Елена Шамаева (Смарт Текнолоджис): «В ИИ сейчас конкурируют экосистемы — от чипов до софта»

 — Елена, какое впечатление произвела WAIC 2026? Что прежде всего привлекло ваше внимание?

 — Прежде всего я бы выделила два аспекта. Во-первых, масштаб: более тысячи компаний и более четырех тысяч экспонатов, причем многие разработки показывали вживую. Например, мы увидели один из самых заметных аппаратных анонсов выставки — полностью укомплектованный суперузел Huawei Atlas 950 SuperPoD. В такой конфигурации система объединяет 1024 нейронных процессора (NPU) — по заявлению Huawei, это максимальный показатель в отрасли. Масштаб решения действительно впечатляет.

Ведущий сотрудник департамента ИИ Смарт Текнолоджис,
сотрудник кафедры алгоритмических языков ВМК МГУ Елена Шамаева
Источник: Смарт Текнолоджис

Во-вторых, системность подхода к внедрению ИИ: в Китае одновременно оценивают экономический эффект и заранее выстраивают контур контроля рисков. Для этого создают продуманные механизмы верификации, формализуют требования и разрабатывают стандарты международного уровня.

На выставке постоянно звучало: пора переходить от диалога к действиям. На стендах рассказывали о внедрениях: в государственном секторе, финансах, промышленности, больницах, научных организациях. Практически каждую технологию представляли через конкретные кейсы: какие задачи решены, где применяется и какой измеримый эффект дает внедрение технологии.

Суперузел Huawei Atlas 950 SuperPoD
Источник: Смарт Текнолоджис

 — Каким был состав участников? Что запомнилось в программе?

 — Конечно, WAIC 2026 запомнился созданием WAICO — международной организации, одним из государств-учредителей которой стала Россия. Задача организации — развитие международного сотрудничества и подходов к глобальному управлению ИИ. Несмотря на международный статус конференции WAIC, в выставочной части заметно преобладали китайские компании. Участники из других стран тоже были, однако и среди лауреатов SAIL Award доминировали китайские проекты. Возможно, одна из причин такой диспропорции — практико-ориентированность китайского подхода. Китайские стенды чаще строили рассказ вокруг уже реализованных решений: оборудования, внедрения и измеримого эффекта.

При этом в первые дни у нас возникало ощущение, что выставка рассчитана прежде всего на местную аудиторию. Это было видно уже по оформлению: стенды и раздаточные материалы в основном были на китайском, многие представители компаний не говорили по-английски. Позднее на стендах появились англоязычные специалисты; на одном из них нам даже сказали: «Мы привезли для вас специалиста из другого города».

В этом году впервые проходил отдельный академический трек — WAIC Academic, и там зарубежных участников было заметно больше. Среди выступавших был Ричард Саттон (Richard Sutton), один из основоположников обучения с подкреплением (Reinforcement Learning). Отдельно запомнилась организация перевода: докладчики могли выступать на своем языке, а перевод выводился на экраны в виде субтитров.

В последний день конференции на выставке было очень много детей. Среди тех, кого я видела, многим было примерно 12-14 лет. Они не ждали родителей, уткнувшись в телефоны, а ходили по стендам и рассматривали роботов — было видно, что им действительно интересно.

В целом выставка была организована очень плотно: целый этаж занимали роботы, на другом демонстрировались вычислительные комплексы. Еще один этаж отвели стартапам. Именно в стартап-зоне стенды были особенно компактны: каждой команде доставалось немного места, зато удалось представить много проектов. Насколько я знаю, у некоторых участников были успешные сделки.

Роботы на WAIC
Источник: Смарт Текнолоджис

 — Что WAIC позволяет понять о направлениях инвестиций и внедрении ИИ в государственном секторе и бизнесе?

 — На выставке было хорошо видно, как государство работает с бизнесом. Государство фактически выступает заказчиком сложных технологических разработок, включая не только продукты, но и стандарты.

Еще один заметный принцип — тиражирование уже доказавших эффективность решений вместо множества изолированных разработок. Например, если одна компания создала приложение для больницы в одном городе, то в другом стараются не разрабатывать похожее решение с нуля, а адаптировать уже работающий продукт.

Именно поэтому на стендах часто показывали не только функциональность продукта, но и масштаб его использования: сколько банков или заводов им уже пользуются и какую экономию он дает.

Без государственного финансирования такой масштаб разработок был бы трудно достижим силами отдельных компаний.

 — Как ограничения на зарубежные технологии влияют на развитие и стандартизацию китайского ПО?

 — Государственный сектор для Китая очень важен. Ограничения на использование зарубежных технологий подталкивают компании к созданию собственных решений на всех уровнях — от инфраструктурного ПО и инструментов для работы с вычислительными ускорителями до прикладных систем для промышленности и медицины. Государство выступает не только крупным заказчиком, но и участником формирования правил для новой технологической среды. По мере развития собственного программного стека — от средств обучения и запуска моделей до управления оборудованием и прикладных решений — параллельно выстраивается система стандартов. Она необходима для совместимости компонентов и дальнейшего масштабирования разработок. Стандартизация выходит и за пределы внутреннего рынка. На конференции обсуждалось участие иностранных организаций в разработке и согласовании стандартов, а сами китайские решения предлагались другим странам.

Архитектура программного стека T-Head SAIL
Источник: Смарт Текнолоджис

Одновременно развиваются собственные китайские площадки для размещения моделей и открытого кода. Для китайских разработчиков привычные Hugging Face и GitHub — зарубежные сервисы, поэтому некоторые материалы компании дублируют на них, а часть оставляют только на внутренних ресурсах.

При этом китайские площадки доступны и зарубежным пользователям. Я как разработчик теперь буду искать модели и код в обоих контурах – как на международных, так и на китайских площадках.

 — Какие технологические подходы показались вам наиболее интересными? Как китайские компании решают проблему ограниченного доступа к передовым чипам?

 — Ограничения заставляют китайских разработчиков искать решения на разных уровнях. Они работают и над самими чипами, и над способами объединения ускорителей; меняют конструкцию серверных стоек, связи между узлами, организацию памяти и системы охлаждения. Например, обработка входного запроса и генерация ответа языковой моделью предъявляют разные требования к вычислениям. Один универсальный ускоритель не всегда одинаково эффективен на обоих этапах, поэтому производители создают специализированные чипы и конфигурации под разные фазы работы модели. На выставке показывали системы, где эти задачи распределяются между специализированными и универсальными ускорителями для более эффективного использования оборудования.

Другой пример — устройство серверных стоек. Мы привыкли к отдельным серверам, соединенным множеством кабелей. Китайские производители продемонстрировали ортогональную бескабельную архитектуру: вычислительные модули и соединительные элементы располагаются взаимно перпендикулярно. Такая компоновка, по словам разработчиков, ускоряет обмен данными. Несколько компаний уже используют этот подход в своих комплексах.

Отдельный вопрос — память. Крупным моделям нужно много памяти и быстрый доступ к ней. Разработчики ищут способы сделать ее общей для компонентов узла или суперузла.

Еще одно направление оптимизации вычислительной инфраструктуры — охлаждение. Стремление увеличить скорость и объем вычислений повышает требования к отводу тепла, поэтому на выставке заметный интерес был к жидкостным системам. На одном из стендов показывали установку выше человеческого роста, которую можно было открыть и увидеть, как охлаждающая жидкость непосредственно обтекает компоненты системы.

«Жидкостная система охлаждения»
Источник: Смарт Текнолоджис

 — Что свидетельствует о переходе к экосистемной модели ИИ?

 — На мой взгляд, этот переход в Китае уже состоялся. Раньше рынок во многом сравнивал отдельные модели или отдельные ускорители. Сейчас этого недостаточно: конкурируют целые технологические экосистемы — от архитектуры чипов и межсоединений до системного и прикладного ПО.

Причина проста: программное обеспечение все чаще связано с конкретной аппаратной архитектурой, а появление большого числа новых ускорителей делает вопрос совместимости критическим. Поэтому заказчик уже выбирает не просто чип или модель — он фактически выбирает технологический стек.

Экосистемы при этом могут строиться по-разному. У Huawei мы видели практически самодостаточную систему из собственных компонентов компании, тогда как другие участники объединяют разработки нескольких производителей. В обоих случаях для заказчика ключевым становится вопрос совместимости всей технологической цепочки — аппаратуры, системного ПО, инструментов работы с моделями и прикладных решений.

Для системного интегратора это означает новую задачу: оценивать совместимость компонентов разных производителей, понимать ограничения каждого технологического стека и собирать надежную архитектуру под конкретные требования заказчика.

 — Какие конкретные новинки вам больше всего запомнились?

 — Один из примеров — суперузел ZTE Matrix. Он объединяет ускорители пяти производителей — по крайней мере, именно такая конфигурация была представлена на стенде.

Чтобы такой комплекс заработал, нужны единые правила подключения чипов и обмена данными между ними. В Matrix разработчики реализовали поддержку нескольких типов ускорителей в общей архитектуре. Заказчику предлагают подбирать ускорители под конкретную задачу, а в дальнейшем — подключать новые поколения оборудования.

Поддержка нескольких типов ускорителей важна и для скорости вывода решений на рынок. Если платформа изначально рассчитана на работу с разными чипами, интеграцию нового ускорителя не приходится выстраивать с нуля. По данным ZTE, такой подход заметно сокращает сроки разработки и интеграции.

Кроме того, в архитектуре ZTE используется ортогональное бескабельное соединение внутри стойки, а между стойками — оптические соединения. То есть производители оптимизируют не только сами вычислительные узлы, но и способы связи между ними.

 — А из прикладных решений?

 — Очень запомнилась промышленная платформа COSMOPlat. Здесь ИИ обрабатывает данные с производства и предлагает команды для оборудования.

Для меня особенно важен сам принцип построения такой системы. Большая языковая модель может предложить управляющее действие — например, изменить положение вентиля или заслонки. Но ее команда не поступает непосредственно на оборудование: сначала решение проверяется тысячами физических и химических моделей, а затем при необходимости специалистом.

И это принципиальный момент. Вероятностная модель может становиться точнее, но ее природа от этого не меняется. Поэтому в промышленном контуре между предложением ИИ и непосредственным управлением оборудованием сохраняется независимая верификация со стороны специалиста.

 — Вы также упоминали квантовые технологии. Что показывали в этой области?

 — Мне запомнилась разработка MatriQ: квантовый модуль располагался рядом с классическими управляющими серверами в обычной серверной стойке. Такое размещение квантового модуля стало возможным, поскольку была решена классическая проблема с необходимостью глубокого охлаждения квантового модуля. В MatriQ это не требуется, поскольку для моделирования квантовых эффектов используются оптические технологии (на картинке можно заметить обозначения элементов с лазерами). По словам стендистов, система MatriQ уже используется в сфере безопасности и для решения научных задач. Квантовым технологиям были посвящены отдельные секции, их показывали и стартапы. Тема обсуждалась наряду с искусственным интеллектом, хотя эти направления не обязательно связывали в одном продукте.

Квантовый модуль в стандартной стойке
Источник: Смарт Текнолоджис

 — Какие еще примеры показывают переход от диалога с ИИ к практическим действиям?

 — На WAIC показывали проект автоматизации научных исследований. ИИ формулирует гипотезу, роботизированная система проводит эксперимент, затем результаты передаются обратно модели для анализа. На момент выставки речь шла о демонстрации замкнутого исследовательского цикла, а не о промышленной эксплуатации.

В медицине запомнилось решение для диагностики редких заболеваний. Система объясняла, почему предлагает тот или иной диагноз, и давала ссылки на материалы по этому случаю. Ценность такого подхода в том, что система не только обрабатывает большой объем информации, но и позволяет проследить основания, на которых сформирован вывод. Также была продемонстрирована медицинская платформа для анализа снимков, которую уже используют в больницах.

В финансовом секторе показывали платформу цифровых сотрудников с примерно сотней шаблонов для разных профессиональных задач. Например, сотрудник может обращаться к системе за помощью по юридическому или экономическому вопросу. По словам стендистов, решение уже используется в государственных банках Китая и помогает специалистам отвечать на сложные вопросы.

Все эти примеры показывают общую тенденцию: ИИ постепенно становится частью рабочих процессов — от научных исследований и медицины до финансовых, государственных и городских сервисов. Чем шире ИИ используется в таких процессах, тем важнее становится совместимость разных ИИ-агентов и систем. Если каждая компания будет создавать их по собственным правилам, впоследствии объединять такие решения будет сложно. Поэтому разработчики договариваются об общих стандартах, чтобы агенты могли взаимодействовать друг с другом.

 — Какой главный вывод вы сделали по итогам WAIC 2026? Как меняется отрасль?

 — На мой взгляд, одно из главных изменений — переход от ИИ как собеседника и советчика к ИИ как непосредственному участнику технологических и бизнес-процессов. Этот переход сопровождается созданием механизмов контроля и верификации его действий.

В создание таких механизмов готовы вкладывать значительные финансовые и инженерные ресурсы. Именно готовность инвестировать не только в сам ИИ, но и в безопасность его применения я считаю одной из сильных сторон китайского подхода.

Кроме того, я не услышала на выставке привычного: «ИИ заменит ваших сотрудников». По крайней мере, в обсуждениях главным было другое: мы решили сложную задачу, создали новую технологию и готовы делиться опытом.

 — Что из увиденного особенно важно для России?

 — Для России ценность китайского опыта прежде всего в большом количестве уже реализованных практических сценариев. Российскому заказчику часто трудно обсуждать ИИ абстрактно: непонятно, что именно внедрять, какого эффекта ожидать и какие риски учитывать. Совсем другой разговор начинается, когда можно показать: вот аналогичная задача, вот архитектура решения, вот достигнутый эффект, а вот ограничения, с которыми столкнулись при внедрении. После этого уже можно предметно оценивать, что применимо в российских условиях.

При этом у России и Китая есть определенное сходство исходных условий: значительная роль крупных предприятий в экономике, внешние технологические ограничения и необходимость внедрять новые решения в промышленность, медицину и финансовую сферу. Особенно интересны для России решения для удаленных регионов, где ИИ может частично компенсировать дефицит квалифицированных специалистов.

Поэтому ценность китайского опыта не в прямом копировании решений, а в возможности быстрее пройти путь от эксперимента к промышленному внедрению, используя уже накопленный опыт и адаптируя его к российским условиям.

 — Большое спасибо за беседу!