Привет, Хабр! Меня зовут Андрей, я редактор в команде техпиара МТС Web Services. Читая про историю технологий, обратил внимание на две противоположные идеи. В одних материалах технологии рассматриваются как вариант «социального лифта» и инструмента, который выравнивает возможности людей. А вот другие авторы утверждают, что технологии, наоборот, усиливают расслоение и становятся барьером, который одним преодолеть значительно сложнее, чем другим. 

Я решил проверить, насколько в разных странах легко получить доступ к ИТ-технологиям, которые реально использовать в бизнесе. Когда-то первые ПК можно было собрать из деталей в радиомагазине, а программу — найти в журнале или записать из радиопередачи. Затем можно было взять бэушный ноутбук или собрать себе ПК из китайских комплектующих — и это действительно было под силу практически любым энтузиастам. А вот сохраняется ли эта тенденция — вопрос интересный. 

Для этого я вспомнил индекс бигмака, когда по цене одного бургера делают вывод о реальной покупательной способности в разных странах. Взял цену сферического ML-сервера в вакууме и посмотрел, сколько нужно работать в разных странах, чтобы собрать его и попробовать создать какой-нибудь реальный продукт. Например, строить ML-модели для анализа родных лесов, будь то дубравы Полесья, джунгли Бангалора или южноамериканские пампасы. А еще забил на этот материал на полгода сравнил динамику и прикинул, как повлияло на эту картинку повышение цен на комплектующие. Все детали и мои выводы — под катом. 

Дисклеймер: этот материал — в первую очередь просто проверка гипотезы, что современные технологии дают одинаковые возможности во всех уголках мира. Такое сравнение может дать пищу для размышлений об особенностях современного прогресса и происходящих на рынке компьютерного железа событиях. Оно очень сильно ограничено реальными условиями и потребительскими сценариями, которые обзором по компьютерным маркетплейсам не увидишь (например, какие-нибудь хитрые схемы растаможки или доставки комплектующих грузовыми слонами по джунглям). Но общую картину, примерный порядок разрыва в цифрах увидеть можно.

Что вместо бигмака?

Я попросил ChatGPT придумать мне конфигурацию сервера, которая подойдет для дообучения ML-моделей. Вот что он мне выдал:

На самом деле конфигурация может быть любой: мне был важен именно набор комплектующих, цену на которые можно посмотреть в разных странах и сравнить. Для России ее стоимость около 400 тысяч рублей — этой суммы достаточно для открытия ПВЗ какого-нибудь онлайн-ретейлера. Не знаю, сталкивался ли кто с проблемой выбора между созданием своего ИИ-продукта и открытием торговой точки, но в теории такой выбор возможен.

Сравнительная таблица по странам

Посмотреть вообще все страны я бы не потянул физически, так что взял по одной стране из каждого региона: Россию, Китай, США, Японию, Индию, Германию, Кению и Аргентину. 

ChatGPT тут же собрал мне цены на эти комплектующие в разных странах… Проблемы начались уже на старте: все сервисы — ChatGPT, Deepseek, Perplexity — упорно считают не то, что нужно, подменяют позиции, криво переводят национальные валюты. 

Пришлось чуть усложнить: чат-бот нашел мне магазины в этих странах, а дальше я посчитал уже руками. В некоторых странах дополнительно проверил стоимость комплектующих с доставкой с китайских маркетплейсов — практически везде вышла похожая сумма, но чуть поменьше. Этакая «скидка на риск», если китайцы пришлют что-то не то. Сам не раз с ней сталкивался, заказывая что-то для себя. 

Затем взял среднюю зарплату с этого сайта: на нем информация почти по всем странам, поэтому его можно считать плюс-минус унифицированным источником с относительно свежими данными. 

Увы, данные там были не для всех (Аргентина, Индия), для Китая они были только за 2024 год, а для Японии, видно, закралась ошибка в свежих данных. По этим странам информацию приходилось искать по другим источникам. 

И вот что получилось за июль 2025 года:

Топ-3 стран, где проще получить доступ к технологиям:

1. Германия — даже меньше одной средней зарплаты.
2. США — чуть больше одной средней зарплаты
3. Япония — к моему удивлению, разрыв от первого и второго места достаточно большой.

Топ-3 стран, где доступ получить сложнее:

1. Аргентина — внезапно большой и достаточно искусственный разрыв (о чем будет ниже).

2. Кения — десять месяцев работы без перерыва.

3. Индия — почти полтора десятка зарплат.

Мои выводы по результатам и ходу работы

И вот к чему я пришел:

• Россия занимает место ровно посередине: в целом собрать деньги на нужное оборудование можно, но на это нужно полгода-год, за которые задача может стать неактуальной. 

• В лидерах закономерно Германия и США — вот там действительно каждая домохозяйка вполне может загореться идеей своего ML-продукта и попробовать его реализовать. А с их процентами на кредиты это можно сделать практически сразу, как только родилась идея. 

• Внезапно достаточно большой отрыв от лидеров у Китая — почти три средних месячных зарплаты. Тут может быть много факторов: средняя зарплата может быть меньше из-за большого процента населения, который занят ручным трудом. Плюс в самом Китае собственные аналоги иностранных брендов будут гораздо дешевле и доступнее.

• Двум странам снизу таблицы практически недоступны современные технологии. Копить на оборудование тоже не выйдет. Придется либо собирать гораздо более простые конфигурации, либо садится на иглу пользоваться иностранными облачными сервисами.

• У топ-3 с самым тяжелым доступом к технологиям разрыв возникает не столько из-за логистики и низкой зарплаты, сколько из-за таможенных пошлин, которые становятся сильным барьером. Получается, барьер скорее внутренний. Зачем он нужен — вопрос философский. 

• Удивила Япония. Почему тут такой большой разрыв, не очень понятно. То ли курс иены, то ли ввозные пошлины. Пишите свои версии в комментариях.

А теперь перенесемся в февраль 2026 года

Данные о месячной зарплате не сильно поменялись, а вот цены изменились и довольно интересно:

Да, все остались плюс-минус на своих местах. И во всех странах разрыв увеличился (кроме Аргентины, но скорее всего из-за неточности в средней зарплате): собрать свой ML-сервер за полгода стало сложнее, что на Камчатке, что в Мюнхене, что в Найроби. Ну хоть что-то до сих пор объединяет народы.

Если смотреть по позициям отдельно, то практически все немного подешевели, и это логично, так как модели устаревают и заменяются более актуальными. Резкое изменение общей цены сборки вызвано скачком цен на DDR5. И здесь четко видно разделение на два блока. Китай и те, кто с ним торгует — рост всего на 3–5%, и США, Германия и Япония, где цены выросли на 15–30%. Разница связана с тем, что рост цены на DDR5 в Китае не такой большой либо компенсируется падением цен. 

Что все это значит?

Увы, судя по всему, барьер для входа в работу с высокими технологиями вне «золотого миллиарда» есть. И в некоторых странах он достаточно большой. Причем разрыв вызван не столько внешними причинами, сколько внутренними — высокими пошлинами. 

Россия находится где-то посередине. С одной стороны, запустить технологичный бизнес на своем оборудовании возможно, но задача эта со звездочкой. У нас причины скорее внешние: в стоимость закладывается анонимная перевозка на верблюжьих караванах по казахским степям.

Но…

Открытие технологического продукта — задача сложная со множеством барьеров. И доступность оборудования — только одна из них. Нужны соответствующие компетенции или возможность их быстро получить. Там, где не хватает мощностей, можно найти и применить эффективное программное решение. Для этого нужно пространство для обмена знаниями и возможность учиться лучшим практикам. 

Прогресс — штука сложная. И перекосы в нем в стороны отдельных государств никогда ни к чему не приводили, даже для этих стран. Равный доступ к оборудованию и технологиям может сгладить перекосы в развитии отдельных регионов. Продукты из них (и реальные, и программные) — это не конкуренция и не враги аналогам из «эльфийского средиземья», а достойная замена разным маргинальным и криминальным сферам и отраслям экономики. И это вполне реально при сочетании доступного образования, оборудования и многих других факторов, которые в определенных границах могут компенсировать друг друга. Собственно, так и получается ситуация win-win, с которой уже можно штурмовать Луну, Марс или что-то подальше.