Ежедневный анализ новостей AI-индустрии через призму 9-уровневой Системы Разделения Труда. Событий: 69.
Американская стратегия пытается защитить ренту на уже профинансированное обучение моделей. Это борьба за удержание монетизации через закрытые интерфейсы и лицензируемый доступ. Китайская сторона, напротив, снижает барьеры входа через открытые веса, тем самым расширяя рынок downstream-разработчиков.
ИИ втягивает фонды, долговое финансирование, биржевой капитал и инфраструктурные инвестфонды. Идёт превращение ИИ-расходов в новый макро-контур капитальных вложений.
Капитал начинает перераспределяться от крупных многолетних ИТ-программ к более коротким ИИ-проектам с измеримой отдачей.
На кону рекламная рента, распределение пользовательского внимания и будущая комиссия за посредничество между пользователем и цифровыми сервисами.
Основной вопрос - не просто «работает ли агент», а «сколько стоит его надёжность». Будут побеждать архитектуры с более низкой полной стоимостью ошибки.
Растёт рынок безопасности, страхования, соответствия требованиям и регуляторных технологий.
Формируется конфликт двух режимов координации: закрытых корпоративных экосистем против открытых сообществ и полузакрытых национальных экосистем. Неформальные практики повторного использования, дистилляции и воспроизведения становятся предметом политического контроля.
Стабилизируется новый рыночный консенсус: выигрывают не только разработчики моделей, но и поставщики «лопат» - оптики, питания, компонентов сетей, промышленной электроники.
Возникает новая норма: покупать не «систему навсегда», а модульную ИИ-функцию, встраиваемую поверх существующих процессов.
ЕС пытается не дать спонтанному порядку «победитель получает всё» закрепиться вокруг одного системного помощника.
Формируются практики внешнего «ограждения» агентов: щиты безопасности, жёсткие контракты вывода, разделение ролей, аудит следов.
Возникают неформальные нормы: журналирование, доказательная база, цитирование источников, разделение ролей модели и проверяющего.
Знание всё меньше циркулирует через публикации и всё больше - через веса моделей, инженерные артефакты, инфраструктуру вывода и закрытые наборы данных. ### 🟡 Средние уровни (6-5-4): Технологии и разделение труда
Знание всё сильнее смещается в прикладную инженерную кооперацию между полупроводниками, сетями, дата-центрами и системной интеграцией. ### 🟡 Средние уровни (6-5-4): Технологии и разделение труда
Центр экспертизы смещается из классических системных интеграторов в фирмы, умеющие организовать данные, контроль качества, человеко-машинный контур и аудит. ### 🟡 Средние уровни (6-5-4): Технологии и разделение труда
Доступ к пользовательским взаимодействиям становится ключевым источником дообучения и улучшения моделей. ### 🟡 Средние уровни (6-5-4): Технологии и разделение труда
Бенчмарки с реальными следами работы и промышленными сценариями начинают вытеснять академические тесты, не чувствительные к затратам и рискам. ### 🟡 Средние уровни (6-5-4): Технологии и разделение труда
Производство знания начинает включать обязательную верификацию, аудит и доказуемость происхождения. ### 🟡 Средние уровни (6-5-4): Технологии и разделение труда
Возрастает значимость дистилляции, синтетических данных, перехвата поведения моделей и постобучения на следах вывода.
Приоритет получают методы, снижающие стоимость вывода и обучения: кэширование, квантизация, спекулятивное декодирование, оптимизация памяти.
Растёт значение практик оценки, трассируемости, оркестрации агентов, управления памятью и выборочного вызова инструментов.
Значимость приобретают метрики качества помощников в реальных пользовательских сценариях, а не только на тестах.
Становятся центральными: управление памятью, внешние проверяющие, пошаговые награды, контракты цитирования, калибровка уверенности.
Взлетают методы верификации, контрфактических проверок, структурированных контрактов вывода и трассируемой генерации.
Крупные американские лаборатории стремятся закрепиться как «поставщики исходного интеллекта», а китайские фирмы - как ускоренные интеграторы и локализаторы.
Цепочка стоимости усложняется: ускорители → платы → оптика → серверы → дата-центры → облака → интерфейсы → отраслевые приложения.
Интеграторы, облачные платформы, поставщики моделей и отраслевые приложения перераспределяют границы ответственности.
Производители устройств, владельцы операционных систем, модельные лаборатории и разработчики приложений заново делят точки контроля.
Возникает ниша фирм, продающих не модели, а агентную инфраструктуру: память, маршрутизацию, аудит, наблюдаемость, безопасность.
Появляется отдельный слой поставщиков доверия: аудиторы моделей, платформы контроля происхождения, системы обнаружения подделок.
Весы моделей и механизмы вызова инструментов становятся таким же стратегическим ресурсом, как ускорители и литография. ### 🟢 Нижние уровни (3-2-1): Базис и материальные условия
Сетевые и оптические технологии становятся критическим стандартом наряду с самими ускорителями. ### 🟢 Нижние уровни (3-2-1): Базис и материальные условия
Побеждают не только самые сильные модели, но и архитектуры, которые можно воспроизвести, контролировать и встроить в корпоративный контур. ### 🟢 Нижние уровни (3-2-1): Базис и материальные условия
Системные интерфейсы помощников, доступ к операционной системе и локальная обработка на устройстве становятся критичны. ### 🟢 Нижние уровни (3-2-1): Базис и материальные условия
Ценность получают архитектуры, уменьшающие затраты вывода: спекулятивное декодирование, многоуровневый кэш, квантизация без потери устойчивости. ### 🟢 Нижние уровни (3-2-1): Базис и материальные условия
Технологический стек включает не только модель, но и доказательный слой поверх модели. ### 🟢 Нижние уровни (3-2-1): Базис и материальные условия
Растёт цена исследователей, умеющих переносить знания между лабораториями и быстро пересобирать стеки.
Растёт спрос на инженеров по энергосистемам, сетям, охлаждению, упаковке чипов, эксплуатации дата-центров.
Спрос уходит от классических консультантов и разработчиков внедрений к архитекторам данных, инженерам агентов, специалистам по комплаенсу и оценке качества.
Возрастает значение специалистов по системным интерфейсам, приватности и мобильным ИИ-стекам.
Появляется спрос на архитекторов агентных систем, инженеров безопасности агентов, специалистов по оценке трасс и качеству маршрутизации.
Растёт значение ролей по безопасности ИИ, цифровой криминалистике, управлению данными, защите детей, юридической проверке ИИ-систем.
Усиливается фрагментация по юрисдикциям: США, Китай, ЕС и промежуточные площадки для хостинга, развёртывания и дообучения.
Выигрывают территории, где можно быстро строить дата-центры и подводить электроэнергию; также усиливается значение Гонконга как финансового окна для азиатских поставщиков.
Часть сервисной занятости в аутсорсинговых хабах может оказаться под давлением.
ЕС закрепляется как особая регуляторная зона, способная менять глобальные продуктовые архитектуры.
Корпоративные и государственные внедрения будут тяготеть к локальным или юрисдикционно контролируемым контурам.
Возрастает спрос на локализацию хранения чувствительных данных и региональные режимы суверенного доступа.
Президент Blackstone заявил, что развёртывание инфраструктуры искусственного интеллекта - сейчас крупнейший драйвер компании.
Источники: источник
Texas Instruments дала сильный прогноз, поддержанный бурными расходами на дата-центры и промышленное оборудование.
Источники: источник
Eoptolink отчиталась о резком росте прибыли из-за спроса на оптические компоненты, критичные для развития ИИ.
Источники: источник
Victory Giant, китайский поставщик Nvidia, резко вырос после размещения в Гонконге.
Источники: источник
TSMC заявила, что не будет внедрять новейшее оборудование ASML до 2029 года из-за слишком высокой цены.
Источники: источник
ServiceNow заявляет, что ИИ является центральным элементом платформы, но отдельно сообщается, что продажи замедлились из-за задержек сделок на фоне войны на Ближнем Востоке.
Infosys дала слабый прогноз продаж из-за того, что глобальные корпорации сокращают крупные ИТ-проекты.
Источники: источник
Акции IBM снизились, так как отчёт не развеял опасения инвесторов относительно ИИ-дестабилизации бизнеса.
Источники: источник
Статья MIT Technology Review подчёркивает, что для получения бизнес-ценности от ИИ нужен прочный «тканевый слой данных» - связная инфраструктура данных.
Источники: источник
Google сталкивается с давлением ЕС, который требует открыть Android для конкурирующих ИИ-поисковых помощников к Gemini.
Источники: источник
Google публично обсуждает, как ИИ меняет поведение пользователей в поиске и как Gemini встраивается в поиск.
Источники: источник
В работе о чрезмерном использовании инструментов показано, что языковые модели систематически слишком часто вызывают внешние инструменты; авторы предлагают корректировку границ знания и структуры вознаграждения, что резко сокращает ненужные вызовы.
Источники: источник
Бенчмарк MIRROR показывает, что модели плохо предсказывают собственную успешность на составных задачах, а безопасность повышается главным образом через внешние метакогнитивные каркасы, а не через «самоосознание» модели.
Источники: источник
Работа о безсостоянийной памяти для корпоративных агентов показывает, что в регулируемых областях выигрывают воспроизводимость, аудитируемость и горизонтальное масштабирование, а не богатая «живая память».
Источники: источник
Набор реальных сессий SWE-chat показывает, что в естественной разработке сохраняется только 44% кода, созданного агентами, а также растут риски уязвимостей.
Источники: источник
MIT Technology Review выделяет оркестрацию агентов как одну из центральных тем 2026 года.
Источники: источник
После утечки данные британского медицинского исследования на 500 тысяч человек были выставлены на продажу на площадке Alibaba.
Источники: источник
В Шри-Ланке расследуют взлом систем министерства финансов с хищением 2,5 млн долларов.
Источники: источник
MIT Technology Review пишет о росте злоупотреблений: усиленных мошеннических схемах, дипфейках и увеличении нагрузки на защиту детей.
Исследования показывают рост интереса к управляемым и объяснимым системам в регулируемых сферах: противодействие отмыванию денег, медицина, юридическая экспертиза, аудит навыков агентов.
Непрямо.
От: какой конфигурации СРТ:
К: какой новой конфигурации:
Через: какие механизмы: Политические ограничения, лицензирование, технические барьеры доступа, контроль облаков и регламентация использования результатов вывода.
От: какой конфигурации СРТ:
К: какой новой конфигурации:
Через: какие механизмы: Рост стоимости вывода, корпоративные требования к надёжности, капиталоёмкость дата-центров, усложнение рабочих процессов.
От: какой конфигурации СРТ:
К: какой новой конфигурации:
Через: какие механизмы: Давление на бюджеты, геополитическая неопределённость, стандартизация облачных и модельных интерфейсов, переход к модульным внедрениям.
США начинают трактовать использование американских моделей зарубежными конкурентами как объект национальной политики, а не рыночной конкуренции. **Почему это важно:** Если этот режим закрепится, появится новый класс ограничений: не только на чипы и облака, но и на поведенческие следы моделей, наборы дообучения и модельные интерфейсы.
ЕС продавливает открытие мобильных платформ для конкурирующих ИИ-помощников. **Почему это важно:** Это может превратить помощников в новый регулируемый слой цифровой инфраструктуры, аналогично браузерам и поиску в прошлую эпоху.
Исследования предлагают новые рамки управления ИИ в образовании, праве, медицине и научной работе через проверяемые поставляемые результаты, а не через абстрактные принципы. **Почему это важно:** Идёт сдвиг от этических деклараций к операциональным режимам допуска и аудита.
Борьба с избыточным использованием инструментов у агентов становится самостоятельной областью оптимизации. **Почему это важно:** Это первый признак зрелости: рынок начинает оптимизировать не «интеллект вообще», а конкретную экономику агентного исполнения.
Безсостоянийная и журналируемая память вытесняет «богатую» память в регулируемых корпоративных сценариях. **Почему это важно:** Победит не самый когнитивно впечатляющий агент, а тот, которого можно воспроизвести на аудите.
Реальные наборы данных о взаимодействиях людей с кодовыми агентами начинают разрушать иллюзии демонстрационных бенчмарков. **Почему это важно:** Скоро конкурентным преимуществом станет не просто высокий результат на тестах, а измеримая полезность в живом производственном потоке.
Методы снижения стоимости вывода - спекулятивное декодирование, многоуровневый кэш, экономные агенты малого размера - быстро набирают вес. **Почему это важно:** Следующий рубеж конкуренции - не только качество, но и стоимость единицы полезного действия.
Оптические компоненты и промышленная электроника становятся скрытыми «узкими местами» ИИ-экономики. **Почему это важно:** Это расширяет список стратегических отраслей-победителей далеко за пределы производителей ускорителей.
Капитал рынков недвижимости и инфраструктурных фондов всё сильнее втягивается в ИИ. **Почему это важно:** ИИ начинает перестраивать территориальное развитие, энергетику и стоимость площадок под дата-центры.
Даже передовые производители чипов сигнализируют о неокупаемости самой дорогой технологической границы. **Почему это важно:** Это создаёт окно для более дешёвых, оптимизированных и «достаточно хороших» архитектур.
| Тренд | Momentum | Категория |
|---|---|---|
| Агентные ИИ-платформы | +82 | accelerating |
| Безопасность ИИ-агентов | +88 | accelerating |
| Капитальные затраты на ИИ-инфраструктуру | +91 | accelerating |
| Модели с открытыми весами | +74 | accelerating |
| Закрытые модели через интерфейсы доступа | +46 | stable |
| Классический корпоративный программный сервис без радикальной ИИ-пересборки | -38 | decelerating |
| Экспортный контроль и регламентация нематериального ИИ | +79 | accelerating |
| Суверенный ИИ / национальные модельные экосистемы | +71 | accelerating |
| Криптовалютные спекулятивные истории как основной двигатель техно-капитала | -57 | decelerating |
| ИИ в здравоохранении и регулируемых доменах | +63 | emerging |