РГБ оцифрует архив за 200 млрд рублей: что известно о проекте

Российская государственная библиотека получит проект оцифровки архива стоимостью 200 млрд рублей. О сумме в октябре 2026 года сообщил генеральный директор РГБ, по данным TAdviser. В доступном фрагменте материала нет сроков, структуры финансирования и списка исполнителей. Но сама цифра уже делает проект заметным событием на российском рынке ИТ и данных.

Что именно собираются оцифровывать

РГБ — общегосударственное хранилище национального библиотечного фонда. Она отнесена к особо ценным объектам национального наследия. В её собраниях есть универсальный фонд диссертаций по всем отраслям знаний, кроме медицины и фармации. Отдельно стоит рукописный фонд, который входит в Архивный фонд России.

Это три разных типа материалов, и у каждого свои технические требования:

• печатные издания: сканирование, распознавание текста, метаданные;
• диссертации: большие объёмы машинописного текста, таблиц, формул и схем;
• рукописи: хрупкие носители, нестандартный почерк, потребность в бережной съёмке и ручной сверке.

За цифрой 200 млрд рублей может стоять любая комбинация этих направлений. Пока неясно, идёт ли речь обо всём архиве или о приоритетных частях.

Как читать сумму

Для масштаба можно прикинуть порядок. Если в оцифровку попадут несколько десятков миллионов единиц хранения, на каждую выйдет от нескольких тысяч рублей. Для книги это много. Для редкой рукописи с реставрацией, многоспектральной съёмкой и экспертной расшифровкой — вполне рабочая цифра. Это иллюстрация, а не оценка проекта: фактического объёма в источнике нет.

Не менее важно, на какой срок рассчитан бюджет. 200 млрд рублей на три года и на пятнадцать лет — два разных проекта с разной нагрузкой на рынок оборудования и подрядчиков.

Где здесь технологии

Само сканирование давно стало рутиной. Сложности начинаются дальше:

• хранение петабайтов изображений с резервированием и долгосрочной сохранностью форматов;
• распознавание текста на дореформенной орфографии, в рукописях и на плохих копиях;
• поиск по содержанию, а не только по каталожной карточке;
• управление доступом: что открыто, что ограничено авторским правом, что закрыто по другим причинам.

Здесь естественно возникает вопрос об использовании нейросетевого распознавания и языковых моделей для расшифровки и индексации. Ни в заголовке, ни в доступном тексте такие технологии не упоминаются, поэтому говорить об их роли в проекте рано. Но у крупного корпуса оцифрованных текстов на русском языке есть очевидная вторичная ценность. Он пригоден для поиска, научной работы и, при соответствующих правилах, для обучения моделей. Условия такого доступа станут одним из главных вопросов проекта.

Что отслеживать дальше

Для ИТ-подрядчиков, производителей сканирующего оборудования и вендоров систем хранения данных важны четыре вещи.

• Формат закупок. Один крупный лот или множество небольших определяют, кто сможет участвовать.
• Требования к импортозамещению. От них зависит выбор сканеров, серверов и систем хранения.
• Политика доступа. Откроют ли материалы публично, через Национальную электронную библиотеку или по ограниченным режимам.
• Стандарты качества. Разрешение, форматы, метаданные и точность распознавания будут задавать цену и сроки.

Пока это заявление о намерениях и порядке затрат, а не готовый план. Содержательную оценку можно будет дать, когда появятся сроки, источник средств и техническое задание. До тех пор 200 млрд рублей — ориентир, по которому рынок станет оценивать остальные проекты по цифровизации культурного наследия.