По данным MWS Cloud (входит в МТС Web Services), в первом полугодии 2026 г. объем потребления китайских LLM в российских компаниях более чем в 11 раз превысил показатель за весь 2025 г. Наиболее востребованы семейства Qwen, GLM и Kimi. При этом эксперты подчеркивают, что сам по себе рост не доказывает тотальную миграцию бизнеса именно с западных LLM - часть спроса формируется за счет новых сценариев и расширения пилотов.

Ключевое отличие китайских моделей от западных - наличие открытых обученных параметров модели. Китайские компании все чаще делают ставку на открытость: Alibaba (модель Qwen), Zhipu AI (GLM), Moonshot AI (Kimi) публикуют обученные параметры ведущих языковых моделей. Благодаря этому бизнес может загрузить эти "веса" и запустить модель в собственном ИТ‑контуре - на локальных серверах или в приватном облаке. Такой подход дает гибкость: например, модель можно дополнительно обучить под узкие отраслевые задачи или адаптировать под внутренние стандарты безопасности.

На Западе распространен иной принцип работы. Такие крупные игроки, как OpenAI (GPT‑5), Anthropic (Claude) и Google (Gemini) сохраняют параметры моделей в закрытом доступе. Пользователям предлагают работать через API: разработчик контролирует инфраструктуру и выдает доступ к функционалу модели, а клиент оплачивает обработку каждого запроса.

Как отметил руководитель Лаборатории ИИ ООО "Первый Бит" Владимир Фадеев, Qwen, GLM или DeepSeek можно скачать и развернуть на собственных серверах: тогда экспортные ограничения Пекина затронут лишь доступ к будущим версиям, а не уже работающую у компании модель. "Скачанную модель "отозвать" нельзя", - пояснил эксперт.

Технический директор ООО "ИИТех" (Veai) Владислав Кудинов добавил, что главный риск связан не столько с китайским происхождением модели, сколько с зависимостью от одного поставщика, API или формата развертывания. "Резервный сценарий нужно создавать до интеграции модели в критичный процесс. Для этого модель отделяют от бизнес-процесса через единый шлюз, тестируют несколько семейств LLM на одинаковом наборе задач и заранее определяют требования к качеству, задержке, цене и хранению данных", - подчеркнул Владислав Кудинов.

Технический директор ООО "МД Аудит" (MD Audit, входит в ГК Softline) Юрий Тюрин конкретизировал, что разумная стратегия - это мультимодельная архитектура, резервирование вычислений и возможность локального развертывания наиболее критичных компонентов. Это позволяет снизить риски не только при изменении условий со стороны китайских поставщиков, но и в целом - за счет гибкости ИТ-архитектуры.

За первые шесть месяцев 2026 г., по сведениям MWS, через китайские модели прошло более 400 млрд токенов - показатель, который нередко трактуют как объем переданных корпоративных данных. Однако специалисты разделяют понятия "потребление токенов" и "передача конфиденциальных данных". Как пояснил Владислав Кудинов, в статистику входят системные инструкции, контекст, повторные запросы и ответы моделей, а не только уникальные корпоративные сведения.

Для компаний, уже встроивших LLM в ядро процессов, критически важно понимать, какие именно данные получает модель, где они обрабатываются и сохраняет ли их провайдер. Особого контроля требуют персональные данные, коммерческая тайна, исходный код, финансовые документы и материалы сделок.

Руководитель направления по развитию технологий управления данными и машинному обучению ООО "Рексофт" Сергей Назаренко подчеркивает, что само китайское происхождение модели не означает автоматическую отправку информации в Китай. Например, модель GLM 5.2 развернута в собственном облаке MWS, а доступ к моделям предоставляется через единый программный интерфейс. Тем не менее компаниям необходимо контролировать состав запросов, хранение журналов, доступ ИИ-агентов к системам и обработку персональных данных и коммерческой тайны.

Облачный сегмент рынка LLM, по данным MWS, в 2026 г. достигнет почти 1,5 млрд руб.

Сергей Назаренко разъяснил, что 1,5 млрд руб. - это прогноз для облачного сегмента по итогам 2026 г., а не подтверждение неизбежного дефицита мощностей в 2027 г. Реальными ограничителями могут стать не только ускорители, но и энергоснабжение, сроки создания кластеров, а также нехватка специалистов.

Технический директор ООО "Маинд Крафт" (Just AI) Антон Сипачев подчеркнул, что вопрос дефицита мощностей не специфичен для китайских моделей - это системное ограничение индустрии. Те компании, которые закладывают в архитектуру резервирование мощностей и работу через нескольких облачных провайдеров, будут воспринимать возможный дефицит не как остановку проекта, а как управляемый рост издержек.

Китайские LLM обучены на данных с жесткой государственной цензурой и культурным контекстом, далеким от российского бизнеса. Это порождает опасения относительно возможных искажений, "молчаний" на чувствительные темы и галлюцинаций в юридическом и финансовом контексте.

Антон Сипачев пояснил, что цензура китайских моделей касается в первую очередь чувствительных для Китая политических и социальных тем - это узкий и предсказуемый слой ограничений, который напрямую не пересекается с финансовой или юридической аналитикой для российского бизнеса. Куда более реальный риск - не цензура, а полнота и качество данных по российскому контексту. Обучающие корпуса китайских моделей формируются преимущественно на китайских и англоязычных источниках, а русскоязычного контента в них объективно меньше.

Это может приводить не к отказу отвечать, а к правдоподобно звучащим, но неточным выводам по специфике российского права или отраслевой практики. Как подчеркивает Владислав Кудинов, убыток возникает в тот момент, когда вероятностный ответ модели принимают за юридическое или финансовое заключение.

Председатель совета директоров ООО "АЛП Групп" (ALP Group) Лоран В. Джейкобс считает опасения о введении ограничений китайской стороной неактуальными, поскольку стратегия Востока строится на противостоянии ограничениям свободного распространения ИИ-моделей. При этом он признал, что для корпоративных продуктов, связанных с оценкой проектов и юридических рисков, китайские модели нуждаются в существенных доработках и глубокой "локализации".