Проблема: закрытые модели создают системную зависимость
Бизнес, который строит продукты и процессы на проприетарных ИИ-моделях, сталкивается с тремя видами зависимости одновременно.
Первая — техническая. Поведение модели может измениться после очередного обновления без предупреждения. Компании, которые не контролируют веса, не контролируют и стабильность своего продукта.
Вторая — юридическая. GDPR и EU AI Act требуют прозрачности: возможности объяснить, почему система приняла то или иное решение. Закрытые модели этого не обеспечивают принципиально — неизвестно ни происхождение данных, ни архитектурные решения.
Третья — коммерческая. Ценообразование меняется в одностороннем порядке, регионы могут отключаться, доступ — ограничиваться. Это не гипотетические риски: прецеденты уже есть.
Решение: открытая национальная инфраструктура
В декабре 2023 года Швейцария запустила Swiss AI Initiative — крупнейшую в мире академическую программу по фундаментальным ИИ-моделям в открытом доступе. За проектом стоят ETH Zurich и EPFL, объединённые в Швейцарский национальный институт искусственного интеллекта (SNAI).
Масштаб: 20 млн швейцарских франков, более 10 млн часов работы на суперкомпьютере Alps (10 000+ ускорителей NVIDIA GH200), 800+ исследователей из 10+ учреждений. Всё — модели, датасеты, код — публикуется в открытом доступе.
Важный структурный выбор программы: малый и средний бизнес и стартапы явно названы целевыми бенефициарами. Регулярно проводятся конкурсы на вычислительное время Alps — реальный способ получить доступ к инфраструктуре уровня топовых лабораторий.
Результат: что бизнес получает конкретно
Аудируемость моделей. Каждая модель выходит с полной документацией по датасетам и методологии обучения. При работе с регуляторами или внутреннем аудите ИИ-систем это принципиальное преимущество перед чёрным ящиком.
Снижение комплаенс-рисков. Задокументированное происхождение данных снижает риски при соблюдении GDPR и EU AI Act — в отличие от моделей, обученных на непрозрачных корпусах.
Независимость от провайдеров. Открытые модели разворачиваются на собственной инфраструктуре без привязки к американским или китайским облачным платформам.
Адаптация под задачу. Базовые модели дообучаются методами LoRA и QLoRA через библиотеку transformers. Вы точно понимаете, что адаптируете — это принципиально отличается от fine-tuning поверх закрытой модели.
Доступ к GPU-ресурсам. Конкурсы на вычислительное время Alps открыты для академических команд и бизнеса — возможность работать с инфраструктурой уровня ведущих лабораторий без капитальных вложений.
Открытость — не идеология. Это прагматичный ответ на регуляторные и операционные риски, с которыми европейский бизнес сталкивается прямо сейчас.