Совокупный потенциал сегментов российского AI-рынка, доступных независимым частным игрокам, к 2030 году оценивается в 561 млрд рублей. При этом на каждый доллар венчурных инвестиций в российские AI-стартапы приходится 52 доллара вложений BigTech-корпораций, а рынку ежегодно не хватает 84 млрд рублей частного капитала. Где в этой конфигурации остаются ниши для частного инвестора и что мешает их занять, разбиралась в исследовании инвесткомпания KAMA FLOW
Инвестиционные направления: где остались ниши
Российский AI-рынок развивается преимущественно по корпоративной модели: основной объём инвестиций сосредоточен внутри крупнейших экосистем. По данным исследования, в 2025 году публично заявленные инвестиции российских IT-корпораций в AI составили около 220 млрд рублей, или $2,6 млрд.
Весь российский венчурный рынок в 2025 году составил $159 млн, из них около $51 млн пришлось на AI-проекты. В 2021 году объём российского венчурного рынка достигал $2,5 млрд — примерно в 16 раз больше, чем в 2025-м.
Такое соотношение — 52 к 1 — структурно отличается от глобальной картины. В мире на каждый $1 венчурных инвестиций в AI в 2025 году приходилось примерно $2 CapEx гиперскейлеров. Глобальный венчурный AI-рынок в 2025 году составил $212 млрд, CapEx пяти крупнейших гиперскейлеров (Microsoft, Alphabet, Amazon, Oracle) — $449 млрд.
«В России есть две компании — «Яндекс» и «Сбер», которые могут себе позволить участвовать в этой гонке фундаментальных моделей. В эту гонку больших бюджетов и суперкоманд входить точно уже поздно — возможность детей для этого для какой-то третьей компании в России я не вижу», — приводит исследование слова первого заместителя председателя правления СберБанка Александра Ведяхина.
Исследование KAMA FLOW сегментировало российский AI-рынок по инвестиционной привлекательности и капиталоёмкости. Вывод таков, что сегменты «чистого железа» и базовой AI-инфраструктуры — фундаментальные модели, облака — требуют высокого CapEx, длинного инвестиционного горизонта и часто недоступны частному инвестору без участия государства или крупных корпораций.
Инвестиционно привлекательными названы сегменты с высоким или средним барьером входа, низким CapEx и измеримым бизнес-эффектом. Среди них — вертикальные решения в медицине, промышленности и финансах; горизонтальные решения в автоматизации продаж и агенты; точечные решения в сфере данных и связующего ПО; услуги и Physical AI.
Совокупный потенциал этих сегментов к 2030 году оценён более чем в 561 млрд рублей. Крупнейшие из них: промышленный AI — 88 млрд рублей, агенты и автоматизация бизнес-процессов — 78 млрд рублей, медтех — 70 млрд рублей, финансы — 40 млрд рублей, продажи и клиентская поддержка — 40 млрд рублей, услуги — 35 млрд рублей, развёртывание и оркестрация инференса — 27 млрд рублей, Physical AI — 25 млрд рублей, инфраструктура данных — 22 млрд рублей.
Исследование предлагает модель взаимодействия для формирования рынка независимых AI-решений. BigTech предоставляет стартапу доступ к моделям, вычислительным мощностям и базовой инфраструктуре; отраслевой заказчик — к данным, контуру для внедрения и бюджетам на развитие продукта. Стартап выступает связующим звеном, превращая эти ресурсы в прикладной продукт за счёт скорости разработки, гибкости, продуктового фокуса и глубокой специализации на конкретном отраслевом сценарии.
Барьеры: капитал, GPU, данные и внутренняя разработка
Первый барьер — сложность закупки и высокая стоимость GPU. В 2022 году NVIDIA приостановила прямые продажи в Россию и позднее закрыла российские операции. В августе того же года США ввели лицензионные ограничения на экспорт в Россию передовых ускорителей NVIDIA A100 и H100 и систем на их основе, в результате чего российский рынок оказался зависим от параллельного импорта, ведущего к удорожанию оборудования.
Второй барьер — требования к on-premise развёртыванию и безопасности данных. По данным «Яков и Партнёры», высокий уровень внедрения AI характерен прежде всего для компаний, активно использующих public cloud, — их доля составляет 30%. При низком уровне использования облачных сервисов этот показатель не превышает 2%.
Третий барьер — конкуренция с внутренней разработкой заказчика. Генеративный AI ускоряет внутреннюю разработку: с помощью AI-инструментов корпоративные команды могут быстро собрать MVP для проверки гипотез без покупки готового решения. По данным исследования, уже больше половины кода внутри Сбера пишется с использованием GigaCode.
Четвёртый барьер — доступ к данным. За рубежом доступ к внешним данным упрощают специализированные маркетплейсы: AWS Data Exchange объединяет более 3,5 тыс. дата-продуктов от свыше 300 поставщиков. В России масштабный механизм коммерческого обмена данными пока не сложился. Доступ стартапов к качественным отраслевым датасетам преимущественно зависит от прямых договорённостей с заказчиками.
Отдельный барьер — дефицит капитала. По оценке KAMA FLOW, российскому рынку требуется 84 млрд рублей дополнительных частных венчурных инвестиций ежегодно для формирования устойчивого пула независимых AI-компаний. В 2025 году общий объём венчурных инвестиций в России составил $159 млн, или 0,0061% ВВП. Из них около $51 млн было инвестировано в компании с AI-составляющей — 32% всего венчурного рынка, или 0,002% ВВП.
Для сравнения: мировой объём венчурных инвестиций в 2025 году достиг $405 млрд, или 0,34% мирового ВВП. Вложения в AI-компании составили $212 млрд, или 0,17% мирового ВВП. По объёму венчурного финансирования относительно ВВП Россия отстаёт от мирового уровня примерно в 56 раз.
Если в качестве более консервативного бенчмарка взять Германию, разрыв составит около 26 раз: 0,0061% ВВП в России против 0,16% в Германии. В сегменте AI отставание ещё значительнее: венчурное финансирование AI-компаний в России примерно в 87 раз ниже общемирового уровня и в 34 раза ниже уровня Германии.
Что это значит для частного инвестора
Исследование формулирует критерии «идеального кандидата» для частного инвестора: масштаб 3–5 млрд рублей выручки как достижимый объём, потребность в капитале до 1 млрд рублей, потенциал IPO или понятная логика выхода через M&A при меньшем масштабе, потенциал IRR выше 30–40% годовых.
Рациональная стратегия, по мнению авторов, — не конкурировать с BigTech. Фундаментальные модели становятся взаимозаменяемыми, а их разработка, «железо» и облака требуют больших инвестиций в CapEx и длинного горизонта инвестирования. Возможности для частного инвестора в России — в прикладных продуктах.
