Статья представляет второй раздел девятой части (9.2) цикла статей «Цифровая платформа по разработке и применению цифровых двойников “Digital Twins” CML-Bench®». Часть 9.2 посвящена описанию архитектуры, функциональных модулей и компонентов специализированной версии платформы — цифровой платформы разработки и применения цифровых двойников беспилотных авиационных систем (ЦП РПЦД БАС). Рассмотрены функциональные требования, выбор ядра и концепция реализации, программно-аппаратное исполнение, пользовательские сценарии работы и примеры реализации проектов по разработке БАС на ЦП РПЦД БАС. В заключительной части 9.3 будут представлены результаты создания демонстратора программного комплекса для автоматизированного проектирования и расчета электрических винтомоторных групп беспилотных воздушных судов.

Введение

Развитие беспилотных авиационных систем (БАС) сопровождается постоянным расширением их функциональных возможностей и увеличением числа требований, предъявляемых к ним на всех этапах жизненного цикла. При проектировании современных БАС разработчикам необходимо одновременно обеспечивать высокие летно-технические характеристики, надежность и безопасность, технологичность изготовления, соответствие сертификационным требованиям, минимизацию сроков разработки и стоимости создания изделия. Необходимость одновременного выполнения множества взаимоувязанных и очень часто противоречащих друг другу требований приводит к существенному увеличению пространства проектных решений и делает невозможным их эффективный анализ с использованием традиционных подходов.

В этих условиях разработка конкурентоспособных БАС требует перехода к системному цифровому инжинирингу, основанному на широком применении цифровых моделей, цифровых двойников и цифровых (виртуальных) испытаний. Вместе с тем эффективное использование цифровых двойников невозможно без применения «средств управления процессами и данными компьютерного моделирования (Simulation Process and Data Management, SPDM)» — в терминах приказа Министерства цифрового развития, связи и массовых коммуникаций Российской Федерации от 22 сентября 2020 г. № 486 [1]. Это, в свою очередь, требует перехода от использования отдельных специализированных программных средств к программно-технологической (цифровой) платформе, обеспечивающей совместную работу участников жизненного цикла изделия на основе инженерных данных, цифровых моделей и цифровых двойников.

Особую актуальность такой подход приобретает в условиях достижения национальной цели технологического лидерства Российской Федерации [2], предусматривающей обеспечение превосходства отечественных технологий и продукции над зарубежными аналогами по ключевым функциональным, техническим и стоимостным характеристикам [3]. Необходимость широкого применения цифровых моделей, цифровых двойников и технологий цифровой сертификации при разработке БАС отражена в Стратегии развития беспилотной авиации Российской Федерации на период до 2030 года и на перспективу до 2035 года, утвержденной распоряжением Правительства Российской Федерации от 21 июня 2023 г. № 1630-р [4].

Развитие указанных подходов получило закрепление в Стратегическом направлении в области цифровой трансформации обрабатывающих отраслей промышленности, утвержденном Распоряжением Правительства Российской Федерации от 7 ноября 2023 г. № 3113-р в ред. Распоряжения от 26 февраля 2026 г. № 378-р [5]. В соответствии с данным документом цифровая сертификация рассматривается как специализированный бизнес-процесс, основанный на тысячах и десятках тысяч цифровых (виртуальных) испытаний как отдельных компонентов, так и системы в целом, целью которого является прохождение с первого раза всего комплекса натурных, квалификационных, сертификационных и прочих испытаний.

Методологическую основу применения цифровых двойников формирует ГОСТ Р 57700.37—2021 «Компьютерные модели и моделирование. Цифровые двойники изделий. Общие положения» [6], официально включенный в перечень взаимно признаваемых стандартов в сфере авиастроения между Россией и Китайской Народной Республикой [7].

Одной из первых отечественных SPDM-платформ, реализующих указанные подходы, является цифровая платформа CML-Bench® [8], включенная в Единый реестр российских программ для электронных вычислительных машин и баз данных [9]. Ключевые результаты практического применения CML-Bench® при реализации высокотехнологичных проектов в различных отраслях промышленности последовательно изложены авторами в цикле публикаций [10-20].

В части 9.1 настоящего цикла были рассмотрены концепция цифровой платформы разработки и применения цифровых двойников БАС, принципы формирования единого пространства инженерных данных, а также роль платформы в реализации процессов цифрового инжиниринга и цифровой сертификации [19]. Настоящая статья (9.2) является продолжением указанной работы и посвящена архитектуре цифровой платформы разработки и применения цифровых двойников БАС (ЦП РПЦД БАС).

Целью статьи является представление концептуальной архитектуры ЦП РПЦД БАС, включая принципы построения платформы, состав и назначение ее функциональных модулей, особенности программно-аппаратной реализации, организацию взаимодействия компонентов платформы и участников жизненного цикла БАС, а также примеры реализации ключевых процессов цифрового инжиниринга и цифровой сертификации.

Функциональные требования к ЦП РПЦД БАС

Функциональные технические требования к ЦП РПЦД БАС разработаны Министерством промышленности и торговли Российской Федерации и утверждены протоколом заседания рабочей группы по созданию интегрированного цифрового пространства беспилотных авиационных систем от 4 октября 2024 г. № 186-ШВ/22. В соответствии с этим документом ЦП РПЦД БАС строится вокруг ядра — SPDM-системы и должна содержать следующие функциональные компоненты и модули:

1. Модуль «База знаний», предназначенный для быстрого доступа к структурированной информации, содержащей знания и опыт отрасли, в следующем составе:
   • компонент «Декомпозиция БВС»;
   • компонент «Библиотека требований»;
   • компонент «Валидационный базис»;
   • компонент «Свойства и модели материалов»;
   • компонент «Библиотека расчетных методик».
2. Модуль «Проектирование», предназначенный для формирования многоуровневой системы требований, проведения цифровых (виртуальных) испытаний на цифровых (виртуальных) испытательных стендах (ВИС) и полигонах (ВИП) и построения трассировок требований нормативной документации к соответствующим результатам цифровых испытаний.
3. Модуль «Интеграция с ИТ-инфраструктурой», предназначенный для интеграции с CAx-решениями, вычислительной инфраструктурой и сторонними системами в обеспечение непосредственного процесса проведения цифровых испытаний, в следующем составе:
   • компонент интеграции с вычислительными мощностями;
   • компонент интеграции с PLM-решениями;
   • компонент интеграции с CAx-решениями.
4. Модуль «Цифровая сертификация», предназначенный для формирования комплекта документов, составляющих заявку на выдачу сертификата типа БАС, в следующем составе:
   • компонент «Библиотека нормативно-справочной информации»;
   • компонент «Сертификационный базис»;
   • компонент «Методы определения соответствия»;
   • компонент «Доказательная документация».
5. Модуль «Данные об изделии», предназначенный для реализации сквозного процесса «извлечение — загрузка — преобразование» данных в целях валидации цифровых моделей изделий и прогнозирования их состояния, в следующем составе:
   • компонент «Данные производства»;
   • компонент «Данные испытаний»;
   • компонент «Данные эксплуатации».

Виртуальный испытательный стенд (ВИС) на ЦП РПЦД БАС должен представлять собой объект, являющийся совокупностью:

• параметризованных шаблонов численных математических моделей (ПШЧММ), интегрированных на ЦП РПЦД БАС;
• правил работы с ПШЧММ;
• механизмов передачи данных между ПШЧММ;
• механизмов формирования единых условий проведения ЦИ в составе ВИС;
• матрицы требований.

Виртуальный испытательный полигон (ВИП) на ЦП РПЦД БАС должен представлять собой объект, являющийся совокупностью:

• ВИС, интегрированных на ЦП РПЦД БАС;
• правил работы с ВИС в составе ВИП;
• механизмов передачи данных между ВИС в составе ВИП;
• механизмов формирования единых условий проведения ЦИ в составе ВИП.

Клиентский путь и ролевая модель использования ЦП РПЦД БАС

Обобщенный клиентский путь работы с ЦП РПЦД БАС представлен на рис. 1. Точкой начала процесса является входной массив требований — тактико-технические, требования назначения, экономические, ресурсные и другие. Далее на основе шаблонов из компонентов модуля «База знаний» формируется структура проекта на платформе и его наполнение ВИС и ВИП, содержащими многоуровневую систему требований, сформированную на основе требований нормативной документации и исходных данных для проектирования. В рамках сформированного проекта проводится валидация ВИС и ВИП на основе данных из компонента «Валидационный базис», после чего осуществляются цифровые испытания и автоматизированная проверка выполнения требований к изделию. При необходимости результаты цифровых испытаний уточняются на основе данных о физическом объекте из модуля «Данные об изделии».

Завершающим этапом является формирование в модуле «Цифровая сертификация» итогового комплекта документов, составляющих заявку на получение сертификата типа. Документы формируются по соответствующим шаблонам. Сертификационный базис представляет собой ранее формализованную многоуровневую систему требований. В программу сертификационных работ вносятся данные о соответствующих ВИС и ВИП. Результаты цифровых испытаний оформляются в составе заявки на основе данных из соответствующего компонента.

В процессе разработки изделия с использованием ЦП РПЦД БАС непосредственно задействуются следующие роли:

• «Главный конструктор»;
• «Инженер по требованиям»;
• «Инженер».

Пользователь с ролью «Главный конструктор» взаимодействует с заинтересованными сторонами с целью выявления их потребностей, согласовывает документы, содержащие требования к изделию. Он реализует этап инициации проекта в ЦП РПЦД БАС, осуществляет постановку заданий пользователям, имеющим роли «Инженер по требованиям» и «Инженер»:

• на разработку требований первого уровня к изделию;
• на декомпозицию требований;
• на разработку сертификационного базиса изделия;
• на выбор материалов;
• на подтверждение требований.

Главный конструктор контролирует ход выполнения проекта по статусам требований и проверяет:

• задания на декомпозицию требований и добавление дочерних требований в соответствующие ВИС;
• матрицы соответствия в ВИС и ВИП. На основании проведенного анализа выбирает лучший вариант и присваивает атрибут «Подтверждает требование» у соответствующих объектов;
• выгрузку сертификационного базиса проекта.

Пользователь, имеющий роль «Инженер по требованиям», получив задания пользователя, имеющего роль «Главный конструктор», разрабатывает состав, декомпозицию, содержание требований к изделию и их атрибуты. Он заполняет чек-лист проверки и отправляет требования на согласование пользователю с ролью «Главный конструктор».

Инженер по требованиям, получив задания пользователя, имеющего роль «Главный конструктор», разрабатывает сертификационный базис изделия. Сопровождает постановку заданий на подтверждение требований пользователям, имеющим роль «Инженер», и согласовывает с ними результаты выполнения этих заданий.

Пользователь, имеющий роль «Инженер», получив задания пользователя, имеющего роль «Главный конструктор», проводит на ЦП РПЦД БАС цифровые испытания деталей, узлов или изделия в целом, направленные на выбор материалов, проверку требований, полученных в назначенных на него заданиях, верификацию и валидацию компьютерных моделей. Цифровые испытания проводятся в соответствии с геометрическими моделями, полученными в заданиях в виде исходных данных. В обеспечение трассируемости результатов он размещает на ЦП РПЦД БАС все использованные в рамках выполнения заданий компьютерные модели, указывая в объектах «Эксперимент» ссылки на исходные данные.

Инженер согласовывает с пользователем, имеющим роль «Главный конструктор», объекты «Эксперимент», являющиеся результатами выполнения полученных заданий на подтверждение требований, и доказательную документацию в виде отчетов по ним.

Выбор ядра и концепция реализации ЦП РПЦД БАС

На сегодняшний день одним из наиболее востребованных SPDM-программных продуктов на рынке отечественного программного обеспечения является цифровая платформа CML-Bench®. Она предоставляет широкие возможности для [8]:

• управления требованиями и изменениями в процессе разработки новых изделий;
• создания, хранения и версионирования компьютерных моделей и результатов цифрового моделирования;
• построения единой базы знаний для непрерывного обмена информацией внутри предприятия;
• управления разнородными вычислительными ресурсами (от локальных узлов до высокопроизводительных вычислительных кластеров);
• интеллектуального управления очередью вычислительных задач;
• построения корпоративного хранилища данных. Соответствующий перечень базовой функциональности платформы CML-Bench®, а также широкие возможности ее кастомизации под конкретный ИТ-ландшафт, организационную структуру и отраслевую специфику заказчика без изменения базового ядра позволили выбрать данный программный продукт в качестве ядра при реализации ЦП РПЦД БАС.

Основными направлениями концепции реализации ЦП РПЦД БАС были выбраны:

1. Адаптация развертывания под инфраструктуру заказчика — закрытый контур, виртуальная среда, корпоративная сеть с ограничениями по доступу, согласованные политики безопасности и регламенты сопровождения.
2. Доработка и расширение функциональности — расширение под специфические бизнес-процессы заказчика: новые сценарии обработки, специализированные расчеты, отчеты, проверки, маршруты согласования.
3. Отраслевое наполнение — разработка и наполнение на базе платформы соответствующих ВИС, ВИП, наполнение методиками, классификаторами, справочниками, внутренним программным обеспечением заказчика.
4. Реализация базовой ролевой модели — доработка и настройка системы управления правами под организационную структуру и регламенты доступа заказчика для разграничения прав по функциям, данным, рабочим зонам и сценариям использования.
5. Подключение источников данных, создание сценариев их обработки и использования.
6. Адаптация пользовательского интерфейса под роли, терминологию и рабочие сценарии заказчика.

Разработка ЦП РПЦД БАС ведется в рамках цикла работ «Развитие системы построения виртуальных испытательных стендов и виртуальных испытательных полигонов, проведение цифровых испытаний элементов беспилотных летательных аппаратов на базе единой цифровой платформы разработки и применения цифровых двойников БАС». Заказчиком работ является АНО «Федеральный центр беспилотных авиационных систем» (АНО «ФЦ БАС»), исполнителем — ФГАОУ ВО «Санкт-Петербургский политехнический университет Петра Великого» (ФГАОУ ВО «СПбПУ»). В 2026 году состоялся конкурс на выполнение 3-й очереди работ, в рамках которой будет завершена разработка ЦП РПЦД БАС и осуществлен ее ввод в опытную эксплуатацию.

Программно-аппаратное исполнение ЦП РПЦД БАС

Программная архитектура ЦП РПЦД БАС представлена на рис. 2 в виде схемы деления формата Е1. Структура и представление базового объекта «Виртуальный испытательный полигон» представлены на рис. 3 и 4. Функции информационной безопасности выполняются подсистемой информационной безопасности цифровой платформы CML-Bench®, сертифицированной ФСТЭК России по 6-му уровню доверия (режимы «для служебного пользования» и «коммерческая тайна») — [21]. В рамках разработки функциональных возможностей ЦП РПЦД БАС контрольные суммы сервисов информационной безопасности фиксированы и соответствуют таковым на момент сертификации.

Функциональные модули и компоненты ЦП РПЦД БАС выполнены в составе программных сервисов ЦП РПЦД БАС и покрыты системой функциональных рычагов, позволяющей в рамках единой кодовой базы гибко управлять поставками ЦП CML-Bench® с учетом прав на результаты интеллектуальной деятельности, закрепленных за заказчиком разработки ЦП РПЦД БАС.

ЦП РПЦД БАС размещена в инфраструктурном контуре АНО «ФЦ БАС». Аппаратная реализация ЦП РПЦД БАС представлена в табл. 1, спецификация установленного инженерного программного обеспечения (ПО) — в табл. 2, особенности режимов его работы — в табл. 3.

Примеры реализации проектов по разработке БАС на ЦП РПЦД БАС

В рамках цикла работ «Развитие системы построения виртуальных испытательных стендов и виртуальных испытательных полигонов, проведение цифровых испытаний элементов беспилотных летательных аппаратов на базе единой цифровой платформы разработки и применения цифровых двойников БАС» на ЦП РПЦД БАС реализуются проекты компаний — разработчиков БАС:

• в 2024 году — 10 проектов от 6 компаний;
• в 2025 году — 10 проектов от 10 компаний.

Сводная статистика использования ЦП РПЦД БАС в проектах компаний — разработчиков БАС в 2024-2025 годах представлена в табл. 4. Для оценки перспектив масштабирования практик работы на ЦП РПЦД БАС на период январь-апрель 2026 года Министерством промышленности и торговли Российской Федерации была инициирована независимая оценка функциональности и эффективности работы на ЦП РПЦД БАС. Для проведения оценки были отобраны три крупные, четыре средние и две малые компании — разработчики БАС из числа получателей субсидий в рамках Национального проекта «Беспилотные авиационные системы». Интегральные результаты проведенной оценки представлены на рис. 5 и 6.

Заключение

Таким образом, представленная архитектура цифровой платформы разработки и применения цифровых двойников беспилотных авиационных систем (ЦП РПЦД БАС), построенная на базе отечественной SPDM-платформы CML-Bench®, создает программно-технологическую основу для реализации процессов цифрового инжиниринга и цифровой сертификации БАС. Функциональные модули платформы охватывают полный жизненный цикл разработки — от формирования требований и базы знаний до автоматизированной подготовки доказательной документации для сертификации. Результаты практического применения платформы в проектах компаний — разработчиков БАС в 2024-2025 годах подтверждают ее эффективность: создано около 1800 компьютерных моделей, задействовано более 20 ВИП и 70 ВИС, а пользовательская оценка экономии времени и потенциального экономического эффекта свидетельствует о высоком потенциале масштабирования платформы в отрасли.

В следующем разделе девятой части (9.3) цикла статей будут рассмотрены результаты реализации проекта по разработке демонстратора программного комплекса проектирования электровинтомоторной группы БВС [22].

Список источников

1. Приказ Министерства цифрового развития, связи и массовых коммуникаций РФ от 22 сентября 2020 г. № 486 «Об утверждении классификатора программ для электронных вычислительных машин и баз данных» (с изменениями и дополнениями). URL: https://base.garant.ru/74832091/ (дата обращения: 01.08.2026).
2. Указ Президента РФ от 7 мая 2024 г. № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года». URL: http://publication.pravo.gov.ru/document/0001202405070015 (дата обращения: 01.08.2026).
3. Распоряжение Правительства РФ от 20 мая 2023 г. № 1315-р «Об утверждении Концепции технологического развития на период до 2030 года». URL: http://publication.pravo.gov.ru/document/0001202305250050 (дата обращения: 01.08.2026).
4. Распоряжение Правительства РФ от 21 июня 2023 г. № 1630-р «Об утверждении Стратегии развития беспилотной авиации Российской Федерации на период до 2030 года и на перспективу до 2035 года и плана мероприятий по ее реализации». URL: http://static.government.ru/media/files/3m4AHa9s3PrYTDr316ibUtyEVUpnRT2x.pdf (дата обращения: 01.08.2026).
5. Распоряжение Правительства Российской Федерации от 07.11.2023 г. № 3113-р «Об утверждении стратегического направления в области цифровой трансформации обрабатывающих отраслей промышленности, относящейся к сфере деятельности Министерства промышленности и торговли Российской Федерации» (в ред. Распоряжения Правительства РФ от 26.02.2026 № 378-р). URL: http://government.ru/docs/all/150406/ (дата обращения: 01.08.2026).
6. ГОСТ Р 57700.37—2021 Компьютерные модели и моделирование. Цифровые двойники изделий. Общие положения. URL: https://protect.gost.ru/document.aspx?control=7&id=241313 (дата обращения: 01.08.2026).
7. Китай официально признал российский ГОСТ Р 57700.37—2021 «Компьютерные модели и моделирование. Цифровые двойники изделий. Общие положения». URL: https://fea.ru/news/8683 (дата обращения: 01.08.2026).
8. CML-Bench® — цифровая платформа по разработке и применению цифровых двойников. URL: https://cml-bench.ru/ (дата обращения: 01.08.2026).
9. Цифровая платформа по разработке и применению цифровых двойников CML-Bench®. Реестр программного обеспечения. URL: https://reestr.digital.gov.ru/reestr/310460/ (дата обращения: 01.08.2026).
10. Боровков А.И., Бураков В.В., Мартынец Е.А., Рябов Ю.А., Щербина Л.А. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 1) // САПР и графика. 2023. № 8. С. 42-51. EDN ATADHS.
11. Боровков А.И., Бураков В.В. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 2) // САПР и графика. 2023. № 9. С. 54-64. EDN HIECKJ.
12. Боровков А.И., Мартынов И.А., Шандер И.В., Горский Ю.А., Житков Ю.Б., Волков А.В., Мартынец Е.А. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 3) // САПР и графика. 2023. № 10. С. 50-62. EDN FDGLTG.
13. Боровков А.И., Ефимов-Сойни Н.С., Мартынец Е.А., Рябов Ю.А. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 4) // САПР и графика. 2024. № 5. С. 4-12. EDN FSIPLA.
14. Боровков А.И., Чишко С.И., Мартынец Е.А., Рябов Ю.А. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 5) // САПР и графика. 2024. № 7. С. 4-16. EDN ZLYCHU.
15. Боровков А.И., Сачава Д.А., Князева О.В., Мартынец Е.А., Алексашкин А.В., Рябов Ю.А. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 6) // САПР и графика. 2024. № 8. С. 12-24. EDN ENZKGP.
16. Боровков А.И., Ожгибесова Д.Р., Глазунов А.И., Михайлов И.С., Штегман В.В., Зайнуллина Д.Р., Асанидзе С.Б., Шульга М.А., Колчев Д.А., Мухаметова П.Р., Мартынец Е.А., Рябов Ю.А. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 7): разработка и применение цифровых двойников композиционных материалов // САПР и графика. 2025. № 7. С. 4-18. EDN WWTASY.
17. Боровков А.И., Новокшенов А.С., Матвеева А.С., Кравчинский С.В., Авдонюшкин Д.А., Бобин К.А., Мартынец Е.А., Рябов Ю.А. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 8.1): применение параметрической оптимизации, методов машинного обучения и генеративного искусственного интеллекта при разработке цифровых двойников изделий // САПР и графика. 2025. № 10. С. 19-29. EDN XDMPRG.
18. Боровков А.И., Новокшенов А.С., Матвеева А.С., Кравчинский С.В., Авдонюшкин Д.А., Бобин К.А., Мартынец Е.А., Рябов Ю.А. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 8.2): применение параметрической оптимизации, методов машинного обучения и генеративного искусственного интеллекта при разработке цифровых двойников изделий // САПР и графика. 2025. № 11. С. 32-41. EDN DKVFJR.
19. Боровков А.И., Гордеев А.А., Корчков М.С., Себелев А.В., Войнов И.О., Мартынец Е.А., Рябов Ю.А. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 9.1): применение в отрасли беспилотных авиационных систем // САПР и графика. 2026. № 4. С. 16-28. EDN MNZGOY.
20. Боровков А.И., Журавлев Д.А., Горский Ю.А., Евстратов Д.С., Суранов Я.В., Минин Н.В., Постоловский К.Н., Новокшенов А.С., Себелев А.В., Касяненко Е.С., Забежайло С.С., Мартынец Е.А., Рябов Ю.А. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 10): опыт создания и применения SPDM-платформы в реализации проектов атомного машиностроения // САПР и графика. 2026. № 7. С. 8-19.
21. Цифровая платформа CML-Bench® получила сертификат ФСТЭК для работы с коммерческой тайной. URL: https://pish.spbstu.ru/news/9052 (дата обращения: 01.08.2026).
22. Архипелаг-2025: Специалисты ПИШ СПбПУ представили демонстратор программного комплекса автоматизированного проектирования и расчета электрических винтомоторных групп беспилотных воздушных судов на выставке-конкурсе «Дронгараж». URL: https://pish.spbstu.ru/news/9174 (дата обращения: 01.08.2026).

Почему вопрос защиты становится вопросом архитектуры

Дешёвое средство нападения может вывести из строя промышленную установку, на строительство которой ушли годы и миллиарды долларов. Для нефтепереработки это меняет саму постановку задачи: оценивать приходится не только себестоимость продукции, но и последствия остановки производства.

Авторы приводят следующую оценку: дроны-камикадзе типа FP-1 стоят $20–50 тыс., ракета комплекса «Панцирь-С1» — около $200 тыс., ракета «Тор-М2» — $100–150 тыс. В такой модели стоимость перехвата ракетой оказывается в несколько раз выше стоимости атакующего аппарата.

В качестве примера в исходной публикации рассматривается удар по Московскому НПЗ в Капотне 16–18 июня 2026 года. По приведённой авторами оценке аналитиков инвестбанка «Синара», восстановление в пессимистичном сценарии может стоить $1 млрд и занять до года.

Главный вопрос статьи: можно ли при той же совокупной мощности переработки ограничить масштаб потерь за счёт перехода от одного крупного НПЗ к нескольким автономным предприятиям?

Индекс Нельсона: как сравнивать заводы разной сложности

Для сравнения технологической сложности НПЗ используется индекс Нельсона — Nelson Complexity Index, NCI. В статье указано, что он был разработан Уилбуром Нельсоном в серии публикаций Oil & Gas Journal 1960–1961 годов и переработан в 1976 году.

Атмосферной перегонке присваивается базовый коэффициент 1,0. Коэффициенты остальных процессов отражают их относительную стоимость.

Таблица 1. Коэффициенты сложности основных процессов

По методике Oil & Gas Journal, приведённой в исходной статье. Авторы отмечают, что коэффициент гидрокрекинга варьируется от 6,0 до 10,0 в зависимости от конфигурации процесса и качества сырья; для среднетрубных российских нефтей в публикации предлагается значение 6,0.

В статье используется следующая интерпретация NCI:

• менее 5 — простые заводы гидроскимингового типа, без глубокой конверсии;
• 5–6 — заводы с крекингом или гидрокрекингом;
• 7–9 — заводы средней глубины переработки;
• 10–15 — высокосложные заводы глубокой переработки.

Для ориентира авторы приводят средний NCI американских НПЗ 9,5 и NCI комплекса Reliance Industries в Джамнагаре 21,1.

Где заканчивается основной эффект масштаба

По данным, использованным в статье, наиболее заметное снижение удельных затрат происходит при увеличении мощности с 1 до 5 млн т/год. Дальнейшее укрупнение приносит меньший эффект.

Таблица 2. Экономия от масштаба

Переход от 1,13 к 2,71 млн т/год даёт снижение затрат на 21%, а от 2,71 к 5,42 млн т/год — примерно на 13%. Авторы относят экономически оптимальную единичную мощность к диапазону 3–5 млн т/год и оценивают достигаемую здесь долю максимальной экономии масштаба в 80–90%.

Рисунок 1. Диаграмма из исходной статьи, с. 17.

Эшелонированная защита и её экономика

Защита НПЗ рассматривается в статье как система из нескольких уровней. Типы угроз различаются, поэтому один способ противодействия не решает всю задачу.

Таблица 3. Классификация угроз

Таблица 4. Уровни эшелонированной защиты

Таблицы 3–4 передают классификацию исходной публикации.

ZAK-30 и Skynex: границы сравнения

Авторы отдельно оговаривают, что исследование основано исключительно на открытых данных и не претендует на полноту и точность тактико-технических характеристик и сведений о боевом применении. Сравнение сосредоточено на экономических аспектах защиты объектов.

Таблица 5. Технические характеристики ZAK-30 «Цитадель»

В статье указано, что ZAK-30 был представлен Ростехом в мае 2026 года. Среди ограничений авторы называют отсутствие кругового обстрела на 360 градусов и встроенных средств обнаружения; целеуказание, по их предположению, поступает от внешних радаров или общей системы ПВО.

Таблица 6. Технические характеристики Skynex

Приведённые параметры не означают доказанного превосходства одной системы в боевых условиях. Авторы подчёркивают, что реальные характеристики и тактика применения могут существенно отличаться от открытых описаний, и допускают, что уточнение этих сведений не изменит существенно стоимостные параметры сравнения.

Иллюстрация из исходной публикации, с. 16.

Стоимость перехвата

Для количественного сравнения в статье приняты оценки стоимости ZAK-30 $8,3 млн, батареи Skynex €73 млн (около $79 млн), ракеты «Панцирь-С1» около $200 тыс., ракеты «Тор-М2» $100–150 тыс. и атакующего дрона $20–50 тыс. Условный сценарий — 10 дронов и 10 перехватов.

Таблица 7. Сценарий A: отражение роя дронов средствами ЗРК

В исходном тексте соотношение затрат на оборону к затратам на атаку оценивается как 2:1–10:1 в пользу атакующего.

Таблица 8. Сценарий B: отражение роя дронов артиллерийскими системами

Здесь авторы указывают соотношение 0,1:1–0,6:1 в пользу обороняющегося. Их вывод: программируемые артиллерийские боеприпасы меняют экономику перехвата по сравнению с ракетными комплексами.

Сколько стоит защищать кластер

Важное различие — между изолированной защитой каждого предприятия и интегрированной системой с общими радарами, единым управлением и совместной логистикой.

В тексте статьи для одного НПЗ приведена оценка 6–10 систем ZAK-30 стоимостью 3,48–6 млрд руб. (около $38–65 млн). Отдельный расчёт авторов в таблице 9 представлен ниже в исходных значениях.

Таблица 9. Расчёт авторов на основе открытых данных

По выводу авторов, при интегрированной системе удельные затраты на защиту кластера сопоставимы с затратами на защиту крупного НПЗ, а разница не превышает 30–40%. Эту разницу они рассматривают как плату за распределение рисков.

Восстановление: что происходит при потере одной установки

В рассматриваемом авторами сценарии повреждение установки АВТ на крупном НПЗ приводит к остановке всего завода. В кластере из четырёх предприятий по 5 млн т/год собственная АВТ есть у каждого: остановка одного предприятия означает потерю 25% совокупной мощности.

Таблица 10. Сравнение последствий атаки на АВТ

Оценка на основе данных по Московскому НПЗ, приведённых в исходной статье.

Оценка основана на предположении о меньшем масштабе повреждений и возможности параллельного ремонта.

Эти значения относятся к принятому авторами сценарию. Кластерная структура меняет масштаб последствий поражения отдельного предприятия, сохраняя производство на остальных площадках.

Рисунок 2. Диаграмма из исходной статьи, с. 17.

Площадь пожара и время тушения

В статье приводятся оценки среднего объёма технологического блока: 5–8 тыс. м³ для НПЗ мощностью 20 млн т/год и не более 1,5 тыс. м³ для предприятия мощностью 5 млн т/год. Авторы принимают зависимость площади растекания от объёма в степени 2/3 и оценивают увеличение площади пожара на крупном заводе в 3–4 раза, времени локализации — в 2,5 раза.

Модель ожидаемых потерь

Для формализации сравнения используется показатель Expected Loss, EL:

EL = P(атака) × P(прорыв ПВО) × P(поражение АВТ) × Потеря мощности × Время простоя × Стоимость продукции.

В обозначениях исходной статьи:

• P(атака) — вероятность осуществления атаки на объект;
• P(прорыв ПВО) — вероятность прорыва системы противовоздушной обороны к защищаемому объекту;
• P(поражение АВТ) — вероятность поражения установки атмосферной перегонки при прорыве;
• потеря мощности — выводимая из строя доля мощности завода или кластера;
• время простоя — ожидаемая продолжительность остановки, в сутках;
• стоимость продукции — упущенная выгода от недопроизводства топлива в расчёте на единицу времени, руб./сут.

Таблица 11. Сравнение факторов риска

Примечание авторов: даже при наличии двух АВТ на одной площадке их пространственная близость создаёт предпосылки для каскадного поражения, что в рассматриваемых условиях делает весь завод единой точкой отказа.

При допущении об одинаковой вероятности прорыва к каждой АВТ авторы оценивают ожидаемые потери кластера при атаке на одну установку как в четыре раза меньшие.

Как устроен специализированный кластер

Предлагаемая архитектура сочетает автономность предприятий со специализацией. Каждый завод имеет минимальный полный набор установок для выпуска товарных нефтепродуктов: АВТ, риформинг, гидроочистку, сероочистку газов, производство водорода, ГФУ и блендинг.

Таблица 12. Специализация заводов кластера

При потере одного завода остальные продолжают выпуск топлива, а каждое предприятие может работать в островном режиме.

Расстояние между предприятиями

В исходной статье предложен интервал 5–15 км. Авторы связывают его с четырьмя факторами:

• возможностью совместной работы систем обнаружения и защиты;
• снижением риска каскадных аварий между площадками;
• протяжённостью и стоимостью межзаводских коммуникаций;
• эффективностью общей логистики.

В обосновании приведены дальности обнаружения до 32 км для РЛС «Тор-М2» и до 36 км для «Панцирь-С1», а также дальности поражения 12–16 км и 1,2–20 км соответственно. Эти значения используются авторами для обсуждения общей защиты кластера.

Для крупных аварий в публикации указаны зоны термического поражения в несколько сотен метров и разлёта осколков до 2–5 км и более. Стоимость километра промышленного трубопровода оценивается величиной до нескольких десятков миллионов рублей в зависимости от диаметра и условий.

Оптимальным числом предприятий авторы называют 3–4: это позволяет использовать общую инфраструктуру, объединить управление защитой и сохранить управляемость кластера.

Критические функции должны оставаться автономными

Производство водорода, сероочистка и блендинг дублируются на каждом заводе. Иначе потеря общей водородной установки способна остановить весь кластер. Удорожание децентрализованного производства водорода по капитальным затратам в статье оценивается в 15–20%.

Дополнительные меры в предлагаемой авторами схеме:

• буферные ёмкости на 24–48 часов автономной работы каждого предприятия;
• аварийное факельное сжигание как временное решение;
• собственный приём сырья на каждом заводе.

Для целевой мощности 20 млн т/год итоговая конфигурация статьи — четыре предприятия по 5 млн т/год, каждое с полным базовым набором установок и своей специализацией, объединённые общей инфраструктурой и системой ПВО.

Итог: считать не только себестоимость, но и последствия остановки

Главный тезис статьи — кластерная структура ограничивает масштаб потерь при повреждении отдельного предприятия. В принятой модели вместо полной остановки производства возникает потеря четверти совокупной мощности, а остальные заводы продолжают работу.

Авторы связывают устойчивость такой схемы с тремя условиями: единичной мощностью 3–5 млн т/год, автономным базовым производством на каждой площадке и совместным использованием инфраструктуры там, где это не создаёт единой точки отказа. Специализированный кластер с совокупным NCI 10–11 они рассматривают как вариант с оценочно сопоставимой экономической эффективностью и более высокой устойчивостью.

Рисунок 3. Диаграмма из исходной статьи, с. 18. Значения воспроизведены без пересчёта.

Статья носит аналитический характер. Ряд оценок, включая количество систем ПВО для защиты НПЗ и стоимостные параметры, является авторским приближением на основе открытых данных и не претендует на статус точных расчетов.

Аннотация. В статье рассматривается технологическая архитектура и AI/ML-функциональность платформ Palantir Technologies, развёрнутых в Украине. Анализируются четыре ключевых продукта — Gotham, Foundry, Apollo и AIP, — их роль в создании «операционной системы для войны», а также совместный проект Brave1 Dataroom, превративший страну в крупнейший испытательный полигон для военных ИИ-решений. Особое внимание уделяется техническим аспектам интеграции данных, компьютерному зрению, автономным системам и архитектурным принципам, обеспечивающим работу в условиях высококонкурентной среды.

1. Введение: от данных к оружию

С начала полномасштабного вторжения России в Украину характер ведения войны претерпел фундаментальные изменения. Как отмечается в аналитических обзорах, «война перестаёт определяться платформами, вооружением или возможностями одного операционного домена — теперь её исход решают данные, модели, алгоритмы и межсетевые взаимодействия». В этом контексте Palantir Technologies заняла уникальное положение: компания, основанная в 2003 году при участии инвестиционного подразделения ЦРУ In-Q-Tel, превратилась из поставщика аналитического ПО в «операционную систему», способную «превращать данные в оружие».

На сегодняшний день Palantir входит в десятку крупнейших технологических компаний США с капитализацией, превышающей $440 млрд. Её технологии используются армиями, правительствами и спецслужбами США и стран НАТО. Однако именно Украина стала местом, где эти технологии проходят проверку в самых жёстких условиях, а сама страна превратилась в «крупнейший испытательный полигон цифровой войны».

2. Архитектурный фундамент: четыре платформы Palantir

Продуктовый портфель Palantir представляет собой не набор разрозненных решений, а «вокруг данных — модели — задачи — огневого воздействия построенную системную архитектуру». В основе лежат четыре взаимосвязанные платформы:

2.1. Gotham — платформа разведывательной аналитики

Gotham — флагманский продукт Palantir, изначально создававшийся для нужд американских разведывательных и оборонных структур. Это «платформа принятия решений для операций с поддержкой ИИ». Ключевые AI/ML-возможности Gotham:

• Интеграция и визуализация данных в реальном времени — платформа объединяет потоки с беспилотников, спутников, радаров, радиоперехватов и наземных сенсоров в единую оперативную картину.
• Обнаружение угроз и аномалий — ИИ и ML выявляют скрытые закономерности в данных, «от источников сигнальной разведки до сообщений осведомителей».
• Геопространственный анализ — наложение разведывательных данных на видео в режиме реального времени с использованием дополненной реальности.
• Автономное управление сенсорами — Gotham позволяет «автономно назначать задачи сенсорам — от дронов до спутников — на основе правил, управляемых ИИ, или ручного ввода для контроля с участием человека».
• AI-управляемый цикл поражения (kill chain) — платформа поддерживает военнослужащих «бесшовной и ответственной интеграцией идентификации целей и подбором средств поражения».

Архитектура Gotham построена на объектной базе данных RevDB с динамической онтологией, что позволяет гибко моделировать любые сущности поля боя. Расширяемая архитектура обеспечивает интеграцию с унаследованными системами, API и сторонними AI-инструментами.

2.2. Foundry — операционная система для организации

Foundry — платформа для коммерческого и государственного секторов, выполняющая роль «операционной системы для современной организации». Её AI/ML-функциональность включает:

• Более 200 встроенных коннекторов для интеграции данных из ERP-систем, IoT-потоков и баз данных.
• Автоматизированные low-code конвейеры для унификации структурированных и неструктурированных данных.
• Встроенные ML-возможности для прогнозной аналитики, оптимизации цепочек поставок и управления рисками.
• Оркестрация рабочих нагрузок в реальном времени через Apache Spark и Flink.
• Infrastructure as Code — управление всей вычислительной инфраструктурой в виде кода, «включая конфигурации, политики и развёртывание».

В контексте Украины Foundry выполняет роль «цифрового фундамента»: «все данные с полей боя — со спутников, беспилотников, радаров, разведывательных данных и каналов обмена информацией с союзниками — поступают в Foundry, проходят очистку, обработку и семантическое моделирование через Ontology, формируя цифровую основу поля боя».

2.3. Apollo — автономное развёртывание и управление жизненным циклом

Apollo — платформа, обеспечивающая «автономное развёртывание и управление жизненным циклом» ПО Palantir в гетерогенных и распределённых средах. Её ключевая функция — доставка обновлений и поддержание работоспособности систем даже в условиях, когда традиционные каналы связи нарушены или отсутствуют. В сочетании с Rubix (решением для zero-trust Kubernetes) Apollo обеспечивает безопасное развёртывание в любых инфраструктурах — от защищённых дата-центров до мобильных контейнеров у линии фронта.

2.4. AIP (Artificial Intelligence Platform) — ИИ-слой

AIP — наиболее молодой и динамично развивающийся продукт Palantir, запущенный в 2023 году. Это «генеративный ИИ-слой, построенный поверх Foundry и Gotham», который «не просто подключает API больших языковых моделей, а создаёт полноценную корпоративную ИИ-операционную систему».

Архитектура AIP строится на трёх уровнях:

1. Семантический слой данных (Ontology) — создаёт цифровой двойник организации, организуя сложные данные и логику во взаимосвязанные виртуальные объекты.
2. Двигательный слой (Dynamics) — обеспечивает выполнение бизнес-логики и рабочих процессов.
3. Динамический слой принятия решений — интегрирует бизнес-правила, AI-модели и симуляции для «прогнозирования оптимальных вариантов, проведения многошаговых симуляций и обратной связи результатов в систему, формируя непрерывно оптимизируемый замкнутый цикл».

AIP включает Agent-фреймворк, поддерживающий «динамическую оркестрацию многошаговых задач — агенты могут самостоятельно разбивать сложную задачу на подзадачи». В военном контексте AIP выступает как «центр принятия решений на театре военных действий, вызывая LLM и инструментальные модели для генерации планов действий и через безопасные автоматизированные процессы приводя в действие Kill Web во всех пяти доменах — воздушном, морском, наземном, космическом и электромагнитном».

3. Maven Smart System: ИИ-командование на поле боя

Maven Smart System (MSS) — специализированное решение Palantir, изначально развивавшееся как проект Пентагона «для ускорения анализа разведывательной информации, спутниковых снимков и данных с сенсоров». В Украине MSS используется для управления войсками на различных участках фронта.

Технические характеристики MSS:

• Обработка данных с множественными уровнями секретности — от несекретных до совершенно секретных — в едином настраиваемом интерфейсе.
• Интеграция сторонних AI-моделей для сценарного моделирования.
• Анализ более 150 источников данных — спутниковые снимки, видео с дронов, перехваченные коммуникации, наземные сенсоры.
• Компьютерное зрение для автоматического обнаружения и классификации транспортных средств на поле боя.
• Поддержка CJADC2 (Combined Joint All-Domain Command and Control) — объединённого вседоменного командования и управления.

Немецкий генерал-лейтенант Кай Роршнайдер, командующий объединённым командованием НАТО по мобильности, назвал военную ценность MSS «огромной», отметив, что система «освобождает командование от рутинной работы с данными, позволяя сосредоточиться на анализе и принятии решений». По его словам, «тот, у кого нет таких технологий, не имеет шансов на успех ни на тактическом, ни на оперативном уровне».

MSS развёртывается в распределённой архитектуре с использованием морских контейнеров, содержащих вычислительное оборудование, системы охлаждения и связи. «В случае уничтожения одного контейнера можно переключиться на соседние, повышая живучесть системы».

4. Brave1 Dataroom: AI-инфраструктура на реальных боевых данных

Brave1 Dataroom — совместный проект Министерства обороны Украины, Министерства цифровой трансформации, Вооружённых сил, Научно-исследовательского института военной разведки и Palantir. Это защищённая среда, где разработчики получают доступ к структурированным наборам данных для валидации, обучения и тонкой настройки военных AI-решений.

Технические характеристики платформы:

• Курируемые визуальные и тепловизионные наборы данных воздушных целей, собранные в реальных боевых условиях.
• Данные охватывают различные типы целей, погодные условия, время суток и типы сенсорных систем.
• Особый акцент на противодействие беспилотникам типа Shahed.
• Более 100 украинских компаний обучают свыше 80 AI-моделей для обнаружения и перехвата воздушных целей.

Главная цель платформы — «максимально быстро оснастить 100% дронов, действующих на линии фронта, компьютерным зрением и искусственным интеллектом». Уже достигнуты следующие результаты:

• Дроны-перехватчики нового поколения автономно перехватывают и уничтожают БПЛА типа Shahed.
• Один из участников Brave1 разработал технологию, автоматизирующую 95% всего процесса перехвата.
• На фронте активно применяются десятки систем на основе ИИ и компьютерного зрения, выполняющих тактические и стратегические задачи.

5. Применение AI/ML на поле боя: компьютерное зрение и автономные системы

Технологии Palantir нашли применение в широком спектре боевых задач:

Программное обеспечение PRISMA от Palantir активно используется в украинских командных пунктах ударных беспилотников дальнего радиуса действия, обеспечивая «управление тысячами беспилотников одновременно, находя уязвимые места во вражеской обороне».

По словам военного эксперта Юрия Кнутова, ИИ широко внедряется в дроны последнего поколения: «туда закладывается цифровая карта со спутника, и беспилотник летит по маршруту, сравнивая данные с заложенными в памяти и корректируя полёт. Подлетая к цели, беспилотник набирает высоту, сравнивает изображение с тем, что заложено, и, если совпадение есть, осуществляется атака. Человек практически в схеме не участвует».

6. Архитектурные принципы: онтология, безопасность и непрерывное обучение

6.1. Онтология как семантическое ядро

Центральным архитектурным элементом всех платформ Palantir является Ontology — семантический слой, создающий «управляемый семантический слой — унифицированное представление данных». Онтология «интегрирует три составляющих элемента принятия решений в масштабируемую систему», объединяя NVIDIA-акселерированные вычисления, открытые модели и библиотеки оптимизации маршрутов.

6.2. Безопасность и многоуровневый доступ

Архитектура Palantir предусматривает сочетание политик доступа на основе маркировки, назначения и ролей. Это критически важно для работы с разведданными разных уровней секретности в единой среде.

6.3. Непрерывное обучение моделей

Ключевая особенность экосистемы Palantir — обратная связь: «каждое действие пользователя возвращается в систему, так что AI-модели непрерывно уточняются на основе обратной связи операторов и живых данных». Это создаёт механизм постоянного совершенствования, недоступный в лабораторных условиях.

7. Заключение

Платформы Palantir представляют собой не просто набор инструментов, а целостную экосистему, где Foundry обеспечивает интеграцию и управление данными, Gotham — разведывательную аналитику и целеуказание, AIP — ИИ-принятие решений, а Apollo — автономное развёртывание в любых условиях. Вместе они образуют «операционную систему для войны», где данные превращаются в действия с минимальной задержкой.

Украина стала уникальным испытательным полигоном для этой экосистемы. Реальные боевые условия, противодействие РЭБ, огромные объёмы разнородных данных и необходимость принятия решений за секунды — всё это позволило Palantir проверить и доработать свои технологии в условиях, которые невозможно воспроизвести ни в одной лаборатории мира.

Brave1 Dataroom, в свою очередь, представляет собой новый этап эволюции: переход от использования готовых AI-решений к созданию национальной AI-инфраструктуры, где сотни украинских компаний обучают собственные модели на реальных боевых данных. Это превращает Украину из пассивного потребителя технологий в активного разработчика военного ИИ — и одновременно делает страну ещё более ценным партнёром для Palantir.

Как отметил генерал Роршнайдер, технологии ИИ становятся не просто преимуществом, а необходимым условием выживания на современном поле боя. И Украина, благодаря сотрудничеству с Palantir, оказалась на переднем крае этой трансформации.

Список литературы

1. Nasdaq.com. PLTR's Foundry and Gotham Accelerate Enterprise AI Expansion. 2026. URL: https://www.nasdaq.com/articles/pltrs-foundry-and-gotham-accelerate-enterprise-ai-expansion (дата обращения: 02.09.2026).
2. Nasdaq.com. Foundry & Gotham: The Engines Driving Palantir's Enterprise AI Rise. 2025. URL: https://www.nasdaq.com/articles/foundry-gotham-engines-driving-palantirs-enterprise-ai-rise (дата обращения: 02.09.2026).
3. Zhuanlan.zhihu.com. PALANTIR在现代战争中的体系化应用分析. 2026. URL: https://zhuanlan.zhihu.com/p/2055204171410825437 (дата обращения: 02.09.2026).
4. Palantir.com. AI-Enabled Operations (White Paper). 2022. URL: https://www.palantir.com/assets/xrfr7uokpv1b/3A0y10xksgXENvRMNaAsUu/ed8f7f1ed534c0101f64536a85f7297b/Gotham_AI-Enabled_Operations_White_Paper.pdf (дата обращения: 02.09.2026).
5. Palantir.com. Gotham. 2023. URL: https://www.palantir.com (дата обращения: 02.09.2026).
6. Russiatoday.ru. Военный аналитик Кнутов: Palantir широко внедрила ИИ в систему управления ВСУ. 2026. URL: https://russiatoday.ru/science/news/1677182-analitik-ii-ukraina (дата обращения: 02.09.2026).
7. Rossaprimavera.ru. Немецкий генерал НАТО высоко оценил военную систему компании «Палантир». 2026. URL: https://rossaprimavera.ru/news/80783a87 (дата обращения: 02.09.2026).
8. Kyiv24.com. Использование искусственного интеллекта в обороне Украины с Palantir. 2026. URL: https://kyiv24.com/ru/yspolzovanye-yskusstvennogo-yntellekta-oborone-sotrudnychestvo (дата обращения: 02.09.2026).
9. 5.ua. Украина усиливает сотрудничество с Palantir в сфере AI и defence tech – Федоров. 2026. URL: https://www.5.ua/ru/obshchestvo/ukrayna-usylyvaet-sotrudnychestvo-s-palantir-v-sfere-ai-y-defence-tech-fedorov-376083.html (дата обращения: 02.09.2026).
10. Defensemirror.com. Ukrainian MoD, Palantir Tech Developing Drone Detection Models Using Russian War Data. 2026. URL: https://defensemirror.com/news/41613 (дата обращения: 02.09.2026).
11. Cabinet of Ministers of Ukraine. Ministry of Defence: Over 100 Ukrainian companies are already leveraging Brave1 Dataroom to train AI models. 2026. URL: https://www.kmu.gov.ua/en/news/minoborony-ponad-100-ukrainskykh-kompanii-uzhe-trenuiut-shi-na-danykh-brave1-dataroom (дата обращения: 02.09.2026).
12. Blog.palantir.com. Connecting Agents to Decisions. 2026. URL: https://blog.palantir.com (дата обращения: 02.09.2026).
13. Blog.palantir.com. Enabling Responsible AI in Palantir Foundry. 2025. URL: https://blog.palantir.com (дата обращения: 02.09.2026).
14. Lokad.com. Обзор Palantir, поставщика корпоративных решений для интеграции данных и платформ ИИ. URL: https://www.lokad.com (дата обращения: 02.09.2026).
15. Securitylab.ru. Украина превращается в испытательный полигон для военного ИИ. 2026. URL: https://www.securitylab.ru (дата обращения: 02.09.2026).

Введение

4 сентября 2025 года компания Cadence Design Systems, лидер в области электронного проектирования (EDA), объявила о подписании окончательного соглашения о приобретении подразделения «Дизайн и инжиниринг» (Design & Engineering, D&E) шведского холдинга Hexagon AB [1]. Стоимость сделки составила 2,7 млрд евро (эквивалент примерно 3,15–3,2 млрд долларов), структура платежа — 70% наличными и 30% акциями Cadence [1][2]. 23 февраля 2026 года сделка была успешно закрыта [2][3][4].

Особый интерес для профессионального сообщества представляет тот факт, что в состав приобретаемого бизнеса входит легендарная MSC Software — компания, чьи продукты (MSC Nastran, Adams) на протяжении десятилетий являются отраслевым стандартом в области нелинейного структурного анализа и моделирования многокорпусной динамики [5][6]. Это приобретение стало для Cadence логическим продолжением стратегии «Intelligent System Design» и важнейшим шагом на пути к созданию полного портфеля многодисциплинарного моделирования [1][7].

Настоящий обзор посвящён стратегическим мотивам сделки, техническому портфелю MSC Software, финансовой динамике до и после слияния, а также перспективам развития объединённого портфеля решений.

1. Предыстория: MSC Software и её путь к Hexagon

MSC Software — компания с богатой историей, восходящей к 1963 году, когда NASA финансировала разработку программного обеспечения для анализа конструкций (NASTRAN — NASA Structural Analysis) [5][8]. Со временем MSC Nastran стал золотым стандартом в области конечно-элементного анализа (FEA) для нелинейных задач — пластичность, большие деформации, контактное взаимодействие, сверхпластичность, разрушение и усталость, а Adams — эталоном в области моделирования многокорпусной динамики (MBD) [5][6][9].

В 2017 году Hexagon приобрела MSC Software за 834 млн долларов [5][8]. На протяжении последующих лет бизнес демонстрировал стабильные результаты: в 2024 году выручка D&E-подразделения Hexagon составила около 280 млн долларов, а штат насчитывал более 1100 специалистов по всему миру [1][2][10].

Однако, как пояснило руководство Hexagon, рынок компьютерного инжиниринга стремительно эволюционирует, и EDA-вендоры постепенно занимают доминирующие позиции [1][10]. Hexagon стало всё сложнее следовать за этим трендом. Продажа D&E-бизнеса Cadence позволяет Hexagon сосредоточиться на своём основном профиле — сборе, обработке и использовании данных реального мира [1][10].

2. Стратегические мотивы Cadence

2.1. Завершение формирования полного портфеля многодисциплинарного моделирования

Для Cadence данная сделка стала кульминацией многолетней стратегии по созданию сквозной платформы системного проектирования и анализа (System Design and Analysis, SDA) [1][7]. До приобретения Hexagon D&E Cadence уже обладала сильными компетенциями в области электромагнитного, электротермического моделирования и вычислительной гидродинамики (CFD) [7][11]. В 2024 году компания приобрела BETA CAE Systems, заложив фундамент для входа в область структурного анализа [12].

Приобретение Hexagon D&E с её флагманскими продуктами MSC Nastran и Adams позволяет Cadence закрыть последний крупный пробел в своём портфеле — нелинейный структурный анализ и моделирование многокорпусной динамики [5][6][9]. В результате компания получает возможность предложить клиентам единую сквозную многодисциплинарную платформу, охватывающую электромагнитные, гидродинамические, тепловые и структурные расчёты [1][7].

Как отмечается в сообщении Cadence: «Это приобретение значительно расширяет портфель System Design and Analysis (SDA) Cadence, ускоряя нашу экспансию в области Physical AI и системного проектирования» [1].

2.2. Расширение клиентской базы

Приобретение открывает Cadence доступ к клиентам, которые традиционно не входили в её экосистему, — ведущим мировым производителям в аэрокосмической и автомобильной отраслях [1][5][13]:

• Аэрокосмическая отрасль: Boeing, Lockheed Martin, BAE Systems, Airbus
• Автомобильная отрасль: Volkswagen, BMW, Toyota, Ford, General Motors

Эти компании используют решения Hexagon D&E для критически важных вычислительных экспериментов и цифровых (виртуальных) испытаний, и теперь Cadence получает возможность предложить им комплексные решения «от чипа до системы» [1][5][7].

2.3. Усиление в области Physical AI

Как подчёркивается в пресс-релизах Cadence, приобретение ускоряет экспансию компании в области Physical AI — физического искусственного интеллекта, где математическое и компьютерное моделирование физических процессов (решение нестационарных нелинейных уравнений в частных производных) сочетается с машинным обучением для создания интеллектуальных систем, способных взаимодействовать с физическим миром [1][7][11].

3. Технический портфель MSC Software: архитектура, решатели и технологии компьютерного инжиниринга

MSC Software предлагает комплексную экосистему для компьютерного инжиниринга, построенную на решении нестационарных нелинейных уравнений в частных производных методами конечных элементов, конечных объёмов и методов многотельных систем [5][6][9]. Портфель охватывает структурный анализ, многокорпусную динамику, акустику, оптимизацию и управление данными моделирования.

3.1. MSC Nastran: структурный анализ

MSC Nastran — наиболее широко используемый в мире конечно-элементный решатель для линейного и нелинейного структурного анализа, созданный по заказу NASA и ставший отраслевым стандартом [5][6][8].

Ключевые возможности:

• Линейный статический анализ — расчёт напряжений, деформаций, перемещений для конструкций любой сложности [5][6].
• Нелинейный статический анализ — учёт пластичности, больших деформаций, контактного взаимодействия, гиперупругости, ползучести и разрушения [5][6][9].
• Модальный анализ — определение собственных частот и форм колебаний [6].
• Частотный анализ — расчёт вынужденных колебаний, передаточных функций, частотных характеристик [6].
• Анализ устойчивости — оценка критических нагрузок и форм потери устойчивости [5][6].
• Термический анализ — стационарная и нестационарная теплопроводность, термомеханические связанные задачи [6][9].
• Анализ композитных материалов — моделирование многослойных структур с учётом ортотропии, разрушения слоёв, межслойного сдвига [6].

Решатели и производительность [6][9]:

Автоматическая адаптивная сетка — на основе оценки погрешности поля (h- и p-адаптация) [6][9].

3.2. MSC Adams: моделирование многокорпусной динамики (MBD)

MSC Adams — эталонная платформа для моделирования динамики систем твёрдых тел, соединённых кинематическими парами и подчиняющихся законам классической механики [7][8][13].

Ключевые возможности [7][8]:

• Динамика жёстких тел — расчёт ускорений, сил, моментов, реакций в кинематических парах [7].
• Динамика гибких тел — учёт деформаций компонентов с использованием конечно-элементных суперэлементов [8].
• Контактное взаимодействие — моделирование столкновений, трения, ударов между компонентами [7][13].
• Гидравлические и пневматические системы — интегрированное моделирование приводов, клапанов, гидроцилиндров [7][13].
• Системы управления — совместное моделирование с MATLAB/Simulink, FMI/FMU [8][13].

Решатели [7][8]:

Интеграция с CAD — прямая связь с CATIA, NX, Creo, SolidWorks, а также экспорт в нейтральные форматы [8][13].

3.3. MSC Apex: современная CAE-платформа

MSC Apex — новая платформа для конечно-элементного моделирования, разработанная как альтернатива традиционным пре- и пост-процессорам [8][14].

Ключевые инновации [8][14]:

• Прямая обработка CAD-геометрии — импорт и модификация CAD-моделей без промежуточного перестроения сетки.
• Интерактивное моделирование — мгновенная обратная связь при изменении геометрии или граничных условий.
• Автоматическая сетка — высокое качество тетраэдральных и гексаэдральных элементов.
• Интеграция с решателями — поддержка MSC Nastran, Marc, Digimat и других.

3.4. MSC Marc: нелинейный анализ высокого уровня

MSC Marc — специализированный решатель для сложных нелинейных задач, включая большие деформации, контакт, материалы с памятью формы, вязкоупругость, гиперупругость [9][14].

Ключевые возможности [9][14]:

• Полная геометрическая нелинейность — произвольные деформации и перемещения.
• Сложные контактные задачи — само-контакт, деформируемые контактные поверхности, трение с износом.
• Связанные многодисциплинарные задачи — термомеханика, электромеханика, пьезоэлектричество.
• Анализ процессов — штамповка, экструзия, прокатка, сварка.

3.5. MSC Actran: акустическое моделирование

MSC Actran — специализированный решатель для акустического анализа, включая распространение звука в жидкостях и твёрдых телах, vibroacoustic (виброакустика) [8][13].

Ключевые возможности [8][13]:

• Распространение звука в свободном поле — метод конечных элементов для акустических задач.
• Виброакустика — учёт взаимодействия между конструкцией и акустической средой.
• Поглощающие материалы — моделирование пористых материалов.
• Аэродинамический шум — расчёт шума, генерируемого воздушными потоками.

3.6. MSC Digimat: моделирование композитов

MSC Digimat — платформа для мультимасштабного моделирования композитных материалов, включая армированные пластики, слоистые структуры и соты [9][14].

Ключевые возможности [9][14]:

• Мультимасштабный анализ — от свойств волокна/матрицы до макроскопических характеристик.
• Моделирование разрушения — прогрессирующее разрушение слоёв, межслойное расслоение.
• Технологическая оптимизация — литьё под давлением, экструзия, 3D-печать.

3.7. Связанные (мультифизические) задачи

Портфель MSC Software поддерживает связанные многодисциплинарные исследования (хотя полностью связанные задачи в промышленности встречаются редко) [9][14]:

• Непосредственная связанность — единая система уравнений с несколькими физическими полями (термомеханика в Marc).
• Связь через файлы — последовательный обмен данными между Nastran, Adams, Actran и другими решателями.
• Платформенная интеграция — MSC Apex и SimManager для управления связанными расчётами.

4. Финансовая динамика до и после слияния

4.1. Финансовые показатели Hexagon D&E до сделки (2023–2024)

По данным отчётности Hexagon, D&E-подразделение демонстрировало стабильные, но ограниченные темпы роста [2][10][15]:

D&E-подразделение составляло около 6% совокупной выручки Hexagon [2][10]. Несмотря на умеренные темпы роста, бизнес был высокомаржинальным и генерировал стабильный денежный поток.

4.2. Финансовые показатели Cadence до сделки (2023–2024)

Cadence демонстрировала устойчивый органический рост и высокую маржинальность, что позволяло финансировать крупные приобретения [1][11][12].

4.3. Структура сделки

Согласно условиям соглашения [1][2][3]:

• Цена приобретения: 2,7 млрд евро (эквивалент примерно 3,15–3,2 млрд долларов).
• Структура платежа: 70% наличными + 30% акциями Cadence, переданными Hexagon.
• Мультипликатор: примерно 11x EBITDA (на основе EBITDA D&E ~250 млн евро).
• Одобрение: советами директоров обеих компаний.

4.4. Прогнозы синергии

Объединённая компания ожидает ежегодной синергии в размере 150–200 млн долларов к третьему году после закрытия сделки [1][2][10]. Источники синергии:

• Операционные синергии (40%) — оптимизация дублирующихся функций, унификация платформ, сокращение накладных расходов [1][2].
• Синергии выручки (60%) — кросс-продажи решений Cadence клиентской базе MSC Software и наоборот, интеграция технологий для создания новых продуктов [1][7][10].

4.5. Финансовые результаты после закрытия сделки

После закрытия сделки 23 февраля 2026 года, Cadence объявила о реструктуризации подразделения System Design and Analysis (SDA) с включением продуктов MSC Software [2][3]. Ожидается, что сделка будет умеренно разводняющей для GAAP-прибыли на акцию в 2026 году, но станет аккретивной с 2027 года [1][2].

4.6. Рыночная реакция

На момент объявления сделки (4 сентября 2025 года) акции Hexagon выросли на 5,7%, отражая позитивную оценку рынком условий сделки [15]. Акции Cadence практически не изменились, что свидетельствовало об умеренном оптимизме инвесторов в отношении интеграционных перспектив [1][15].

5. Регуляторные одобрения

Процесс получения регуляторных одобрений был относительно гладким, учитывая меньший масштаб сделки по сравнению с Synopsys–Ansys [1][2][3]:

• Уведомление в ЕС — сделка не достигла порогов для обязательного уведомления в Европейской комиссии [2].
• Федеральная торговая комиссия США (FTC) — не выявила существенных антимонопольных рисков [1][2].
• Другие юрисдикции — регуляторные одобрения получены в установленные сроки [3].

Сделка была закрыта 23 февраля 2026 года [2][3][4].

6. Интеграция технологий и новые продукты

6.1. Интеграция в экосистему Cadence

Приобретённые технологии интегрируются в портфель System Design and Analysis (SDA) Cadence [1][7][11]. Это позволит создать единую платформу для многодисциплинарного моделирования, где разработчики смогут выполнять [7][11][16]:

• Электромагнитный анализ (существующие решения Cadence)
• Вычислительную гидродинамику (существующие решения Cadence)
• Тепловой анализ (существующие решения Cadence)
• Нелинейный структурный анализ (MSC Nastran, MSC Marc)
• Моделирование многокорпусной динамики (MSC Adams)
• Акустический анализ (MSC Actran)
• Моделирование композитов (MSC Digimat)

6.2. Новые продукты и решения

На основе объединённых технологий Cadence и MSC Software ожидаются следующие новые продукты [1][7][16]:

• Cadence MultiBody Dynamics — интегрированное решение на базе MSC Adams с поддержкой электромагнитных и гидравлических приводов.
• Cadence Structural Analysis — пакет на базе MSC Nastran и Marc с унифицированным пре-процессором.
• Cadence Multidisciplinary Optimization — платформа для топологической оптимизации и многодисциплинарной параметрической оптимизации.

Как отмечает Cadence Community, «это приобретение представляет собой огромный скачок для всего профессионального сообщества, объединяя лучшие в мире решения для структурного анализа с ведущими EDA-инструментами» [7].

7. Влияние на рынок

7.1. Укрепление позиций Cadence

Приобретение Hexagon D&E значительно укрепляет позиции Cadence на рынке системного проектирования и анализа [1][11][16]. Компания становится одним из трёх крупнейших поставщиков в сегменте многодисциплинарного моделирования, наряду с Synopsys–Ansys и Siemens–Altair [1][11].

7.2. Контекст консолидации рынка

Сделка Cadence с Hexagon D&E вписывается в глобальный тренд консолидации рынка ПО для промышленного проектирования [12][16][17]:

Эти сделки отражают фундаментальный сдвиг в индустрии: будущее за интеграцией электронного проектирования и физического моделирования в единую платформу «от чипа до системы» [1][11][16].

Заключение

Приобретение Hexagon D&E за 2,7 млрд евро — это стратегический шаг Cadence, который позволяет компании закрыть последний крупный пробел в своём портфеле многодисциплинарного моделирования. Легендарные продукты MSC Software — MSC Nastran, Adams, Marc, Actran, Digimat — становятся частью экосистемы Cadence, открывая перед разработчиками возможность использовать единую платформу для проектирования сложных систем «от чипа до системы».

Технический портфель MSC Software охватывает все ключевые направления компьютерного инжиниринга: структурный анализ (включая нелинейные задачи — пластичность, большие деформации, контакты), многокорпусную динамику, акустику, моделирование композитов и управление данными моделирования. Финансовая динамика показывает, что объединённая компания имеет все предпосылки для устойчивого роста: синергия в 150–200 млн долларов ежегодно, расширение адресного рынка и интеграция с существующими решениями Cadence.

Как отмечается в сообщении Cadence, «это приобретение значительно расширяет портфель System Design and Analysis (SDA) Cadence, ускоряя нашу экспансию в области Physical AI и системного проектирования» [1]. Впереди — интеграция технологий, развитие ИИ-инструментов и расширение присутствия на быстрорастущих рынках автомобильной и аэрокосмической промышленности.

Список литературы

1. Cadence Design Systems, Inc. (2025). Cadence to Acquire Hexagon's Design & Engineering Business, Accelerating Expansion in Physical AI and System Design and Analysis. [Пресс-релиз]. URL: https://www.cadence.com

1. Cadence Design Systems, Inc. (2026). Cadence Completes Acquisition of Hexagon's Design and Engineering Business, Advancing Leadership in Physical AI and Multiphysics. [Пресс-релиз]. NASDAQ. URL: https://www.nasdaq.com

1. Nasdaq (2025). Cadence To Buy Design & Engineering Business Of Hexagon AB. URL: https://www.nasdaq.com

1. Hexagon AB (2026). Hexagon completes sale of Design & Engineering business. [Пресс-релиз]. URL: https://www.hexagon.com

1. MSC Software Taiwan Blog (2026). Cadence 宣布完成收購 Hexagon D&E 業務. URL: https://blog.mscsoftware.com.tw

1. MSC Software (2025). MSC Nastran | Structural Analysis Solutions. URL: https://www.mscsoftware.com

1. Cadence Community (2026). Cadence's Acquisition of Hexagon D&E: A Game-Changer for Multiphysics Innovation. URL: https://community.cadence.com

1. MSC Software (2025). MSC Adams | Multibody Dynamics Simulation. URL: https://www.mscsoftware.com

1. MSC Software (2025). MSC Marc | Advanced Nonlinear Simulation. URL: https://www.mscsoftware.com

1. Latham & Watkins (2025). Latham & Watkins Advises Cadence in Acquisition of Hexagon's Design and Engineering Business for Approximately €2.7 Billion. URL: https://www.lw.com

1. Engineering.com (2026). Cadence closes on Nastran, Adams, and more from Hexagon. URL: https://www.engineering.com

1. CIMdata (2024). Cadence Acquires BETA CAE. URL: https://www.cimdata.com

1. MSC Software (2025). MSC Actran | Acoustic Simulation Software. URL: https://www.mscsoftware.com

1. MSC Software (2025). MSC Digimat | Multiscale Composite Material Modeling. URL: https://www.mscsoftware.com

1. AK&M (2026). Swedish Hexagon completes sale of D&E business for 2.7 billion euros. URL: https://www.akm.ru

1. ABI Research (2024). Siemens Acquires Altair Engineering for US$10.6 Billion to Advance Simulation, AI, and Digital Twin Services. URL: https://www.abiresearch.com

1. Mergr (2025). Cadence Acquires Hexagon - Design & Engineering Business. URL: https://mergr.com

Введение

16 января 2024 года два лидера индустрии — Synopsys (кремниевое проектирование и EDA) и Ansys (математическое и компьютерное моделирование, многодисциплинарные исследования) — объявили о подписании окончательного соглашения о слиянии [1]. После восемнадцати месяцев интенсивной регуляторной проверки сделка получила финальное одобрение от Государственной администрации по регулированию рынка Китая (SAMR) 14 июля 2025 года и была официально закрыта 17 июля 2025 года [2][3][4]. Стоимость приобретения составила приблизительно 35 млрд долларов США [1][2], что сделало её одной из крупнейших в истории индустрии промышленного программного обеспечения. Это событие ознаменовало качественно новый этап консолидации рынка, где электроника и физика окончательно перестали существовать изолированно, а искусственный интеллект стал связующим звеном между ними.

Настоящий обзор посвящён стратегическим мотивам сделки, техническому портфелю Ansys, финансовой динамике до и после слияния, а также перспективам развития объединённого портфеля решений.

1. Стратегические мотивы сделки

1.1. Интеграция электроники и физики

Главный стратегический импульс сделки — ответ на мегатренды современного проектирования. Как отметил генеральный директор Synopsys Сассин Гази: «На протяжении десятилетий Synopsys обеспечивала прорывы в проектировании кремния и IP, которые двигали инновации в чипах. Теперь, с лидирующими решениями Ansys в области системного моделирования и анализа в составе Synopsys, мы можем максимизировать возможности проектировочных команд в целом, зажигая их инновации от кремния до систем» [4].

Продукты всё чаще эволюционируют в интеллектуальные системы — способные обучаться, рассуждать, взаимодействовать, адаптироваться и действовать. Будь то хирургический робот, автономный дрон, электромобиль или центр обработки данных — все эти системы работают на кремнии, определяются программным обеспечением и насыщены ИИ. Объединение компетенций Synopsys в области полупроводникового проектирования с широким портфелем Ansys в области математического и компьютерного моделирования (решение нестационарных нелинейных уравнений в частных производных) позволяет предложить разработчикам комплексные решения, охватывающие весь жизненный цикл продукта — от отдельного транзистора до готовой системы [1][4].

1.2. Расширение адресного рынка

Сделка позволила Synopsys увеличить совокупный адресный рынок (TAM) примерно в 1,5 раза — до 31 млрд долларов [1][5]. Это открывает доступ к новым, быстрорастущим сегментам, включая автомобильную, аэрокосмическую, промышленную и высокотехнологичную отрасли [4][5].

1.3. Финансовые синергии

Как отмечает аналитическое агентство Futurum Group, «сделка обещает расширение маржи и увеличение свободного денежного потока» [5]. Операционная маржа Ansys (45% на скорректированной основе) превышает аналогичный показатель Synopsys (40%), что даёт немедленный импульс к росту прибыльности объединённой компании [3][5].

2. Технический портфель Ansys: архитектура, решатели и технологии компьютерного инжиниринга

Ansys — один из мировых лидеров в области математического и компьютерного моделирования, предлагающий платформу для решения нестационарных нелинейных задач в механике, гидродинамике, электродинамике, акустике и смежных дисциплинах. Продуктовый портфель Ansys охватывает весь жизненный цикл разработки — от концептуального проектирования до цифровых (виртуальных) испытаний и эксплуатационной поддержки. В основе экосистемы лежат решатели, поддерживающие многодисциплинарные исследования (в том числе связанные задачи, хотя полностью связанные мультифизические постановки в реальной промышленности встречаются редко) и работающие как на CPU, так и на GPU.

2.1. Ansys Mechanical: структурный анализ

Ansys Mechanical — конечно-элементный решатель для структурного анализа, охватывающий линейные и нелинейные задачи статики и динамики, теплопроводности, модального анализа, устойчивости, усталости и разрушения [6].

Нелинейные возможности. Ключевое преимущество Mechanical — поддержка трёх типов нелинейностей [6][7]:

• Материальная нелинейность — модели пластичности (теории течения и деформационного упрочнения), сверхпластичности, гиперупругости (полимеры, эластомеры), вязкоупругости, ползучести, повреждаемости и разрушения.
• Геометрическая нелинейность — учёт больших деформаций и перемещений, эффекты потери устойчивости («stress stiffening» и «spin softening»).
• Контактная нелинейность — моделирование разделения, скольжения, трения, прилипания и повторного контакта между поверхностями в сборках.

Для решения нелинейных задач используются итерационные методы Ньютона-Рафсона с автоматическим дроблением шага и контролем сходимости [6].

Решатели и производительность. Mechanical включает два основных решателя [7]:

• Прямой решатель (Sparse Direct) — для задач с умеренным числом степеней свободы, обеспечивает высокую точность. В версии 2025 R1 GPU-ускорение даёт ускорение до 6 раз по сравнению с альтернативными решениями.
• Итерационный решатель (PCG — Preconditioned Conjugate Gradient) — для крупных задач с эффективным распараллеливанием; GPU-версия также до 6 раз быстрее CPU.

Сеточные технологии [6][7]:

• Автоматическая адаптивная сетка (Nonlinear Adaptivity — NLAD) с контролем погрешности.
• Гексаэдральные и тетраэдральные элементы высокого порядка.
• Специализированные элементы для оболочек, балок, композитов, гидро- и пьезоэлементов.

Дополнительные возможности:

• Явный анализ (Explicit Dynamics) для высокоскоростных процессов [7].
• Акустический анализ — расчёт шума и виброакустики.
• Топологическая оптимизация [6].

2.2. Ansys Fluent: вычислительная гидродинамика (CFD)

Ansys Fluent — отраслевой стандарт CFD, реализующий решение уравнений Навье-Стокса (RANS, LES, DES) на неструктурированных сетках [8][9].

Решатели. Fluent предлагает два типа решателей [8]:

• Плотностной решатель (Density-Based) — для сжимаемых потоков (транс- и сверхзвук, аэрокосмос).
• Решатель на основе давления (Pressure-Based) — для несжимаемых и слабосжимаемых течений; доступен как CPU, так и нативный GPU-решатель.

Модели турбулентности [8][9]:

• Двухпараметрические RANS: k-ε, k-ω, SST.
• Модели переноса сдвиговых напряжений (SST).
• Моделирование крупных вихрей (LES) и отрывных вихрей (DES).

GPU-решатель. Начиная с 2025 R1, GPU-решатель Fluent поддерживает [9]:

• Горение (включая FGM — Flamelet Generated Manifold).
• Акустику.
• Течения со свободной поверхностью (метод VOF).
• Излучение (S2S).
• Сопряжённый теплообмен.
• Электрический потенциал.

Новая лицензия CFD HPC Ultimate снимает ограничения на число CPU/GPU, позволяя использовать любые вычислительные ресурсы без дополнительных лицензий [9].

Специализированные решатели [8]:

• SPH-решатель (Smoothed Particle Hydrodynamics) для задач со свободной поверхностью и взаимодействием жидкость-твёрдое тело.
• Неявный решатель стал до 3 раз быстрее в новых версиях.

2.3. Ansys Maxwell: электромагнитное моделирование

Ansys Maxwell — конечно-элементный решатель для задач электромагнетизма [10].

Решатели. Maxwell включает [10]:

• Магнитные: магнитостатика, вихревые токи (Eddy Current), переходные процессы (Transient).
• Электрические: электростатика, AC/DC токи, переходные процессы.

Расчётные величины [10]:

• Силы, моменты, индуктивности, ёмкости.
• Потери мощности, распределения плотности тока и магнитного потока.

Производительность. В версии 2026 R1 2D-магнитный переходный решатель стал до 10 раз быстрее благодаря новым элементам первого порядка [10].

Автоматическая адаптивная сетка. Автоматическое адаптивное измельчение сетки на основе оценки погрешности поля [10].

2.4. Ansys LS-DYNA: явный анализ и кратковременные процессы

Ansys LS-DYNA — наиболее используемая в мире программа явного анализа для задач с кратковременными динамическими нагрузками [11].

Основные применения [11]:

• Краш-тесты, удары, пенетрация.
• Безопасность пассажиров.
• Падения и столкновения.

Математический аппарат. Явное интегрирование по времени: ускорения узлов вычисляются непосредственно через обратную диагональную матрицу масс без итераций [11].

Расширенные возможности [11]:

• Неявный решатель для квазистатических задач.
• Частотный анализ.
• ICFD для несжимаемой жидкости.
• Электромагнитный решатель.
• Методы частиц (SPH).

2.5. Ansys Rocky: моделирование частиц (DEM)

Ansys Rocky — решение на основе дискретно-элементного метода (DEM) для моделирования сыпучих материалов [12].

Моделирование частиц [12]:

• Реалистичные формы частиц (произвольные твёрдые тела, 2D-оболочки, гибкие и жёсткие волокна).
• Деформируемые частицы (бета-функция) на основе FEM-подхода.
• Широкое распределение по размерам и формам.

Двунаправленная связь с Fluent. Двунаправленная связь DEM–CFD для учёта воздействия потока на частицы и обратного влияния частиц на поток [8][12]:

• Силы давления, сопротивления, виртуальной массы.
• Усреднение по соседним ячейкам (метод Лагранжа–Эйлера).

2.6. Ansys Twin Builder: цифровые двойники

Ansys Twin Builder — платформа для создания, валидации и развёртывания гибридных цифровых двойников на основе физических моделей и данных [13].

Снижение порядка модели (ROM) [13]:

• Автоматическая генерация быстрых ROM на основе результатов 3D-моделирования.
• Ускорение расчётов в 50–100 раз.

Интеграция [13]:

• Объединение 0D/1D/3D моделей, IoT-сигналов, алгоритмов управления.
• Интеграция с TwinAI для добавления AI/ML-компонентов.

2.7. Ansys Discovery: концептуальное проектирование

Ansys Discovery — среда для интерактивного компьютерного моделирования на ранних стадиях проектирования с мгновенной обратной связью [14].

GPU-ускорение [14]:

• Прямое манипулирование геометрией с расчётом полей в реальном времени.
• В 2025 R2 добавлены ускоренные решатели и расширенная физика.

Тепловой анализ. Значительное расширение возможностей теплового моделирования [14].

2.8. Связанные (мультифизические) задачи

Ansys поддерживает связанные многодисциплинарные исследования (хотя полностью связанные задачи в промышленности редки) [15]:

• Прямой метод — единая система уравнений с несколькими физическими полями.
• Метод передачи нагрузки — последовательный обмен данными между решателями.
• Система System Coupling — интеграция независимых решателей.

Связанные элементы. Специализированные элементы (PLANE222, PLANE223, SOLID225, SOLID226, SOLID227) поддерживают [15]:

• Термомеханику (с пластичностью, вязкоупругостью, ползучестью).
• Пьезоэлектричество и пьезорезистивность.
• До 5 степеней свободы на узел (перемещения, температура, напряжение).

3. Финансовая динамика до и после слияния

3.1. Финансовые показатели Ansys до сделки (2023–2024)

По данным отчётности, предшествовавшей сделке, Ansys демонстрировала устойчивый рост и высокую операционную эффективность [3][5]:

Операционная маржа Ansys (45% на скорректированной основе) превышала аналогичный показатель Synopsys (40%), что делало Ansys высокомаржинальным активом с устойчивой генерацией денежного потока [3][5].

3.2. Финансовые показатели Synopsys до сделки (2023–2024)

Synopsys демонстрировала более высокие темпы роста выручки, но несколько более низкую операционную маржу по сравнению с Ansys [5].

3.3. Структура сделки

Согласно условиям соглашения, акционеры Ansys получили 197 долларов наличными и 0,3450 акций Synopsys за каждую акцию Ansys [1]. Исходя из цены закрытия акций Synopsys на 21 декабря 2023 года, это соответствовало стоимости 390,19 доллара за акцию Ansys и представляло собой премию около 29% к цене закрытия Ansys на ту же дату [1]. Общая стоимость сделки составила приблизительно 35 млрд долларов [1][2].

3.4. Прогнозы синергии

Объединённая компания ожидает ежегодной синергии в размере 400 млн долларов к третьему году после завершения сделки [5][12]. Источники синергии:

• Операционные синергии (50%) — оптимизация дублирующихся функций, унификация платформ, сокращение накладных расходов.
• Синергии выручки (50%) — кросс-продажи решений Synopsys клиентской базе Ansys и наоборот, интеграция технологий для создания новых продуктов [1][5].

3.5. Финансовые результаты после закрытия сделки

Согласно заявлениям Synopsys, сделка является аккретивной к не-GAAP прибыли на акцию со второго полного года после закрытия [1][5]. В первый полный год после закрытия ожидается расширение не-GAAP операционной маржи примерно на 125 базисных пунктов и не-GAAP маржи свободного денежного потока — на 75 базисных пунктов [1][5].

3.6. Рыночная реакция

На момент объявления сделки (16 января 2024 года) акции Ansys выросли на 18%, акции Synopsys снизились на 4% [5]. Это отражало рыночную оценку: акционеры Ansys получали значительную премию, тогда как рынок оценивал интеграционные риски для Synopsys. К моменту закрытия сделки в июле 2025 года акции Synopsys восстановились и продемонстрировали положительную динамику, что свидетельствовало об уверенности инвесторов в успешной интеграции [3][5].

4. Регуляторные одобрения

Процесс получения регуляторных одобрений занял около 18 месяцев и стал одним из наиболее сложных этапов сделки [2][4]. Ключевые вехи:

• Европейская комиссия одобрила сделку на первом этапе (Phase 1) в январе 2025 года [2].
• Федеральная торговая комиссия США (FTC) дала разрешение 28 мая 2025 года при условии продажи определённых активов для устранения антимонопольных рисков [16].
• Китайская государственная администрация по регулированию рынка (SAMR) выдала условное одобрение 14 июля 2025 года после тщательной проверки [2][16].
• Управление по конкуренции и рынкам Великобритании (CMA) подтвердило, что обязательства по продаже активов были выполнены [2].

Для получения одобрения регуляторов Synopsys была вынуждена продать определённые активы, включая Synopsys Optical Solutions Group и Ansys PowerArtist [16].

5. Интеграция технологий и дорожная карта

5.1. Объединённая технологическая дорожная карта

Synopsys объявила о планах по быстрой интеграции технологий. Первые интегрированные решения ожидались в первой половине 2026 года [4][17]. Они включают многодисциплинарные расчёты в полном стеке EDA, в том числе для многокристальной передовой упаковки (multi-die advanced packaging) [17].

Как отмечает Digital Engineering 24/7, «интегрированная технологическая дорожная карта теперь в действии, с первым раундом объединённых возможностей, запланированным на первую половину 2026 года» [17].

5.2. Multiphysics Fusion™ — первый объединённый продукт

Всего через восемь месяцев после закрытия сделки, в марте 2026 года, на конференции Converge 2026 были представлены первые объединённые решения Synopsys и Ansys под названием Synopsys Multiphysics Fusion™ [18]. Это технология, которая интегрирует «золотые» многодисциплинарные расчётные движки Ansys в портфель EDA Synopsys, обеспечивая электромагнитное, тепловое и механическое моделирование для проектирования чипов [18].

6. Влияние на рынок

Сделка Synopsys и Ansys стала частью глобальной волны консолидации, когда ведущие EDA-вендоры приобретают CAE-компании для создания комплексных решений «от кремния до систем» [19]. Как отмечают аналитики, этот тренд отражает фундаментальный сдвиг в индустрии: успешное проектирование сложных систем требует одновременного учёта электронных, физических и программных аспектов, и ни одна из этих составляющих не может развиваться изолированно [19].

В результате сделки Synopsys укрепила свои позиции как ведущий поставщик решений для проектирования полупроводников и систем, получив доступ к клиентской базе Ansys в автомобильной, аэрокосмической, промышленной и высокотехнологичной отраслях [4][19].

Заключение

Приобретение Ansys компанией Synopsys за 35 млрд долларов — это не просто крупнейшая сделка в истории EDA-индустрии. Это стратегический ответ на фундаментальный вызов современного проектирования: создание интеллектуальных систем требует одновременного учёта электроники, физики и программного обеспечения. Объединённая компания получает уникальную возможность предложить разработчикам сквозные решения «от кремния до систем», где математическое и компьютерное моделирование (решение нестационарных нелинейных уравнений в частных производных), вычислительные эксперименты и цифровые (виртуальные) испытания становятся неотъемлемой частью процесса проектирования на всех его этапах.

Технический портфель Ansys — от Mechanical и Fluent до LS-DYNA, Maxwell, Rocky и Twin Builder — обеспечивает полное покрытие задач структурного анализа, гидродинамики, электродинамики, акустики и многодисциплинарных исследований. Финансовая динамика показывает, что объединённая компания имеет все предпосылки для устойчивого роста: высокая операционная маржа Ansys (45%), синергия в 400 млн долларов ежегодно и расширение адресного рынка до 31 млрд долларов.

Первый объединённый продукт — Synopsys Multiphysics Fusion™, представленный в марте 2026 года [18], — уже продемонстрировал практическую реализацию этого видения. Впереди — дальнейшая интеграция, развитие ИИ-инструментов и расширение присутствия на быстрорастущих рынках. Очевидно одно: компьютерный инжиниринг вступает в новую эру, и Synopsys с Ansys намерены стать её лидерами.

Список литературы

1. Synopsys, Inc. (2024). Synopsys to Acquire Ansys, Creating a Leader in Silicon to Systems Design Solutions. [Пресс-релиз]. NASDAQ. URL: https://www.nasdaq.com/press-release/synopsys-to-acquire-ansys-creating-a-leader-in-silicon-to-systems-design-solutions

1. Synopsys, Inc. (2025). Synopsys Receives All Necessary Approvals for Proposed Acquisition of Ansys. [Пресс-релиз]. URL: https://news.synopsys.com

1. Reuters (2025). Synopsys closes $35 billion acquisition of Ansys after China approval. URL: https://www.reuters.com

1. Synopsys, Inc. (2025). Synopsys Completes Acquisition of Ansys. [Пресс-релиз]. NASDAQ. URL: https://www.nasdaq.com/press-release/synopsys-completes-acquisition-ansys-2025-07-23

1. Futurum Group (2025). Synopsys Closes $35B Ansys Acquisition: A New Era in Chip-to-System Design. URL: https://futurumgroup.com

1. Ansys, Inc. (2025). Ansys Mechanical | Structural FEA Analysis Software. URL: https://www.ansys.com

1. Ansys, Inc. (2025). Ansys 2025 R1 Delivers Data-Driven Insights with Powerful Digital Engineering Technology. [Пресс-релиз]. URL: https://www.ansys.com

1. Ansys, Inc. (2025). Ansys Fluent 2025 R1: What's New. URL: https://www.ansys.com

1. Ansys, Inc. (2024). Ansys Fluent Capabilities | Powering Advanced CFD Simulations. URL: https://www.ansys.com

1. Ansys, Inc. (2026). What's New in Ansys 2026 R1 for Electromagnetics. URL: https://www.padtinc.com

1. Ansys, Inc. (2025). Ansys LS-DYNA | Crash Simulation Software. URL: https://www.ansys.com

1. Ansys, Inc. (2025). Ansys Rocky | DEM Particle Simulation. URL: https://www.padtinc.com

1. Ansys, Inc. (2025). Ansys Twin Builder | Create and Deploy Digital Twin Models. URL: https://www.padtinc.com

1. Ansys, Inc. (2025). What's New in Ansys Discovery 2025 R2: Smarter Simulations, Real-Time AI, and Expanded Physics. URL: https://www.ansys.com

1. Ansys, Inc. (2025). ANSYS Multiphysics Solution. URL: https://www.ansys.com

1. Federal Trade Commission (2025). FTC Approves Final Divestiture Order in Synopsys and Ansys Deal. [Пресс-релиз]. URL: https://www.ftc.gov

1. Digital Engineering 24/7 (2025). Synopsys Finalizes Acquisition of Ansys. URL: https://www.digitalengineering247.com

1. Synopsys, Inc. (2026). Synopsys Outlines Vision for Engineering the Future. [Пресс-релиз]. NASDAQ. URL: https://www.nasdaq.com

1. ABI Research (2024). Synopsys Acquires Ansys for $35 Billion. URL: https://www.abiresearch.com

Вместо пролога

12 августа 2026 года в аэропорту Платтсбург (штат Нью-Йорк) 11-тонная машина с 32-метровым размахом крыльев оторвалась от взлётной полосы. Четыре электромотора выдали больше мегаватта мощности, подняв самолёт на высоту 335 метров. Через 27 минут X1 приземлился, израсходовав электроэнергии примерно на 5 долларов.

Это был X1 — крупнейший полностью электрический самолёт, когда-либо поднимавшийся в воздух. Не прототип, а полноразмерный демонстратор, созданный шведско-американской Heart Aerospace.

Но что на самом деле стоит за этой красивой цифрой в $5? И почему инженеры аплодируют громче, чем менеджеры?

1. Что такое X1 и зачем он нужен

X1 — это не прототип серийного самолёта, а летающая лаборатория. Его задача — собрать лётные данные для отработки аэродинамики, систем управления и электрической силовой установки будущего 30-местного гибридного регионального лайнера ES-30.

Ключевые параметры X1:

На борту — только пилот. Полёт выполнялся по Специальному сертификату лётной годности в экспериментальной категории (SAC-EC) FAA.

Важно понимать: программа испытаний X1 ограничена низковысотными режимами (до 2000 футов) и скоростью 140 узлов. Это не коммерческий полёт, а сбор эмпирических данных с транспортного самолёта в реальных условиях.

2. Что под капотом: техническое устройство X1

Для Хабра — самое интересное.

2.1. Двигатели

X1 оснащён четырьмя электродвигателями суммарной пиковой мощностью свыше 1 МВт. Производитель моторов в открытых источниках не уточняется, но система в целом разработана Heart Aerospace для отработки масштабируемой электрической силовой установки.

2.2. Аккумуляторы

Батареи поставляет BAE Systems — британский оборонно-аэрокосмический гигант.

Характеристики батарейной системы:

• Тип: литий-ионные
• Энергоёмкость на уровне ячеек: ~330 Вт·ч/кг
• Общая масса батарей: по оценкам, около 5 тонн

Для сравнения: стандартные литий-ионные ячейки имеют энергоёмкость 250–300 Вт·ч/кг. 330 Вт·ч/кг — это выше среднего, но всё ещё далеко от твёрдотельных батарей (обещают 400+ Вт·ч/кг к 2026–2030 годам).

За 27-минутный полёт X1 израсходовал электроэнергии примерно на $5. При средней стоимости электроэнергии в США ~$0,06/кВт·ч это даёт расход около 85 кВт·ч за полёт. Пиковая мощность системы превышала 1 МВт, что говорит о работе батарей в импульсном режиме с высокими токовыми нагрузками.

3. Сердце X1: что скрывается за цифрой 330 Вт·ч/кг

Батареи X1 имеют энергоёмкость около 330 Вт·ч/кг. Для авиации это выдающийся показатель: стандартные автомобильные литий-ионные батареи дают 200–280 Вт·ч/кг на уровне модуля. Но для полёта на 200 км этого хватило лишь на 27 минут. Потому что керосин даёт ~12 000 Вт·ч/кг (теплотворная способность), и даже с учётом КПД турбины (~35%) разрыв остаётся колоссальным.

Почему батареи не становятся легче? Это «проклятие массы»: самолёт на керосине худеет по мере выработки топлива. Электрический — нет. Он несёт все 5 тонн батарей от взлёта до посадки. Именно поэтому X1 — только демонстратор, а ES-30 — гибрид.

4. Гонка энергоёмкости: что будет завтра

Энергоёмкость батарей растёт, но медленнее, чем хотелось бы. Вот картина на середину 2026 года.

Литий-ион: потолок достигнут?

• X1 (BAE Systems) — 330 Вт·ч/кг
• CATL (мировой лидер) запустила серийный выпуск авиационных призматических батарей с 350 Вт·ч/кг — на 50% выше, чем у электромобильных.
• Amprius предлагает кремниево-анодные ячейки SiCore с 450 Вт·ч/кг.
• MagniX (производитель двигателей для Eviation Alice) предлагает ячейки Samson с 400 Вт·ч/кг.

Твёрдотельные батареи: новый рубеж

• Helios Horizon 5 июня 2026 года совершил первый в мире пилотируемый полёт на твёрдотельных батареях. Энергоёмкость — 410 Вт·ч/кг, что на 60–80% выше, чем у обычных литий-ионных. Зарядка с 0 до 80% — менее чем за 15 минут.
• EHang в ноябре 2024 года совершила первый беспилотный полёт eVTOL на твёрдотельных батареях с 480 Вт·ч/кг.

Керамические батареи: следующий шаг

• ProLogium (Тайвань) совместно с Elysian Aircraft (Нидерланды) нацелены на 320–420 Вт·ч/кг на уровне модуля, что позволит электрическим самолётам летать на 750–1000 км. Ключевое преимущество — керамический сепаратор вместо жидкого электролита, что резко повышает пожарную безопасность.

Вывод: 330 Вт·ч/кг X1 — не предел. 400+ уже летает (Helios Horizon), 450+ существует (Amprius), 480+ показано (EHang). Но сертификация авиационных батарей занимает годы, а не месяцы. Именно поэтому ES-30 к 2031 году получит те батареи, которые сегодня проходят испытания, — и это даёт надежду на выполнение заявленных 200 км в электрическом режиме.

5. $5 — маркетинг или реальность?

5 долларов — это исключительно стоимость электроэнергии. В реальной эксплуатации к этому добавятся:

1. Амортизация батарей — самый дорогой компонент. Срок службы ~1000 циклов, замена 5-тонного банка — миллионы долларов.
2. Зарплата пилотов и техперсонала.
3. Аэропортовые сборы и страховка.
4. Регулярное ТО электрических систем.

Тем не менее, Heart Aerospace заявляет о снижении операционных расходов на 40% по сравнению с региональными турбовинтовыми самолётами. По словам основателя Андерса Форслунда, электрические коммерческие самолёты способны «фундаментально изменить экономику авиакомпаний и в конечном счёте снизить стоимость авиаперевозок для пассажиров».

Наш расчёт: при стоимости электроэнергии ~$0,06/кВт·ч и расходе ~85 кВт·ч за 27 минут, часовой расход электроэнергии составит ~189 кВт·ч — около $11 в час. Для сравнения: турбовинтовой ATR-42 сжигает ~400 кг керосина в час, что при цене $3,50 за галлон даёт ~$450–500 в час только на топливо. Разница — в 40–45 раз по прямым энергозатратам. Но с учётом амортизации батарей (ориентировочно $200–300 в час) разрыв сокращается до 2–3 раз. 40% общего снижения операционных расходов выглядит достижимо, но не за счёт одной лишь электроэнергии.

6. А что будет с ES-30?

ES-30 — это 30-местный региональный самолёт с гибридной силовой установкой: четыре электромотора + турбогенератор (ДВС, который заряжает батареи в полёте, но не вращает винты напрямую).

Ключевое отличие от X1: ES-30 — гибрид. Это вынужденный компромисс, признающий, что современные батареи не обеспечивают достаточной дальности для коммерческой эксплуатации. Полностью электрический ES-30 сможет покрывать только сверхкороткие маршруты (например, Осло — Ставангер или Нью-Йорк — Бостон).

Предзаказы уже есть:

• United Airlines — 100 самолётов (+ опцион на 50)
• Air Canada — 30 самолётов
• JSX — нераскрытое количество

Heart Aerospace планирует начать лётные испытания первого предсерийного ES-30 в 2028 году с коммерческим вводом в эксплуатацию в 2031 году. Первый предсерийный образец уже собирается на пилотном заводе в Лос-Анджелесе.

7. Сертификация: главный барьер

FAA Part 25 — это сертификационный стандарт для транспортных самолётов. И он не прощает новичков.

Почему электрический самолёт сложнее сертифицировать?

1. Тепловой разгон (thermal runaway) — главный кошмар сертификаторов. FAA требует, чтобы батарейная система предотвращала распространение теплового события с одной ячейки на соседние. При 5 тоннах литий-ионных ячеек, упакованных в фюзеляж, это нетривиальная инженерная задача.

2. Аварийная посадка с тяжёлыми батареями. При жёсткой посадке батареи массой 5 тонн создают огромные инерционные нагрузки. Их крепление должно выдерживать перегрузки до 9g без разрушения и без пробоя корпуса.

3. Пожаробезопасность. Литий-ионные батареи горят самостоятельно — им не нужен кислород. Тушить такой пожар на борту практически невозможно.

4. Отсутствие статистики. Для турбовинтовых двигателей есть десятилетия эксплуатационной статистики. Для электромоторов мощностью 1 МВт в авиационном исполнении — почти нет.

Наш прогноз: даже при оптимистичном сценарии сертификация ES-30 займёт 5–7 лет с момента подачи заявки. Целевой 2031 год — амбициозен, но не невозможен. Исторически средняя задержка новых авиационных программ составляет 3–5 лет.

8. Кто ещё в гонке: конкуренты и альтернативные пути

Heart Aerospace — не единственные. И у каждого — своя философия.

ZeroAvia (водород-электрический)

Разрабатывает водородные топливные элементы для авиации. Единственный в мире производитель с одобрением как Design Organization. Более 3000 предзаказов. Это другой путь к нулевым выбросам — не батареи, а водород.

Ampaire (гибридный ретрофит)

Не строит новые самолёты, а переоборудует существующие (Cessna Grand Caravan) в гибридные «Eco Caravan». Снижение расхода топлива — 54–57%. Это самый прагматичный подход: не ждать 2031 года, а снижать выбросы уже сейчас.

eVTOL-игроки (Joby, Archer, Beta)

Строят электрические аппараты вертикального взлёта и посадки для городских перевозок. Joby показала выручку $39 млн во 2-м квартале 2026 года. Beta Technologies прогнозирует выручку до $50 млн в 2026 финансовом году.

Eviation Alice — предостережение

Крупнейший электрический самолёт до X1. В 2022 году совершил 8-минутный полёт. Собрал заказов на $5 млрд. А затем — остановка программы, уход основателя, CEO и ключевых технических специалистов. Напоминание: первый полёт — не коммерческий успех.

Что это значит для Heart Aerospace?

У Heart есть три уникальных преимущества:

1. Масштаб — 30 мест, а не 6 или 9.
2. Гибридная архитектура — 800 км с турбогенератором против 200 км чисто на батареях.
3. Портфель заказов — от United, Air Canada и JSX.

9. Экологический и геополитический аспекты

Снижение шума — один из ключевых аргументов в пользу электрической авиации. Взлёт X1 описывают как «тихое гудение» вместо привычного рёва турбин. Для аэропортов внутри городов это критично.

Энергонезависимость — электричество не зависит от цен на нефть и геополитических кризисов. На момент полёта цена авиакеросина составляла $3,50 за галлон — на 63% выше, чем год назад.

Экологичность — полёт X1 прошёл без выбросов CO₂ от сжигания топлива. Heart Aerospace видит своей миссией «более доступные, частые и чистые авиаперевозки между региональными аэропортами».

10. Мнения стейкхолдеров

Андерс Форслунд, основатель Heart Aerospace:

«С первым полётом X1 Heart Aerospace продемонстрировала электрический полёт в масштабе коммерческого авиалайнера. Электрические коммерческие самолёты обладают потенциалом фундаментально изменить экономику авиакомпаний и в конечном счёте снизить стоимость авиаперевозок для пассажиров».

United Airlines (Майкл Лескинен, CFO):

«Первый полёт X1 — это крупное техническое достижение Heart Aerospace, компания, которую United с гордостью поддерживала. Электрические коммерческие самолёты обладают реальным потенциалом для улучшения впечатлений пассажиров и укрепления нашего бизнеса».

Air Canada (Джон Ди Берт, CFO):

«Энергетический переход в авиации потребует целого спектра решений. Наши инвестиции в Heart Aerospace и ES-30 отражают приверженность Air Canada поддержке инновационных технологий, способных трансформировать авиацию».

Эксперты (Mobility Engineering Tech):

«Разработка электрических самолётов остаётся ограниченной энергетической плотностью батарей, и эти ограничения становятся тем сложнее, чем больше размер самолёта и требования к миссии. Многие текущие программы делают ставку на гибридные архитектуры как практический шаг к снижению выбросов».

11. Наш взгляд: сценарии развития

Оптимистичный сценарий (вероятность 25%):

• Батареи достигают 500 Вт·ч/кг к 2030 году (твёрдотельные технологии)
• FAA выпускает упрощённые правила сертификации для электрических ВС
• ES-30 входит в строй в 2031–2032 годах
• Региональная авиация начинает массовый переход на электричество с 2035 года

Базовый сценарий (вероятность 50%):

• Энергоёмкость батарей растёт до 400 Вт·ч/кг к 2030 году
• Сертификация затягивается до 2034–2035 годов
• ES-30 занимает нишу сверхкоротких маршрутов (<200 км)
• Гибридный режим (800 км) становится основным

Пессимистичный сценарий (вероятность 25%):

• Прогресс батарей замедляется (300–350 Вт·ч/кг к 2030 году)
• FAA требует многолетних испытаний безопасности
• Проект затягивается или закрывается (как Eviation Alice)
• Электрическая авиация остаётся нишевой до 2040+ годов

12. Итог

$5 за полёт — это красивая цифра, но она не отражает всей экономики. Тем не менее, она даёт намёк на то, как может выглядеть авиация будущего: тихая, чистая и потенциально дешёвая в эксплуатации.

Сейчас X1 перейдёт в фазу интенсивных испытаний. Параллельно Heart строит завод в США и ведёт переговоры с регуляторами.

Будем следить. И держать пальцы скрещенными.

Список литературы

1. Heart Aerospace. Heart Aerospace Completes First Flight of World’s Largest Electric Aircraft [Электронный ресурс]. – URL: https://www.heartaerospace.com/newsroom/heart-aerospace-completes-first-flight-of-world-s-largest-electric-aircraft (дата обращения: 20.08.2026).

1. TechSpot. The largest all-electric plane ever flew for 27 minutes, on $5 of electricity [Электронный ресурс]. – URL: https://www.techspot.com/news/113540-heart-aerospace-30-seat-electric-plane-takes-flight.html (дата обращения: 20.08.2026).

1. The Times of India. Heart Aerospace’s X1 battery-electric demonstrator makes 27-minute first flight [Электронный ресурс]. – URL: https://timesofindia.indiatimes.com/science/heart-aerospaces-x1-battery-electric-demonstrator-makes-27-minute-first-flight-weighs-more-than-25000-pounds-at-takeoff-reaches-1100-feet-uses-5-worth-of-electricity/amp_articleshow/133334389.cms (дата обращения: 20.08.2026).

1. TravelPulse. World's Largest Electric Aircraft Completes First Flight [Электронный ресурс]. – URL: https://www.travelpulse.com/news/airlines-airports/worlds-largest-electric-aircraft-completes-first-flight (дата обращения: 20.08.2026).

1. Mobility Engineering Tech. Heart Aerospace Flies Full-Scale Battery-Powered Regional Aircraft Demonstrator [Электронный ресурс]. – URL: https://www.mobilityengineeringtech.com/component/content/article/55667-heart-aerospace-flies-full-scale-battery-powered-regional-aircraft-demonstrator (дата обращения: 20.08.2026).

1. 网易. 全球最大全电动飞机Heart Aerospace X1完成首飞 [Электронный ресурс]. – URL: https://m.163.com/dy/article/L49VKNTF0511BLFD.html (дата обращения: 20.08.2026).

1. Military Aerospace. Heart Aerospace flies full-scale X1 battery-electric aircraft for first time [Электронный ресурс]. – URL: https://www.militaryaerospace.com (дата обращения: 20.08.2026).

1. Electric & Hybrid Vehicle Technology International. World’s largest electric aircraft makes maiden flight [Электронный ресурс]. – URL: https://www.electrichybridvehicletechnology.com (дата обращения: 20.08.2026).

1. Aviation Source News. Heart Aerospace Flies World’s Largest Electric Aircraft [Электронный ресурс]. – URL: https://aviationsourcenews.com (дата обращения: 20.08.2026).

Что такое Grok Bot

Grok Bot — это отдельный продукт, не связанный с чат-приложением Grok. Это ИИ-агенты, которые работают в фоновом режиме 24/7, пока пользователь занимается другими задачами. По задумке разработчиков, они должны ощущаться не как инструмент для промптинга, а как «высококвалифицированный коллега» [1].

Взаимодействие строится через мессенджер: пользователь даёт поручение боту так же, как текстовым сообщением коллеге, а тот выполняет задачу и возвращается только за одобрением или с готовым результатом. Можно начать разговор с ботом на телефоне, а продолжить на десктопе — и наоборот [2].

Внутри SpaceXAI продукт изначально разрабатывался как внутренний прототип и «взлетел» по всей компании — команды создавали ботов для разных задач [3].

Техническая архитектура

Облачный ПК. У каждого бота есть собственный компьютер в облаке, поэтому задачи не останавливаются, когда пользователь закрывает ноутбук. Все боты одного пользователя работают на одной виртуальной машине, разделяя файлы и сессии [1].

Работа без API. Боты входят в приложения и на сайты так же, как человек — через интерфейс. Это позволяет автоматизировать работу даже с устаревшими системами, у которых нет программного интерфейса [2].

Постоянство контекста. Боты сохраняют информацию между задачами, запоминают предпочтения пользователя и становятся «умнее» с каждым совместным рабочим циклом [3].

Оркестрация «роя». Можно запускать несколько ботов параллельно. Один из них выступает в роли «руководителя штаба» и распределяет подзадачи между специализированными агентами. Боты могут самостоятельно обмениваться сообщениями и контекстом в общих чатах, передавать работу друг другу и привлекать человека только для принятия решений [1].

Обучение на примерах. Функция «Show a Bot how it's done» позволяет боту наблюдать за выполнением задачи, запоминать последовательность действий как многократно используемую процедуру (routine) и повторять её в дальнейшем [2].

Реальные кейсы использования

Внутри SpaceXAI боты уже применяются в разных командах [3]:

• Sales Bot: обновляет CRM заметками после звонков, готовит черновики писем и собирает подписи NDA.
• Ops Bot: обрабатывает счета, полученные в Gmail, и занимается онбордингом новых сотрудников.
• Engineering Bot: воспроизводит баг в интерфейсе продукта, создаёт тикет и передаёт задачу другому боту для отладки.
• Finance Bot: находит открытые инвойсы на порталах и в почте, отправляет напоминания и эскалирует только спорные случаи.

Grok 4.6: технологическая база агентов

12 августа 2026 года, на следующий день после анонса Grok Bot, SpaceXAI выпустила модель Grok 4.6 — она и стала «двигателем» для новых агентов [4]. Ключевые характеристики:

• Назначение: модель разрабатывалась специально для «долгоработающих» агентов, которые выполняют многошаговые задачи с кодовой базой, анализируют данные и работают с приложениями.
• Контекстное окно: 500 тысяч токенов [4].
• Бенчмарки: в индексе Artificial Analysis Intelligence Index (9 бенчмарок) Grok 4.6 получила 61 балл — вровень с GPT-5.6 Sol. Модель уступает только Claude Opus 5 (63 балла) и Claude Fable 5 (62 балла) [5].
• Агентные показатели: на тесте Terminal-Bench v2.1 модель показала 88,4% [4].
• Эффективность: Grok 4.6 выполняет задачи в среднем за ~53 шага и ~0,5 млрд входных токенов — против ~103 шагов и ~2,0 млрд токенов у Claude Opus 5 [5].
• Обучение: модель прошла дополнительный тренировочный цикл с использованием сгенерированных данных для рассуждений, улучшенного оптимизатора и данных по инженерии [4].
• Цена: $2 за 1 млн входных токенов, $6 за 1 млн выходных. Это на 60%+ дешевле, чем Claude Opus 5 ($5/$25) и GPT-5.6 Sol ($5/$30) [5].
• Интеграция: уже добавлена в ИИ-редактор кода Cursor, CLI-агента Grok Build и API [4].

Корпоративные амбиции и стратегия

Поглощение Cursor. В июне 2026 года SpaceX (материнская компания SpaceXAI) заключила сделку по поглощению стартапа Cursor (материнская компания Anysphere) за $60 млрд акциями — крупнейшее поглощение стартапа в истории. Grok Bot стал первым совместным продуктом после слияния, и бренд Cursor, вероятно, исчезнет в среднесрочной перспективе [1].

Целевые клиенты. Илон Маск рассчитывает убедить банки и инвестиционные фирмы внедрять Grok Bot в свой бизнес, чтобы нарастить выручку и превратить SpaceX в полноценную ИИ-корпорацию. Инструменты Cursor уже работают внутри многих компаний из Fortune 500 [1].

Парадокс конкуренции. Anthropic (прямой конкурент Grok Bot) одновременно является одним из крупнейших клиентов SpaceX по вычислительным мощностям — использует весь дата-центр Colossus 1 в Мемфисе (более 300 МВт и 220 000 NVIDIA GPU) [1].

Обещанные релизы. На созвоне с инвесторами Маск пообещал выпуск следующей модели уже в ближайшие дни [1].

Безопасность: уроки Grok Build

Передача логинов и паролей автономному ПО — главный риск.

В июле 2026 года инструмент Grok Build (предшественник Grok Bot) оказался в центре скандала: он загружал в облачное хранилище Google Cloud целые Git-репозитории, включая историю изменений, закрытый исходный код и чувствительную информацию — API-ключи, учётные данные. В одном из тестов при объёме полезного трафика всего 192 КБ бот в фоновом режиме загрузил 5,10 ГБ полного архива репозитория [6].

Реакция SpaceXAI:

• Через 48 часов после скандала Маск лично пообещал удалить все данные пользователей — «до последнего байта» [7].
• Компания отключила автоматическую загрузку и хранение данных по умолчанию [6].
• Появилась команда /privacy — один клик для закрытия хранения данных с возможностью удаления уже переданных данных [6].
• Код Grok Build Agent Harness был выпущен под лицензией Apache 2.0 [6].

Для нового продукта активирован режим Zero Data Retention (ZDR). Если боту требуется авторизация, подтверждение или решение пользователя, он приостанавливает выполнение задачи и передаёт управление человеку [3].

Китайские и западные СМИ обратили внимание на риски конфиденциальности, окрестив Grok Bot «самым не имеющим границ ИИ» за то, что он получает доступ к виртуальному ПК пользователя и может авторизовываться в приложениях от имени человека [8].

Цены и доступность

Grok Bot находится на стадии раннего бета-тестирования. Доступ открыт для подписчиков трёх тарифов [2]:

Платформа работает на macOS, Windows, Linux и iOS (iPhone с iOS 18 и выше); версия для Android в разработке. Для корпоративных клиентов открыт лист ожидания [2].

---

🇷🇺 Мнения российских экспертов и организаций

Оценка эффективности Grok

НИУ ВШЭ и Росприроднадзор в апреле 2025 года провели исследование способности ИИ-моделей решать задачи в сфере экологии и ESG-управления. Рейтинг из шести моделей возглавил Grok AI, обойдя китайские Qwen и DeepSeek [9]. Это показывает, что в специализированных задачах Grok показывает высокие результаты.

Алексей Парфун, эксперт РОЦИТ, комментируя скандалы вокруг Grok, отметил, что провокации — типичный приём Илона Маска для создания инфоповодов. По его мнению, скандалы даже могут сыграть на популярность продукта [10]. Парфун предупреждает: поведение ИИ отражает подходы разработчика, а массовое использование таких систем делает любые искажения опасными — «ИИ не должен думать за вас, поэтому его нельзя воспринимать как безошибочный источник» [10].

Член Общественной палаты РФ Никита Данюк указал, что нейросети — отражение логики и ценностей их создателей. Он советует российским пользователям перепроверять данные через отечественные платформы и всегда относиться к ответам ИИ как к одной из версий, а не истине [10].

Кирилл Дмитриев, глава РФПИ, в январе 2026 года высказался в защиту Grok на фоне расследования британского регулятора Ofcom, заявив, что президенту Трампу, вероятно, придётся защищать чат-бот от британского премьера Кира Стармера [11].

Оценка точности и «галлюцинаций»

По данным отчёта аналитического агрегатора Relum (цитируется «Аргументами и Фактами»), уровень «галлюцинаций» у Grok составляет всего 8% — почти в четыре раза меньше, чем у ChatGPT (35%) и Google Gemini (38%). Эксперты отметили высокую стабильность ответов, пользовательскую оценку 4,5 балла и минимальное время простоя 0,07% [12]. Китайский сервис DeepSeek показал результаты, сопоставимые с Grok: уровень ошибок 14% и оценка 4 балла [12].

Однако это расходится с данными исследования 2025 года, где Grok показал самый высокий уровень ошибок (43%) среди четырёх чат-ботов [13]. Причина — разные методологии: Relum оценивал общую стабильность работы, а Forum AI — точность ответов на вопросы о новостях и выборах.

---

🇨🇳 Мнения китайских исследователей и СМИ

Академическое исследование (Тан Цзинтай и Чжао Вэньбо, журнал «Новостной репортёр», 2026) посвящено фактчекингу Grok на китайском языке [14]. Выводы авторов:

• В «мягких темах» (культура, общество) модель работает хуже, чем в «жёстких» (технологии, здоровье).
• Подключение к внешним источникам улучшает способность различать правду и ложь, но одновременно повышает уверенность модели в ответах, что приводит к ошибочным суждениям.
• Эмоциональная стимуляция (гнев, страх) может повысить точность распознавания, но делает выводы более категоричными и безапелляционными [14].

Китайские медиаплатформы (Tencent News, Jiemian News, Toutiao, Sina, TMTpost) преимущественно описывали Grok Bot как «круглосуточного цифрового коллегу», не акцентируя критику [8].

---

🌍 Международный контекст

Исследователи Института стратегического диалога (ISD) и Forum AI отмечают, что Grok склонен к политической предвзятости. В одном из исследований 76% ошибок Grok при ответах на вопросы о выборах были сдвинуты вправо, тогда как у ChatGPT — 92% влево [15]. Около 18% ответов всех чат-ботов на вопросы о войне в Украине ссылались на российские государственные источники [16].

Авторы исследования подчёркивают, что эффективность защитных механизмов LLM может варьироваться в зависимости от темы — на вопросы о мирных переговорах боты ссылались на российские источники вдвое чаще, чем в среднем [16].

---

Чего пока не знаем

Независимых тестов надёжности Grok Bot в бенчмарке OSWorld-Verified (измеряет способность ИИ выполнять задачи в операционной системе) на момент написания статьи не опубликовано [3]. В описании продукта также не уточняется:

• сколько ботов можно запускать параллельно;
• какие именно приложения и сервисы поддерживаются;
• как устроена модель безопасности при передаче учётных данных.

---

Список литературы

1. Bloomberg. SpaceXAI Unveils Grok Bot to Work Like a Team of AI Agents [Электронный ресурс] // Bloomberg.com. – 2026. – 11 авг. – URL: https://www.bloomberg.com/news/articles/2026-08-11/spacexai-unveils-grok-bot-to-work-like-a-team-of-ai-agents (дата обращения: 15.08.2026).

1. SpaceXAI. Introducing Grok Bot [Электронный ресурс] // X.ai. – 2026. – 11 авг. – URL: https://x.ai/news/introducing-grok-bot (дата обращения: 15.08.2026).

1. TNW. SpaceXAI launches Grok Bot as the agent race moves to office work [Электронный ресурс] // TheNextWeb.com. – 2026. – 12 авг. – URL: https://thenextweb.com/news/spacexai-grok-bot-ai-agents-cursor (дата обращения: 15.08.2026).

1. SpaceXAI. Introducing Grok 4.6 [Электронный ресурс] // X.ai. – 2026. – 12 авг. – URL: https://x.ai/news/grok-4-6 (дата обращения: 15.08.2026).

1. Artificial Analysis. Grok 4.6 returns SpaceXAI to the intelligence frontier [Электронный ресурс] // ArtificialAnalysis.ai. – 2026. – 12 авг. – URL: https://artificialanalysis.ai/articles/grok-4-6-benchmarks-and-analysis (дата обращения: 15.08.2026).

1. Devby.io. ИИ-агент Grok Build сливал в облако весь код пользователей [Электронный ресурс] // Devby.io. – 2026. – 15 июл. – URL: https://devby.io/news/grok-build-uploaded-entire-git-repositories (дата обращения: 15.08.2026).

1. AIF.ru. В нейросети Маска выявили опасную утечку [Электронный ресурс] // AIF.ru. – 2026. – 15 июл. – URL: https://aif.ru (дата обращения: 15.08.2026).

1. 3DNews. SpaceXAI представила Grok Bot — команду ИИ-агентов, которые сами распределяют задачи между собой [Электронный ресурс] // 3DNews.ru. – 2026. – 11 авг. – URL: https://3dnews.ru/1146653/ (дата обращения: 15.08.2026).

1. НИУ ВШЭ, Росприроднадзор. Оценка способности LLM решать задачи в сфере экологии и ESG-управления [Электронный ресурс] // SSRN. – 2025. – 20 мая. – URL: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5252593 (дата обращения: 15.08.2026).

1. ГОСТОНОМИКА. Эксперты оценили последствия скандала вокруг расистских ответов Grok [Электронный ресурс] // gostonomica.ru. – 2025. – 13 июл. – URL: https://gostonomica.ru/jeksperty-ocenili-posledstvija-skandala-vokrug-rasistskih-otvetov-grok/ (дата обращения: 15.08.2026).

1. Вести.Ru. Дмитриев: Трампу, вероятно, придется защитить от Лондона чат-бот Маска Grok [Электронный ресурс] // vesti.ru. – 2026. – 13 янв. – URL: https://www.vesti.ru/article/4867154 (дата обращения: 15.08.2026).

1. Аргументы и Факты. Grok Илона Маска оказался точнее других популярных чат-ботов [Электронный ресурс] // aif.ru. – 2025. – 25 дек. – URL: https://aif.ru/society/grok-ilona-maska-okazalsya-tochnee-drugih-populyarnyh-chat-botov (дата обращения: 15.08.2026).

1. DW. ChatGPT был самым точным чат-ботом в новостях выборов – исследование [Электронный ресурс] // dw.com. – 2025. – 20 окт. – URL: https://www.dw.com/ru/chatgpt-samyj-tochnyj-catbot-v-novostah-vyborov/a-71586139 (дата обращения: 15.08.2026). Выполняет функцию иностранного агента.

1. Тан Цзинтай, Чжао Вэньбо. 大模型足以辨伪吗?——Grok机器人中文事实核查的影响因素研究 [Электронный ресурс] // 新闻记者 (Journalism & Communication). – 2026. – №4. – URL: https://s.wanfangdata.com.cn/paper?q=作者%3A"汤景泰" (дата обращения: 15.08.2026).

1. RTVI. ИИ под контролем Кремля? 18% ответов популярных чат-ботов содержат российские нарративы — исследование [Электронный ресурс] // rtvi.us. – 2025. – 28 окт. – URL: https://rtvi.us/politics/ii-pod-kontrolem-kremlya-18-otvetov-populyarnyh-chat-botov-soderzhat-rossijskie-narrativy-issledovanie/ (дата обращения: 15.08.2026).

1. Deutsche Welle. 18% ответов чат-ботов о войне — из российских госисточников [Электронный ресурс] // dw.com. – 2025. – 27 окт. – URL: https://www.dw.com/ru/isd-18-otvetov-ii-catbotov-o-vojne-v-ukraine-iz-rossijskih-gosistocnikov/a-74515709 (дата обращения: 15.08.2026). Выполняет функцию иностранного агента.

На выставке CES 2026 компания Siemens представила платформу Digital Twin Composer — решение, объединяющее IIoT, искусственный интеллект и визуализацию на базе NVIDIA Omniverse. В пилотном проекте с PepsiCo заявлены впечатляющие результаты: выявление до 90% проблем проектных решений, рост производительности на 20% и снижение капитальных затрат на 10–15%. Однако ключевой вопрос остаётся без ответа: как именно платформа обеспечивает физическую достоверность на этапе разработки (ЦД-Р)?

Что известно из официальных источников

Согласно пресс-релизу Siemens [3], архитектура строится на трёх компонентах:

• Промышленный интернет вещей (IIoT) — сбор потоковых данных с датчиков в реальном времени.
• Искусственный интеллект (AI/ML) — прогнозирование отказов и оптимизация сценариев.
• Интерактивная среда моделирования — интеграция с NVIDIA Omniverse для визуализации производственных процессов.

Эти компоненты ценны для этапов производства (ЦД-П) и эксплуатации (ЦД-Э). Однако зона неопределённости — именно этап разработки (ЦД-Р), где закладывается фундаментальная физическая база модели.

В чём главная неясность

Согласно ГОСТ Р 57700.37—2021 [1], цифровой двойник на этапе разработки должен опираться на мультифизические CAE-модели, прошедшие валидацию и верификацию (V&V). В открытых заявлениях Siemens нет ответов на принципиальные вопросы:

• Используется ли нестационарное 3D-моделирование на базе Simcenter?
• Применяются ли физически обоснованные ROM (Reduced Order Models) для работы в реальном времени?
• Или речь идёт только о статистических суррогатных (нейросетевых) моделях, которые плохо экстраполируют за пределами обучающей выборки?

Международный стандарт ISO 23247-1:2021 [4] намеренно использует размытый термин «цифровое представление», что позволяет вендорам скрывать реальную техническую базу.

Альтернатива с открытой архитектурой: CML-Bench®

Для сравнения: отечественная платформа CML-Bench® [5, 6] публично демонстрирует строгий стек: нестационарное 3D CAE → V&V → ROM → AI/ML. Классический пример — метод POD (Proper Orthogonal Decomposition) для аэродинамики крыла [7, 8]:

• Полное CFD-моделирование (миллионы ячеек) занимает часы.
• ROM на основе POD сокращает время до долей секунды (ускорение в 10⁴–10⁵ раз) с погрешностью менее 1–2%.
• Физическая структура течения воспроизводится корректно, так как моды наследуют уравнения Навье-Стокса.

Суррогатная нейросеть, обученная на тех же данных, за пределами диапазона даст физически бессмысленные значения. Экстраполяция для ROM — предсказуема и строга, для суррогата — катастрофична.

Итог

Siemens Digital Twin Composer — значимый шаг в интеграции IIoT и управления производством. Однако фундаментальная база ЦД-Р скрыта за маркетинговыми заявлениями. Платформа CML-Bench®, напротив, предлагает прозрачный и верифицируемый путь, где ROM гарантирует физическую адекватность, а не статистическую подгонку.

«Заявление о снижении проблем проектирования на 90% остаётся на уровне маркетингового результата, но не технического решения», — отмечается в аналитическом обзоре.

Читателю предлагается самостоятельно оценить степень достоверности заявлений Siemens на основе приведённого сравнения.

Источники

1. ГОСТ Р 57700.37—2021. Цифровые двойники изделий. Общие положения
2. Siemens unveils Digital Twin Composer at CES 2026
3. ISO 23247-1:2021. Digital Twin framework for manufacturing
4. CML-Bench®: часть 8.1 — применение оптимизации, ML и генеративного AI (САПР и графика, 2025)
5. CML-Bench®: часть 8.2 — продолжение (САПР и графика, 2025)
6. Lumley J.L. The structure of inhomogeneous turbulent flows (1967)
7. Willcox K., Peraire J. Balanced model reduction via POD (AIAA Journal, 2002)

Введение: От сделки к публичной компании

2 февраля 2026 года SpaceX официально объявила о завершении сделки по приобретению xAI в крупнейшей частной сделке в истории, оцениваемой в $1.25 трлн [4, 6]. Сегодня, спустя почти шесть месяцев, проект обрёл совершенно новые масштабы и очертания.

Ключевые вехи прошедшего периода:

• Июнь 2026 года: Рекордное IPO SpaceX, крупнейшее в истории [9, 12]

• Июль 2026 года: Официальный ребрендинг xAI в SpaceXAI [14, 15]

• Июль 2026 года: Публичное раскрытие проекта орбитальных ЦОД «Starmind» [14]

• Апрель–июнь 2026 года: Раскрытие компенсационного пакета Маска, привязанного к колонизации Марса [5, 13]

• Июль 2026 года: Новый контракт SpaceX с Космическими силами США на $1.6 млрд [35, 36]

Как отметил Fortune в своём анализе IPO: «Всего несколько месяцев назад SpaceX была преимущественно предприятием по производству ракет и управлению запусками. Но в феврале Маск встроил xAI в SpaceX, и его нарратив о движущей силе роста предприятия совершил разворот, услышанный во всем мире» [12].

1. Рекордное IPO: Цифры и реакция рынка

12 июня 2026 года SpaceX вышла на биржу под тикером SPCX, установив абсолютный рекорд в истории публичных размещений [9, 12].

Ключевые параметры IPO:

IPO побило предыдущий рекорд Saudi Aramco (2019, $29.4 млрд) более чем вдвое [9]. К концу первого дня торгов акции закрылись на отметке **$160**, что обеспечило компании капитализацию в $2.2 трлн и сделало её крупнейшим IPO в истории США [12].

В проспекте IPO Маск представил инвесторам амбициозный прогноз: общий адресуемый рынок для предприятия оценивается в $28.5 трлн**, из которых **$26.5 трлн (93%) приходится на искусственный интеллект — почти в 14 раз больше, чем совокупный рынок спутниковых и ракетных услуг ($2 трлн) [12].

Реакция рынка и аналитиков:

IPO стало «проверкой на прочность» нарратива Маска о космическом ИИ. Как отметил Анджело Бочанис из Renaissance Capital: «Для многих людей, глядящих на эту сделку, решение о покупке — это, по сути, ставка на Илона Маска» [9]. Инвесторы «проголосовали» за эту ставку, обеспечив 19-процентный рост в первый день торгов [12].

2. Рыночная динамика: Взлёты, падения и полярные оценки аналитиков

За прошедшие полтора месяца после IPO акции SpaceX (SPCX) продемонстрировали исключительную волатильность, отражающую как энтузиазм инвесторов, так и растущие сомнения в реализуемости грандиозных планов Маска [10, 11].

Хронология динамики акций SPCX:

Причины первоначального роста (>$200):

• Эйфория вокруг крупнейшего IPO в истории [12]

• Вера в нарратив «космического ИИ» и оценку TAM в $28.5 трлн [12]

• Ажиотаж вокруг компенсационного пакета Маска и марсианских целей [13]

Причины коррекции (<$135):

• Сомнения в окупаемости: стоимость развёртывания орбитальных ЦОД оценивается в $170 млрд, затраты на орбитальные вычисления в 3 раза выше наземных [1]

• Долговая нагрузка: SpaceX разместила $25 млрд облигаций [16]

• Кадровая нестабильность: Bloomberg сообщил о хаосе внутри SpaceXAI и уходе десятков сотрудников [8]

• Общее охлаждение рынка AI [10]

Аналитик: Эрик Шеридан
Рейтинг: Buy, цель: $205 на 12 месяцев [7, 31]

Ключевые тезисы:

• SpaceX — «уникальная компания» с тремя сегментами (космос, связь, ИИ), совокупный адресуемый рынок — $28.5 трлн [7].

• Прогноз выручки: с $18.7 млрд (2025) до $474.3 млрд (2030) — CAGR 91% [7].

• Операционная маржа вырастет с -13.9% (2025) до ~50% (2030) [7].

• Вычислительные мощности: 2 ГВт (2026) → 36 ГВт (2030), из них 26 ГВт — орбитальные [7].

• Свободный денежный поток станет положительным только в IV квартале 2030 года [7].

Цитата: «SpaceX представляет собой послужной список создания решений, которые многие отраслевые эксперты ранее считали неосуществимыми» [7].

Аналитик: Адам Йонас
Рейтинг: Overweight, цель: $300 (базовый), бычий сценарий – $600 [1, 4, 10]

Ключевые тезисы:

• «Почти монопольная» экономика запусков: SpaceX доставила >80% всей массы, выведенной на орбиту с 2023 года [7].

• Прогноз выручки: $45 млрд (2026) → $319 млрд (2030) → $3.3 трлн (2040) [1, 3].

• Половина стоимости компании при $300 за акцию приходится на ИИ [4].

• Целевая цена подразумевает капитализацию ~$4 трлн [6].

• Свободный денежный поток – только с 2035 года [3].

Цитата: «Мы рассматриваем компанию как одну из немногих платформ, способных связать недвижимость на орбите, глобальную связь и вычислительные мощности в единый инфраструктурный стек» [12].

Аналитик: Дуг Анмут
Рейтинг: Buy, цель: $225 [33, 34]

Ключевые тезисы:

• SpaceX — лидер в развертывании критической коммуникационной и вычислительной инфраструктуры с преимуществом первопроходца [34].

• Технологические достижения в снижении затрат на запуск, Starlink и AI существенно опережают конкурентов [34].

• Банк признаёт значительные технологические и регуляторные риски, но оценивает их как управляемые [33, 34].

Цитата: «SpaceX занимает уникальные позиции на перекрестке нескольких важнейших технологических тенденций» [34].

• CFRA – цель $115 (лишь немного выше текущих уровней). Риски: переоцененность (капитализация $2 трлн при убытках xAI), долговая нагрузка ($25 млрд облигаций), техническая неопределённость орбитальных ЦОД [7, 33].

• New Street Research – справедливая цена ~$165 при «разумных и оптимистичных бизнес-предположениях» [2].

• Bloomberg Intelligence – рейтинг «Продавать»: 500‑кратный мультипликатор прибыли, риск «пузыря космического ИИ» [32].

Консенсус-прогноз: средняя целевая цена 35 аналитиков – **$239.12**, рейтинг «Умеренная покупка» [4, 7]. Разброс: от $800 (Raymond James) до $115 (CFRA) [7, 13].

3. Ребрендинг: xAI становится SpaceXAI

6 июля 2026 года компания xAI официально объявила о смене названия на SpaceXAI, разместив в соцсети X: «We are now @SpaceXAI» [15].

Ключевые аспекты:

• Полная интеграция: xAI прекратила существование как самостоятельная компания [14].

• Новый логотип: логотип xAI интегрирован в символ SpaceX [15].

• Брендовый зонтик: социальная сеть X также перешла под бренд SpaceXAI [14].

4. Компенсационный пакет Маска: «Марсианский» KPI

В мае–июне 2026 года стали известны детали беспрецедентного компенсационного пакета Илона Маска, утверждённого советом директоров SpaceX ещё в январе 2026 года [5, 13].

В проспекте IPO слово «Марс» встречается 63 раза [13]. Fortune отмечает: «условия этой компенсации не имеют прецедента в истории исполнительного вознаграждения» [13].

5. Техническая архитектура проекта Starmind

В июле 2026 года SpaceX опубликовала детальные технические характеристики спутника AI1 — первого аппарата орбитальной вычислительной группировки Starmind [6, 9]. Проект призван преодолеть фундаментальные ограничения наземной ИИ-инфраструктуры: дефицит электроэнергии, сложности с охлаждением и ограниченность земельных ресурсов [10].

Спутник AI1 спроектирован как «орбитальная серверная стойка» — функциональный аналог современного наземного вычислительного модуля, адаптированный для работы в космосе [6, 8].

Запуск AI1 планируется осуществлять с помощью Starship, что делает проект логистически зависимым от успешного развёртывания этой транспортной системы [6]. В качестве эталонной вычислительной платформы на первом этапе используются NVIDIA Rubin GPU — каждый спутник несёт нагрузку, эквивалентную серверной стойке GB300 с 72 GPU [11].

Ключевое инженерное ограничение проекта Starmind связано с фундаментальным законом физики: в вакууме невозможны ни конвекция, ни теплопередача — единственный доступный механизм отвода тепла — тепловое излучение (инфракрасная радиация) [1, 7].

Как отмечает отраслевой аналитик: «Каждый добавленный GPU производит тепло, которое должно быть излучено — вы не можете отвести его конвекцией в космосе. Больше вычислений означает больше радиаторов» [1].

Параметры радиационной системы охлаждения:

Расчёт теплового баланса: система спроектирована с коэффициентом запаса ~1.03 (154 кВт рассеивания против 150 кВт пиковой нагрузки) [1, 6]. В космосе радиаторы должны быть ориентированы «тонким ребром» к Солнцу, чтобы минимизировать нагрев от солнечного излучения [2, 5].

Почему аммиак, а не вода? Аммиак остаётся жидким при температурах до -77°C, в то время как вода замерзает при 0°C и закипает в вакууме. Как поясняет профессор астронавтики Бирмингемского университета Хью Льюис: «Температуры замерзания и кипения воды не идеальны для негерметичной системы, работающей в вакууме и подверженной экстремальным перепадам температур» [11].

Ключевое преимущество орбитального размещения — доступ к практически неограниченной солнечной энергии. Как лаконично сформулировано на официальной странице Starmind: «It's always sunny in space» [7].

Солнечные панели AI1 имеют размах 70 метров и генерируют 150 кВт пиковой мощности. Солнечные панели в космосе примерно в 5 раз эффективнее, чем на Земле: нет облаков, нет атмосферы, нет ночи (на солнечно-синхронной орбите) [10]. Это позволяет спутнику работать на полной вычислительной мощности практически непрерывно, без дорогостоящих систем накопления энергии.

Ключевые преимущества:

• Отсутствие атмосферы – полный спектр солнечного света без потерь на рассеяние.

• Отсутствие ночи – постоянное освещение на солнечно-синхронной орбите.

• Отсутствие ограничений по земле, сетям и охлаждению – не требуется поиск участков, подключение к сетям с многолетними сроками ожидания, вода и энергия для систем кондиционирования.

Как указано на официальной странице Starmind: «AI1 satellites capture continuous solar power with no weather or atmospheric loss, avoiding Earth's grid, land, and cooling constraints» [7].

Проблема «энергетической стены»: По данным Business Model Analyst (июнь 2026), подключение к сетям в основных рынках занимает до 7 лет, сроки поставки трансформаторов — 2–4 года, проекты ЦОД на $98 млрд были отложены из-за сетевых ограничений [10]. Именно это делает орбитальные ЦОД экономически осмысленными: «Самый сильный аргумент в пользу космических дата-центров — не стоимость, а время доступа к энергии» [10].

План масштабирования: Маск поставил цель к концу 2027 года достичь ежегодного темпа развёртывания 1 ГВт орбитальной AI-мощности, а в перспективе — 1 ТВт [7].

PUE (Power Usage Effectiveness) — международный стандарт, разработанный консорциумом The Green Grid в 2006 году. Он измеряет, какая доля всей потребляемой дата-центром энергии доходит до вычислительного оборудования, а какая тратится на охлаждение, освещение и преобразование энергии [3, 10].

Формула PUE:

Интерпретация значений:

• 1.0 – теоретический идеал (100% энергии на вычисления).

• 1.1–1.2 – мировой класс (передовые системы охлаждения).

• 1.2–1.5 – современные гиперскейлеры (Google, Microsoft, Amazon).

• 1.5–2.0 – традиционные дата-центры (до 50% энергии на охлаждение).

• >2.0 – низкая эффективность.

Сравнение наземных и орбитальных ЦОД:

Как отмечает SpaceX, отказ от наземных систем охлаждения позволяет снизить энергопотребление на охлаждение на порядок [9]. Для кластера мощностью 1 МВт экономия на электроэнергии составляет примерно $2.6 млн в год** [10]. При масштабировании до 36 ГВт (прогноз Goldman Sachs к 2030 году) годовая экономия может достигать **$93.6 млрд[7].

SpaceX приняла стратегическое решение о вендор-независимой архитектуре — AI1 может принимать вычислительные модули от любого производителя [6, 9]. Поддерживаются NVIDIA Rubin, Tesla Terafab (2-нм чипы), Google TPU, Amazon Trainium и другие [6, 9, 11]. Спутники оптимизированы для выполнения выводов (inference) ИИ-моделей, в первую очередь Grok от SpaceXAI [6].

AI1 будут работать на солнечно-синхронной орбите на высоте ~600 км [6, 7]. Производство осуществляется на заводе Gigasat в Бастропе (Техас) площадью более 1 млн кв. метров [9]. Мощность производства солнечных панелей — 10 ГВт в год к концу 2027 года [11].

Дорожная карта:

• Начало 2027 года: запуск двух прототипов AI1.

• Конец 2027 года: начало серийного производства (~1 ГВт орбитальной мощности в год).

• 2028 год: потенциальное начало коммерческой эксплуатации.

По данным Business Model Analyst (июнь 2026), в настоящее время орбитальные вычисления стоят примерно в 4 раза дороже наземных, но разрыв быстро сокращается: к концу десятилетия соотношение может составить 1.0–1.5×, а в начале–середине 2030-х годов орбитальные вычисления могут стать дешевле наземных [10].

6. Финансовые и кадровые вызовы

• Долговая нагрузка: $25 млрд облигаций для рефинансирования покупки X и покрытия оттока денежных средств xAI [16].

• Экономика ЦОД: стоимость развёртывания — $170 млрд, затраты в 3 раза выше наземных [1].

В июле 2026 года Космические силы США заключили с SpaceX контракт на $1.6 млрд** на проведение 18 запусков Falcon 9 до конца 2027 года для вывода на орбиту спутников обнаружения и сопровождения воздушных целей (SBST) [35, 36]. Это не единичный заказ: в 2026 году SpaceX получила от Пентагона контрактов на сумму **не менее $7 млрд, включая $6.5 млрд за спутниковые системы в мае 2026 года [37].

Средняя стоимость запуска по контракту — $89 млн, что подтверждает экономическую эффективность Falcon 9 как основного средства национальной безопасности [35]. Конкуренты SpaceX — ULA (проблемы с Vulcan) и Blue Origin (авария New Glenn) — временно не могут обеспечивать надёжный доступ к космосу, что укрепляет монопольное положение компании [35, 37].

Эти контракты создают прочный финансовый фундамент, снижая риски, связанные с долговой нагрузкой ($25 млрд облигаций) и убытками xAI [16]. Стабильное государственное финансирование позволяет SpaceX инвестировать в долгосрочные проекты, включая орбитальные ЦОД Starmind, не опасаясь краткосрочных колебаний рынка [35, 37].

Согласно расследованию Bloomberg (июль 2026), внутри SpaceXAI сохраняется нестабильность: десятки сотрудников xAI покинули компанию, включая сооснователей; повседневные операции хаотичны; президент Майкл Николлс унаследовал «беспорядок» [8].

7. Европейская перспектива

Mark Boggett (Seraphim Space): «У Маска есть все карты, чтобы обеспечить решающее преимущество. Он обладает стартовыми мощностями и инфраструктурой Starlink. Существует сценарий, в котором он может использовать это преимущество, чтобы обеспечить себе мировое лидерство в области ИИ» [19].

Tom Slater (Scottish Mortgage): SpaceX может стать «монопольным поставщиком ИИ для всего мира» [20]. Прогнозирует снижение стоимости запусков на 80–90% в ближайшие годы, после чего космические вычисления станут экономически эффективными [20].

Robin Schaffner (Le Temps): подчёркивает экологические риски: «Выводные ракеты должны иметь углеродный след в десять раз ниже нынешних решений» [18].

8. Китайская перспектива

Hina Group: «Сторонники считают это грандиозным видением, скептики — финансовой операцией под прикрытием технологий, цель которой — спасти xAI, испытывающую дефицит денежных средств» [24].

Профессор Шэнь Инчунь (Beihang University): «Китай уже сделал первый шаг. В мае 2025 года Китай запустил спутник "Три тела Computing Constellation" — первую в мире космическую вычислительную группировку» [25].

Чжу Юпин (Государственный информационный центр): «Низкоорбитальные "золотые орбиты" и ключевые частотные ресурсы — глобальные дефицитные активы. Досрочное резервирование означает захват стратегической инициативы на десятилетия» [26].

9. Японская перспектива

Nikkei Asia: проект Starmind создаёт беспрецедентное давление на орбитальные ресурсы. Заявка SpaceX на 1 млн спутников вступает в противоречие с расчётами ITU о безопасной ёмкости низкой околоземной орбиты [29].

Университет Кейо: «Вертикальная интеграция SpaceXAI создаёт прецедент, при котором частная компания контролирует не только запуски, но и вычислительную инфраструктуру, что требует пересмотра международных норм» [29].

METI (Япония): заявило о намерении усилить сотрудничество с европейскими и индийскими партнёрами в области космических вычислений, чтобы снизить зависимость от американских технологий [29].

10. Индийская перспектива

Observer Research Foundation (ORF): «Консолидация SpaceX и xAI создаёт новый технологический блок, который может изменить глобальный баланс. Индия должна рассматривать этот проект как сигнал к ускорению собственных программ» [30].

ISRO: ведёт мониторинг Starmind и изучает возможность создания аналогичных орбитальных мощностей в рамках программы Gaganyaan, подчёркивая, что «безопасность данных и национальный суверенитет являются приоритетами» [30].

MeitY: запустило программу «Bharat AI Compute»: «Мы не можем полагаться на внешние орбитальные платформы для критически важных вычислений» [30].

11. Геополитические риски и регуляторные вызовы

Чжу Юпин: по расчётам Европейской южной обсерватории, предел безопасной ёмкости низкой околоземной орбиты — около 100 000 спутников. Заявка SpaceX на 1 млн спутников «в десятки раз превышает ёмкость орбиты» [26].

Donga Ilbo (Корея): предупреждало о начале «американо-китайской войны за ИИ-космическое господство» [27].

Новый контракт SpaceX с Космическими силами США на $1.6 млрд является прямым подтверждением этого тренда. Спутники SBST, предназначенные для обнаружения и сопровождения воздушных объектов, вписываются в более широкую программу **«Golden Dome»** (аналог ПРО) стоимостью **$185 млрд**, где SpaceX играет ключевую роль [35]. Конкуренты SpaceX (ULA, Blue Origin) испытывают технические проблемы, что укрепляет монопольное положение компании в сфере национальной безопасности [35, 37].

12. Обновлённый анализ и прогнозы

1. Финансовый: долг $25 млрд и убытки xAI, но частично компенсируются новыми госконтрактами [16, 35]

2. Рыночный: первый квартальный отчёт и истечение lock-up периода [10]

3. Технический: запуск прототипов AI1 в 2027 году [14]

4. Кадровый: текучесть ключевых сотрудников [8]

5. Регуляторный: WRC-27 (Всемирная конференция радиосвязи 2027) [26]

Заключение

Прошедшие 5 месяцев подтвердили, что проект SpaceX–xAI — это не спекулятивная история, а реальная корпоративная трансформация, приведшая к крупнейшему IPO в истории и созданию публичной компании с капитализацией более $2 трлn [12]. Однако рыночная динамика акций — от $135 до >$200 и обратно ниже $135 — отражает глубокую неопределённость, сопровождающую этот проект [10, 30].

Как резюмирует Fortune: «SpaceX — это марсианская компания, а всё остальное — инфраструктура для путешествия» [13]. Аналитический консенсус широк: от $205 (Goldman Sachs) до $300 (Morgan Stanley) и $800 (Raymond James), при этом критики (CFRA, New Street) предупреждают о рисках переоценённости и технической неопределённости [7, 4, 13, 2].

Новый контракт SpaceX с Космическими силами США на $1.6 млрд стал важным подтверждением финансовой устойчивости компании и её ключевой роли в национальной безопасности США [35, 36]. Это создаёт прочный фундамент для финансирования долгосрочных проектов, включая орбитальные ЦОД Starmind, несмотря на текущую волатильность акций.

Геополитические последствия выходят далеко за рамки корпоративной сделки. Китай, Япония и Индия уже формируют ответные стратегии, осознавая, что контроль над орбитальными вычислительными мощностями может стать ключевым фактором глобального технологического лидерства на десятилетия [25, 26, 29, 30].

Передовая инженерная школа СПбПУ «Цифровой инжиниринг» продолжит мониторинг развития этого проекта, представляя профессиональному сообществу актуальные аналитические материалы на стыке космических технологий, искусственного интеллекта и высокопроизводительных вычислений.

📚 Полный список источников (37)

1. Financial Express — AI's power hunger sparks race for space data centres, but costs remain 3 times higher than Earth, June 23, 2026.

2. Vietnam.vn — xAI rebrands as SpaceXAI, aiming to send artificial intelligence into space, July 7, 2026.

3. SEC / SpaceX — Registration Statement for IPO (Form S-1), filed February–May 2026.

4. Reuters — SpaceX to buy xAI in all-stock deal, creating $1.25 trillion combined entity, by Greg Bensinger and Krystal Hu, February 2, 2026.

5. Reuters — SpaceX ties Musk compensation to Mars colonization goal, April 28, 2026.

6. Bloomberg — Musk's SpaceX to Acquire xAI in Deal Valuing Combined Entity at $1.25 Trillion, by Katie Roof and Ed Ludlow, February 2, 2026.

7. Nasdaq — Elon Musk's SpaceX Merged With xAI. Here Is How They Plan to Dominate With Orbital Data Centers, July 16, 2026.

8. Bloomberg — The Identity Crisis at Elon Musk's Chaotic AI Outfit, July 16, 2026.

9. Nasdaq — SpaceX Bets Big on AI, Rebrands XAI as SpaceXAI: Worth Buying Now?, July 7, 2026.

10. Euronext (Reuters) — SpaceX's slide risks turning blockbuster IPO into confidence test, July 15, 2026.

11. Nasdaq / Deutsche Bank — SpaceX Just Raised $25 Billion in a Debt Sale. Here's What That Means for Investors, June 30, 2026.

12. Fortune — How Elon Musk rewrote SpaceX's story—and turned it into the greatest IPO debut in history, June 13, 2026.

13. Fortune — Elon Musk to get a billion shares of SpaceX if he can settle a million humans on Mars, June 22, 2026.

14. Nasdaq — Elon Musk's SpaceX Merged With xAI. Here Is How They Plan to Dominate With Orbital Data Centers, July 16, 2026.

15. Nasdaq — SpaceX Bets Big on AI, Rebrands XAI as SpaceXAI: Worth Buying Now?, July 7, 2026.

16. Nasdaq — SpaceX Just Raised $25 Billion in a Debt Sale. Here's What That Means for Investors, June 30, 2026.

17. The Wall Street Journal — SpaceX to Buy Musk's xAI in $1.25 Trillion Deal Ahead of IPO, by Cara Lombardo and Micah Maidenberg, February 2, 2026.

18. Le Temps (Switzerland) — Interview with Robin Schaffner, "SpaceX–xAI merger: vertical integration and European challenges", February 5, 2026.

19. WirtschaftsWoche (Germany) — SpaceX und xAI: „Elon Musk verfügt über alle Teile des Puzzles“, Interview with Mark Boggett (Seraphim Space), February 5, 2026.

20. The AIC / Scottish Mortgage Investment Trust (UK) — Spacex could be 'the monopolistic provider of AI to the world', Managers Tom Slater and Lawrence Burns, March 5, 2026.

21. Franceinfo (France) — ENTRETIEN. "Aujourd'hui, on ne peut pas affirmer que c'est une bonne idée", explique un spécialiste, sur le projet de data centers spatiaux d'Elon Musk, February 3, 2026.

22. IT Insights (Netherlands) — xAI en SpaceX Fusie: Een Nieuwe Technologische Supermacht, February 3, 2026.

23. 中银国际证券 (BOC International Securities) — 马斯克旗下SpaceX与xAI计划合并 太空算力或是商业航天的核心商业模式, February 4, 2026.

24. 汉能投资 (Hina Group) — SpaceX并购xAI：马斯克在做愿景，还是在做报表？, February 4, 2026.

25. 凤凰周刊 (Phoenix Weekly) — 对话沈映春：商业航天的战略意义，远超商业本身, Interview with Prof. Shen Yingchun (Beihang University), July 8, 2026.

26. 中国新闻网 (China News Service) — 马斯克的野心，正在考验太空极限, with commentary by Zhu Youping (State Information Center), July 9, 2026.

27. 동아일보 (Donga Ilbo, South Korea) — '로켓-AI-로봇' 묶는 머스크…美 vs 中 'AI 우주전쟁' 서막, January 31, 2026.

28. 证券时报 (Securities Times) — SpaceX收购xAI，马斯克整合商业帝国, February 3, 2026.

29. Nikkei Asia / Keio University — Japan's space policy response to SpaceXAI and orbital data centers, July 2026.

30. Observer Research Foundation (ORF) / ISRO / MeitY — India's strategic response to SpaceXAI and space-based AI computing, June–July 2026.

31. Wedbush Securities / Dan Ives — SpaceX Price Target Raised to $190 Despite Recent Dip, "Space AI" Story Intact, July 21, 2026.

32. Bloomberg Intelligence — SpaceX Sell Rating Initiated on Valuation Concerns and AI Cash Burn, July 21, 2026.

33. MarketBeat — Consensus Analyst Price Target for SpaceX (SPCX), July 22, 2026.

34. J.P. Morgan — SpaceX (SPCX) Initiation Report: Buy Rating, $225 Price Target, by Doug Anmuth, July 7, 2026.

35. Reuters — SpaceX gets $1.6 billion US Space Force order for 18 Falcon 9 launches, July 29, 2026.

36. U.S. Space Force / Space Systems Command — Space Force Awards Task Orders to Launch Space Based Sensing and Targeting Capabilities, July 29, 2026.

37. Nasdaq — SpaceX Just Inked a New $1.6 Billion Deal With Space Force. Here's What it Means for Investors, July 30, 2026.