Децентрализованный ИИ и частные облака

В последнее время из общего ИИ-пузыря выделилось несколько хайповых тем:

• автономные ИИ-агенты и другие инструменты, которые якобы помогают человеку выполнять рутинные задачи и экономить время (это обман, на самом деле всё наоборот: загруженность человека с ИИ сильно возрастает ^[1] — увеличивается интенсивность труда, усталость, риски выгорания и требования к производительности ^[2]),

• частные облака для «локального» инференса,

• децентрализованный ИИ, который будет работать на компьютерах пользователей.

С агентами всё понятно, а вот частные облака и P2P-суперинтеллект можно рассмотреть внимательнее.

Локальный ИИ против коммерческого

С самого начала коммерческой эксплуатации облачных ИИ-сервисов энтузиасты предпринимают попытки запустить эти модели локально, на своих серверах и ПК. К сожалению, самые последние передовые модели локализовать не получается, но остальные нормально работают. Все знают сайт Hugging Face ^[3], откуда можно скачать файлы обученных моделей, и графическую оболочку Ollama ^[4] для их запуска. Оболочка работает на опенсорсной библиотеке llama.cpp ^[5] от Георгия Герганова ^[6].

Её можно использовать и без GUI, просто в консоли:

# Использовать файл локальной модели
llama-cli -m my_model.gguf

# Или скачать и запустить модель напрямую с Hugging Face
llama-cli -hf ggml-org/gemma-3-1b-it-GGUF

# Запустить OpenAI-совместимый сервер API
llama-server -hf ggml-org/gemma-3-1b-it-GGUF
 [7]

Разработчики llama.cpp считают ^[8], что сейчас локальный инференс «становится значимой и конкурентоспособной альтернативой облачному». Они говорят, что для будущей сверхмощной системы ИИ важно, чтобы она работала по распределённой модели на железе пользователей, а не в дата-центре коммерческой корпорации.

По их мнению, будущий Сверхинтеллект должен работать в P2P-сети и принадлежать всему человечеству.

Разумеется, корпорации с этим не согласны.

Частные облака: обещание приватности

«Частные облака» от корпораций позиционируются как «приватная» альтернатива облачным ИИ-сервисам. То есть это якобы безопасный аналог локального ИИ, совершенно секретный, конфиденциальный и т. д. Альтернатива собственному серверу для клиентов, которые боятся работать с облачными сервисами из-за угрозы утечек данных.

В ноябре 2025 года Google запустила ^[9] «частное облако» Private AI Compute ^[10] с моделями семейства Gemini.

Облако Private AI Compute работает на едином технологическом стеке Google, включая собственные тензорные TPU-процессоры Trillium ^[11] и аппаратную технологию шифрования Trusted Execution Environment ^[12] (TEE) на CPU и TPU.

Коммуникации с фронтендом идут по зашифрованным каналам Noise ^[13] и ALTS ^[14] (Application Layer Transport Security), чтобы изолировать частное облако от остальной инфраструктуры Google. Клиент устанавливает соединение с фронтенд-сервером по криптопротоколу Noise. Впоследствии фронтенд-сервер устанавливает канал шифрования ALTS с другими службами и с серверами моделей, работающими на защищённой платформе TPU. Каждая рабочая нагрузка запрашивает и криптографически проверяет учётные данные другой стороны.

Теоретически, всё зашифровано и защищено. Главная цель этих наукоподобных «заклинаний» — убедить клиента отказаться от локального сервера в пользу частного облака.

Заявлено, что облако «обеспечивает высокий уровень приватности, сопоставимый с локальной обработкой данных». Новая система «построена на изолированном защищённом окружении, где все вычисления происходят в зашифрованном пространстве, доступ к которому имеет только пользователь». Даже сотрудники Google якобы не могут получить доступ к этим данным.

Первыми на платформе запустили ИИ-функции смартфонов Pixel 10 ^[15]: улучшатель промптов Magic Cue ^[16] и функцию обобщения транскрипций в приложении Recorder ^[17]. Эти задачи помогут протестировать сервис, который предлагается в аренду корпоративным клиентам. Кстати, на новом смартфоне Pixel 10 целая куча ИИ-функций, включая генератор картинок ^[18] и прочий нейрослоп:

Платформа Private AI Compute «открывает новые возможности для интеграции Gemini в различные продукты Google».

Все понимают, что приватность и Google — вещи не совместимые. Если на телефоне Android вы набрали какое-то слово в блокноте (заметках), телеграме или где-то ещё — скоро увидите контекстную рекламу и видеоролики на YouTube на эту тему. Судя по всему, информация сливается через клавиатуру Gboard ^[19] и другие каналы.

В 2024-2025 гг свои «приватные облака» запустили и другие корпорации: Private Cloud Compute ^[20] от Apple и Private Processing ^[21] от Meta (экстремистская организация, запрещённая в РФ). У них схожие цели по переносу нагрузок ИИ в облако, с внедрением криптографических и аппаратных средств защиты. Этот процесс отражает общую тенденцию в отрасли — запуск систем ИИ, которые якобы ориентируются на конфиденциальность.

Но всё это маркетинговая чушь. Даже сейчас в открытом доступе есть несколько научных статей с подробным описанием атак на TEE ^[22]. Плюс очевидный риск, что производитель TEE владеет ключами и всегда может поделиться этим доступом с третьими лицами.

Тем не менее, «приватное облако» остаётся привлекательным для многих заказчиков. На гитхабе есть открытый фреймворк OpenPCC ^[23] для тех, кто хочет поэкспериментировать с архитектурой приватного ИИ.

Компоненты OpenPCC:

• Клиентские SDK для OpenPCC:
  Python Client SDK ^[24]
  Typescript и Javascript SDK ^[25]
  Go Client SDK ^[26]

• Системные компоненты OpenPCC:
  AuthBank, Relay, Gateway, BlindBank, Router ^[26]
  ComputeNode ^[27]

• Кросс-компонентные библиотеки:
  Binary HTTP (Go) ^[28]
  Oblivious HTTP (Go) ^[29]
  Two-way HPKE (Go) ^[30]
  NVIDIA Trusted Compute (Go) ^[31]

При использовании сторонних коммерческих серверов о приватности речи не идёт. Все «частные облака» — просто попытка корпораций оторвать клиентов от локальных серверов. Задача — убедить, что здесь всё безопасно и приватно, как на своём сервере, при этом удобнее.

Но единственное безопасное «облако» — это свой собственный сервер.

Распределённый Интеллект

Есть маленькая надежда, что будущий Сверхинтеллект не окажется под контролем корпораций, а будет развёрнут в нормальном открытом виде на распределённой сети частных компьютеров.

Например, стартап Prime Intellect ^[34] разработал модель распределённого интеллекта ^[35] INTELLECT-3 ^[36] на 106 млрд параметров (веса модели ^[37], обучающий фреймворк prime-rl ^[38], технический отчёт ^[39]). Особенность модели — поддержка распределённых вычислений, то есть она нормально работает и синхронизируется на кластере машин по типу Infrastructure-as-Code (управление через Ansible), с автоматическим обнаружением новых машин в кластере, с горячей заменой машин, и проверками InfiniBand для изоляции медленных или сбойных машин в кластере. Теоретически, такая система может непрерывно синхронизироваться через интернет. И тогда это будет стандартная модель распределённых вычислений, как классический SETI@Home ^[40].

Prime Intellect создала фреймворк, который позволяет любому создать среду обучения с подкреплением ^[41], настроенную для конкретной задачи. Генеральный директор компании Винсент Вайссер (Vincent Weisser) говорит ^[42], что это приведёт к созданию ценных новых программ, включая специализированных агентов. По его словам, мир ИИ в настоящее время разделён между теми, кто полагается на закрытые американские модели, и теми, кто использует открытые китайские разработки. Технология Prime Intellect демократизирует ИИ, позволяя большему количеству людей создавать и модифицировать передовой ИИ для себя.

Андрей Карпати назвал ^[43] среду обучения с подкреплением Prime Intellect «отличной работой [и] идеей». Он призвал исследователей открытого исходного кода использовать различные среды и адаптировать их к новым задачам, чтобы улучшить навыки передовых моделей новыми способами.

Версия BF16 запускается на двух H200, версия FP8 — на одном.

Cocoon

Свой гибрид «частного облака» и распределённых вычислений запустил даже Telegram, с поддержкой криптоплатежей. Проект Cocoon ^[44] (Confidential Compute Open Network, но в русской транскрипции его шуточно называют «Сосун») анонсировали ^[45] в ноябре 2025 года. По идее, это должна быть децентрализованная приватная сеть GPU-ускорителей, которую могут приватно арендовать любые клиенты и через API запрашивать выполнение необходимых вычислений, см. документацию для разработчиков ^[46].

Правда, старт получился не очень удачным. В январе 2026 года через месяц после запуска в онлайне было всего три пользователя, да и общая статистика не очень впечатляет:

Сама идея кажется правильной: будущий ИИ (возможно, Сверхинтеллект) должен работать в распределённой сети ^[47] на компьютерах пользователей. Здесь только реализация подкачала. Сейчас Cocoon запускается только на GPU-серверах с ускорителями H100+ ^[48] стоимостью около $30 тыс. ^[49], что никак не назовёшь массовым оборудованием.

Тем не менее, отрасль децентрализованных GPU-вычислений уже зародилась и бурно развивается ^[33]:

За последние два года ландшафт ИИ кардинально изменился. Meta открыла эпоху опенсорсных моделей, выпустив первую версию Llama в 2023 году. Следующим огромным прорывом стала недорогая и открытая модель рассуждений DeepSeek в январе 2025-го. Ещё несколько китайских моделей последовали её примеру. В ответ китайцам OpenAI впервые за несколько лет выпустила модель с открытым исходным кодом в августе 2025 года, но китайские Qwen от Alibaba, Kimi от Moonshot и R1 от DeepSeek оказались более популярными.

Сейчас в этой отрасли события развиваются так быстро, что даже год кажется вечностью. Только подумать, что Deepseek вышел всего год назад, а первая открытая модель Llama — два с половиной года назад. После этого всё и завертелось…

Конечно, помешанные на деньгах инвесторы и предприниматели надули знатный пузырь. С другой стороны, чем бы занимались айтишники в 2026 году, если бы не LLM? Это сейчас самая интересная технология, с которой можно поиграться…

© 2026 ООО «МТ ФИНАНС»