инициативы Responsible AI UK («Ответственный ИИ для Великобритании») с бюджетом 31 млн фунтов (3 млрд руб.) на период 2023–2028 гг. финансируются проекты, направленные на повышение безопасности, прозрачности и надежности ИИ-систем.
Наряду с инфраструктурными инициативами в Великобритании используются и грантовые механизмы поддержки. В рамках программы фундаментальных исследований в сфере ИИ предоставляются гранты на исследовательские проекты (до 7,5 млн фунтов (731,2 млн руб.) на 18 месяцев) и подготовку аспирантов (до 1,9 млн фунтов (185,2 млн руб.) на шесть лет). Отдельно финансируются высокорисковые проекты в объеме до 500 тыс. фунтов (38,7 млн руб.) на инициативу. Общий бюджет программы на 2026 г. составляет 40 млн фунтов (3,9 млрд руб.).
Таким образом, британская модель сочетает развитие вычислительной инфраструктуры с адресной поддержкой научных проектов и подготовки кадров, обеспечивая широкий охват исследовательской деятельности даже при относительно умеренных объемах государственных расходов.
Резюме
Сопоставление национальных подходов к поддержке ИИ в науке показывает, что различия между странами носят прежде всего институциональный характер и отражают особенности их экономических и политических систем, проявляясь главным образом в моделях управления, распределении ролей государства и научных организаций, а также характере регулирования.
Вместе с тем набор используемых инструментов во многом совпадает, что позволяет говорить о формировании общего контура политики в данной сфере, адаптируемого к приоритетам и условиям конкретных стран. Так, повсеместно развиваются вычислительная инфраструктура и грантовые механизмы поддержки исследований, внедряются принципы ответственного использования ИИ и требования к прозрачности. Во многих государствах уже действуют нормы, предусматривающие раскрытие фактов применения ИИ, используемых моделей и источников данных. Отсутствие таких стандартов создает риски снижения качества научных результатов и затрудняет их международную сопоставимость. С учетом этих тенденций актуальной задачей для России становится разработка национальных рекомендаций и стандартов, включая механизмы оценки рисков ИИ.
Как показывает международный опыт, от американского проекта NAIRR с бюджетом 2,6 млрд долл. (188,7 млрд руб.) до китайских программ создания национальных вычислительных хабов, базовым условием развития ИИ в науке становятся инфраструктура, вычислительные мощности и данные. Причем доступ к такой инфраструктуре и современным цифровым сервисам значим не менее, чем финансовые меры поддержки научных проектов. В российском контексте это предполагает необходимость расширения вычислительной инфраструктуры для исследовательских команд, ввода механизмов распределения ресурсов по аналогии с «вычислительными ваучерами» (системой квот на использование суперкомпьютеров и ИИ-инфраструктуры) и другими конкурсными механизмами, а также дальнейшей ориентации грантовой системы на междисциплинарные проекты, интеграцию с индустрией и создание совместных исследовательских центров.
Не менее важным направлением является развитие кадрового потенциала. Зарубежные программы, такие как инициативы NSF в США или британские образовательные треки, показывают, что подготовка специалистов в области ИИ для науки становится самостоятельным приоритетом государственной политики. Это требует не только расширения образовательных программ, но и создания условий для привлечения и удержания исследователей, включая конкурентоспособные условия труда и возможности международной мобильности.
Решение этих задач во многом зависит от качества системы управления. Международная практика показывает, что даже при эффективном распределении функций между различными ведомствами согласованность политики обеспечивается за счет единых стратегических ориентиров и координирующих механизмов. Опыт ведущих стран в области развития ИИ для науки свидетельствует о том, что конкуренция между ними разворачивается не столько на уровне отдельных разработок, сколько в плоскости создания устойчивых научно-технологических экосистем. В этих условиях, наряду с наращиванием объемов поддержки данного направления, для России ключевое значение приобретает формирование комплексного подхода, охватывающего инфраструктуру, финансирование, кадры и механизмы управления.
Источники: официальные документы США, Китая, ЕС и Великобритании. В данной работе использованы результаты проекта HSE-MS-2025-001, выполненного в НИУ ВШЭ.
Материал подготовили Заур Мамедьяров и Франсиско Брамбила Мартинес
Предыдущий выпуск серии «Наука, технологии, инновации»: «Передовые производственные технологии: разработка и использование»
См. также:
