22-23 апреля в Москве прошла 2 межотраслевая конференция «ИИПРОМ 2026» — ключевая отраслевая площадка, где собрались представители промышленности, регуляторов, науки и технологических компаний, чтобы обсудить реальное положение дел с внедрением искусственного интеллекта на производствах.
Программа мероприятия включала пленарное заседание с участием Минцифры, МПТ и Минэнерго, отраслевые сессии по металлургии, нефтегазу, химии и машиностроению, рабочую группу по электронной компонентной базе, а также круглый стол РАИИ о взаимодействии науки и индустрии. Среди спикеров — Владимир Дождёв, Эдуард Шереметцев, Сослан Габуев, Владимир Волошин, а также практики из ЕВРАЗ, «Северстали», «КАМАЗ», МФТИ и других ведущих организаций.
За два дня работы форума сформировалась чёткая картина: Если три-четыре года назад полномасштабной цифровизацией занималась лишь четверть компаний, то сегодня это уже порядка 70% промышленных компаний, фокус проектов, которых смещён на логистику, производственные процессы и оптимизацию бэк-офиса. Но для перехода от единичных пилотов к системным решениям потребуется перестройка самих технологических цепочек. И, как ни парадоксально, ключевое звено успеха лежит не в алгоритмах, а в компетенциях людей.
Государство, данные и «правила игры»
Регуляторный ландшафт постепенно адаптируется под запросы индустрии. Минцифры и МПТ запустили конкурсный отбор приоритетных ИИ-проектов, а сроки перехода на отечественное ПО для критической инфраструктуры теперь будут привязаны к наличию ОЗП в организации, отбор, которых в этом году возобновлён РФРИТ.
Отдельный вызов это работа с данными. Как отметил Сослан Габуев, «одним из ключевых вопросов сегодня является доступ к данным. Формируется рынок данных и, как его элемент, биржа данных, включающая три основные составляющие: программное обеспечение, инфраструктуру и услуги. Согласно опросам, 25% компаний готовы покупать данные, а 20% — зарабатывать на них».
Чтобы сделки были прозрачными, разрабатывается национальная система обмена, учитывающая международный опыт. В России Минцифры уже разработало национальную систему для обмена данными, однако остаются вопросы защиты коммерческой и врачебной тайны, а также персональных данных. Подробнее о механизмах работы цифровых площадок и мировом опыте регуляции можно прочитать здесь.
Параллельно работает ФЗ-258 об экспериментальных правовых режимах. Владимир Волошин уточнил: «главная цель — апробировать как сами технологии, так и правовые механизмы их регулирования». «Цифровые песочницы» уже тестируют беспилотники, роботизированную доставку и ИИ в медицине, а на очереди роботизированная горная добыча и моделирование правовых решений. Как именно юридические полигоны помогают балансировать между инновациями и безопасностью, разбирается в этом материале.
В энергетике, по словам Эдуарда Шереметцева, уже реализуется около 300 проектов с ежегодным бюджетом ~2 млрд рублей. Предиктивная аналитика показала себя, но внедрение робототехники тормозит отсутствие нормативной базы: финальное решение всё равно должен подписывать человек. При этом отмечается риск атрофии компетенций у сотрудников, что требует новых подходов к обучению и развитию критического мышления.
Где ИИ уже работает: от цеха до конструкторского бюро
Лидерами внедрения остаются металлургия и нефтехимия. В ЕВРАЗ, по словам Максима Феопентова, «около 60% успешных примеров достигается именно за счёт применения ИИ». Реализованы помощник сталевара, модели контроля обжига извести и видеоаналитика для карьеров и контроля СИЗ. Быстрее всего окупаются продвинутые аналитические модели, тогда как технологически более сложная видеоаналитика требует серьёзной подготовки инфраструктуры. В Северстали выстроили цифровые двойники технологических цепочек.
В химической отрасли компания Апатит интегрировала LLM в АСУП и корпоративную ERP для автоматизации отчётности. Максим Самойлов предупредил: «открытого программного обеспечения много, оно качественное, но его требуется дообучать и наполнять своими данными. При этом следует помнить, что модель может галлюцинировать и искажать реальные данные».
Машиностроение тестирует ИИ на ранних стадиях проектирования и в цеху. КАМАЗ Диджитал оценивает эргономику и записывает действия операторов для обучения роботов. В_ ОДК-ЦТ_ ИИ-ассистент технолога сокращает трудоёмкость на 10-20% при формировании планов обработки. Ксения Черниченко отметила: «зачастую требуется не ИИ, а обычные средства автоматизации, уже встроенные в систему ERP». Экспертная система в Уральской Стали уже сократила цикл согласования ТЗ с 40 до 15 дней.
Интересное решение в инженерном проектировании продемонстрировал AIRI. На базе открытой языковой модели QWEN создана мультимодальная система Cadrille, которая превращает облака точек и фотографии в редактируемые CAD-модели, ускоряя реверс-инжиниринг. Тема реверс-инжиниринга, в которой ИИ делает новый шаг, нам хорошо знакома, мы занимаемся задачами и проводим специализированные обучающие курсы по направлению реверс-инжиниринга, с которыми вы можете ознакомиться тут.
О том, как нейросети учатся восстанавливать 3D-геометрию без ручной отрисовки, можно познакомиться в этом обзоре.
Вычисления, железо и экосистема
Главное технологическое ограничение отрасли составляет доля вычислительных ресурсов России в мире, которая не превышает 0,4%. При этом растёт спрос на гибридные CPU+GPU системы. Александр Филиппов резюмировал: «создание полностью отечественного решения практически нереально. Однако в более узкоспециализированных моделях использование российских компонентов вполне возможно». Экосистема ПО для нейросетей остаётся разрозненной, несмотря на использование Астра Линукс, Арамид и решений Сбера с Яндексом.
В ответ на дефицит мощностей разработчики тестируют альтернативные архитектуры. В** Национальном центре физики и математики в Сарове оптические процессоры уже достигают 94% точности на тестовом наборе MNIST, демонстрируя высокую скорость обработки бинарной логики.** Подробнее о принципах работы фотонных вычислителей и их промышленном потенциале можно узнать в статье.
Ещё одно перспективное направление — нейроморфные процессоры. Чип Алтай от МОТИВ НТ построен на спайковых нейронных сетях и выделяется минимальным энергопотреблением, низкой латентностью и устойчивостью к шумам. Технология уже применяется в космических системах, коммуникациях и медицинском мониторинге, включая очки для предсказания эпилептических приступов. Обзор спайковых сетей и чипа "Алтай" доступен по ссылке.
При этом стандартизация и подготовка кадров остаются критическими факторами. Без единых протоколов обмена и мер поддержки ПАК масштабирование будет идти медленнее.
Итоги и вектор развития
На круглом столе РАИИ сошлись в одном: законченных решений пока мало, но вектор задан. Максим Мулюкин отметил: «ни одна компания не проходит по пути внедрения ИИ только для оптимизации своих процессов: как правило, через два года они приходят к осознанию необходимости смены технологического ядра».
Представители промышленности признали: «масштабная ИИ-трансформация в производстве будет при условии глубокого перестроения производственных процессов». Наука настроена оптимистичнее: «ИИ-трансформация в промышленности точно будет». Обе стороны согласились с главным выводом форума: ключевой фактор успеха это развитие естественного интеллекта, то есть компетенций самих специалистов.
Практический совет участников звучал лаконично: начинайте с рутины, проверяйте гипотезы конвейером и фокусируйтесь на финансовой отдаче. ИИ не волшебная палочка, а инструмент, который работает только в грамотно выстроенной системе.
