ⓒВ.Ю.Румянцев, ⓒА.С.Шохов

В дополнение к принятой правительством РФ дорожной карте роста мощностей российских суперкомпьютеров

Правительство РФ, исполняя поручение Президента РФ Пр-834, п.1г от 18 апреля 2025 года, утвердило распоряжение № 482-р от 12 марта 2026 года — «дорожную карту» по развитию высокопроизводительных вычислений, алгоритмов ИИ, грид-технологий и суперкомпьютерной инфраструктуры [1]. 

Распоряжение Правительства РФ от 12 марта 2026 г. № 482-р стало первым системным документом, закрепившим задачу 10-кратного роста совокупной мощности отечественных суперкомпьютеров к 2030 году, поставленную Президентом России [2]. Документ содержит перечень общесистемных, регуляторных, кадровых и технологических мероприятий.

Документ задаёт верное направление, для его успешной реализации полезно провести сравнение с аналогичными программами КНР и США, а в документах, которые появятся в результате исполнения дорожной карты, необходимо сформулировать измеримые целевые результаты:

• Необходимо указать уровень целевой совокупной вычислительной мощности, количество суперкомпьютерных центров, долю отечественных компонент, даты ввода в эксплуатацию каждого нового центра, технические характеристики вычислительной архитектуры и  сетей передачи данных.
• Провести различие типов вычислений (высокоточные расчёты (FP64) — для физики, авиации, ядерных процессов, низкоточные ИИ-расчёты (INT8/FP16) — для нейросетей, ИИ-агентов, дронов, роевого интеллекта).
• Сформулировать конкретные задачи создания распределённых вычислительных ресурсов, в том числе промышленных edge-архитектур (когда данные обрабатываются близко к месту их возникновения), описать архитектуру трёхуровневой системы (облачные дата-центры → промышленные edge-узлы → терминальные устройства) с требованиями к латентности: например, «межцентровая задержка <10 мс, доступ терминалов <20 мс» {справочно:  1/1000 секунды — это миллисекунда(мс)}. Минимальная латентность (время отклика системы на сигнал от момента отправки до начала ответа) критически важна для управления дронами, автомобилями, роботами, станками, роевым интеллектом.
• Для того, чтобы в режиме реального времени генерировался поток достоверных данных, которые преимущественно будут обрабатываться в промышленных edge-узлах, необходимо инициировать в стране конвейерную разработку отраслевых экосистем цифровых платформ (ОЭЦП) [3]. 
• В пункте 9 упомянуто «преимущественное применение отечественных компонент», необходимо в дальнейших документах конкретизировать:
  • перечень необходимых компонент (CPU, GPU, сетевые чипы, память HBM [High Bandwidth Memory])
  • возможность производства  необходимых компонентов в РФ
  • дорожную карту по разработке недостающих компонентов
  • требования к производительности компонентов
  • возможность использования на первом этапе импортных компонентов (каких именно). 

• Проанализировать вычислительные мощности других стран и планы их развития.
• Конкретизировать цели по подготовке необходимого количества специалистов с указанием их специализации, указать сколько их есть сегодня, сколько будет подготовлено к 2030 году.
• Указать объёмы финансирования.

В настоящей статье предлагаются конкретные дополнения к дорожной карте, позволяющие перейти к созданию работающей вычислительной инфраструктуры, включая сеть промышленных центров, отраслевых экосистем цифровых платформ, разработку отечественных ИИ-ускорителей. Кроме того, описаны механизмы контроля исполнения.

1. Постановка проблемы

Используя мировой опыт (в частности, материалы КНР, США и ЕС), предлагается уточнить ряд параметров российской дорожной карты [1],  в частности были проанализированы открытые документы Китая — стенограмма пресс-конференции Госсовета КНР от 21 апреля 2026 г. [4] и доклад «Исследование развития промышленных интеллектуальных вычислений (工业智算)» за 2025 год [5].

Имеющиеся вычислительные мощности в России на текущий момент (2026 год) не способны решать задачи, требующие сквозных экзафлопсных вычислений (от 10¹⁸ операций в секунду и выше) и единовременного объединения сотен тысяч топовых ИИ-ускорителей последнего поколения. Текущий потолок российской инфраструктуры — это суммарная мощность всех систем в районе 100–400 петафлопс, распределенная по отдельным коммерческим и научным кластерам (крупнейшие — «Червоненкис» от Яндекса, Christofari Neo от Сбера). Существующие в РФ мощности не в состоянии решить задачу обучения базовых мультимодальных LLM/LMM (аналогов GPT-5, Gemini 1.5/2.0 Ultra, Claude 4) «с нуля» за приемлемые сроки (до 3–4 месяцев), не могут создавать полноценные сквозные модели мира (World Models) для беспилотного транспорта во всех сценариях мегаполиса, не в состоянии сделать, например анализ в реальном времени транзакционных графов всей страны, в РФ очень маленький рынок промышленных интеллекутальных вычислений (ПИВ), и это связано не с отсутствием потребности, а с ограничением вычислительных мощностей. На базе существующих вычислительных мощностей невозможно строить AI-MBSE (Model-Based Systems Engineering —  системную инженерию на базе автоматизированного ИИ-проектирования и тестирования устройств), становится невозможно развитие подхода Software 3.0 — программирование на естественном языке через автономных ИИ-агентов, невозможно решать задачи проектирования новых материалов, создания новых лекарственных формул, невозможно обучать созданные математиками и физиками новые архитектуры ИИ (такие как State Space Models, Physics-Informed Neural Networks, Graph Neural Networks и т.д.). Только одновременное развитие подходов Software3.0, AI-MBSE, а также создание и обучение новых архитектур ИИ, усиливая друг друга, дадут необходимую конвергенцию для развития. Создав в России сегодня суперкомпьютерный кластер на импортированных вычислительных мощностях КНР, мы сможем начать разработку собственных компонентов и в дальнейшем постепенно импортозамещать китайское «железо» отечественным.

2. Дополнение российской дорожной карты

2.1. Измеримые KPI и конечные результаты

Китайский подход: в докладе [5] приведены конкретные цифры — рост совокупных ИИ-мощностей с 725 EFLOPS (2024) до 1037 EFLOPS (2025) и до 2782 EFLOPS (2028), доля промышленных вычислений >35%, количество кластеров по 10 000 ускорителей — 42. В КНР мощность в экзафлопсах приводится накопительным итогом за год, это не производительность китайских суперкомпьютеров в моменте.

Предлагаем дополнить дорожную карту следующими  целевыми показателями на 2027, 2028, 2030 годы: 

• совокупная LINPACK-производительность, 
• совокупная производительность ИИ-ускорителей (INT8), 
• число суперкомпьютерных центров с  доступом для промышленности.

2.2. Разделение типов вычислений и создание промышленной архитектуры

Необходимо разделить все расчёты на:

• высокоточные расчёты (FP64) — для моделирования ядерных процессов, аэродинамики, климата;
• низкоточные ИИ-расчёты (INT8/FP16) — для нейросетей, управления дронами, обучения ИИ-агентов, роевого интеллекта, компьютерного зрения.

Необходимо точно описать архитектуру суперкомпьютерных вычислений: «облачные дата-центры → промышленные edge-узлы → терминальные устройства», эта архитектура является стандартом промышленного ИИ в КНР [5, стр. 7–9]. Для управления роевыми системами, промышленными роботами, автономными транспортными средствами в КНР критически важны низкие задержки (менее 1 мс между узлами, менее 10 мс для терминалов). Для РФ показатели латентности могут быть больше, поскольку сети передачи данных ещё не достигли требуемых показателей пропускной способности.

Предложение: добавить в дорожную карту отдельный раздел «Развитие промышленных edge-вычислений» с требованием создать не менее 20 региональных edge-центров к 2028 году, обеспечив межцентровую задержку менее 10 мс и задержку доступа для терминалов <20 мс.

Китайский подход: введено понятие «工业智算» (промышленные интеллектуальные вычисления), построена трёхуровневая сеть с edge-узлами на заводах. К 2025 году более 35% всех ИИ-мощностей задействованы именно в промышленности, к 2028 году промышленность будет использовать свыше 50% вычислительных мощностей [5, табл. 5], решая задачи проектирования новых изделий, материалов, разработки технологий производства.

Развитие промышленных суперкомпьютерных вычислений — это одно из направлений развития, которое позволяет построить целевую архитектуру сквозного инжиниринга будущего (часто обозначаемую как AI-augmented MBSE — Model-Based Systems Engineering). Суть AI-augmented MBSE состоит в сокращении процесса проектирования новых изделий и в повышении вероятности сертификации готового изделия с первого раза. Достигается это засчёт высокоточных интервальных вычислений, а также засчёт использования больших языковых моделей, которые в состоянии сгенерировать полный пакет документов: чертежи, управляющие программы для ЧПУ (G-code), спецификации для ERP-систем и инструкции по технике безопасности, проверив их на внутренние противоречия. Сверхточное интервальное моделирование + генеративный ИИ требуют колоссальных ресурсов. Для развития промышленных суперкомпьютерных вычислений в России необходима инфраструктура уровня суперкомпьютера «Тяньхэ» (GalaxyEDS), адаптированная под российские алгоритмы. В России сегодня рынок промышленных суперкомпьютерных вычислений на порядки меньше, чем, например, в КНР, для его развития необходимы дополнительные вычислительные мощности и модели. При этом достаточные на начальном этапе вычислительные мощности (CPU 5 петафлопс + GPU 700 петафлопс) могут появиться в РФ достаточно недорого (около 40 млрд. руб.). Время доставки в Россию и запуска этих мощностей зависит от выбранной процедуры закупки. В текущей ситуации важно обеспечить наличие вычислительных мощностей как можно быстрее, через импорт, в дальнейшем постепенно, с использованием закупленных мощностей, решая задачу импортозамещения.

Для обеспечения потока достоверных данных в реальном времени отрасли российской экономики (в первую очередь в промышленности) должны быть платформизированы. Для обеспечения этого условия целесообразно активизировать работы по созданию конвейера разработки отраслевых экосистем цифровых платформа (ОЭЦП) на принципах государственно-частного партнёрства [3]. Поскольку разработка платформенного программного обеспечения в сегодняшних условиях немыслима без генерации программного кода с помощью ИИ, необходимо также дополнить дорожную карту планом мероприятий по корректировке законодательства Российской Федерации в части ограничений на использование сгенерированного ИИ кода для исполнения технических заданий по государственным закупкам, а также разрешить проверку и тестирование написанного кода средствами ИИ.

2.3. Решение проблемы отечественных чипов и компонентной базы

Китайский подход: доклад [5, стр. 21–22] прямо называет конкретные чипы (昇腾 910 (Ascend 910), 寒武纪 (Cambricon), 壁仞科技 (Biren Technology ), 天数智芯 ( Iluvatar CoreX)), указывает долю отечественного, то есть китайского производства (国产) в 42% в 2025 году и ставит цель >60% к 2026–2027 гг. Приводится список компаний-разработчиков (Lenovo, Sugon, Huawei) и используемых программных стеков (MindSpore, PaddlePaddle).

Предлагаем 

1) внести в дорожную карту задачу по созданию не менее трёх типов отечественных ИИ-ускорителей (для обучения, инференса, edge) с утверждёнными тактико-техническими характеристиками и создать при Минпромторге координационный совет по компонентной базе;

2) в качестве временного решения предусмотреть закупку китайских компонентов для быстрого разворачивания суперкомпьютерных мощностей на территории РФ, а затем поэтапно дополнить их отечественными. Возможность закупки китайских компонентов существует, для этого созданы условия на уровне сотрудничества РФ и КНР в рамках ШОС и БРИКС. В качестве совместных проектов, в рамках которых будут разворачиваться суперкомпьютерные вычислительные ресурсы на базе китайских компонентов, в РФ могут быть реализованы: 

• проект разработки экспертной платформы для сотрудничества экспертов стран БРИКС и ШОС в сфере ИИ, суперкомпьютеров и современной вычислительной архитектуры,  а также в сфере коллективной безопасности;
• проект разработки международной платформы, обеспечивающей логистику и торговлю, а также взаиморасчёты между странами-участницами;
• проект международной медицинской платформы, концентрирующей технологии, знания и решения в сфере здравоохранения и продления активной жизни.

Важно, чтобы реализация этих международных проектов осуществлялась специалистами, компетенции которых признаны всеми странами-участницами.

2.4. Бенчмаркинг

Китайский подход: доклад [5, стр. 10–15] содержит детальный анализ стратегий США («Старгейт», 500 млрд долл., упор на вертикальную интеграцию) и ЕС (200 млрд. евро, акцент на зелёные и edge-вычисления). Делаются выводы о разрывах и возможностях для Китая.

Предложение: дополнить дорожную карту ежегодным разделом «Мониторинг мировых конкурентов» с публикацией сравнительной таблицы мощностей (LINPACK и ИИ) России, США, Китая, ЕС.

2.5. Определить финансирование мероприятий дорожной карты

Китайский подход: в стенограмме [4] названы конкретные фонды — 600 млрд юаней (Национальный фонд инвестиций в ИИ), а также указано, что более 90% инвестиций в ИИ в Китае — частные.

Предложение: поручить Минфину совместно с Минобрнауки в трёхмесячный срок подготовить финансовое приложение к дорожной карте с указанием источников (федеральный бюджет, ФНБ, государственные корпорации, частные инвестиции) и объёмов на 2027–2030 годы.

2.6. Кадровый блок 

Китайский подход: доклад [5, стр. 30–32] прямо указывает, что для обслуживания 42 кластеров и 15 лидирующих фабрик требуется ежегодная подготовка не менее 50 тысяч специалистов, и вводится государственный заказ на соответствующие образовательные программы.

Предложение: дополнить дорожную карту целевыми показателями по числу подготовленных кадров (например, к 2030 году — не менее 5 тысяч специалистов в области HPC (High-Performance Computing) и промышленного ИИ).

3. Инфраструктура

3.1. Создание сети промышленных вычислительных центров с edge-узлами

Цель: обеспечить низколатентные вычисления для роботизированных производств, дронов, роевого интеллекта, обучения ИИ-агентов, систем технического зрения в рамках трёхуровневой архитектуры «облачные дата-центры → промышленные edge-узлы → терминальные устройства».

Мероприятия:

• 2027 год — пилотные проекты в 5 регионах (Москва, Татарстан, Новосибирск, Екатеринбург, Владивосток) на базе существующих технопарков.
• 2028 год — развёртывание 20 edge-центров, связанных с национальной суперкомпьютерной сетью и платформизацией отраслей.
• 2030 год — охват всех промышленных кластеров.

3.2. Программа «Российский ИИ-ускоритель»

Цель: создать не менее двух типов отечественных чипов для обучения (аналог NVIDIA H100/Ascend 910) и инференса на edge.

Мероприятия:

• Разработка технического задания с требованиями по FP64, INT8, энергопотреблению.
• Финансирование через Росатом, Ростех и частные инвестиции (объём — не менее 300 млрд руб. на 2027–2030 гг.).
• Обязательная сертификация и внедрение отечественных чипов в новых суперкомпьютерных центрах с 2029 года.

3.3. Ежегодный мониторинг и публичный отчёт о ходе исполнения

Цель: обеспечить прозрачность и сравнимость с конкурентами.

Мероприятия:

• Ежегодно, до 30 сентября, публиковать доклад с таблицей: текущая совокупная мощность (LINPACK и INT8), количество центров, их доля в вычислениях, сравнение с США, ЕС и КНР.
• Проводить независимый аудит результатов.

3.4. Целевые индикаторы на 2030 год

Показатель	Базовое значение (2026)	Целевое значение (2030)
Совокупная LINPACK-производительность (пфлопс, FP64)	≈ 75 [оценка]	750–800
Совокупная производительность ИИ-ускорителей (EFLOPS, INT8)	нет данных	не менее 150
Количество суперкомпьютерных центров с доступом для промышленности	≈ 10	не менее 30
Доля отечественных чипов в новых мощностях	<10%	не менее 50%
Количество подготовленных специалистов (HPC+ИИ)	Нет данных	не менее 5 000/год

4. Заключение

Принятая Правительством РФ дорожная карта — важный первый шаг, фиксирующий политическую волю к 10-кратному росту вычислительных мощностей. Китай, США и ЕС уже перешли к развёртыванию распределённых низколатентных вычислительных систем, нацеленных на задачи промышленности и, в перспективе, на управление роевым интеллектом дронов, роботов, в том числе промышленных и военных. Роевой интеллект и активное использование квантовых компьютеров в суперкомпьютерных сетях уже к 2028 году существенно изменят повседневную жизнь людей. 

Предлагаемые меры позволят не только сократить существующий разрыв, но и обеспечить опережающее развитие по ряду ключевых направлений. Закупка необходимых суперкомпьютерных мощностей с прицелом на их постепенное импортозамещение и разворачивание трёхуровневой инфраструктуры передачи и обработки данных позволит России остаться одним из мировых лидеров в развитии суперкомпьютерных вычислений.

Развитие описанных направлений в рамках существующей в России консервативной модели регулирования затруднено. В настоящее время крайне важно изменить подход к принятию решений, чтобы существенно ускорить движение к поставленным целям.

---

Источники:

1. Распоряжение Правительства РФ от 12 марта 2026 г. № 482-р «Об утверждении плана мероприятий («дорожной карты») по развитию высокопроизводительных вычислений, алгоритмов искусственного интеллекта, грид-технологий и суперкомпьютерной инфраструктуры». URL: http://government.ru/news/58079/ 
2. Перечень поручений Президента РФ по итогам Форума будущих технологий от 21 февраля 2025 г. (Пр-834, п. 1г).
3. Румянцев В.Ю., Шохов А.С. Как разрабатывать жизнеспособные отраслевые экосистемы цифровых платформ (ОЭЦП)? URL: https://www.shokhov.com/2025/08/autopoiesis/ 
4. Стенограмма пресс-конференции Госсовета КНР «Планы развития промышленности и информационных технологий в первом квартале 2026 года» от 21 апреля 2026 г. (URL:  http://www.scio.gov.cn/live/2026/38374/index.html).
5. Доклад «Исследование развития промышленных интеллектуальных вычислений (工业智算发展研究报告)», Китайская академия промышленного интернета, 8 января 2026 г. URL: https://www.china-aii.com/u/cms/www/202601/工业智算发展研究报告（2025年）.pdf