AI-инструменты на Chromebook

Путаница в разговорах об «AI-ноутбуке» почти всегда происходит из-за того, что смешивают три разных сценария. Они предъявляют совершенно разные требования к устройству: первый не предъявляет почти никаких, третий упирается в оперативную память и накопитель.

Схема 5. Чем ближе вычисления к устройству, тем выше требования к памяти и накопителю.

Уровень 1: облачные ассистенты

Здесь Chromebook равен любому другому ноутбуку: модель работает у провайдера, устройство отвечает за экран, клавиатуру и канал связи. Gemini встроен в ChromeOS и в браузер — доступен из строки поиска, из контекстного меню и в отдельных функциях системы вроде помощи с текстом и обработки изображений; состав встроенных функций зависит от версии системы и от модели, поэтому смотрите карточку конкретного устройства. Copilot, ChatGPT, Perplexity и NotebookLM работают в браузере, а часть из них ставится как отдельные приложения с собственным окном.

NotebookLM стоит упомянуть отдельно: он отвечает только по загруженным вами материалам, поэтому для конспектов лекций, разбора методичек и работы с внутренними регламентами он практичнее универсального ассистента — ответы можно проверить по ссылке на источник.

Требования к устройству минимальные: 4 ГБ оперативной памяти достаточно, 8 ГБ комфортнее, если параллельно открыты документы и десяток вкладок. Ограничения тоже понятные: без сети ничего не работает, а всё отправленное покидает устройство — об этом отдельный раздел ниже.

Уровень 2: веб-платформы для вычислений

Colab, Kaggle и Hugging Face Spaces превращают Chromebook в полноценное рабочее место специалиста по данным, потому что вычисления происходят не на нём. В Colab и Kaggle открывается блокнот, а тяжёлые ячейки считает арендованная машина с ускорителем; в Spaces запускаются готовые демонстрации моделей. Для студенческих проектов, курсов по машинному обучению и экспериментов с дообучением этого достаточно, а слабое железо перестаёт быть препятствием.

Что важно учитывать: бесплатные уровни имеют лимиты по времени сессии и по доступности ускорителей, сессия обрывается при потере связи, а данные загружаются на чужую инфраструктуру — для учебных наборов это нормально, для персональных данных и коммерческой тайны нет.

Уровень 3: локальные модели — что реально запускается

Локальные модели ставятся в тот же контейнер Linux, что и офисные приложения: Ollama устанавливается одной командой и дальше скачивает модели по имени. Дальше начинается арифметика, которую полезно знать до покупки. Модель в квантованном виде занимает в оперативной памяти примерно столько гигабайт, сколько у неё миллиардов параметров при 4-битном квантовании, плюс место под контекст. Отсюда практические границы:

• 8 ГБ ОЗУ. Модели на 1–3B миллиарда параметров. Реальные задачи: переформулировать абзац, составить план, извлечь сущности из короткого текста, простая классификация. Одновременно держать открытым десяток вкладок уже не получится.
• 16 ГБ ОЗУ и быстрый накопитель. Модели 3–7B. Появляется приемлемое качество рассуждения и работа с более длинным контекстом, но скорость генерации остаётся заметно ниже облачной.
• 4 ГБ ОЗУ. Локальные модели — не ваш сценарий, и это нормально: облачные ассистенты работают отлично.

Про архитектуру: на устройствах с процессорами ARM набор готовых сборок и предсобранных бинарников меньше, чем на x86. Часть инструментов придётся собирать из исходников или обходиться альтернативами. Если локальный запуск — цель покупки, x86-модель избавит от лишней возни.

Про NPU Neural Processing Unit — блок ускорения нейросетевых вычислений в составе процессора. Его производительность измеряется в TOPS — триллионах операций в секунду. скажем прямо, потому что вокруг него больше всего маркетинга: встроенные функции ChromeOS ускоритель используют, а сторонние инструменты в контейнере Linux — почти нет. Проброс ускорителей в Crostini ограничен, и большинство локальных движков считают на центральном процессоре. Наличие NPU в характеристиках сегодня повышает качество системных функций и энергоэффективность, но не превращает устройство в машину для локальных больших моделей.

Чтобы не сравнивать устройства на глаз, мы присваиваем каждой модели один из трёх уровней. Правило расчёта простое и публичное:

• Bronze — меньше 8 ГБ оперативной памяти. Сценарий облачных ассистентов и веб-платформ.
• Silver — от 8 ГБ. Облачный AI плюс лёгкие локальные модели около 1B параметров.
• Gold — от 16 ГБ, накопитель UFS или NVMe и процессор класса mainstream либо performance одновременно. Локальные модели 3–7B.

Если хотя бы одно условие Gold не выполняется — например, памяти 16 ГБ, но накопитель eMMC, — модель остаётся в Silver: медленный накопитель превращает загрузку весов в долгое ожидание. Для устройств на ARM в уровне Gold мы дополнительно указываем в карточке, что набор готовых сборок ограничен. Уровень можно переопределить вручную — это делается только по результатам фактического тестирования экземпляра, и в карточке видно обоснование.

Схема 6. Условия уровня Gold выполняются только все вместе.

• Каталог: модели уровня Gold — готовые к локальным моделям 3–7B.
• Каталог: уровень Silver — облачный AI и лёгкие локальные модели.
• Каталог: уровень Bronze — сценарий облачных ассистентов.

Гайды по инструментам

• Gemini в ChromeOS: что встроено, а что — отдельный сервис. Разбор системных функций, доступных из строки поиска и контекстного меню, и их зависимости от версии системы. Смежная страница: обновления ChromeOS.
• NotebookLM для конспектов лекций. Загрузка методичек и записей, вопросы по источникам, сборка плана подготовки к экзамену. Мобильная версия — через Android-приложения.
• Ollama в Crostini пошагово. Включение контейнера, установка, выбор модели по объёму памяти, ограничения на ARM. База — Linux в ChromeOS.
• AI-расширения браузера. Суммаризация страницы, перевод с сохранением терминов, извлечение таблиц. Отдельно — какие права запрашивает расширение и почему это важно.
• Copilot и Microsoft 365 в вебе. Что доступно на Chromebook и как это сочетается с офисным стеком: гайд по Microsoft 365.
• Промпт-гигиена и приватность. Что нельзя отправлять в публичный сервис, как обезличивать данные перед запросом и почему «удалить чат» не равно «удалить данные».

Запрет AI-сервисов приказом не работает: сотрудники уходят в личные аккаунты с личных устройств, и организация теряет даже видимость происходящего. Работает другое — понятная политика и разрешённый инструмент.

Что должна описывать политика. Список разрешённых сервисов и учётных записей, через которые с ними работают. Категории данных, которые нельзя отправлять во внешний сервис: персональные данные, коммерческая тайна, врачебная и банковская тайна, исходный код закрытых продуктов, материалы под соглашением о неразглашении. Требование проверять фактические утверждения перед использованием результата. Правило маркировки: если текст или изображение созданы AI, это фиксируется там, где важно авторство.

Риски утечки. DLP Data Loss Prevention — набор правил и средств, предотвращающих передачу защищаемых данных за пределы контура организации. -правила в консоли администратора позволяют ограничить копирование и загрузку данных в непроверенные сервисы, запретить вход в личные аккаунты в рабочем профиле и управлять списком расширений браузера. Расширение с правом «читать данные на всех сайтах» — это канал утечки, который не заметит ни один пользователь; список разрешённых расширений для парка задаётся централизованно.

Что логируется. Организация видит события своего контура: вход в сервисы, установку расширений, срабатывание DLP-правил, передачу файлов. Содержимое ваших запросов в публичный сервис хранится на стороне провайдера по его правилам — срок хранения, использование для обучения и порядок удаления описаны в его условиях, и именно их нужно читать до того, как сервис попадёт в список разрешённых.

Внутренний контур против публичных сервисов. Если обрабатываются персональные данные или тайна, есть два предсказуемых пути: корпоративный тариф с договорными обязательствами по обработке данных либо собственный контур — модель на своём сервере, а Chromebook как терминал доступа к ней. Локальный запуск на самом устройстве решает вопрос приватности радикально, но упирается в описанные выше границы по памяти и скорости.

Юридическая часть — на странице политики конфиденциальности, сценарии внедрения парка и управления устройствами — в разделе решений для бизнеса.

Чего Chromebook в AI не умеет

Он не заменит рабочую станцию для обучения и дообучения моделей: для этого нужны дискретный ускоритель и десятки гигабайт видеопамяти, которых в этом классе устройств нет и не планируется. Он не даст локально работать с моделями на десятки миллиардов параметров. Он не превратит NPU из характеристики в вычислительный ресурс для сторонних инструментов, пока не изменится поддержка ускорителей в контейнере Linux. И он не сделает работу с AI приватной сам по себе — приватность обеспечивают выбор сервиса и политика, а не модель ноутбука.

Зато он отлично подходит на роль устройства доступа: облачные ассистенты, блокноты с вычислениями на арендованных серверах, лёгкие локальные модели для черновой работы с текстом — при автономности на весь день и без риска потерять данные вместе с устройством.