Индекс искусственного интеллекта в России

Сводная таблица сравнения год к году

Примечание по методологии рынка: авторы оценивают рынок «сверху» как суммарную выручку компаний, где ИИ вносит существенный вклад. Для оценки 2024 года часть выручек была восстановлена расчетно из-за отсутствия данных у ряда компаний (оценка сверху).

Показатель (сравнимый KPI)	2023	2024	Δ (абс.)	Δ (отн.)	Почему важно для «AI в разработке»
Рынок ИИ РФ (оценка сверху), ₽	900 млрд ₽	1,15 трлн ₽	≈ +250 млрд ₽	+28,4%	Денежная «емкость» продуктовой разработки и внедрений
Публикации на A* конференциях (ML/AI), шт.	76	125	+49	+64%	Прокси для интенсивности исследований/разработки на мировом уровне
Место РФ по публикациям в AI-журналах	13 место	12 место	+1 позиция	—	Косвенно отражает конкурентоспособность R&D и кадров
Венчурные инвестиции в ИИ (инвест. сделки), $	≈ $10 млн	≈ $39 млн	+$29 млн	+290%	Денежный поток в создание/рост продуктовых команд
M&A сделки с ИИ-стартапами, $	≈ $148 млн	≈ $33 млн	−$115 млн	−77%	Отражает «выходы» и оценку зрелых активов разработки
Госфинансирование направления «ИИ», ₽	7,48 млрд ₽	7,6 млрд ₽	+0,12 млрд ₽	+1,6%	Стабильность бюджетного спроса на R&D/проекты
Госзакупки в ИИ (44-ФЗ + 223-ФЗ), ₽	1,7 млрд ₽	2,3 млрд ₽	+0,6 млрд ₽	+35%	Прямой спрос на разработку/внедрение (ПО/услуги/системы)
Госфинансирование (прямое + закупки), ₽	≈ 9,2 млрд ₽	≈ 10 млрд ₽	≈ +0,8 млрд ₽	≈ +8%	Совокупный «заказ» государства на ИИ
Оценка выпускников с компетенциями ML/DS (top‑6 вузов, оценка авторов), чел.	~4 300	~5 400	+1 100	+26%	Прокси притока ML‑разработчиков (оценка уточняется от выпуска к выпуску)
Места в вузах (ИВТ+Математика+ИБ), чел.	74 762	74 098	−664	−0,9%	База для будущего supply разработчиков/инженеров

Показатели, которые «общие» и лучше всего подходят для динамики

Ниже — список разделов, где в обоих выпусках есть сопоставимые цифры:

• Наука: публикации в журналах (позиция РФ в рейтинге стран); публикации на топ‑конференциях ранга A* (количество работ).
• Бизнес: оценка объема рынка ИИ (в ₽) и темпа роста.
• Стартапы и инвестиции: размер российского рынка венчурных инвестиций (инвест. сделки); M&A как отдельный «канал» капитала.
• Государственная поддержка: прямое бюджетное финансирование направления «ИИ»; госзакупки в ИИ (как форма финансирования через спрос).
• Образование: динамика «воронки» кадров — места (прием) и оценка выпускников с навыками ML/DS.

Фокус: AI в разработке — что показывает динамика

R&D и инженерная «производительность» науки

• Рост публикаций на A* конференциях (76 → 125) указывает на восстановление/усиление исследовательской активности, несмотря на ограниченность источников данных.
• Улучшение позиции РФ в рейтинге публикаций в журналах (13 → 12 место) — небольшой, но положительный сдвиг в «видимости» исследований.

Что это значит для разработки продуктов: больше исследований и публикаций обычно означает больше доступных специалистов с опытом участия в сильных проектах и больше шансов на появление конкурентных моделей/алгоритмов, которые затем превращаются в продукты.

Рынок ИИ как «топливо» продуктовой разработки

• Рынок ИИ в РФ оценивается в 900 млрд ₽ (2023) и 1,15 трлн ₽ (2024): рост +28,4% год к году.

Интерпретация для разработки: даже при консервативном взгляде это сигнал, что у компаний растут бюджеты/выручка, связанные с ИИ — значит, есть экономическая база для расширения продуктовых команд, платформ данных, MLOps и т.д. В обоих выпусках фиксируется доминирование сегментов NLP (~61%) и анализа данных (~34%) в структуре рынка (структура дана для 2023 года). Это фактически «ось» того, что чаще всего разрабатывается и монетизируется.

Стартапы: деньги на создание продукта есть, но «выходы» подешевели

Инвестиционные сделки (VC‑логика): ≈ $10 млн → ≈ $39 млн (рост, эффект «низкой базы»). M&A: ≈ $148 млн → ≈ $33 млн (сильное падение стоимости/объемов).

Что это значит для разработки: появляется окно возможностей для новых продуктов (есть рост венчурного финансирования именно как инвест. сделок). Но «дорогих выходов» меньше — командам сложнее рассчитывать на быстрые M&A‑экзиты; важнее строить продукт с устойчивой выручкой.

Государство: стабильное прямое финансирование + растущий закупочный спрос

Прямое финансирование направления «ИИ» почти плоское: 7,48 → 7,6 млрд ₽. Госзакупки выросли: 1,7 → 2,3 млрд ₽.

Что это значит для разработки: растущий госзаказ — это дополнительные проекты на внедрение, интеграцию, разработку ПО/сервисов и отраслевых решений. При этом в закупках часто важны интеграционные компетенции: безопасность, совместимость, эксплуатация, документация и т.п.

Кадры и разработка ML/AI: количественный рост есть, но рынок «просит» другой уровень

Числа: в выпусках приводится оценка числа выпускников (top‑6 вузов) с компетенциями ML/DS; в новом выпуске оценка выше: ~4 300 → ~5 400 (возможное уточнение/пересчет). При этом в отчете за итоги 2024 отдельно выделяется системная проблема: >5 000 выпускников готовы работать junior ML/AI, <500 junior‑разработчиков в год наняли компании в 2024, >1 000 вакансий остается для middle/top уровня, ~250 выпускников могут соответствовать middle‑уровню (оценка авторов).

Что это значит для разработки: для компаний «узкое горлышко» смещается в сторону middle/senior и архитектурных компетенций (MLOps, прод‑инженерия, качество данных, безопасность, внедрение). Генеративный ИИ повышает производительность (меньше need на junior‑руки), но повышает требования к качеству и системному мышлению разработчиков.

Выводы (коротко)

• Рынок (выручка) растет быстрее экономики, значит спрос на AI‑разработку и внедрение сохраняется.
• Научный трек усилился: заметный рост A* публикаций и небольшой рост в рейтинге журнальных публикаций.
• Венчур «оживает» на инвестиционных сделках, но M&A объемы упали → оценки зрелых активов ниже и «выходы» сложнее.
• Государство удерживает уровень прямого финансирования и увеличивает закупочный спрос — важный стабилизатор для отрасли.
• Кадровый рынок не балансируется числом выпускников: проблема в качестве/уровне (junior vs middle/senior) и в структуре спроса.
• Для фокуса «AI в разработке» главная зона роста — не просто обучение ML, а инженерия продукта: продакшн‑контуры, данные, инфраструктура, безопасность, внедрение.

Практические рекомендации для компаний (если ваша цель — усилить AI‑разработку)

• Ставка на middle‑контур: выращивать middle из junior через проектную практику (MLOps, data engineering, quality), а не через «курс по ML».
• Продуктовая дисциплина: считать экономику AI‑фич (LTV, CAC, cost of inference, качество данных) — рынок растет, но эффективность критична.
• Упор на сегменты спроса: NLP + data analytics — наиболее крупные сегменты, здесь проще найти монетизацию и внутреннего заказчика.
• С госзаказом работать как с продуктом: типовые пакеты внедрения, документация, сопровождение, интеграции — это повышает win‑rate в закупках.
• R&D‑pipeline: поддерживать связи с сильными вузами/лабораториями и стимулировать публикации/пилоты — это ускоряет появление дифференциаторов.