Sovereign ИИ: зачем компании строят собственные модели и как это делать

Sequoia Capital, один из крупнейших венчурных фондов Кремниевой долины, выпустила видео для фаундеров и ИИ-команд, в котором разбирает концепцию sovereign ИИ. Под этим термином понимается подход, при котором компания сама развивает ИИ под свой продукт, а не подключается к внешним моделям вроде GPT или Claude. На практике это означает, что бизнес берет открытую базовую модель и адаптирует ее под свои данные, задачи и контекст. Венчурный инвестор Саша Журавлев, основатель фонда Mento VC, перевел основные шаги из видео в пошаговую инструкцию.

Sequoia противопоставляет два сценария развития ИИ. В первом интеллект централизуется: несколько крупных компаний создают универсальные модели, а остальные бизнесы подключаются к ним по API и постепенно становятся зависимыми. Во втором сценарии базовые модели остаются фундаментом, но каждая компания строит поверх них собственный интеллект — на своих данных, под свою индустрию и продукт. Этот децентрализованный сценарий Sequoia считает более здоровым, поскольку ИИ не концентрируется в одном «ядре», а распределяется между множеством компаний, каждая из которых контролирует важную для себя часть.

Переход на собственные модели объясняется четырьмя причинами. Первая — стоимость: чем больше пользователи пользуются ИИ-продуктом, тем дороже компании обходится работа моделей. Для бизнеса с низкой или отрицательной маржой собственные модели становятся не способом сэкономить, а необходимостью. Парадоксально, но первыми на собственные модели переходят компании, которые активнее всего используют ИИ: рост нагрузки увеличивает расходы на API. Вторая причина — скорость: небольшая модель, заточенная под конкретную задачу, может отвечать быстрее большой универсальной, что критично в программировании и кибербезопасности. Третья — качество: в некоторых задачах дообученная на данных компании модель работает лучше закрытых универсальных. Четвертая — контроль: компании хотят меньше зависеть от внешних провайдеров, следуя принципу «not your weights, not your product».

Раньше основная гонка шла за application layer — за то, кто создаст лучший продукт поверх модели. Создатели базовых моделей вроде OpenAI и Anthropic двигались сверху вниз, от технологии к продукту, а прикладные компании вроде Cursor, Harvey или Ramp — снизу вверх, от потребностей клиента к ИИ-инфраструктуре. Теперь гонка смещается к intelligence layer: компании конкурируют за то, кто будет владеть самим ИИ внутри продукта. Самые интересные ИИ-лаборатории сегодня появляются внутри прикладных компаний: Harvey, Glean, Ramp уже проводят собственные исследования, разрабатывают методы оценки моделей и совершенствуют ИИ-инфраструктуру.

Sequoia предлагает четыре шага к sovereign ИИ. Первый — стратегия: определить, какие части ИИ нужно контролировать самим, а какие оставить внешним провайдерам. Переход не обязан быть полным: компания может быть на 0% или на 100% sovereign. Второй — команда: собрать отдельную команду под эту задачу. Третий — legibility: сделать ИИ-экспертизу компании заметной для рынка. Четвертый — технический план: составить роадмэп перехода. Подход Sequoia подчеркивает, что sovereign ИИ — это не просто технологическое решение, а стратегический выбор, который требует инвестиций в исследования и инфраструктуру.