Каждый день слова «контроль», «регулирование» и «ограничения» звучат в контексте искусственного интеллекта тысячи раз. Но за одинаковыми формулировками стоят разные, часто противоречащие друг другу цели: одни хотят замедлить конкурентов, другие — защититься от собственных рисков, третьи — просто зафиксировать правовые нормы. От логики этих ограничений зависит, как быстро и в каком виде передовая технология приходит в нашу жизнь.

Показательный пример — открытое обращение более 1200 сотрудников крупнейших ИИ-компаний к правительству США с просьбой создать механизмы, которые позволят при необходимости замедлить развитие самых мощных нейросетей. Среди подписантов — ведущие учёные OpenAI, Google DeepMind и Meta (признана экстремистской и запрещена в России), руководители Anthropic. Люди, которые находятся к разработке передового ИИ ближе, чем кто‑либо, сами просят о рычагах торможения.

США ужесточили экспортный контроль над чипами и весами моделей, ограничив доступ Китая, России и Ирана к вычислениям выше определённого порога — свыше 10²⁶ операций с плавающей запятой в секунду (FLOPS) и моделям с более чем 100 млрд параметров. С 2026 года продажи передовых графических процессоров NVIDIA и AMD в Китай переведены на поштучное лицензирование, дополнительно введён 25% тариф на такие чипы.

Китай пошёл другим путём. Там регулируют использование генеративного ИИ внутри страны: сервисы обязаны регистрировать алгоритмы, маркировать AI-контент и защищать персональные данные. При этом Пекин был вынужден реагировать и на действия США. С 1 июля 2026 года Китай ввёл экспортные ограничения на технологии, данные и перемещение специалистов из ИИ-сектора за рубеж, а также рассматривает контроль экспорта своих самых продвинутых моделей.

Евросоюз применяет Закон об искусственном интеллекте (EU AI Act) — систему из четырёх уровней риска: запрещённые практики, высокий риск (биометрия, критическая инфраструктура, занятость, правосудие), ограниченный риск с обязательной прозрачностью и минимальный риск.

Вице-президент по развитию ИИ Сколтеха, профессор РАН Евгений Бурнаев поясняет: «Ограничить доступ к передовым ИИ-моделям для других стран и конкурентов вполне реально, а вот сделать барьер герметичным вряд ли выйдет. Экспортный контроль хорошо работает там, где ресурс — ускорители, дата-центры, облачные мощности — ограничен физически». Со знаниями ситуация иная: «Статьи, библиотеки, инженерные приёмы, модели предыдущих поколений расходятся по миру слишком быстро, и удержать их внутри одной страны надолго не получается. Это скорее турникет. Он не гарантирует, что никто не пройдёт, но определяет, кто пройдёт, когда и какой ценой. А в нашей области отставание даже на год-два значит очень много».

Директор по продукту ИИ-платформы GPTunneL Данис Гаязов подтверждает эту логику примером из практики: в июне 2026 года американский регулятор потребовал лицензию для иностранных пользователей, и Anthropic отключила свои топовые модели для всех регионов мира, «потому что определять гражданство каждого пользователя она не умеет. В то же время её модели, по данным самой компании, выкачивали через десятки тысяч фиктивных аккаунтов». Гаязов приводит и рыночный эффект ограничений: «За год доля американских моделей на OpenRouter — крупнейшем независимом сервисе, объединяющем сотни различных моделей ИИ, — упала примерно с 70% до 30% в пользу китайских открытых LLM. Через пару лет, вероятно, ключевым будет вопрос не «у кого лучшая модель», а «на чьей инфраструктуре ты работаешь и что произойдёт, если доступ закроют».

Основатель и генеральный директор Nodul Александр Данилов обращает внимание на неповоротливость механизмов контроля: «Лазейку с поставками чипов дочерним структурам компаний из стран под эмбарго закрыли только в июне 2026-го — почти полтора года спустя после введения самой системы контроля». Он также напоминает о случае с моделями Anthropic: «Единственный случай прямого запрета на экспорт самой модели — ограничения Минторга США на Fable 5 и Mythos 5 от Anthropic, введённые в середине июня и отменённые уже 1 июля. Восемнадцать дней. Принимаемые ограничения — это скорее "налог на трение". Цель не в том, чтобы никого не пустить, а в том, чтобы отставание конкурентов держалось год-два».

Исследователи называют передовые модели ИИ самыми сложными цифровыми артефактами, когда-либо созданными человеком. Их обучение требует не только огромных вычислительных мощностей, но и колоссальных объёмов данных, человеческого труда и инженерной экспертизы. Именно это делает их одновременно и стратегическим ресурсом, и уязвимой точкой в глобальной конкуренции.

Ограничения касаются не только доступа к технологии, но и того, как модели ведут себя внутри разрешённых рамок. OpenAI запрещает разработку и применение ИИ в оружии, слежке, вмешательстве в выборы и автоматизированные решения высокой значимости без человеческого надзора. Anthropic придерживается схожего подхода, запрещая оружие, вредоносный код, дезинформацию и скоринг граждан. Обе компании при этом допускают часть госзаказов при условии контроля человека над критическими решениями.

Однако у таких ограничений есть своя цена. По словам Данилова, это явление называют «налогом на безопасность» (safety tax): «Модели после жёсткой настройки на безопасность показывают на 10–20% худшие результаты на стандартных тестах и отказываются отвечать на легитимные вопросы в 16–33% случаев». Он приводит данные исследования: «OR-Bench на 32 моделях нашёл корреляцию между способностью блокировать токсичный контент и частотой отказов на безобидных запросах — это не баг, а свойство подхода». По расчётам эксперта, при последовательном применении нескольких фильтров с точностью 90% каждый на выходе остаётся лишь 59% чистых запросов, то есть до 41% легитимных обращений оказываются урезаны или заблокированы.

Данис Гаязов уточняет, что страдает не сама способность модели, а доступность и полезность конкретной версии для пользователя: OpenAI в документации признаёт, что усиленные защиты блокируют «примерно в десять раз больше подозрительной активности», одновременно мешая добросовестным пользователям.

Практический вывод для России, по мнению Бурнаева, состоит в том, что «доступ к чужим моделям полезен, но самостоятельности он не заменяет. Поставщик всегда даёт ровно тот уровень доступа, которым готов поделиться». Отсюда — необходимость развивать собственные базовые модели и умение эффективно дообучать открытые.