Промышленный ИИ в России растет на 27% в год

Исследование, подготовленное при участии Газпромбанка, «Газпром нефти», «Северстали» и «Газинформсервиса», посвящено анализу состояния и перспектив рынка промышленного ИИ в России и мире, основным технологическим направлениям, инвестициям, барьерам внедрения, вопросам регулирования и кибербезопасности. По оценке авторов, мировой рынок промышленного ИИ вырастет с 53,8 млрд долл. в 2025 году до 153,9 млрд долл. к 2030 году при среднегодовом темпе роста 23,4%. В промышленности ИИ применяется для предиктивной аналитики, компьютерного зрения, управления эффективностью активов, обработки данных, машинного обучения и периферийных вычислений.

Российский рынок промышленного ИИ имеет ряд особенностей. Крупные промышленные компании преимущественно разворачивают ИИ-решения внутри собственных закрытых ИТ-контуров, что повышает требования к вычислительным мощностям и собственной технологической инфраструктуре. По оценке исследования, на организации промышленного сектора приходится порядка 24% совокупных расходов на цифровые технологии, а объем российского рынка промышленного ИИ в денежном выражении в 2025 году оценивается в 40 млрд руб.

К 2030 году структура российского рынка может заметно измениться. Объем сегмента платформ машинного обучения, по прогнозу исследования, увеличится с 4,8 до 18,8 млрд руб., периферийных вычислений — с 1,6 до 10,7 млрд руб. Сегмент компьютерного зрения может достичь 24,1 млрд руб. против 10,4 млрд руб. в 2025 году. Рынок предиктивной аналитики оценивается в 21,4 млрд руб. к 2030 году против 8 млрд руб. в 2025 году.

В исследовании также сформулированы стратегические контуры развития промышленного ИИ в России до 2030 года. В качестве одного из целевых состояний указано достижение высокой готовности к внедрению ИИ в 95% приоритетных отраслей экономики. Точечные пилотные проекты при этом должны постепенно уступать место типовым отраслевым платформам с готовыми домен-специфичными моделями. Еще один контур связан с развитием вычислительной инфраструктуры и снижением зависимости от импортных аппаратных решений.

Отдельная часть исследования посвящена кибербезопасности промышленного ИИ. Авторы предлагают определять требования к защите с учетом уровня зрелости конкретной ИИ-системы, ее роли в производственном процессе и степени автономности. По мере роста автономности повышаются требования к контролю данных и доступа, мониторингу моделей, управлению изменениями и сохранению человеческого контроля над работой системы.