«Всемирная паутина для ИИ»: некоммерческая Current AI собрала $400 млн на открытую альтернативу корпорациям
Пока корпорации меряются размерами моделей, некоммерческая организация Current AI пытается построить то, чего в отрасли пока нет: общедоступную инфраструктуру ИИ, бесплатную для всех. Аналогия, которую они используют сами, — Всемирная паутина.
Кто это и на какие деньги
Current AI основал Мартин Тисне в феврале 2025 года. С января 2026-го организацию возглавляет Аяй Бдейр — до этого она отвечала за ИИ-стратегию в Mozilla, а ещё раньше основала littleBits.
Привлечено $400 млн. Состав доноров показателен:
- правительство Франции — $100 млн;
- Ford Foundation и MacArthur Foundation;
- DeepMind и Salesforce.
То есть в финансировании открытой альтернативы участвуют и государство, и классическая благотворительность, и сами корпорации.
Формулировка Бдейр объясняет замысел прямо: если ИИ действительно преобразующая технология, то у неё должна быть публичная альтернатива — как Всемирная паутина, доступная всем бесплатно.
Что уже сделано
Не декларации, а работающие проекты.
Suno Sutra (февраль 2026, Индия) — портативное устройство с поддержкой 22 индийских языков, работающее офлайн. Создано совместно с государственной платформой Bhashini. Офлайн здесь принципиален: в регионах со слабой связью облачный ИИ бесполезен.
Alpha Chat (июль 2026, Женева) — открытый чат-бот, собранный за семь недель коалицией из десяти организаций, включая Hugging Face, Mozilla и MIT Media Lab. Каждый участник принёс свою часть: кто-то языковую модель, кто-то инструменты безопасности, кто-то вычислительные мощности.
Отдельно раздано $3,2 млн грантов четырём организациям:
| Кто | Страна | На что |
|---|---|---|
| Masakhane | Кения | датасеты на 50+ африканских языках |
| Институт для создания мира | Ливан | оцифровка арабской культуры |
| Portal sem Porteiras | Бразилия (Амазония) | офлайн-инструменты для коренных народов |
| African Internet Rights Alliance | Кения | инструменты аудита ИИ |
Почему это про языки
Ключевой перекос отрасли: модели учатся преимущественно на английском и ещё нескольких крупных языках. Всё остальное — по остаточному принципу.
Причина не в злом умысле, а в данных: чем меньше текстов на языке в интернете, тем хуже модель его понимает. Для языков с десятками миллионов носителей, но слабым цифровым следом, это замкнутый круг — данных нет, потому что нет сервисов, а сервисов нет, потому что нет данных.
Гранты Current AI бьют именно в эту точку: сначала создать датасеты, а модели появятся следом. Работает ли такой подход — вопрос открытый, но логика понятна.
Трезвый взгляд
$400 млн — сумма внушительная для НКО и незначительная по меркам отрасли: это меньше, чем крупные игроки тратят на вычисления за квартал. Соревноваться с фронтирными моделями на эти деньги невозможно, и Current AI, судя по проектам, к этому и не стремится.
Их ниша другая — то, что коммерчески невыгодно: языки с малым числом носителей, офлайн-устройства для регионов со слабым интернетом, инструменты аудита. Рынок этим заниматься не будет, потому что не окупится.
Второй вопрос — устойчивость. Гранты и государственные деньги имеют свойство заканчиваться, а поддержка инфраструктуры требует постоянных расходов. Аналогия со Всемирной паутиной тут работает и против авторов: веб бесплатен для пользователя, но за серверы платит кто-то конкретный.
И третья оговорка, которую стоит держать в голове: DeepMind среди доноров — это одновременно и сигнал доверия, и повод спросить, насколько независимой останется «альтернатива корпорациям», частично профинансированная корпорацией.
Что это значит для пользователя
Прямо сейчас — почти ничего: проекты локальные, до массового пользователя не доходят. Но направление стоит отметить.
Чем именно отличаются открытые модели от закрытых и что вообще означает слово «открытая» — в гайде про открытые и закрытые нейросети. А про то, откуда берутся обучающие данные и почему их всё чаще генерируют искусственно, — в гайде про синтетические данные.
Что важно проверить на практике
Полезная проверка новости начинается с трёх источников: оригинального объявления, технической документации и независимого теста. Если второго или третьего источника пока нет, так и напишите. Прозрачная неопределённость лучше уверенного пересказа, который невозможно проверить.
Практический смысл новости появляется после сравнения с привычным процессом. Опишите, что изменится в задаче читателя, какие шаги станут короче и где потребуется ручное решение. Не подменяйте эффект на рынке красивым описанием функции.
Следите за тем, что будет после первого релиза: обновления условий, лимиты, совместимость, цена и политика хранения данных часто меняются быстрее, чем заголовки в медиа. Зафиксируйте дату проверки и вернитесь к материалу, если появится уточнение.
Сначала отделите подтверждённый факт от интерпретации. В исходном сообщении указано, что «Всемирная паутина для ИИ»: некоммерческая Current AI собрала $400 млн на открытую альтернативу корпорациям. Это не означает автоматически, что функция доступна всем пользователям или подходит для любого сценария. Проверьте дату, регион, тариф и статус запуска, прежде чем делать практический вывод.
Для читателя важен не только сам анонс, но и его масштаб. Спросите, какую проблему решает изменение в теме ««Всемирная паутина для ИИ»: некоммерческая Current AI собрала $400 млн на открытую альтернативу корпорациям», кто получит от него пользу и какие ограничения останутся. Если компания говорит о планах, не превращайте планы в обещание готового продукта.