Узкая экспертиза или универсальные платформы: как будет развиваться рынок промышленного ИИ в России

Стоимость проекта по внедрению сервисов на основе искусственного интеллекта на промышленных предприятиях определяется не только ценами закупаемого ими программного обеспечения и оборудования. В 2024–2025 годах высокие затраты на интеграцию новых устройств и информационных систем с действующей ИТ-инфраструктурой были одним из ключевых барьеров для предприятий, планирующих внедрение ИИ на производстве — наряду с дефицитом квалифицированных специалистов, который к 2030 году, по прогнозу Минцифры России, может достичь трех миллионов человек. В этом материале мы разбираем, как формируется реальная экономика внедрения промышленного ИИ, какие не учтенные на начальном этапе расходы выявили компании, уже использующие такие решения, и какие факторы будут определять развитие рынка промышленного искусственного интеллекта в России в ближайшие несколько лет.

Объем и динамика рынка в 2021–2025 гг.

Объем российского рынка программного обеспечения для сервисов искусственного интеллекта в 2025 году увеличился на 27% и достиг 25 млрд руб. С учетом аппаратной части (серверов, систем хранения данных, edge-устройств, сетевого оборудования и т. д.), а также стоимости услуг интеграции и кастомизации под конкретное производство рынок промышленного ИИ оценивается в 70–80 млрд руб., а темпы его роста — в 25–30% в год, что заметно выше, чем на ИТ-рынке в целом.

Драйверами такого роста в 2021–2025 гг. были:

• активная государственная поддержка. Реализуется в рамках федерального проекта «Искусственный интеллект» в составе национального проекта ««Экономика данных и цифровая трансформация государства». На его финансирование в 2025–2027 гг. заложено более 25,9 млрд руб. Кроме того, предусмотрены субсидии на внедрение промышленного искусственного интеллекта от Минпромторга России (компенсация до 50% затрат), гранты от Российского фонда развития информационных технологий (РФРИТ), льготные кредиты и налоговые преференции для компаний, создающих или приобретающих ИИ-решения из реестра отечественного ПО;
• ускорившаяся цифровая трансформация бизнеса после пандемии. Спрос на автономные и удаленные инструменты управления производством резко вырос, и это дало мощный импульс рынку промышленного ИИ: компании стали активнее внедрять предиктивную аналитику, компьютерное зрение, цифровые двойники и другие технологии, минимизирующие зависимость от ручного труда и снижающие риски простоев;
• запрос на автоматизацию на производствах, генерирующих большие массивы данных и имеющих высокий уровень стандартизации процессов. На таких участках алгоритмы быстрее обучаются и дают измеримый эффект — от раннего выявления дефектов до прогнозирования отказов оборудования;
• ужесточение экологических требований. Для снижения углеродного следа промышленные предприятия внедряют ИИ-модели, которые подбирают энергоэффективные режимы работы оборудования и помогают перераспределять нагрузку на часы «зеленой» генерации.

В целом в рассматриваемом периоде рынок промышленных ИИ-сервисов в России заметно изменился. После небольшого этапа экспериментов и пилотных инвестиций в 2022–2023 гг., когда основными мотивами для использования этих технологий были интерес к новым решениям и боязнь отстать от зарождающегося тренда, начались масштабные внедрения, в ходе которых заказчики стали жестко требовать расчетов экономической эффективности и окупаемости проектов. Это говорит о том, что рынок перешел в стадию зрелости и ключевыми факторами выбора системы стали возможности решения конкретных производственных задач потребителей и бесшовной интеграции искусственного интеллекта в уже сформировавшиеся бизнес‑процессы.

Скрытые издержки: что часто не включают в смету на внедрение промышленного ИИ

Ключевая ошибка в оценке рентабельности и окупаемости ИИ-проектов в промышленности — недооценка затрат на подготовительном и эксплуатационном этапах. Компании традиционно учитывают лишь самые очевидные их составляющие: стоимость оборудования, лицензий на ПО, услуг интеграторов, зарплату команды разработчиков и т. д. Однако это лишь часть бюджета, которая лежит на поверхности и довольно легко поддается расчету. Реальная стоимость владения решением может оказаться гораздо выше за счет расходов, которые практически никогда не увидишь в коммерческих предложениях вендоров, поскольку они не относятся напрямую к их продукту, а формируются на стороне заказчика и под влиянием факторов внешней среды:

• подготовка данных. Обычно это самая недооцениваемая статья затрат на внедрение. Результаты исследований компании Gartner говорят о том, что с качеством данных связано 85% неудач проектов на рынке промышленного ИИ, а готовой для использования информационной базой обладают лишь 12% компаний. Очистка и нормализация промышленных данных занимают от 40 до 60% времени реализации проекта и могут поглощать более половины общего бюджета. В промышленности этот процент выше, чем в среднем по рынку, так как данные здесь часто фрагментарны, хранятся в разнородных форматах и требуют ручной разметки отраслевыми экспертами;
• модернизация ИТ-инфраструктуры. Промышленные данные — это весьма чувствительный для бизнеса актив, который обычно хранится внутри периметра предприятия, облачные сервисы для этого практически не используются. Для организации передачи и обработки больших потоков таких данных требуется специализированное оборудование, которого, как правило, до внедрения ИИ-решений на предприятии нет — GPU-сервера, высокоскоростные системы хранения данных, коммутаторы и маршрутизаторы, системы прецизионного охлаждения, конечные устройства с локальной обработкой данных и т. д. Затраты на их закупку увеличивают изначальную цену проекта на 40–60%, а иногда и больше;
• необходимость непрерывного дообучения моделей. Изменение химического состава сырья, износ инструмента, сезонные колебания температуры в цеху, обновление оборудования и технологии — все это вызывает такое явление, как дрейф распределения входных данных (data drift), на которых обучалась модель, поэтому без регулярного переобучения она деградирует в течение нескольких кварталов. Годовая стоимость поддержки и сопровождения ML-моделей составляет 30–60% от первоначальных затрат на их разработку;
• затраты на обеспечение информационной безопасности. Приведение архитектуры в соответствие с требованиями 152-ФЗ, аудит, шифрование, создание изолированного контура и формирование регуляторной отчетности могут добавлять еще 25–40% (иногда до 60%) к базовой стоимости ИИ-решения. Кроме этого, в промышленности существуют отраслевые стандарты безопасности и требования к критической информационной инфраструктуре;
• кадровый дефицит. Нехватка ИТ-специалистов в 2024 году составляла 500–700 тысяч человек, а к 2025 году она достигла одного миллиона. По оценке Минцифры России, общий дефицит кадров в РФ к 2030 году может увеличиться до трех миллионов человек. Медианная зарплата ИТ-специалистов в России в первой половине 2026 года составила около 191 тыс. руб. в месяц (данные «ХабрКарьеры»), а конкуренция за квалифицированные кадры заставляет промышленные компании обеспечивать таким работникам условия, сопоставимые с предлагаемыми в крупных ИТ-корпорациях. В итоге фонд оплаты труда команды сопровождения часто становится самой крупной статьей операционного бюджета.

Из-за наличия скрытых расходов реальная стоимость промышленного ИИ-проекта на горизонте трех лет может в 1,5–2 раза превысить первоначальную смету. Поэтому, если компания закладывает в расчет только затраты на разработку и оборудование, показатели по эффективности и срокам окупаемости получаются сильно завышенными.

Ключевые игроки рынка промышленного искусственного интеллекта России

Российский рынок промышленного ИИ консолидируется вокруг двух типов игроков: технологических гигантов с универсальными платформами и специализированных разработчиков с глубокой отраслевой экспертизой. По данным аналитического агентства AIANA, объем всего рынка искусственного интеллекта в России в 2025 году составил 316,1 млрд руб. — на 29,7% больше, чем в 2024 г., и почти в 2 раза больше, чем в 2023-м. Промышленный сегмент — один из самых быстрорастущих: по оценке TAdviser, общий объем ИИ‑внедрений в промышленности в 2025 году увеличился на 67%, что выше, чем в любом другом сегменте этого рынка.

Топ-5 игроков рынка промышленных сервисов на основе искусственного интеллекта, которые доминируют в проектах для крупного бизнеса:

• Сбер» (Sber AI, GigaChat) — крупнейший инвестор в технологии искусственного интеллекта в России: 600 млрд руб. за 2024–2026 годы, из них 350 млрд руб. в 2026‑м (около 10% операционного дохода за предыдущий год). В промышленном сегменте «Сбер» работает с нефтегазовыми и металлургическими компаниями: например, совместно с ПАО «Газпром нефть» адаптирует продукт GigaChat Enterprise для работы в нефтегазовой отрасли, а также создает единую платформу управления цифровыми двойниками;
• «Яндекс» (Yandex Cloud, Yandex AI Studio) — второй ключевой технологический партнер для предприятий тяжелой промышленности. Так, ПАО «ГМК «Норникель» и «Яндекс» выстроили гибридную архитектуру, использующие собственные вычислительные мощности горно‑металлургического гиганта и платформу Yandex Cloud. В ней, внутри периметра «Норникеля», без выхода в интернет, внедряется экосистема из сложных ИИ‑агентов для нескольких десятков производственных и корпоративных процессов. По оценкам участников рынка, весь промышленный ИИ в России сегодня фактически держится на «Сбере» и «Яндексе», потому что его внедрение на производстве требует доступа к чувствительной информации, защищенной режимом коммерческой тайны, а зачастую и законодательством о критической инфраструктуре. Согласовать передачу таких данных может только крупная компания, обладающая необходимым статусом для ведения переговоров на уровне первых лиц и ресурсами для построения системы с наивысшим уровнем безопасности и защищенности;
• MWS AI (ранее MTS AI) — разрабатывает продукты на базе генеративного искусственного интеллекта, в 2026 году запустила направление ИИ‑трансформации крупного бизнеса с ожидаемой выручкой до 1 млрд руб. Развивает также системы компьютерного зрения через ООО «ВижнЛабс» — ключевого игрока с платформой Luna, которая применяется для контроля качества и промышленной безопасности. Решения «ВижнЛабс» обрабатывают свыше 1,5 млрд событий ежемесячно на базе более чем 1,7 млн камер в более чем 40 странах и обеспечивают выявление дефектов с точностью до 95% и сокращение расходов на безопасность до 30%;
• ООО «Индастри софт солюшнс» — разработчик платформы промышленного ИИ «АтомМайнд», включенной в реестр отечественного ПО, для ГК «Росатом» (АО «ТВЭЛ»). Версия 2.0, выход которой запланирован на ноябрь 2026 года, из превратит эту систему из инструмента предиктивной аналитики в единую среду для управления ИИ‑активами предприятия. Проект получил статус особо значимого и грант от РФРИТ на сумму 196 млн руб.
• «АО «Лаборатория Касперского» — специализируется на стыке искусственного интеллекта и кибербезопасности промышленных объектов. Компания разработала XDR‑платформу Kaspersky Industrial CyberSecurity (KICS) и систему машинного обучения Kaspersky MLAD для выявления аномалий в технологических процессах. В настоящее время развивает Kaspersky Neuromorphic Platform — программную платформу для разработки энергоэффективных нейроморфных ИИ‑систем, в том числе в перспективе и для промышленности.

На рынке также присутствуют специализированные промышленные разработчики, которые занимают нишу средних и малых внедрений (проекты стоимостью до 60 млн руб.) за счет высокой отраслевой экспертизы: понимания технологических процессов, нормативной базы и специфики производственных данных, которые недоступны универсальным платформам. К ним относятся системные интеграторы АСУ ТП, разработчики промышленных IoT‑платформ и поставщики решений для контроля качества и предиктивного обслуживания.

Инвестиционные проекты на рынке промышленного ИИ РФ

Значительный импульс развитию рынка придают целевые инвестиции, которые выделяются как со стороны крупного капитала, так и через государственное софинансирование:

• Veai — стартап, развивающий платформу ИИ‑агентов для работы с кодом в корпоративном секторе, привлек финансирование в размере 400 млн руб. от холдинга «Восток Инвестиции» и бизнес‑ангелов Николая Антипина и Романа Чернова. Для «Восток Инвестиций» это первая сделка с только начинающей развиваться технологической компанией после раздела фонда Baring Vostok. Средства направлены на совершенствование технологий контроля качества генерации кода и масштабирование продаж;
• «Росатом» формирует партнерскую экосистему вокруг платформы «АтомМайнд 2.0», к проекту присоединилась группа Arenadata. Платформа нацелена на стандартизацию моделей машинного обучения для сложных производственных циклов и сокращение пути от пилотного проекта до промышленной эксплуатации;
• АО «Когнитив Пилот» — разработчик систем автономного управления на базе ИИ для сельскохозяйственной техники и рельсового транспорта. Флагманские продукты — Cognitive Agro Pilot (автопилот для тракторов и комбайнов, точность движения до 2 см) и Cognitive Tram Pilot (ИИ‑система помощи машинисту трамвая, работает более чем на 350 вагонах в Санкт‑Петербурге). В начале 2025 года компания привлекла 900 млн руб. от нескольких организаций под управлением инвестфонда «Восход» на развитие компании и масштабирование бизнеса;
• ООО «Экспанта» — холдинг разработчиков промышленного ПО, созданный в 2024 году на базе ГК «УльтимаТек». Объединяет ИИ‑решения для металлургии («Датана»), управления остановочными ремонтами («Датабриз»), производственного планирования («Адептик») и оптимизации логистики (Hive Mind AI), которые позиционируются как замена продуктам Siemens, Honeywell и AspenTech. В октябре 2025 года привлек 300 млн руб. от фонда «Гранит капитал» в обмен на долю в 37% в уставном капитале. Средства направлены на развитие текущих активов, стратегическое приобретение долей в новых разработчиках прикладных систем для промышленности;
• ООО «Пиклема» — разработчик ИИ‑решений для горнодобывающей промышленности: диспетчеризация горнотранспортного комплекса, компьютерное зрение для оценки состояния извлеченных пород, предотвращение наездов техники на персонал. Среди клиентов — «Евраз», НЛМК, «Полюс», «Северсталь» и «Норникель». Ранее компания получила грант Фонда содействия инновациям на развитие систем для горнодобываюшей отрасли, а летом 2025 года — привлекла до 1 млрд руб. от инвестиционных компаний KAMA FLOW и «Основа Капитал» на расширение продуктовой линейки и проработку возможностей выхода на международные рынки.

Общий объем привлеченных инвестиций и грантов по пяти описанным проектам превышает 2,8 млрд руб., при этом все они ориентированы на импортозамещение: разрабатываемые и модернизируемые решения позиционируются как замена продуктов западных вендоров (Siemens, AspenTech, John Deere, Caterpillar), ушедших с российского рынка после 2022 года. Интересно, что отраслевая специализация упомянутых игроков различается: они работают в разных областях, от атомной энергетики и металлургии до сельского хозяйства и горнодобычи, и ни в одном из проектов не задействованы крупные платформы (например, от «Яндекса» или «Сбера»). Это подтверждает тезис о том, что в промышленном сегменте ниша для узкоспециализированных игроков есть и она формируется там, где универсальные модели не имеют необходимой отраслевой экспертизы.

Прогноз развития рынка до 2030 года

По итогам проведенного анализа сформированы три сценария развития рынка на ближайшую перспективу:

1. Базовый. Предполагает рост на 20–25% ежегодно, соответственно, к 2030 году объем рынка промышленного ИИ достигнет 174–214 млрд руб. Основные драйверы роста — импортозамещение (запрет на закупку иностранного ПО для объектов критической информационной инфраструктуры при наличии отечественных аналогов), умеренное расширение отечественной аппаратной базы и переход компаний от внедрения точечных решений к комплексной автоматизации.
2. Оптимистичный. Темпы роста составят 30–35% в год, к 2030 году объем рынка достигнет 260–314 млрд руб. за счет появления конкурентоспособных отечественных вычислительных платформ, снижающих зависимость от импортных графических процессоров, агрессивного государственного софинансирования флагманских проектов по цифровым двойникам в ОПК и энергетике (по данным РБК, за счет использования ИИ в наукоемкой промышленности ВВП России к 2030 году может увеличиться на 11,6 трлн руб.), а также адаптации лучших мировых практик через международные платформы.
3. Пессимистичный. Рост рынка замедлится до 10–15% в год, к 2030 году его объем не превысит 140 млрд руб. Основные причины: критическая нехватка высокопроизводительной вычислительной инфраструктуры, усугубление санкционных ограничений на импорт полупроводников и увеличивающийся кадровый дефицит. Дополнительный фактор — неоднозначная ситуация с юридической ответственностью за решения, принятые с участием ИИ. По оценке консалтинговой компании Kept, пока этот вопрос не урегулирован, предприятия, управляющие критическими процессами, будут внедрять сервисы на основе искусственного интеллекта предельно осторожно.

К 2030 году российский рынок промышленного искусственного интеллекта вырастет в два-три раза относительно текущего объема, независимо от того, какой из описанных сценариев реализуется на практике. Как видно из анализа инвестиционных проектов, деньги сейчас идут не на применение универсальных ИИ-платформ, а в узкие отраслевые решения, которые учитывают специфику конкретных производств. Поэтому в ближайшие годы успех будет сопутствовать тем компаниям, которые смогут повторять опыт внедрения своих решений на разных предприятиях в пределах своей специализации.