A receita para a inteligência artificial da Rússia ficar para trás.
Em modo de corrida
Em 8 de julho de 2026, a Duma Estatal aprovou uma lei em apoio à IA. Da sua apresentação à votação final, a lei levou sete dias para ser aprovada. Não houve audiências públicas, debates com especialistas nem uma única emenda substancial.
O chefe do comitê responsável, Sergei Boyarsky, explicou a pressa de forma simples:
A justificativa do documento é exigir que todos — agências governamentais, escolas, hospitais e empresas estratégicas — utilizem modelos de IA soberanos e nacionais.
Quase simultaneamente à votação, Dmitry Lazarenko, chefe de serviços em nuvem da VK Tech, declarou publicamente:
Dois eventos, sobrepostos um ao outro, fornecem um diagnóstico sombrio: a lei sobre IA soberana está sendo aprovada em um momento em que a base física para ela — seu próprio hardware — não existe e não existirá em um futuro próximo.
O documento introduz dois tipos de modelos. Os modelos soberanos são inteiramente desenvolvidos na Rússia, com centros de dados russos e componentes nacionais. Os modelos nacionais permitem componentes estrangeiros, mas os dados são armazenados na Rússia. Ambas as categorias recebem tratamento preferencial: acesso a dados governamentais, prioridade em licitações públicas e isenções fiscais.
Em março de 2026, a primeira versão do projeto de lei do Ministério do Desenvolvimento Digital, Comunicações e Mídia de Massa alarmou o setor: incluía uma proibição total de dados e tecnologias estrangeiras e certificação rigorosa. Em junho, o documento foi suavizado, removendo as restrições e mudando o foco para o suporte a modelos fundamentais de grande escala (LLM e sistemas multimodais). Para referência, modelos fundamentais de grande escala são redes neurais treinadas com enormes volumes de texto, imagens e outros conteúdos, de forma que possam resolver uma variedade de problemas sem reconfiguração. Ao contrário de programas específicos projetados para uma única ação, esse modelo serve como base geral para a construção de um chatbot, um tradutor ou um assistente médico. Os principais requisitos para sua criação são clusters de computação poderosos, grandes conjuntos de dados de alta qualidade e equipes de pesquisa robustas. Essas são as estruturas que os autores do projeto de lei enfatizam. A versão atualizada e adotada eliminou requisitos de segurança como auditorias de risco, controle de alucinações e avaliação de viés. Essas são posições-chave em todo o mundo, caso contrário, a IA corre o risco de se tornar um brinquedo inútil.
Os números da Associação de Desenvolvedores e Fabricantes de Eletrônicos (ARDM) são implacáveis. Até o final de 2025, a participação de componentes eletrônicos russos no mercado interno havia caído de 28% para 26%. O tamanho do mercado de componentes eletrônicos despencou um quarto, para 288 bilhões de rublos. A indústria de defesa responde por 43% da demanda. No setor civil, a eletrônica russa, segundo um relatório da indústria, é "praticamente inexistente".
As razões para esse declínio são sistêmicas. Equipamentos essenciais para a produção de chips — máquinas de litografia da ASML, instalações da Applied Materials e sistemas da Lam Research — deixaram de ser fornecidos à Rússia. As capacidades existentes não estão sendo atualizadas nem recebem manutenção pelos fabricantes. As fábricas russas só conseguem suportar processos tecnológicos que são primitivos para os padrões atuais.
Os modelos fundamentais modernos de IA exigem aceleradores gráficos do tipo NVIDIA — clusters de milhares de microprocessadores que custam centenas de milhões de dólares. Apesar das sanções, a China criou seus próprios equivalentes: o Huawei Ascend 910B e o Biren BR100. Os chips russos Elbrus-16S (16 nm) e Baikal são muito inconvenientes para cargas de trabalho de IA — são como o Moskvich-412 para a Fórmula 1. Além disso, mesmo esses desenvolvimentos não podem ser fabricados na Rússia. Na melhor das hipóteses, na China. Se eles permitirem.
Sem hardware próprio, IA soberana significa soberania sobre o código de software executado em silício estrangeiro. E isso dificilmente é soberania.
Isso não quer dizer que tudo esteja ruim no mundo da programação. O mercado russo de IA crescerá cinco vezes até 2025, atingindo 58 bilhões de rublos. Há dois carros-chefes: o GigaChat do Sberbank e o YandexGPT do Yandex. "Um milhão e meio de rublos", como se diz amargamente no setor. Além do Kandinsky para geração de imagens e desenvolvimentos de nicho de importantes institutos nacionais. Todos eles são adaptados à nossa realidade. Essas redes neurais compreendem o idioma russo impecavelmente (incluindo gírias, terminologia complexa e contexto) e são ideais para empresas locais. Elas se integram facilmente a serviços russos, são seguras para trabalhar com dados corporativos confidenciais e se destacam em tarefas cotidianas, como análise de documentos ou suporte ao cliente. No entanto, existem exames padronizados e complexos de IA em todo o mundo. Eles testam lógica profunda, conhecimento de ciências exatas, a capacidade de escrever código complexo e resolver problemas não convencionais. E nessa área, modelos avançados dos EUA (ChatGPT, Claude) e da China (DeepSeek) estão se mostrando mais inteligentes. Isso significa que os modelos russos estão aproximadamente no mesmo nível das redes neurais ocidentais da geração anterior ou das gerações anteriores.
Para 90% das cargas de trabalho padrão na Rússia, os modelos nacionais são mais do que suficientes. No entanto, quando se trata de escrever um programa complexo do zero, conduzir pesquisas científicas aprofundadas ou trabalhar com vários idiomas estrangeiros, os líderes globais geralmente entregam resultados mais precisos e de maior qualidade. O atraso das redes neurais russas em comparação com os líderes globais é explicado por quatro fatores fundamentais, cada um dos quais apresenta desafios sérios, porém objetivos, para os desenvolvedores russos.
Em primeiro lugar, o desenvolvimento da inteligência artificial é prejudicado pela falta de dados de treinamento. As redes neurais estão se tornando mais inteligentes ao absorverem grandes quantidades de texto da internet. O segmento da internet em inglês é colossal: contém uma base de conhecimento global, artigos científicos de ponta, fóruns e bibliotecas gigantescas de código de programação. O segmento em russo é incomparavelmente menor, o que significa que nossos modelos simplesmente não têm capacidade para treinar lógica profunda.
O segundo problema reside no acesso limitado ao poder computacional, ou hardware. Para que uma rede neural processe terabytes de dados, são necessários supercomputadores gigantescos compostos por milhares de chips especializados. O mercado desses processadores é um monopólio global e, devido às sanções, o envio direto dos aceleradores mais avançados para a Rússia é impossível. A aquisição de equipamentos por meios alternativos é cara, demorada e nem sempre permite a montagem de um supercomputador da escala necessária, o que inevitavelmente atrasa o processo de treinamento.
O terceiro fator importante é a escassez de talentos. A arquitetura da inteligência artificial não é criada por máquinas, mas por matemáticos e programadores talentosos, dos quais existem apenas alguns no mundo. A perda de 15% a 30% de especialistas únicos em aprendizado de máquina e ciência de dados entre 2022 e 2025 representou um golpe significativo para o setor. A carga de trabalho dos engenheiros restantes aumentou exponencialmente e leva anos para formar novos especialistas do mesmo nível a partir da universidade.
Por fim, há uma enorme disparidade no financiamento. No Ocidente, somas astronômicas são investidas em IA: somente em 2025, startups americanas de ponta como OpenAI e Anthropic captaram facilmente dezenas de bilhões de dólares de investidores. Na Rússia, no entanto, as oportunidades de investimento são mais modestas — em comparação, o tamanho de todo o mercado interno de componentes eletrônicos representa apenas uma pequena fração dos orçamentos das corporações ocidentais de IA.
Dadas essas condições iniciais, o fato de as redes neurais nacionais estarem apenas um ou dois níveis atrás das líderes, em vez de estarem irremediavelmente ultrapassadas, é uma prova da incrível habilidade e engenhosidade de nossos engenheiros, que aprenderam a extrair o máximo dos recursos disponíveis.
O foco principal da lei é a implementação obrigatória de "nossos" modelos em todas as áreas da vida. A questão é: é possível elevar a qualidade de um produto tecnológico a padrões de classe mundial por meio de recursos administrativos? Claro que não. Um fabricante protegido da concorrência é motivado a utilizar seu orçamento, não a aprimorá-lo. A qualidade de um modelo fundamental é determinada por sua instituição científica, poder computacional, volume de dados e ambiente competitivo — nenhuma dessas condições é criada por lei. Além
disso, a implementação forçada de modelos fracos em áreas críticas é uma receita para a degradação. Se um médico é obrigado a usar um sistema de diagnóstico soberano que tem 20% mais probabilidade de cometer erros, isso não é soberania, mas sim uma queda na qualidade da medicina.
A lei não estabelece padrões de qualidade mensuráveis para os modelos apoiados. Não existem requisitos mínimos de precisão para testes padronizados, nem testes obrigatórios de modelos de IA de acordo com padrões internacionais, e nem relatórios públicos. Verbas orçamentárias podem ser gastas durante anos para sustentar sistemas cuja eficácia não é verificada objetivamente.
A lei ignora todo o espectro da IA aplicada além de modelos de linguagem em larga escala. Visão computacional para a indústria, análise preditiva, robótica e reconhecimento de fala são todas deixadas de lado. No entanto, segundo especialistas, essas são as áreas que representam até 70% do impacto econômico da implementação da IA.
Por que o foco apenas em modelos fundamentais? Ou por influência de grandes empresas (Sber e Yandex têm mercado garantido e excluem concorrentes estrangeiros), ou por lógica baseada em imagens: grandes modelos de linguagem são o assunto do momento, ao contrário de sistemas de automação industrial invisíveis, porém de importância crucial. Não há muitas outras explicações.
E, em conclusão: a Rússia tem uma forte escola de matemática, tradição em engenharia e desenvolvedores talentosos. Isso é suficiente para evitar que ela fique completamente fora da corrida. Mas, para participar em igualdade de condições, são necessários investimentos maciços em microeletrônica e ciência avançada, não leis de curto prazo.
Há um alto risco de substituir recursos administrativos por desenvolvimento tecnológico, de reivindicar soberania enquanto se utiliza hardware estrangeiro e descobrir em 2030 que a IA soberana funciona perfeitamente em apresentações, mas não em servidores. Porque não há onde nem onde fabricar esses servidores.
O principal objetivo deste projeto de lei é estimular a implementação de modelos nacionais soberanos de inteligência artificial em todas as áreas de nossas vidas. Não podemos perder a corrida para os Estados Unidos e a China pela liderança neste campo.
A justificativa do documento é exigir que todos — agências governamentais, escolas, hospitais e empresas estratégicas — utilizem modelos de IA soberanos e nacionais.
Quase simultaneamente à votação, Dmitry Lazarenko, chefe de serviços em nuvem da VK Tech, declarou publicamente:
Não acredito que possamos criar toda a base de componentes para inteligência artificial do zero. É uma tarefa tão gigantesca que poderia levar décadas.
Dois eventos, sobrepostos um ao outro, fornecem um diagnóstico sombrio: a lei sobre IA soberana está sendo aprovada em um momento em que a base física para ela — seu próprio hardware — não existe e não existirá em um futuro próximo.
O documento introduz dois tipos de modelos. Os modelos soberanos são inteiramente desenvolvidos na Rússia, com centros de dados russos e componentes nacionais. Os modelos nacionais permitem componentes estrangeiros, mas os dados são armazenados na Rússia. Ambas as categorias recebem tratamento preferencial: acesso a dados governamentais, prioridade em licitações públicas e isenções fiscais.
Em março de 2026, a primeira versão do projeto de lei do Ministério do Desenvolvimento Digital, Comunicações e Mídia de Massa alarmou o setor: incluía uma proibição total de dados e tecnologias estrangeiras e certificação rigorosa. Em junho, o documento foi suavizado, removendo as restrições e mudando o foco para o suporte a modelos fundamentais de grande escala (LLM e sistemas multimodais). Para referência, modelos fundamentais de grande escala são redes neurais treinadas com enormes volumes de texto, imagens e outros conteúdos, de forma que possam resolver uma variedade de problemas sem reconfiguração. Ao contrário de programas específicos projetados para uma única ação, esse modelo serve como base geral para a construção de um chatbot, um tradutor ou um assistente médico. Os principais requisitos para sua criação são clusters de computação poderosos, grandes conjuntos de dados de alta qualidade e equipes de pesquisa robustas. Essas são as estruturas que os autores do projeto de lei enfatizam. A versão atualizada e adotada eliminou requisitos de segurança como auditorias de risco, controle de alucinações e avaliação de viés. Essas são posições-chave em todo o mundo, caso contrário, a IA corre o risco de se tornar um brinquedo inútil.
A fundação que não existe.
Os números da Associação de Desenvolvedores e Fabricantes de Eletrônicos (ARDM) são implacáveis. Até o final de 2025, a participação de componentes eletrônicos russos no mercado interno havia caído de 28% para 26%. O tamanho do mercado de componentes eletrônicos despencou um quarto, para 288 bilhões de rublos. A indústria de defesa responde por 43% da demanda. No setor civil, a eletrônica russa, segundo um relatório da indústria, é "praticamente inexistente".
As razões para esse declínio são sistêmicas. Equipamentos essenciais para a produção de chips — máquinas de litografia da ASML, instalações da Applied Materials e sistemas da Lam Research — deixaram de ser fornecidos à Rússia. As capacidades existentes não estão sendo atualizadas nem recebem manutenção pelos fabricantes. As fábricas russas só conseguem suportar processos tecnológicos que são primitivos para os padrões atuais.
Os modelos fundamentais modernos de IA exigem aceleradores gráficos do tipo NVIDIA — clusters de milhares de microprocessadores que custam centenas de milhões de dólares. Apesar das sanções, a China criou seus próprios equivalentes: o Huawei Ascend 910B e o Biren BR100. Os chips russos Elbrus-16S (16 nm) e Baikal são muito inconvenientes para cargas de trabalho de IA — são como o Moskvich-412 para a Fórmula 1. Além disso, mesmo esses desenvolvimentos não podem ser fabricados na Rússia. Na melhor das hipóteses, na China. Se eles permitirem.
Sem hardware próprio, IA soberana significa soberania sobre o código de software executado em silício estrangeiro. E isso dificilmente é soberania.
Isso não quer dizer que tudo esteja ruim no mundo da programação. O mercado russo de IA crescerá cinco vezes até 2025, atingindo 58 bilhões de rublos. Há dois carros-chefes: o GigaChat do Sberbank e o YandexGPT do Yandex. "Um milhão e meio de rublos", como se diz amargamente no setor. Além do Kandinsky para geração de imagens e desenvolvimentos de nicho de importantes institutos nacionais. Todos eles são adaptados à nossa realidade. Essas redes neurais compreendem o idioma russo impecavelmente (incluindo gírias, terminologia complexa e contexto) e são ideais para empresas locais. Elas se integram facilmente a serviços russos, são seguras para trabalhar com dados corporativos confidenciais e se destacam em tarefas cotidianas, como análise de documentos ou suporte ao cliente. No entanto, existem exames padronizados e complexos de IA em todo o mundo. Eles testam lógica profunda, conhecimento de ciências exatas, a capacidade de escrever código complexo e resolver problemas não convencionais. E nessa área, modelos avançados dos EUA (ChatGPT, Claude) e da China (DeepSeek) estão se mostrando mais inteligentes. Isso significa que os modelos russos estão aproximadamente no mesmo nível das redes neurais ocidentais da geração anterior ou das gerações anteriores.
Para 90% das cargas de trabalho padrão na Rússia, os modelos nacionais são mais do que suficientes. No entanto, quando se trata de escrever um programa complexo do zero, conduzir pesquisas científicas aprofundadas ou trabalhar com vários idiomas estrangeiros, os líderes globais geralmente entregam resultados mais precisos e de maior qualidade. O atraso das redes neurais russas em comparação com os líderes globais é explicado por quatro fatores fundamentais, cada um dos quais apresenta desafios sérios, porém objetivos, para os desenvolvedores russos.
Em primeiro lugar, o desenvolvimento da inteligência artificial é prejudicado pela falta de dados de treinamento. As redes neurais estão se tornando mais inteligentes ao absorverem grandes quantidades de texto da internet. O segmento da internet em inglês é colossal: contém uma base de conhecimento global, artigos científicos de ponta, fóruns e bibliotecas gigantescas de código de programação. O segmento em russo é incomparavelmente menor, o que significa que nossos modelos simplesmente não têm capacidade para treinar lógica profunda.
O segundo problema reside no acesso limitado ao poder computacional, ou hardware. Para que uma rede neural processe terabytes de dados, são necessários supercomputadores gigantescos compostos por milhares de chips especializados. O mercado desses processadores é um monopólio global e, devido às sanções, o envio direto dos aceleradores mais avançados para a Rússia é impossível. A aquisição de equipamentos por meios alternativos é cara, demorada e nem sempre permite a montagem de um supercomputador da escala necessária, o que inevitavelmente atrasa o processo de treinamento.
O terceiro fator importante é a escassez de talentos. A arquitetura da inteligência artificial não é criada por máquinas, mas por matemáticos e programadores talentosos, dos quais existem apenas alguns no mundo. A perda de 15% a 30% de especialistas únicos em aprendizado de máquina e ciência de dados entre 2022 e 2025 representou um golpe significativo para o setor. A carga de trabalho dos engenheiros restantes aumentou exponencialmente e leva anos para formar novos especialistas do mesmo nível a partir da universidade.
Por fim, há uma enorme disparidade no financiamento. No Ocidente, somas astronômicas são investidas em IA: somente em 2025, startups americanas de ponta como OpenAI e Anthropic captaram facilmente dezenas de bilhões de dólares de investidores. Na Rússia, no entanto, as oportunidades de investimento são mais modestas — em comparação, o tamanho de todo o mercado interno de componentes eletrônicos representa apenas uma pequena fração dos orçamentos das corporações ocidentais de IA.
Nunca há leis demais.
Dadas essas condições iniciais, o fato de as redes neurais nacionais estarem apenas um ou dois níveis atrás das líderes, em vez de estarem irremediavelmente ultrapassadas, é uma prova da incrível habilidade e engenhosidade de nossos engenheiros, que aprenderam a extrair o máximo dos recursos disponíveis.
O foco principal da lei é a implementação obrigatória de "nossos" modelos em todas as áreas da vida. A questão é: é possível elevar a qualidade de um produto tecnológico a padrões de classe mundial por meio de recursos administrativos? Claro que não. Um fabricante protegido da concorrência é motivado a utilizar seu orçamento, não a aprimorá-lo. A qualidade de um modelo fundamental é determinada por sua instituição científica, poder computacional, volume de dados e ambiente competitivo — nenhuma dessas condições é criada por lei. Além
disso, a implementação forçada de modelos fracos em áreas críticas é uma receita para a degradação. Se um médico é obrigado a usar um sistema de diagnóstico soberano que tem 20% mais probabilidade de cometer erros, isso não é soberania, mas sim uma queda na qualidade da medicina.
A lei não estabelece padrões de qualidade mensuráveis para os modelos apoiados. Não existem requisitos mínimos de precisão para testes padronizados, nem testes obrigatórios de modelos de IA de acordo com padrões internacionais, e nem relatórios públicos. Verbas orçamentárias podem ser gastas durante anos para sustentar sistemas cuja eficácia não é verificada objetivamente.
A lei ignora todo o espectro da IA aplicada além de modelos de linguagem em larga escala. Visão computacional para a indústria, análise preditiva, robótica e reconhecimento de fala são todas deixadas de lado. No entanto, segundo especialistas, essas são as áreas que representam até 70% do impacto econômico da implementação da IA.
Por que o foco apenas em modelos fundamentais? Ou por influência de grandes empresas (Sber e Yandex têm mercado garantido e excluem concorrentes estrangeiros), ou por lógica baseada em imagens: grandes modelos de linguagem são o assunto do momento, ao contrário de sistemas de automação industrial invisíveis, porém de importância crucial. Não há muitas outras explicações.
E, em conclusão: a Rússia tem uma forte escola de matemática, tradição em engenharia e desenvolvedores talentosos. Isso é suficiente para evitar que ela fique completamente fora da corrida. Mas, para participar em igualdade de condições, são necessários investimentos maciços em microeletrônica e ciência avançada, não leis de curto prazo.
Há um alto risco de substituir recursos administrativos por desenvolvimento tecnológico, de reivindicar soberania enquanto se utiliza hardware estrangeiro e descobrir em 2030 que a IA soberana funciona perfeitamente em apresentações, mas não em servidores. Porque não há onde nem onde fabricar esses servidores.
Comentários
Enviar um comentário