К 2026 году искусственный интеллект перейдет от ажиотажа к практическому применению

Если 2025 год стал для ИИ проверкой на реалистичность, то 2026 год станет годом, когда эта технология станет по-настоящему полезной. Акцент смещается с создания все более крупных языковых моделей на более сложную задачу — сделать ИИ практичным. Это означает внедрение более компактных моделей там, где они наиболее подходят, встраивание интеллекта в физические устройства и разработку систем, которые легко интегрируются в рабочие процессы человека.

Эксперты, опрошенные TechCrunch, рассматривают 2026 год как переходный период — переход от грубого масштабирования к изучению новых архитектур, от впечатляющих демонстраций к целевым внедрениям и от агентов, которые претендуют на автономность, к тем, которые действительно повышают производительность человека.

Празднование еще не закончилось, но отрасль начинает подходить к делу серьезно.

Законы масштабирования не помогут

В 2012 году в статье AlexNet, написанной Алексом Крижевским, Ильей Суцкевером и Джеффри Хинтоном, было продемонстрировано, как системы ИИ могут научиться распознавать объекты на изображениях, анализируя миллионы примеров. Этот подход был вычислительно интенсивным, но стал возможным благодаря GPU, что дало начало десятилетию целенаправленных исследований в области ИИ, в ходе которых ученые разрабатывали новые архитектуры для различных задач.

Кульминацией этого процесса стал запуск GPT-3 от OpenAI в 2020 году, который показал, что простое масштабирование модели в 100 раз может открыть такие возможности, как кодирование и рассуждение, без явного обучения. Это ознаменовало начало того, что Киан Катанфорош, генеральный директор и основатель платформы ИИ-агентов Workera, называет «эпохой масштабирования» — периода, определяемого верой в то, что больше вычислительной мощности, больше данных и более крупные трансформерные модели неизбежно приведут к следующим крупным прорывам в области ИИ.

Сегодня многие исследователи считают, что индустрия ИИ приближается к пределам законов масштабирования и готова вступить в новую эру, ориентированную на исследования и инновации.

Ян ЛеКун, бывший главный научный сотрудник Meta по ИИ, давно критикует чрезмерную зависимость от масштабирования и подчеркивает необходимость создания более совершенных архитектур. Аналогичным образом, Суцкевер в недавнем интервью отметил, что текущие модели достигают плато, а результаты предварительного обучения выравниваются, что сигнализирует о необходимости новых идей.

Присоединяйтесь к списку ожидания Disrupt 2026

Присоединяйтесь к списку ожидания Disrupt 2026, чтобы получить ранний доступ, когда появятся билеты Early Bird. В предыдущих мероприятиях Disrupt принимали участие лидеры из Google Cloud, Netflix, Microsoft, Box, Phia, a16z, ElevenLabs, Wayve, Hugging Face, Элад Гил и Винод Хосла — часть из более чем 250 отраслевых экспертов, ведущих более 200 сессий, предназначенных для ускорения вашего роста и усиления вашего конкурентного преимущества. Вы также сможете пообщаться с сотнями стартапов, которые продвигают инновации в различных секторах.

Присоединяйтесь к списку ожидания Disrupt 2026

Включитесь в список ожидания Disrupt 2026, чтобы получить ранний доступ, когда появятся билеты по цене Early Bird. В предыдущих мероприятиях Disrupt приняли участие лидеры из Google Cloud, Netflix, Microsoft, Box, Phia, a16z, ElevenLabs, Wayve, Hugging Face, Элад Гил и Винод Хосла — часть из более чем 250 отраслевых экспертов, ведущих более 200 сессий, призванных ускорить ваш рост и усилить ваши конкурентные преимущества. Вы также сможете пообщаться с сотнями стартапов, которые продвигают инновации в различных секторах.

«Я считаю, что в течение следующих пяти лет мы, скорее всего, обнаружим более совершенную архитектуру, которая будет значительно превосходить трансформеры, — сказал Катанфорош. — Если этого не произойдет, не стоит ожидать существенного прогресса в возможностях моделей».

Иногда меньше — значит больше

Хотя большие языковые модели превосходны в области общих знаний, многие эксперты прогнозируют, что следующая волна внедрения искусственного интеллекта в предприятиях будет обусловлена более компактными и гибкими языковыми моделями, которые можно точно настроить для конкретных областей применения.

«Тонко настроенные SLM станут основной тенденцией и неотъемлемой частью зрелых предприятий в области искусственного интеллекта в 2026 году, поскольку их преимущества в стоимости и производительности делают их более привлекательными, чем готовые LLM», — сказал TechCrunch Энди Маркус, директор по данным AT&T. «Мы уже наблюдаем, как предприятия все чаще полагаются на SLM, потому что при правильной настройке они не уступают по точности более крупным общим моделям для корпоративных приложений, при этом предлагая превосходную экономическую эффективность и скорость».

Этот аргумент ранее выдвигался французским стартапом Mistral, занимающимся открытым искусственным интеллектом, который утверждает, что его небольшие модели превосходят более крупные по нескольким показателям после настройки.

«Эффективность, экономичность и адаптируемость SLM делают их идеальными для специализированных приложений, где точность имеет решающее значение», — сказал Джон Книсли, стратег по искусственному интеллекту в ABBYY, корпоративной компании по искусственному интеллекту, базирующейся в Остине.

В то время как Маркус считает, что SLM будут играть ключевую роль в эпоху агентов, Книсли отмечает, что их компактность делает их более подходящими для развертывания на локальных устройствах — тенденция, ускоренная развитием пограничных вычислений.

Обучение через опыт

Люди учатся не только через язык, но и через взаимодействие с миром. Однако LLM не понимают мир по-настоящему; они просто предсказывают следующее слово или концепцию. Вот почему многие исследователи считают, что следующий крупный прорыв будет связан с мировыми моделями — системами искусственного интеллекта, которые учатся, как объекты движутся и взаимодействуют в трехмерном пространстве, что позволяет им делать предсказания и предпринимать действия.

Все больше признаков указывает на то, что 2026 год станет поворотным для мировых моделей. ЛеКун покинул Meta, чтобы основать собственную лабораторию мировых моделей, и, по сообщениям, стремится достичь оценки в 5 миллиардов долларов. DeepMind от Google разрабатывает Genie и в августе запустила свою новейшую модель, способную создавать интерактивные универсальные мировые модели в режиме реального времени. Наряду с демонстрациями от таких стартапов, как Decart и Odyssey, World Labs Фэй-Фэй Ли выпустила свою первую коммерческую модель мира, Marble. Новые участники рынка, такие как General Intuition, в октябре получили 134 миллиона долларов в рамках раунда начального финансирования, чтобы научить агентов пространственному мышлению, а стартап Runway, занимающийся генерацией видео, в декабре выпустил свою первую модель мира, GWM-1.

Хотя исследователи видят долгосрочный потенциал в робототехнике и автономности, в ближайшей перспективе наиболее заметным будет влияние на видеоигры. PitchBook прогнозирует, что рынок моделей мира в играх может вырасти с 1,2 миллиарда долларов в период с 2022 по 2025 год до 276 миллиардов долларов к 2030 году, благодаря способности технологии генерировать интерактивные среды и более реалистичных неигровых персонажей.

Пим де Витте, основатель General Intuition, сказал TechCrunch, что виртуальные среды могут не только преобразовать игровую индустрию, но и служить важной испытательной площадкой для следующего поколения базовых моделей.

Агентная нация

В 2025 году ИИ-агенты не оправдали ожиданий, в основном потому, что их интеграция в реальные рабочие системы оказалась сложной задачей. Без доступа к инструментам и контексту большинство агентов были ограничены пилотными рабочими процессами.

Протокол Model Context Protocol (MCP) от Anthropic, описываемый как «USB-C для ИИ», позволяет ИИ-агентам взаимодействовать с внешними инструментами, такими как базы данных, поисковые системы и API. Это недостающее звено быстро становится стандартом, и OpenAI и Microsoft публично поддержали MCP. Anthropic недавно передала протокол в дар новой Agentic AI Foundation Linux Foundation, которая стремится стандартизировать инструменты с открытым исходным кодом. Google также начала настраивать собственные управляемые серверы MCP для подключения агентов ИИ к своим продуктам и услугам.

Благодаря MCP, снижающему трение при подключении агентов к реальным системам, 2026 год, вероятно, станет годом, когда агентные рабочие процессы перейдут от демонстраций к повседневной практике.

Раджив Дхам, партнер Sapphire Ventures, считает, что эти достижения приведут к тому, что решения, ориентированные на агентов, будут играть «роль системы учета» в различных отраслях.

«По мере того как голосовые агенты будут выполнять все больше сквозных задач, таких как прием и коммуникация с клиентами, они также начнут формировать основные базовые системы», — сказал Дхам. «Мы ожидаем увидеть эту тенденцию в таких секторах, как бытовые услуги, технологии для недвижимости и здравоохранение, а также в горизонтальных функциях, таких как продажи, ИТ и поддержка».

Расширение, а не автоматизация

Хотя рост агентных рабочих процессов может вызвать опасения по поводу потери рабочих мест, Катанфорош из Workera не уверен, что это будет актуально в 2026 году.

«2026 год будет годом людей», — сказал он.

В 2024 году многие компании, занимающиеся искусственным интеллектом, предсказывали, что они автоматизируют рабочие места, чтобы избавиться от необходимости в человеческих работниках. Однако технология еще не способна на это, и в условиях нестабильной экономики такая риторика не пользуется популярностью. Катанфорош предполагает, что в следующем году мы поймем, что «искусственный интеллект не работает так автономно, как мы ожидали», и разговор сместится в сторону того, как искусственный интеллект может дополнять человеческие рабочие процессы, а не заменять их.

«Я также думаю, что многие компании снова начнут нанимать сотрудников», — добавил он, отметив, что ожидает появления новых должностей в области управления ИИ, прозрачности, безопасности и управления данными. «Я довольно оптимистично настроен и считаю, что в следующем году уровень безработицы в среднем будет ниже 4%».

«Люди хотят быть выше API, а не ниже, и я считаю, что 2026 год станет решающим для этого сдвига», — добавил де Витте.

Физическое взаимодействие

По мнению экспертов, прогресс в области небольших моделей, мировых моделей и пограничных вычислений позволит более широко применять машинное обучение в физическом мире.

«Физический ИИ станет мейнстримом в 2026 году, когда на рынок начнут поступать новые категории устройств на базе ИИ, включая робототехнику, автономные транспортные средства, дроны и носимые устройства», — сказал TechCrunch Викрам Танеджа, глава AT&T Ventures.

Хотя автономные транспортные средства и робототехника являются очевидными примерами использования физического ИИ и будут продолжать расти в 2026 году, необходимое обучение и внедрение по-прежнему остаются дорогостоящими. С другой стороны, носимые устройства предлагают более доступную точку входа, привлекательную для потребителей. Умные очки, такие как Ray-Bans от Meta, начинают включать в себя помощников, которые могут отвечать на вопросы о том, на что вы смотрите, а новые форм-факторы, такие как кольца для здоровья и умные часы на базе ИИ, делают постоянное присутствие на теле более распространенным явлением.

«Провайдеры подключения к сети будут работать над оптимизацией своей сетевой инфраструктуры для поддержки этой новой волны устройств, и те, кто предлагает гибкие варианты подключения, будут иметь наилучшие шансы на успех», — сказал Танеджа.