23 и 24 апреля в Рыбинске состоялся XII Международный технологический форум «Инновации. Технологии. Производство». В течение двух дней ведущие российские специалисты, а также коллеги из ряда дружественных стран обсуждали острые темы отрасли двигателестроения. В деловой программе принимали участие руководители федерального уровня: министр транспорта РФ Андрей Никитин, заместитель министра промышленности и торговли РФ Геннадий Абраменков, генеральный директор Объединённой двигателестроительной корпорации Александр Грачёв, заместитель генерального конструктора Объединённой авиастроительной корпорации Олег Минин и другие. О заглавной панельной дискуссии форума — «Технологии и материалы будущего. Искусственный интеллект в двигателестроении» — наш репортаж.

 

 

В качестве спикеров дискуссии были приглашены:
— Ремизов Михаил Витальевич, заместитель генерального директора по стратегии и программно-­проектному управлению АО «ОДК»;
— Оспенникова Ольга Геннадиевна, исполнительный директор Ассоциации развития аддитивных технологий, советник президента АО «ТВЭЛ»;
— Туричин Глеб Андреевич, ректор Санкт-­Петербург-­ского государственного морского технического университета;
— Цыганцова Анна Леонидовна, генеральный директор НПЦ «Лазеры и аппаратура»;
— Данилин Иван Владимирович, заместитель директора, заведующий отделом науки и инноваций ИМЭМО имени Е.М. Примакова РАН;
— Сапрыкин Дмитрий Леонидович, генеральный директор ООО «Промис Лаб».
Модератор: Долгов Иван Алексеевич, генеральный директор АНО НПЦ БАС Ярославской области.

 

 

 

ОТВЕТ НА ВЫЗОВ ЦИФРОВИКОВ

 

 

Двенадцать лет назад, когда впервые состоялся этот форум, уже была в ходу так называемая концепция цифровой трансформации промышленности «Индустрия 4.0». Эта концепция, известная также как Четвёртая промышленная революция, представляет собой принципиально новый подход к организации производства. В её основе лежит активное внедрение цифровых технологий на предприятиях, широкое использование автоматизированных систем и развитие технологий искусственного интеллекта. Подобно всем предыдущим промышленным революциям, четвёртая меняет не только производство, но и всю нашу жизнь — экономику, отношения между людьми, даже в ­какой-то степени само понимание того, что это значит — быть человеком. Искусственный интеллект и роботизация, 3D-печать, виртуальная и дополненная реальность, био- и нейротехнологии — эти новейшие методы на глазах становятся частью нашего повседневного существования.

 

В определённом смысле Индустрия 4.0 представляла собой ответ промышленников, машиностроителей на вызов цифровых гигантов, которые начали двигаться так мощно, что возникло впечатление, что они не только оттеснят на периферию сильные машиностроительные компании, но и будут забирать часть их бизнеса, поглощать их. Концепция была своеобразной контрстратегией, предполагавшей движение от «железа» к цифре.

 

 

В таком ключе начал своё выступление Михаил Ремизов, открывший панельную дискуссию. Далее он конкретизировал этот посыл:

 

— Цифровая трансформация является трансформацией для машиностроения именно в том смысле, что она меняет само ядро бизнеса, а не просто повышает эффективность обеспечивающих, поддерживающих процессов. Это касается и технологии цифровых двой­ников, которая на всём этапе жизненного цикла придаёт новое качество двигателестроению, и аддитивного производства, и предиктивной диагностики в сфере сервиса. 
Мы видим, что у лидеров индустрии эти темы развиваются и действительно меняют качество бизнеса.

 

При этом тема искусственного интеллекта в промышленности сегодня немножко перегрета, она является по-своему хайповой, и развитие ИИ вполне укладывается в так называемый хайп-цикл Гартнера, который описывает, как меняется та или иная технология при выходе на рынок. Сначала первые успехи — эффект новизны, вау-эффект, который приводит к быстрому росту ожиданий в обществе. Потом она выходит на пик этих ожиданий, которые вскоре сменяются определённым разочарованием, потому что выявляются барьеры, внешние и внутренние ограничения. Широкая публика на ­какое-то время не то чтобы забывает, но для неё технология выходит на периферию. Тем не менее люди, которые в неё вписались уже инвестициями и мозгами, продолжают над ней работать, и только через определённое время новая технология выходит на плато эффективности.

 

В этой связи можно вспомнить исследование Массачусетского технологического института (MIT), проведённое в 2025 году, где 95% респондентов — технологических компаний — отметили, что скорее разочарованы результатами внедрения у себя искусственного интеллекта. Ещё недавно были опубликованы данные нашей Высшей школы экономики, которые говорят о том, что 60% компаний тратят только 1% бюджета на цифровизацию и группу технологий, связанных с искусственным интеллектом. И так далее…
Этот скепсис, считает Михаил Ремизов, который сейчас наметился в бизнесе и в машиностроении, в частности, связан с рядом объективных барьеров — и корпоративных, и более общих.

 

К числу корпоративных барьеров он относит прежде всего дефицит качественно категоризированных, структурированных данных, потому что такие технологии, как ИИ, показывают максимальную эффективность именно на больших данных, хорошо собранных, хорошо оцифрованных. Далее — дефицит вычислительных мощностей, уровень и качество наших бизнес-­процессов, барьеры межкорпоративные, юридические…

 

Есть и общеотраслевые, и даже макроэкономические барьеры. Например, энергетика, поскольку весь прекрасный новый виртуальный мир оказался очень прожорливым с точки зрения потребности в электроэнергии. Сейчас производители газовых турбин по всему миру перегружены заказами на годы вперёд. Это при том, что у них очень большие объёмы производства. И вот этого масштаба всё равно не хватает для удовлетворения текущего спроса. В некоторых странах уже ограничивают потребление электричества, в России ограничивают криптомайнинг по этой же причине. Можно смело говорить, уверен докладчик, что в мире формируется некая новая ситуация долговременного дефицита электроэнергии.

 

— Поэтому, — продолжает Михаил Ремизов, — когда мы видим одновременно и колоссальные возможности, связанные с технологией искусственного интеллекта, и те барьеры, которые есть, мы должны прежде всего определиться с правильной стратегией её внедрения. На сегодня в целом она состоит в том, чтобы готовить базу, готовить инфраструктуру в виде культуры управления данными, повышения общего уровня цифровой зрелости компаний, потому что без базовой цифровизации эффект от применения ИИ будет незначительным. И работа с бизнес-­процессами. И, разумеется, не в последнюю очередь пилотные проекты по освоению технологий ИИ, потому что, естественно, мы не сможем реализовать потенциал технологии, если не будем экспериментировать и пробовать.

 

Далее докладчик коротко рассказал о некоторых примерах того, что на практике делается в двигателестроении в плане цифровизации и применения ИИ.

 

— Мы, конечно, идём прежде всего от тех данных, которые у нас уже есть в качественном, структурированном и оцифрованном виде. В числе первых проектов, которые в этой сфере стали реализовываться, можно назвать проекты, связанные с работой с нормативно-­справочной 
информацией, с конструкторскими данными, со статистикой испытаний.

 

Совместно со «Сбером» мы реализуем сейчас проект по созданию цифрового ассистента-­технолога.
Одно из направлений — концептуальное проектирование. В этом плане — благодаря инициативе, которую проявила рыбинская компания ОДК «Газовые турбины», — мы планируем совместно с МФТИ реализацию проекта по концептуальному проектированию в сфере энергетических и промышленных агрегатов.

 

Уже несколько лет активно и системно, я бы сказал, на «ОДК-Сатурн», на «ОДК-Авиадвигатель» развиваются проекты по техническому зрению — эта группа технологий тоже тесно пересекается с искусственным интеллектом, с нейросетевыми вероятностными моделями.
Отметим, что, говоря об этих и некоторых других работах, Михаил Ремизов подчёркивал, что они находятся в той стадии зрелости, которая уже близка к широкому промышленному применению.

 

 

АДДИТИВНЫЙ СДВИГ

 

По некоторым оценкам, одним из самых бурно развивающихся направлений цифровой трансформации промышленности на сегодняшний день являются аддитивные технологии. Именно они стали темой выступления следующего докладчика — Ольги Оспенниковой.

 

 

Среди плюсов новой технологии главным многие называют сокращение срока вывода новых продуктов на рынок. Это принципиально важно, поскольку, применяя аддитивные технологии, мы минуем стадию подготовки производства, которая является одной из самых дорогостоящих и, самое главное, длительных.

 

— По темпам развития, — говорит Ольга Оспенникова, — мировой рынок аддитивных технологий уступает, наверное, только IT-направлению и робототехнике. При имеющейся динамике к 2034 году этот рынок может достичь планки в 115 млрд долларов — и это практически пятикратный рост по отношению к 2025 году. Серьёзная цифра! Если мы посмотрим на географию рынка аддитивных технологий, то ещё до недавнего времени очень большими кластерами — лидерами по внедрению аддитивных технологий — были Северная Америка и 
Европа, а за ними Япония и Южная Корея. Сегодня, учитывая геополитическую ситуацию и в целом перестройку рынка, на первый план выходят Латинская Америка, Ближний Восток, страны Азии, и, что, в ­общем-то, для многих очень неожиданно, — страны Африки.
И вот это уже для производителей российского аддитивного оборудования достаточно серьёзный шанс по выводу своих проектов на зарубежный рынок.
Теперь перейдём к ситуации в России. Рубеж, к которому мы стремимся к 2030 году, — это 58 млрд руб­лей. Цифра, казалось бы, небольшая, но тем не менее ещё до недавнего времени, три-четыре года назад, это было 13 млрд.
Если мы посмотрим по отраслевой структуре рынка аддитивных технологий, то она отличается от мировой.

 

На мировом рынке лидером является автомобильная промышленность. У нас же лидерами являются космос и специальная техника, авиация и двигателестроение, нефтегазовое, химическое машиностроение и атомная энергетика. Это те высокотехнологичные отрасли, которые наиболее восприимчивы к инновациям. К сожалению, у нас пока ещё не развита медицина, в отличие от мирового рынка, и автомобильная промышленность у нас находится практически на одном из последних мест.

 

Далее в выступлении Ольги Оспенниковой стали звучать более оптимистичные оценки. В частности, говоря о положении дел в части оборудования для аддитивных технологий, она сообщила, что если ещё буквально пять лет назад всё оборудование, работавшее в Российской Федерации, было зарубежным, то на сегодняшний день практически по всем направлениям аддитивных технологий мы имеем локализованное производство.

 

По материалам для 3D-печати, уверяет Ольга Оспенникова, ситуация вообще очень благоприятная. Сегодня у нас есть производители и металлопорошковых композиций различных сплавов, и проволочных, и полимерных мате-
риалов.

 

Значительная часть доклада Ольги Оспенниковой была посвящена внедрению аддитивных технологий в части ремонтных работ в двигателестроении и энергетике. Здесь находят широкое применение наработки по восстановлению различных элементов оборудования, например, лопаток газовых турбин. Особенно это ценно, по понятным причинам, когда речь идёт об импортных турбинах, которых ещё достаточно у нас действует. Много говорилось и о технологии прямого лазерного выращивания. Ольга Оспенникова отмечает, что всё это большие прорывные решения, поскольку позволяют получать такие детали, которые никаким другим методом, кроме аддитивного, изготовить нельзя. В числе лидеров по этому направлению, в том числе за научно-­практические разработки, были названы Уфимское моторостроительное производственное объединение, АО «Силовые машины», Санкт-­Петербургский политехнический университет и другие.

 

В завершение своего выступления Ольга Остенникова логично и вполне ожидаемо подняла вопрос о подготовке высококвалифицированных кадров для аддитивной отрасли:

 

— Здесь надо отдать должное нашим ведущим техническим вузам, которые в этом направлении активно работают. Но отдельно хочу рассказать об интересном опыте госкорпорации «Росатом» по созданию центров аддитивных технологий общего доступа (ЦАТОД). Эти центры организуются на базе ведущих технических вузов в регионах — и в этом главная ценность задумки. Ведь если дорогое 3D-оборудование размещено в университете, то выполняет сразу три функции: первая — это популяризация аддитивных технологий, показ их преимуществ, вторая — выполнение коммерческих заказов на 3D-печать, что, конечно, является хорошим материальным подспорьем для университета, и третья — главная — собственно подготовка высококвалифицированных кадров по направлению аддитивных технологий. На сегодняшний день в регионах создано девять таких ЦАТОД, реализуется 17 образовательных программ, и уже буквально за последние два года выпущено 124 профильных специалиста.

 

А закончила Ольга Геннадиевна такой, можно сказать, интересной информацией о том, что компания «РусАТ» (входит в «Росатом») открыла аддитивный класс в детском садике «Город детства» в Красногорске. Для ребят новый класс оснастили 3D-принтерами, работающими по технологии FDM (моделирование методом послойного наплавления — печать объекта слой за слоем из расплавленного материала), а также 3D-ручками и планшетами. С помощью данного комплекса дети могут моделировать и изготавливать различные изделия, например, игрушки или проекты собственных изобретений, и, без сомнения, будут крепко профориентированы в данном направлении.

 

 

О МАГИСТРАЛЬНОМ НАПРАВЛЕНИИ

 

 

Доклад Глеба Туричина стал, по его собственному выражению, продолжением двух предыдущих. Начал он с той мысли, что вариант не участвовать в цифровой трансформации промышленности — это вариант проиграть конкуренцию. Сначала глобальную, потом локальную. Поэтому возглавляемый им Санкт-­Петербургский государственный морской технический университет всеми силами помогает российским предприятиям быстрее идти по пути этой трансформации. В частности, в стенах вуза занимаются развитием технологии прямого лазерного выращивания, то есть крупногабаритного аддитивного производства.

 

 

На сегодняшний день, проинформировал учёный, максимальная производительность одного технологического инструмента, одной головки, на одной машине — до 8 кг в час с одной головки. Это в четыре раза больше, чем то, что было ещё буквально три-четыре года назад. При этом инструментов в машине может быть несколько.

 

— Мы вместе с коллегами из «Росатома» сделали машину, в которой таких инструментов два. И я надеюсь, что мы наконец сделаем двенадцатилазерную машину, где будет, соответственно, двенадцать инструментов, и там, соответственно, производительность будет на уровне под сотню килограмм в час. Это уже реально тяжёлое машиностроение!

 

Что касается габаритов, то самая большая из произведённых в университете технологических машин позволяет делать изделия до 3,5 метра. Этого пока вполне достаточно. Применяется технология в основном в авиационном и ракетном двигателестроении (компоненты двигателей, корпуса ракет и т. д.), в атомной промышленности (компоненты мобильных реакторов и больших реакторов), в энергетике (компоненты газовых турбин). И ещё в последнее время всё чаще поступают заказы от производителей двигателей внутреннего сгорания.

 

— Сейчас уже более сорока таких машин работают в отечественной промышленности.

 

И если говорить о магистральном направлении развития этой технологии, это как раз и есть повышение производительности. Чтобы изделие было экономически выгодным, его надо выращивать на высокой скорости производительности, потому что стоимость килограмма изделия состоит из двух частей — это стоимость порошка и количество нормочасов машины. Чем меньше нормочасов, тем выше производительность, тем, соответственно, дешевле изделие. И сейчас стоит задача делать так, чтобы выращенное изделие было дешевле, чем литая заготовка.

 

Вот машины третьего поколения уже конкурентоспособны по сравнению с литьём. Основное их отличие от более ранних аналогов — это очень развитая система и водяного, и газового охлаждения оптики, потому что повышение производительности невозможно без повышения мощности лазерного излучения. Сейчас в самых мощных машинах работают двенадцатикиловаттные лазеры.

 

Кроме того, всё больше и больше возрастает сегодня актуальность темы ремонта разного рода изделий. Поэтому мы начали выпускать маленькие и дешёвые ремонтные машины, работающие по технологии лазерной наплавки.
Но не одними аддитивными технологиями новые полезные технологии исчерпываются. Расскажу коротко о ещё трёх, основанных на лазерных технологиях, которыми мы сейчас занимаемся.

 

Первая — это технология гибридной лазерной дуговой сварки. Пока что существует единственная такая машина, она работает на Онежском судостроительном заводе, а остальные судостроители ездят туда на экскурсию. Аналогов в мире ей нет.
Следующая технология, о которой даже мало кто знает, это технология гибридной закалки. Здесь лазер работает вместе с индуктором. Лазер хорошо закаляет поверхность, но глубина прокала у него маленькая, и сделать с этим ничего невозможно, потому что это поверхностный источник нагрева. А наша новая гибридная технология позволяет иметь до четырёх-пяти миллиметров толщину прокалённой зоны.

 

И последняя технология, о которой я сегодня хотел сказать, это тоже лазерная технология — лазерное ударное упрочнение. Её разработка — это кооперационный проект, координируемый ОДК. Помимо нас в работе участвуют институт лазерно-­сварочных технологий, МАИ, «Пермский авиадвигатель» и один из пермских институтов Российской академии наук. У нас сейчас есть три экспериментальных установки. Это ещё, конечно, не промышленные образцы, и сейчас для нас основное — набраться технологического опыта. Процесс с точки зрения технологии и науки там достаточно сложный, не всё пока понятно. Так что это дело ближайшего будущего.

 

 

НАМ НУЖНО ТЕХНОЛОГИЧЕСКОЕ ЛИДЕРСТВО

 

 

 

— Михаил Ремизов в своём докладе, — вступает в дискуссию Анна Цыганцова, — привёл данные о том, что в 95% компаний, по данным Массачусетского технологического института, остались недовольны результатами внедрения искусственного интеллекта. А почему? А потому что мы работаем не с новыми производствами, а с теми, которые есть сейчас. Соответственно, возникает у них вопрос: а нам это вообще зачем? Предлагаю на эту тему порассуждать, причём с позиции производителя оборудования.
До 2020 года перед российскими производителями на самом деле не стояло действительно сложных задач, сложного серийного оборудования российского производства не было. Были интересные опытные образцы, которые реализовывали ­какие-то очень сложные технологии, но это были единичные экземпляры.

 

Сейчас у нас есть серийное сложное оборудование, и подавляющее число проблем, с которыми мы сталкиваемся, так или иначе связано с его внедрением. Я выделила три таких крупных задачи, в рамках которых можно было бы посмотреть, где тут нам может помочь искусственный интеллект.

 

Первая — освоение или разработка новой технологии. Например, три года назад наш НПЦ «Лазеры и аппаратура» получил задание создать решение и отработать технологию высококачественной гибридной обработки лопаток с керамическим теплозащитным покрытием.
В общей сложности мы над ней трудились 34 месяца. Работа, в том числе ручная, очень рутинная, с участием большого количества очень высококвалифицированных специалистов. Сегодня с использованием ИИ, наверное, можно было бы превратить 34 месяца если не в 24, то хотя бы в 28, и это важно, потому что время, как говорится, — деньги.

 

Вторая задача — интеллектуализация станков, то есть повышение качества, распознавание дефектов, самонастройка. У нас сейчас станки умеют сами сканировать поверхность детали, определять стратегию обработки, генерировать её, адаптироваться. Но этого оказывается мало, потому что это, вообще говоря, не упрощает совершенно внедрение, и далеко не всегда это можно использовать. Как быть? Надо думать. Но понятно, что и тут для ИИ поле применения есть.

 

И третья задача: повышение эффективности производства через накопление данных технологических режимов. Поскольку мы видим, что специалистов в нашей области не так уж много, а на предприятиях их и вовсе единицы, то чтобы помочь производственникам, мы всегда вели много работ по разработке технологических режимов, по отработке технологических решений. И сначала, конечно, это всё существовало на бумаге. Потом мы решили, что нам нужна электронная база данных. И решили сделать её реляционной с жёсткой структурой. Со временем опытным путём поняли, что это тупиковый путь, и так не работает, потому что технологии разные, для сварки одни режимы, для резки другие. И тогда мы сделали такой гибрид между нереляционной и реляционной. Но выяснилось, что этого недостаточно, потому что просто хранить столько информации невозможно. Человеку, особенно новичку, трудно с такими объёмами и сложной структурой. Здесь, конечно, искусственный интеллект может стать незаменимым помощником.

 

Правда, надо отметить, что сам ИИ на сегодняшний день пока довольно слабый — он слишком сильно зависит от ошибок. Всего 1% ошибок в данных ведёт к совершенно колоссальным галлюцинациям внутри искусственного интеллекта, и использовать результаты такой работы никак нельзя. Но я сформулировала пять пунктов, которые совершенно точно можно вывести в контур искусственного интеллекта и себе упростить жизнь:
— автоматизация поиска — аналогов, релевантной литературы и т. п.;
— помощь в формулировании гипотезы, планирование экспериментов;
— анализ большого объёма данных (металлография, спектроскопия, поиск паттернов и т. п.);
— интерпретируемые выводы и проверяемые заключения;
— подготовка отчётов и статей.

 

 

В финале своего выступления Анна Цыганцова высказалась на тему, которая всегда возникает при обсуждении перспектив внедрения искусственного интеллекта. Она выразила мнение, что расхожие опасения насчёт того, что ИИ будет постепенно заменять человека в различных сферах и многие останутся не у дел, — на самом деле несостоятельны. Человек начинает работать больше с применением искусственного интеллекта, но при этом результат становится интенсивнее и эффективнее.

 

— Проблема не в том, что людей заменят, а в том, что, по сути, доступ к ИИ и его интеграция означает либо технологическое лидерство, либо нет. А нам нужно технологическое лидерство!

 

 

НАВЕРСТАТЬ УПУЩЕННОЕ

 

 

 

О более конкретной истории из практики собственной и своих коллег рассказал Дмитрий Сапрыкин.

 

— В основе работы нашей компании «Промис Лаб» лежит создание систем с искусственным интеллектом, которые оперируют на внутренних данных, собранных в процессе формирования базы знаний. Мы также используем агентов, работающих с внешними данными, но делаем это на базе собственных локализованных решений, а не с помощью зарубежных сервисов. Если раньше в линейке решений нашей компании основное место занимало «железо», электроника и прошивки, то за последний год фокус сместился. Эта область, связанная с базами знаний и ИИ, сейчас очень сильно разрастается. Несмотря на общий хайп вокруг искусственного интеллекта, именно такие внутренние корпоративные системы остаются в тени. О них мало говорят в публичном поле, но мировые корпорации-­лидеры активно их создают. Я убеждён, что через несколько лет крупный бизнес не сможет работать без внедрения подобных технологий. Для российских технологических компаний это не просто гонка за трендом, а возможность наверстать упущенное. Мы оперируем существенно меньшими объёмами данных и ресурсов по сравнению с западными гигантами. Невозможно за десять лет командой из ста человек воспроизвести тот же объём технологических экспериментов, который глобальные корпорации проводят десятилетиями с огромными бюджетами. Однако аккуратный сбор данных и применение генеративного ИИ позволяют преодолеть этот разрыв и восполнить недостающее. Это созвучно опыту компании «Промис Лаб», которая изначально создавалась для разработки систем управления и баз знаний. Когда компания была основана десять лет назад, современного ИИ ещё не существовало. Произошедшая сейчас революция — это не просто количественное улучшение или сокращение сроков, а качественное изменение самого процесса разработки. Мир разработки меняется так же глубоко, как ­когда-то изменились конструкторские бюро с уходом чертёжников и ростом компетенций инженеров. Объединив усилия с группой из нефтегазового сектора, мы создали пилотный продукт. За последние сто лет в науке о материалах и технологиях произошёл колоссальный прогресс, в который Россия и Советский Союз внесли огромный вклад. Однако с начала девяностых начался новый этап: данные стали переводиться в цифру, возникли мощные программные продукты и базы знаний, объединяющие всю информацию для инженера. Создание нового изделия всегда опирается на треугольник «конструкция — ­технология — материалы». Современный продукт отличается именно новыми материалами и технологиями, что диктует и новую конструкцию. К сожалению, Россия почти полностью пропустила тридцатилетний этап развития этих мощных зарубежных систем, без которых сегодня невозможен процесс разработки. И вот сейчас происходит новое качественное изменение, связанное с внедрением генеративного искусственного интеллекта. Это принципиальный сдвиг: речь идёт уже не о простом доступе к информации из баз данных, а о системе, которая способна анализировать накопленный опыт и предлагать новые решения — от выбора материалов до оптимизации конструкции. Это возможность для нас создать в ближайшие годы системы действительно мирового уровня.

 

 

ГЛОБАЛЬНЫЕ ТРЕНДЫ, СЕКТОРАЛЬНЫЕ ВЫЗОВЫ

 

 

 

Завершающим выступлением панельной дискуссии «Технологии и материалы будущего. Искусственный интеллект в двигателестроении» стал доклад Ивана Данилина.

 

— Если говорить в целом по экономике, то единственная статистика, которой можно доверять, говорит, что внедрение искусственного интеллекта в более-­менее развитых странах не превышает 10% даже в самом оптимистичном сценарии. По США на начало 2025 года этот показатель составляет около 7%, Европейский союз заявляет о 14%, но с учётом микропредприятий речь идёт лишь о 4–5%, а в Китае — до 5%. Связано это с одной простой причиной: технология всё ещё сравнительно молода.

 

Второй момент заключается в том, что пока экономические эффекты от внедрения ИИ практически не поддаются подсчёту — их не видят ни внешние аналитики, ни сами предприятия. Поэтому малый и средний бизнес относится к этим технологиям крайне осторожно. По отраслям внедрение происходит преимущественно в секторах услуг. Обрабатывающая промышленность демонстрирует максимум 3% (по данным США), и если уж там такие показатели, в остальных странах ситуация ещё скромнее. Любопытно, что использование ИИ и новых разработок заметно лишь в тех производственных процессах, которые уже были высокоавтоматизированы. Там, где раньше прошла цифровизация и интеллектуализация, сейчас наблюдается и активное внедрение искусственного интеллекта — никаких исключений из этого правила нет.

 

В двигателестроении и высокотехнологичном машиностроении картина внедрения выглядит следующим образом. На уровне предприятий и по всей цепочке добавленной стоимости наблюдаются как горизонтальные, так и вертикальные процессы интеграции ИИ. На производстве это ожидаемо: от классической робототехники до использования свёрточных нейросетей и компьютерного зрения для контроля температуры и автоматического исправления дефектов при аддитивной печати сложных деталей, например, лопаток. Естественно, это касается и задач моделирования, симуляции, а также оптимизации работы самих двигателей: с помощью ИИ тяжёлые вычисления становятся значительно доступнее. Сюда же относятся задачи контроля качества через дополненную реальность и автоматизация рабочей документации. Однако основное практическое внедрение ­всё-таки пока сосредоточено на производстве — там решения более просты и понятны.

 

Более интересным выглядит то, как ИИ автоматизирует смежные процессы. К примеру, отрасль двигателестроения отличается тем, что число поставщиков, как правило, невелико и одной из системных проблем является их быстрая смена при возникновении сбоев или проблем с качеством. Именно здесь искусственный интеллект способен кардинально ускорить работу: он позволяет оперативно вести учёт, анализировать причины проблем на стороне поставщиков и субподрядчиков, а также обеспечивать бесперебойное производство и складские запасы.

 

Аналогичная система применяется на этапе отгрузки промежуточным и конечным потребителям. Использование блокчейна, то есть системы хранения данных, в которой информация структурируется в виде последовательных блоков, связанных между собой криптографическими методами, в этой цепочке позволяет более эффективно бороться, например, с контрафактом.

 

Стоит отметить и давно применяемые технологии: обработка данных с сенсоров двигателей для оптимизации их работы, задач проектирования, а также автоматизации технического обслуживания и ремонтов. По всем прогнозам число технических специалистов в аэропортовых службах будет стремительно сокращаться в ближайшие десять лет (ожидаемый дефицит — до 50 000 человек к 2030 году), поэтому автоматизация этих процессов становится вопросом выживания отрасли.

 

Говоря о вызовах и специфике внедрения ИИ, стоит признать: отраслевой специфики как таковой нет — это всегда общая проблема, разложенная на конкретный бизнес-­контекст. Первый вызов — качество данных. Заниматься моделированием или работать с компьютерными системами на основе некачественных данных невозможно, так как модели требуют очень высокого класса подготовки информации.

 

Второй момент — кибербезопасность. Значительная часть вычислений будет происходить на внешней цифровой инфраструктуре. В условиях высокой чувствительности данных (особенно в вашей отрасли) понятие безопасности приобретает принципиально новое значение — это уже не привычный «Касперский» для персонального компьютера, а совершенно иной уровень защиты.

 

Третий аспект — цифровая инфраструктура. Внедрение корпоративных систем требует огромных ресурсов (предполагаем их наличие), но главный вызов лежит не в плоскости технологий. Персонал, управление и организация процессов — вот где кроются основные трудности.

 

Обучение сотрудников и внедрение новых технологий — процессы крайне трудоёмкие и требующие глубокой проработки на уровне руководства. Это выводит нас на необходимость формирования стратегической карты развития и выстраивания внешних партнёрств: нравится нам это или нет, но для успешного развития придётся интегрироваться в глобальный мир.

 

Россия сталкивается с дополнительным демографическим вызовом: провал рождаемости не компенсируется даже технологиями ИИ. Распределение компетенций в сфере искусственного интеллекта по миру также крайне неравномерно: ­какие-то страны сильны в аппаратной части, другие — в алгоритмах. Это возвращает нас к вопросам кибербезопасности и национальной стратегии.
Отдельно стоит упомянуть работу с регуляторами. 

 

Получение разрешительной документации в высокотехнологичных отраслях — это отдельный сложный процесс, требующий системной работы и больших ресурсов по обработке информации, а значит, применение здесь искусственного интеллекта видится логичным.

 

Последний важный момент — городское хозяйство и цифровая инфраструктура мегаполисов (дата-центры, энергообеспечение и пр.). Без развития городской среды формирование современной инновационной экосистемы невозможно. Это касается технопарков, вузовской науки и социальной инфраструктуры (в частности, фиксируемый сегодня отток из Кремниевой долины специалисты связывают в том числе и с деградацией именно социальных структур).

 

В заключение стоит подчеркнуть ключевые вызовы для внедрения ИИ на предприятиях: они лежат не столько в технологической плоскости, сколько в экономической и организационной. С ними предстоит много работать, причём начинать нужно уже сейчас.

 

Парадокс заключается в том, что искусственный интеллект снижает трудоёмкость каждой отдельной операции, но одновременно повышает общую потребность в персонале и его квалификации. История о массовых сокращениях из-за ИИ не подтверждается ни статистикой, ни логикой.

 

Наконец, невозможно заниматься «островной» цифровизацией искусственного интеллекта. Успех возможен только при движении по всей цепочке добавленной стоимости: от подрядчиков-­разработчиков моделей до финансовых организаций и государственных регуляторов.

 

 

Фото: itp-forum.com

 

Источник журнал "РИТМ машиностроения" № 4-2026