Если 2025 год стал годом, когда ИИ получил «проверку на прочность», то 2026 год станет годом, когда эта технология станет практичной. Фокус уже смещается от создания всё более крупных языковых моделей к более сложной работе по обеспечению пригодности ИИ к использованию. На практике это включает в себя развертывание более мелких моделей там, где они уместны, встраивание интеллекта в физические устройства и проектирование систем, которые органично интегрируются в рабочие процессы человека.
Эксперты, с которыми беседовал TechCrunch, считают 2026 год годом перехода, годом эволюции от грубого масштабирования к исследованию новых архитектур, от эффектных демонстраций к целенаправленному развертыванию, и от агентов, обещающих автономность, к агентам, которые действительно дополняют работу людей.
Вечеринка еще не закончилась, но индустрия начинает приходить в себя.
Законы масштабирования здесь не помогут.
В 2012 году Алекс Крижевский, Илья Суцкевер и Джеффри Хинтон в своей статье об AlexNet показали, как системы искусственного интеллекта могут «научиться» распознавать объекты на изображениях, анализируя миллионы примеров. Этот подход был вычислительно затратным, но стал возможен благодаря графическим процессорам (GPU). Результат? Десятилетие напряженных исследований в области ИИ, в ходе которых ученые работали над созданием новых архитектур для решения различных задач.
Кульминацией этого стало событие примерно в 2020 году, когда OpenAI запустила GPT-3, продемонстрировав, как простое увеличение размера модели в 100 раз открывает доступ к таким возможностям, как программирование и логическое мышление, без необходимости явного обучения. Это ознаменовало переход к тому, что Киан Катанфоруш, генеральный директор и основатель платформы для ИИ-агентов Workera, называет «эпохой масштабирования»: периодом, определяемым убеждением, что увеличение вычислительных мощностей, объема данных и размеров трансформерных моделей неизбежно приведут к следующим крупным прорывам в области ИИ.
Сегодня многие исследователи считают, что индустрия искусственного интеллекта начинает исчерпывать пределы законов масштабирования и снова вступит в эпоху научных исследований.
Ян ЛеКун, бывший главный научный сотрудник Meta в области искусственного интеллекта, давно выступает против чрезмерной зависимости от масштабирования и подчеркивает необходимость разработки более совершенных архитектур. А Суцкевер в недавнем интервью заявил, что текущие модели достигли плато, а результаты предварительного обучения стабилизировались, что указывает на необходимость новых идей.
«Я думаю, что, скорее всего, в ближайшие пять лет мы найдем более совершенную архитектуру, которая станет значительным улучшением по сравнению с трансформаторами», — сказал Катанфоруш. «А если этого не произойдет, то и не стоит ожидать существенного улучшения моделей».
Иногда меньше значит больше
Крупные языковые модели отлично справляются с обобщением знаний, но многие эксперты говорят, что следующая волна внедрения ИИ в корпоративной среде будет обусловлена более мелкими и гибкими языковыми моделями, которые можно точно настроить для решения задач, специфичных для конкретной предметной области.
«Тщательно настроенные SLM станут основным трендом и будут широко использоваться зрелыми предприятиями, применяющими ИИ, в 2026 году, поскольку преимущества в стоимости и производительности будут стимулировать их использование по сравнению с готовыми LLM», — заявил Энди Маркус, главный директор по данным AT&T, в интервью TechCrunch. «Мы уже видим, как предприятия все чаще полагаются на SLM, потому что при правильной тонкой настройке они по точности соответствуют более крупным обобщенным моделям для корпоративных бизнес-приложений и превосходят их по стоимости и скорости».
Мы уже встречали подобный аргумент от французского стартапа Mistral, занимающегося разработкой искусственного интеллекта с открытыми весами: компания утверждает, что ее небольшие модели после тонкой настройки показывают лучшие результаты, чем более крупные модели, по нескольким параметрам.
«Эффективность, экономичность и адаптируемость SLM-модулей делают их идеальными для специализированных приложений, где точность имеет первостепенное значение», — сказал Джон Книсли, стратег по искусственному интеллекту в ABBYY, компании, занимающейся разработкой корпоративного ИИ и расположенной в Остине.
В то время как Маркус считает, что SLM будут играть ключевую роль в эпоху агентных вычислений, Книсли говорит, что природа небольших моделей означает, что они лучше подходят для развертывания на локальных устройствах, «тенденция, ускоренная достижениями в области периферийных вычислений».
Обучение через опыт
Люди учатся не только посредством языка; мы учимся, познавая, как устроен мир. Но модели, основанные на лингвистических знаниях, на самом деле не понимают мир; они просто предсказывают следующее слово или идею. Именно поэтому многие исследователи считают, что следующий большой прорыв произойдет благодаря моделям мира: системам искусственного интеллекта, которые изучают, как объекты движутся и взаимодействуют в трехмерном пространстве, чтобы делать прогнозы и предпринимать действия.
Признаки того, что 2026 год станет важным годом для моделей мира, множатся. ЛеКун покинул Meta, чтобы основать собственную лабораторию моделей мира, и, как сообщается, рассчитывает на оценку в 5 миллиардов долларов. DeepMind от Google активно работает над Genie и в августе запустил свою последнюю модель, которая создает интерактивные универсальные модели мира в реальном времени. Наряду с демонстрациями от таких стартапов, как Decart и Odyssey, World Labs Фэй-Фэй Ли запустила свою первую коммерческую модель мира Marble. Новички, такие как General Intuition, в октябре привлекли 134 миллиона долларов в рамках посевного раунда для обучения 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 автономных системах, краткосрочное влияние, вероятно, сначала проявится в видеоиграх. По прогнозам PitchBook, рынок моделей игровых миров может вырасти с 1,2 миллиарда долларов в период с 2022 по 2025 год до 276 миллиардов долларов к 2030 году, чему будет способствовать способность технологий создавать интерактивные миры и более реалистичных неигровых персонажей.
Пим де Витте, основатель General Intuition, заявил TechCrunch, что виртуальные среды могут не только изменить игровую индустрию, но и стать важнейшими полигонами для тестирования следующего поколения базовых моделей.
Агентская нация
В 2025 году агенты не оправдали ожиданий, и одной из главных причин этого стала сложность их интеграции с системами, где фактически выполняется работа. Без доступа к инструментам и контексту большинство агентов оказались заперты в пилотных рабочих процессах.
Протокол контекста модели (MCP) от Anthropic, своего рода «USB-C для ИИ», позволяющий агентам ИИ взаимодействовать с внешними инструментами, такими как базы данных, поисковые системы и API, оказался недостающим связующим звеном и быстро становится стандартом. OpenAI и Microsoft публично поддержали MCP, а Anthropic недавно передала его в дар новому фонду Agentic AI Foundation, созданному Linux Foundation, который стремится стандартизировать инструменты для работы с агентами ИИ с открытым исходным кодом. Google также начала развертывать собственные управляемые серверы MCP для подключения агентов ИИ к своим продуктам и услугам.
Благодаря тому, что MCP упрощает подключение агентов к реальным системам, 2026 год, вероятно, станет годом, когда рабочие процессы с участием агентов наконец-то перейдут из демонстраций в повседневную практику.
Раджив Дхам, партнер Sapphire Ventures, говорит, что эти достижения приведут к тому, что решения, ориентированные на агентов, будут выполнять «роли систем учета» в различных отраслях.
«По мере того, как голосовые агенты будут обрабатывать все больше сквозных задач, таких как прием заявок и общение с клиентами, они также начнут формировать базовые системы», — сказал Дхам. «Мы увидим это в различных секторах, таких как бытовые услуги, технологии в сфере недвижимости и здравоохранение, а также в таких горизонтальных функциях, как продажи, ИТ и поддержка».
Расширение возможностей, а не автоматизация.
Хотя внедрение более автоматизированных рабочих процессов может вызвать опасения по поводу возможных увольнений, Катанфоруш из Workera не уверен, что это именно тот посыл.
«2026 год станет годом человечества», — сказал он.
В 2024 году каждая компания, занимающаяся искусственным интеллектом, предсказывала, что автоматизирует рабочие места, избавив от необходимости в людях. Но технологии пока не достигли этого уровня, и в условиях нестабильной экономики это не очень популярная риторика. Катанфоруш говорит, что в следующем году мы поймем, что «искусственный интеллект работает не так автономно, как мы думали», и дискуссия будет больше сосредоточена на том, как ИИ используется для дополнения человеческих рабочих процессов, а не для их замены.
«И я думаю, что многие компании начнут нанимать сотрудников», — добавил он, отметив, что ожидает появления новых ролей в сфере управления ИИ, прозрачности, безопасности и управления данными. «Я довольно оптимистично настроен относительно того, что уровень безработицы в следующем году в среднем составит менее 4%».
«Люди хотят быть выше API, а не ниже него, и я думаю, что 2026 год важен для этого», — добавил де Витте.
Принятие физических упражнений
По мнению экспертов, достижения в таких технологиях, как создание небольших моделей, моделей мира и периферийные вычисления, позволят расширить возможности физического применения машинного обучения.
«Физический ИИ станет общедоступным в 2026 году, когда на рынок начнут выходить новые категории устройств с поддержкой ИИ, включая робототехнику, беспилотные автомобили, дроны и носимые устройства», — заявил Викрам Танеджа, глава AT&T Ventures, в интервью TechCrunch.
Хотя автономные транспортные средства и робототехника являются очевидными примерами применения физического ИИ, который, несомненно, продолжит развиваться в 2026 году, необходимое обучение и внедрение по-прежнему обходятся дорого. С другой стороны, носимые устройства обеспечивают более доступный вариант при поддержке потребителей. Умные очки, такие как Ray Bans от Meta, начинают поставляться с голосовыми помощниками, которые могут отвечать на вопросы о том, на что вы смотрите, а новые форм-факторы, такие как кольца для здоровья с поддержкой ИИ и умные часы, способствуют распространению постоянно включенного, надеваемого на тело ИИ-интерфейса.
«Поставщики услуг связи будут работать над оптимизацией своей сетевой инфраструктуры для поддержки этой новой волны устройств, и те, кто обладает гибкостью в предоставлении услуг связи, окажутся в наилучшем положении», — сказал Танеджа.
Источник: techcrunch.com
