Если 2025 год ознаменовался проверкой жизнеспособности искусственного интеллекта, то 2026 год станет годом его практического применения. Фокус смещается от создания всё больших языковых моделей к более трудоёмкой задаче — сделать ИИ по-настоящему полезным и эффективным. На практике это означает внедрение компактных моделей там, где они наиболее уместны, интеграцию интеллекта в физические устройства и разработку систем, идеально вписывающихся в рабочие процессы человека.
Эксперты, с которыми мы пообщались, видят 2026 год как переходный: от масштабирования грубой силой к исследованию новых архитектур, от броских демонстраций к целевым внедрениям, от обещающих автономию агентов к тем, которые реально улучшают работу людей.
Время бурного хайпа проходит, но индустрия начинает трезво оценивать перспективы.
Масштабирование больше не панацея
В 2012 году публикация Алексом Крижевским, Ильей Суцкевером и Джеффри Хинтоном статьи AlexNet показала, как системы ИИ могут «обучаться» распознавать объекты на изображениях, анализируя миллионы примеров. Этот подход был вычислительно затратным, но стал возможен благодаря графическим процессорам. Результатом стало десятилетие интенсивных исследований в области ИИ, в ходе которых учёные изобретали новые архитектуры для различных задач.
Кульминация наступила примерно в 2020 году, когда OpenAI выпустила GPT-3, продемонстрировав, как простое увеличение модели в 100 раз открывает такие возможности, как написание кода и рассуждение, без необходимости явного обучения. Это ознаменовало переход к тому, что Киан Катанфуруш, генеральный директор и основатель платформы ИИ-агентов Workera, называет «эпохой масштабирования»: период, определяемый верой в то, что увеличение вычислительных мощностей, объемов данных и масштабов трансформерных моделей неизбежно приведет к следующим крупным прорывам в ИИ.
Сегодня многие исследователи считают, что индустрия ИИ начинает исчерпывать пределы законов масштабирования и снова перейдет в эпоху исследований.
Ян ЛеКун, бывший главный научный сотрудник Meta по ИИ, давно выступал против чрезмерной зависимости от масштабирования и подчеркивал необходимость разработки более совершенных архитектур. А Суцкевер в недавнем интервью заявил, что текущие модели достигают плато, а результаты предварительного обучения выровнялись, что указывает на необходимость новых идей.
Событие Techcrunch
Сан-Франциско
|
13-15 октября 2026
«Я думаю, что, скорее всего, в ближайшие пять лет мы найдем лучшую архитектуру, которая станет значительным улучшением по сравнению с трансформерами, — сказал Катанфуруш. — И если мы этого не сделаем, мы не сможем ожидать значительного улучшения моделей».
Иногда меньше значит больше: сила компактных ИИ-моделей
Большие языковые модели отлично справляются с обобщением знаний, но многие эксперты считают, что следующая волна внедрения корпоративного ИИ будет обусловлена более компактными и гибкими языковыми моделями, которые можно точно настроить для решения конкретных задач.
«Тонко настроенные малые языковые модели (SLM) станут главным трендом и основным инструментом для зрелых ИИ-предприятий в 2026 году, поскольку их преимущества в стоимости и производительности будут стимулировать использование по сравнению с обычными большими языковыми моделями (LLM), — сообщил Энди Маркус, директор по данным AT&T, изданию TechCrunch. — Мы уже видим, как предприятия всё чаще полагаются на SLM, потому что при правильной настройке они соответствуют крупным, обобщенным моделям по точности для бизнес-приложений и превосходны с точки зрения стоимости и скорости».
Мы уже слышали этот аргумент от французского стартапа IИ Mistral: он утверждает, что его малые модели после тонкой настройки показывают лучшие результаты на нескольких бенчмарках, чем более крупные модели.
«Эффективность, экономичность и адаптивность SLM делают их идеальными для специализированных приложений, где точность имеет первостепенное значение», — сказал Джон Книсли, стратег по ИИ в ABBYY, корпоративной ИИ-компании из Остина.
В то время как Маркус считает, что SLM будут играть ключевую роль в эпоху агентов, Книсли говорит, что природа малых моделей означает, что они лучше подходят для развертывания на локальных устройствах, «тенденция, ускоряемая достижениями в области пограничных вычислений».
Обучение через опыт: путь к пониманию мира
Источник изображения: World Labs/TechCrunch
Люди учатся не только через язык; мы учимся, познавая, как устроен мир. Но большие языковые модели (LLM) на самом деле не понимают мир; они просто предсказывают следующее слово или идею. Именно поэтому многие исследователи считают, что следующий большой прорыв произойдёт благодаря «мировым моделям»: ИИ-системам, которые учатся тому, как объекты движутся и взаимодействуют в 3D-пространстве, чтобы они могли делать предсказания и совершать действия.
Признаки того, что 2026 год станет значимым для мировых моделей, множатся. ЛеКун покинул Meta, чтобы открыть свою лабораторию мировых моделей, и, как сообщается, ищет оценку в $5 миллиардов. Google DeepMind активно работает над Genie и в августе запустил свою последнюю модель, которая создает интерактивные мировые модели общего назначения в реальном времени. Наряду с демонстрациями стартапов, таких как Decart и Odyssey, World Labs Фэй-Фэй Ли выпустила свою первую коммерческую мировую модель Marble. Новые игроки, такие как General Intuition, в октябре привлекли $134 миллиона на начальном этапе, чтобы обучать агентов пространственному мышлению с использованием фрагментов видеоигр, а стартап по генерации видео Runway в декабре выпустил свою первую мировую модель, GWM-1.
Хотя исследователи видят долгосрочный потенциал в робототехнике и автономии, краткосрочное влияние, вероятно, будет замечено в первую очередь в видеоиграх. PitchBook прогнозирует, что рынок мировых моделей в играх может вырасти с $1,2 миллиарда в период с 2022 по 2025 год до $276 миллиардов к 2030 году, благодаря способности технологии генерировать интерактивные миры и более реалистичных неигровых персонажей.
Пим де Витте, основатель General Intuition, сообщил TechCrunch, что виртуальные среды могут не только изменить игровую индустрию, но и стать критически важными испытательными площадками для следующего поколения фундаментальных моделей.
Эпоха ИИ-агентов: от демонстраций к реальному делу
Агенты не оправдали ожиданий в 2025 году, во многом потому, что было сложно подключить их к системам, где на самом деле происходит работа. Без доступа к инструментам и контексту большинство агентов были заперты в пилотных проектах.
Протокол Model Context Protocol (MCP) от Anthropic, своего рода «USB-C для ИИ», который позволяет ИИ-агентам взаимодействовать с внешними инструментами, такими как базы данных, поисковые системы и API, оказался недостающим связующим звеном и быстро становится стандартом. OpenAI и Microsoft публично приняли MCP, а Anthropic недавно передала его в новый фонд Agentic AI Foundation Linux Foundation, который нацелен на стандартизацию открытых инструментов для агентов. Google также начал развертывать свои собственные управляемые MCP-серверы для подключения ИИ-агентов к своим продуктам и услугам.
Благодаря MCP, снижающему трение при подключении агентов к реальным системам, 2026 год, вероятно, станет годом, когда агентные рабочие процессы наконец перейдут от демонстраций к повседневной практике.
Раджив Дхам, партнер Sapphire Ventures, говорит, что эти достижения приведут к тому, что решения, основанные на агентах, возьмут на себя «роли систем учета» в различных отраслях.
«По мере того, как голосовые агенты будут выполнять всё больше сквозных задач, таких как приём обращений и общение с клиентами, они также начнут формировать базовые основные системы, — сказал Дхам. — Мы увидим это в различных секторах, таких как бытовые услуги, проптех и здравоохранение, а также в горизонтальных функциях, таких как продажи, ИТ и поддержка».
Расширение возможностей, а не полная автоматизация
Хотя более активные рабочие процессы могут вызвать опасения по поводу сокращения рабочих мест, Катанфуруш из Workera не уверен, что это верное послание.
«2026 год станет годом людей», — сказал он.
В 2024 году каждая ИИ-компания предсказывала, что они автоматизируют рабочие места, исключая необходимость в людях. Но технологии ещё не дошли до этого, и в нестабильной экономике такая риторика не очень популярна. Катанфуруш говорит, что в следующем году мы поймем, что «ИИ не работал так автономно, как мы думали», и разговор будет больше сосредоточен на том, как ИИ используется для расширения возможностей человеческих рабочих процессов, а не для их замены.
«И я думаю, что многие компании начнут нанимать», — добавил он, отметив, что ожидает появления новых ролей в области управления ИИ, прозрачности, безопасности и управления данными. «Я довольно оптимистично настроен в отношении того, что безработица в следующем году составит в среднем менее 4%».
«Люди хотят быть выше API, а не под ним, и я думаю, что 2026 год важен для этого», — добавил де Витте.
ИИ становится физическим: новые горизонты применения
Источник изображения: Дэвид Пол Моррис/Bloomberg / Getty Images
По мнению экспертов, достижения в таких технологиях, как компактные модели, мировые модели и пограничные вычисления, позволят расширить физическое применение машинного обучения.
«Физический ИИ выйдет в мейнстрим в 2026 году, когда на рынок начнут выходить новые категории устройств на базе ИИ, включая робототехнику, автономные транспортные средства, дроны и носимые устройства», — сообщил TechCrunch Викрам Танеджа, глава AT&T Ventures.
Хотя автономные транспортные средства и робототехника являются очевидными вариантами использования физического ИИ, которые, без сомнения, будут продолжать расти в 2026 году, обучение и развертывание по-прежнему дороги. Носимые устройства, с другой стороны, представляют собой менее дорогой вариант с потребительским спросом. Умные очки, такие как Meta’s Ray Bans, начинают поставлять ассистентов, которые могут отвечать на вопросы о том, на что вы смотрите, а новые форм-факторы, такие как медицинские кольца на базе ИИ и умные часы, нормализуют постоянное использование нательных устройств.
«Провайдеры связи будут работать над оптимизацией своей сетевой инфраструктуры для поддержки этой новой волны устройств, и те, у кого есть гибкость в предоставлении связи, будут в наилучшем положении», — сказал Танеджа.
🚀 Получите бесплатный аудит от ИИ прямо сейчас в нашем Telegram-боте: @futurebotsru_bot
