Введение

Российский автопром в 2026 году нельзя описать одним показателем роста или падения. В одной отрасли одновременно существуют прибыльные и убыточные предприятия, новые сборочные проекты, расширение производства компонентов и сокращение спроса на коммерческую технику. Эти процессы затрагивают разные рынки и требуют раздельного анализа.

Показателен контраст между финансовыми результатами крупнейших компаний. АвтоВАЗ сообщил о положительной операционной и чистой прибыли за первое полугодие. КАМАЗ сократил убыток, но его величина остаётся значительной. У группы «Соллерс» рост выручки сопровождается отрицательным финансовым результатом. Поэтому увеличение выпуска, продаж или доли рынка само по себе ещё не означает устойчивости бизнеса.

Под структурным кризисом в настоящей работе понимается совокупность длительных ограничений: недостаточная загрузка отдельных производств, потребность в обновлении компонентной базы, зависимость от технологических партнёров и чувствительность спроса к стоимости финансирования и государственной поддержке. Это аналитическая интерпретация, а не утверждение, что все предприятия и сегменты находятся в одинаковом положении.

Методика сопоставления. Для каждого числового показателя указаны период и объект наблюдения. РСБУ отдельного юридического лица не смешивается с консолидированной отчётностью группы по МСФО; выпуск автомобилей — с продажами и регистрациями; результаты марки — с результатами холдинга. Полностью электрические автомобили (BEV) рассматриваются отдельно от подключаемых гибридов (PHEV). Корпоративные планы и оценки отделены от состоявшихся событий. Использованы доступные к 26 сентября 2026 года публикации; периоды наблюдения у источников различаются.

1. КАМАЗ: сокращение убытка при слабом рынке грузовиков

1.1. Финансовые результаты

По итогам первого квартала 2026 года чистый убыток ПАО «КАМАЗ» по РСБУ составил 9,2 млрд рублей, уменьшившись на 26,3% год к году. Выручка отдельной компании сократилась на 14,7%, до 49,4 млрд рублей; себестоимость — на 16,8%, до 48 млрд. Валовая прибыль выросла до 1,4 млрд рублей против 204,1 млн годом ранее. [1]

Консолидированные результаты группы за первое полугодие по МСФО показывают другую сторону ситуации: выручка увеличилась на 7%, до 164,8 млрд рублей, чистый убыток сократился примерно на 29%, до 21,8 млрд рублей, против 30,9 млрд годом ранее. В сообщении компании рост выручки связывается, в частности, с автобусами, электробусами, специальной техникой и финансовой арендой. Регистрации автомобилей поколения К5 за полугодие выросли в полтора раза. [2] Отдельно в комментарии к первому кварталу компания сообщала об увеличении доли К5 в общих продажах с 9% до 13%, примерно в 1,4 раза. Это другой показатель и другой период. [31]

Эти результаты говорят об улучшении относительно слабой базы, но ещё не о восстановлении прибыльности. Сокращение убытка и рост валовой прибыли не отменяют расходов на финансирование, обновление продукции и поддержание производства. Вместе с тем размер убытка без сопоставления долга, денежных потоков и полученных субсидий недостаточен для вывода, что КАМАЗ — самый уязвимый производитель страны.

1.2. Производственная программа

В начале апреля компания сообщила, что рассматривает снижение годового производственного плана и возможность перехода на четырёхдневную неделю с 1 июня при сохранении неблагоприятной конъюнктуры. Подразделения с непрерывным циклом предполагалось исключить из этого режима. В том же сообщении приводились падение рынка тяжёлых грузовиков на 40% за январь–февраль и снижение продаж КАМАЗа на 15%. Это показатели первых двух месяцев, а не всего полугодия. [3]

Более поздние данные подтверждают слабость сегмента, хотя масштаб падения отличается: за январь–август рынок тяжёлых грузовиков полной массой свыше 16 тонн составил около 24,4 тыс. машин, на 17% меньше год к году. [4]

Для производителя такая ситуация создаёт сложный выбор. Сохранение выпуска поддерживает занятость и загрузку поставщиков, но при слабом спросе может увеличивать запасы. Сокращение программы уменьшает потребность в оборотных средствах, однако повышает удельную нагрузку постоянных затрат. Развитие К5 и других продуктовых направлений помогает адаптации, но результат зависит от платёжеспособного спроса. Апрельское сообщение о возможном режиме работы само по себе не подтверждает его фактическое введение и продолжительность осенью.

2. АвтоВАЗ: прибыль, модернизация и запуск Azimut

2.1. Производственные паузы и обновление оборудования

Корпоративный отпуск АвтоВАЗа проходил с 4 по 13 мая. [47] По сообщению пресс-службы АвтоВАЗа, переданному «За рулём», во время корпоративного отпуска проводились модернизация, ремонт и обслуживание оборудования. На программу направили более 530 млн рублей; работы затронули двигательное производство, сварочные и окрасочные участки, сборочные линии, включая Niva и подготовку выпуска Azimut. [5]

Для оценки состояния завода нужно различать корпоративный отпуск, технологическую остановку и простой по экономическим причинам. Они могут совпадать по времени, но имеют разные причины и последствия. Продолжительность календарной паузы не определяет автоматически потери выпуска или доходов работников.

2.2. Финансовые результаты и продажи

В первом квартале через дилерскую сеть были реализованы 65 461 автомобиль LADA и XCITE. [42] За первое полугодие 2026 года группа АвтоВАЗ сообщила об операционной и чистой прибыли. Абсолютные суммы в рассмотренном сообщении не раскрыты. Производство выросло на 3,3% год к году, а совокупные продажи LADA и XCITE составили 154 752 автомобиля. Оценка доли LADA — около 25% — принадлежит самой компании. [6]

Инвестиционная программа на 2026 год заявлена в объёме более 40 млрд рублей. Совокупные инвестиции по специальному инвестиционному контракту превысили 157 млрд рублей при обязательстве вложить 100 млрд до 2030 года. [6]

Прибыльность даёт АвтоВАЗу более устойчивую исходную позицию, чем у компаний с крупными убытками. Однако без раскрытия размера прибыли нельзя оценить запас прочности или сравнить рентабельность производителей. Кроме того, увеличение выпуска на 3,3% не является показателем роста продаж: для такого вывода нужна отдельная сопоставимая статистика реализации.

2.3. Двигатели и новая модель

Модернизация двигательного производства связана с обновлением бензиновых агрегатов объёмом 1,6 и 1,8 литра. Майское сообщение описывало запуск обрабатывающих центров и подготовку двигателей мощностью более 120 и 130 л.с. соответственно. [5]

К моменту подготовки статьи произошёл следующий важный шаг: 25 сентября 2026 года началось серийное производство LADA Azimut. [7]

Промышленный эффект новой модели будет определяться не только фактом постановки на конвейер. Существенны скорость выхода на плановый объём, спрос, качество первых серий и возможность использовать освоенные компоненты в других моделях. Унификация способна распределять затраты на разработку и производство между несколькими продуктами, но этот эффект проявляется по мере их реального выпуска и реализации.

3. ГАЗ и сегмент LCV: лидерство на сокращающемся рынке

3.1. Динамика рынка

За восемь месяцев 2026 года в России зарегистрировано чуть менее 43 тыс. лёгких коммерческих автомобилей полной массой до 3,5 тонны — на 20,3% меньше, чем годом ранее. В этой выборке продажи ГАЗа снизились на 13,5%, LADA — на 40,7%, УАЗа — на 25,6%, КАМАЗа — на 39,3%. [4]

Падение ГАЗа оказалось меньше падения рынка в целом. При одинаковой методике и сопоставимом периоде это означает увеличение доли ГАЗа, а не её более медленное сокращение. Такая арифметическая поправка меняет интерпретацию: марка укрепляет относительные позиции, хотя продаёт меньше автомобилей.

LCV используются в доставке, строительстве, сервисных компаниях и других видах хозяйственной деятельности. Поэтому их продажи полезны как индикатор инвестиционной активности. Но из снижения покупок машин нельзя напрямую вывести сокращение числа предприятий или объёмов перевозок: бизнес может дольше использовать существующий парк, покупать подержанную технику или переносить обновление из-за стоимости кредита и лизинга.

3.2. Позиции ГАЗа

По опубликованным дилером данным «Автостата», за первое полугодие рынок LCV составил 31 668 машин. ГАЗ реализовал 16 158 автомобилей, заняв около 51% сегмента. «Газель Next» разошлась тиражом 7 336 экземпляров, «Газель NN» — 2 052, причём продажи последней выросли в 3,1 раза. За первые пять месяцев финансовая ёмкость продаж марки в сегменте оценивалась в 43,2 млрд рублей. [8]

Переход покупателей к более новым моделям может частично компенсировать падение объёмов за счёт структуры продаж, но не гарантирует роста прибыли. Для полноценной финансовой оценки нужны данные о выручке производителя, себестоимости, скидках и расходах. Финансовая ёмкость покупок на рынке не равна выручке или прибыли завода.

4. УАЗ и группа «Соллерс»: разные уровни анализа

4.1. Продажи УАЗа

За первый квартал 2026 года продажи автомобилей УАЗ сократились примерно на 31%, до 3,4 тыс. машин, по данным «Автостата», приведённым УрБК. [9] Снижение продаж УАЗа на 25,6% за восемь месяцев, упомянутое выше, относится к выборке LCV. Его нельзя выдавать за динамику всех автомобилей марки или непосредственно сопоставлять с квартальным результатом без оговорки о составе выборки. [4]

Такое разделение особенно важно для УАЗа, чья продукция относится к нескольким категориям. Один и тот же бренд присутствует в статистике внедорожников, пикапов и коммерческой техники; итог зависит от того, какие автомобили учитывает источник.

4.2. Финансовые результаты холдинга

По официальному сообщению ПАО «СОЛЛЕРС», за первое полугодие 2026 года консолидированная выручка группы выросла на 29%, до 33 млрд рублей. EBITDA составила 123 млн рублей, операционный убыток — 1,96 млрд, чистый убыток — 2,7 млрд рублей. [10]

Это результат всей группы по МСФО. Он не является отдельным финансовым результатом УАЗа. Отдельно ПАО «Соллерс» по РСБУ отразило убыток 106,9 млн рублей против прибыли 3,9 млрд годом ранее. Эти суммы характеризуют другое юридическое и учётное представление бизнеса. [32]

Рост выручки при убытке показывает, что расширение оборота ещё не обеспечивает достаточной отдачи. При этом нельзя автоматически объяснять чистый убыток всей суммой капиталовложений: инвестиционные расходы и расходы отчётного периода учитываются по-разному. Их влияние проходит через конкретные статьи отчётности, включая амортизацию и стоимость финансирования.

4.3. Обновление продукции и компонентной базы

24 сентября «Соллерс» сообщил о начале производства первых партий S9 по полному циклу. Автомобили проходят дополнительный контроль и пробеговые испытания; отгрузки дилерам намечены на декабрь, начало продаж — на конец года. Заявлены бензиновая и дизельная версии с восьмиступенчатой автоматической коробкой. Инвестиционная программа группы на 2022–2027 годы превышает 38 млрд рублей, включая более 18 млрд на ульяновскую площадку. [33]

Обновлённый «Патриот» руководство УАЗа планирует отгружать дилерам в октябре–ноябре. [43] Эти проекты способны обновить предложение, но финансовый результат зависит от темпа освоения производства и реального спроса после начала продаж.

5. «Москвич»: расширение линейки при слабых продажах

5.1. Производство и реализация

На Восточном экономическом форуме руководство завода обозначило план выпуска более 20 тыс. товарных автомобилей в 2026 году, включая примерно 5–6 тыс. машин новой линейки М70 и М90. По словам генерального директора Елены Фроловой, продажи августа составили около 1,2 тыс. автомобилей, а на сентябрь компания ориентировалась на 1,2–1,5 тыс. [11]

При этом за январь–июль продажи марки составили около 6,9 тыс. автомобилей, сократившись на 20,3% год к году. В июле было реализовано 1 037 машин, на 22,8% меньше, чем годом ранее. Для сравнения, рынок новых легковых автомобилей за семь месяцев вырос на 12,2%. [12]

Производственный план и продажи измеряют разные этапы движения автомобиля. Нельзя вычесть продажи семи месяцев из годового плана выпуска и объявить остаток обязательным объёмом продаж до конца года. Для оценки выполнения производственной программы необходимы данные о фактическом выпуске; для оценки коммерческой устойчивости — также о запасах завода и дилеров.

5.2. Модельный ряд и партнёры

Основная линейка — «Москвич 3», «Москвич 6» и «Москвич 8» — связана с платформами JAC; новые М70 и М90 разработаны в сотрудничестве с SAIC. [11] Это расширение партнёрской базы, а не полная замена одного поставщика технологий другим во всём модельном ряду.

Самой продаваемой моделью за семь месяцев оставался «Москвич 3»: 5 271 автомобиль, на 25,6% меньше год к году. Продажи «Москвича 6» составили 444 машины, сократившись вдвое. Электрический «Москвич 3е» разошёлся тиражом 236 машин, на 60,6% меньше год к году, при росте всего рынка BEV за тот же период на 15,3%. [12] Концентрация реализации на одной модели делает результат марки чувствительным к её цене, комплектациям и конкуренции в соответствующем сегменте.

Продажи новой линейки М70/М90 начались 6 марта; стартовые цены с учётом всех выгод составляли от 2 689 000 и 3 855 000 рублей соответственно. Это условия на момент запуска, а не актуальная безусловная цена. [36] За март–июль проданы 672 автомобиля этих двух моделей, в том числе 181 в июле, на 34% больше июня. [12]

Смена или расширение платформ даёт доступ к новым продуктам, но требует затрат на подготовку производства, обучение, запасные части и сервис. Чтобы оценить глубину локализации, недостаточно перечислить модели: важно понимать, какие детали производятся на площадке и какие изменения конструкции предприятие способно выполнять самостоятельно.

5.3. Электрификация и производственная площадка

Гибридная версия М70 должна стать первым PHEV марки. Руководитель предприятия назвала ориентиром 2027 год и допустила ускорение проекта. [35]

Параллельно площадка используется для других проектов. В сообщении «Атома» от 16 сентября говорится о массовом производстве на заводе «Москвич», первых получающих автомобили клиентах и намерении выпускать до 20 машин за смену с последующим увеличением темпа. Для проекта оборудована линия, включающая сварку, окраску, антикоррозийную обработку и сборку. [14]

По официальным данным предприятия, при численности около 1,5 тыс. сотрудников на площадке работают примерно 375 роботов: 200 промышленных и 175 логистических. [34] Многопроектная загрузка может улучшать использование инфраструктуры. Однако автомобили стороннего бренда не следует прибавлять к продажам «Москвича». Рентабельность площадки зависит от объёма заказов, условий контрактов и затрат. В феврале 2024 года Сергей Когогин оценивал точку безубыточности в 40 тыс. собранных автомобилей за год. [37] Использовать эту старую оценку как действующий норматив для изменившейся модельной линейки и контрактов нельзя без нового расчёта.

6. Haval и новые локальные бренды

6.1. Haval: переход к сложным компонентам

В сентябре 2026 года в индустриальном парке «Узловая» в Тульской области открылось производство автоматических трансмиссий Great Wall Motor. В репортаже «Тульских известий» указаны площадь около 35 тыс. кв. м, порядка 500 рабочих мест и мощность более 180 тыс. изделий в год. Производство включает термическую и механическую обработку компонентов и сборку. Комплекс автокомпонентов предполагается развивать поэтапно до конца 2027 года. [15]

Для локализации это значимый шаг: освоение сложного агрегата отличается по содержанию от сборки готового автомобиля из поставленных узлов. Вместе с тем производственная мощность — не фактический выпуск, а наличие завода — не свидетельство полного отказа от импортных деталей, оборудования и технологий.

В августе представитель предприятия сообщил о плане ввести третью смену с октября и увеличить суточный выпуск с 660 до 850 автомобилей. [38] На дату обзора это ожидаемое расширение. В репортаже об открытии трансмиссионного производства также говорится об обсуждении мер поддержки с региональными властями: частные инвестиции и государственная промышленная политика здесь дополняют друг друга. [15]

6.2. Tenet, Solaris и Evolute

Tenet сообщил о 63 996 зарегистрированных автомобилях за январь–июнь 2026 года и доле рынка 10,5%. [16] Годовой базовый план, объявленный в январе, — более 140 тыс. автомобилей. [44] Это заметный масштаб продаж нового бренда. Для анализа промышленного результата его следует дополнять сведениями о компонентной базе, загрузке мощностей и финансовой отдаче.

Solaris, по данным Сергея Целикова, приведённым «За рулём», реализовал 12 771 автомобиль за семь месяцев, на 8% меньше, чем годом ранее. Издание связывает перспективы бренда с ограниченностью оставшихся запасов автомобилей, собранных из машинокомплектов Hyundai и Kia. [17] Продажа складского остатка и текущая работа конвейера — разные источники предложения, поэтому статистика реализации не доказывает продолжения производства.

Evolute сообщил о 7 520 проданных автомобилях за январь–июль, включая 1 610 в июле. Это результат всей модельной линейки, в которую входят и полностью электрические машины, и гибриды. Компания отдельно заявила лидерство в сегменте BEV и третье место среди автомобилей на новых источниках энергии. [18] За первые 13 недель было зарегистрировано 2 866 электрических и гибридных автомобилей Evolute, на 445% больше сопоставимого периода предыдущего года. [45]

Пример Evolute показывает, почему названия категорий имеют значение: общий объём продаж бренда нельзя использовать как число проданных им чистых электромобилей. Аналогично рост российского бренда не следует автоматически приравнивать к росту отечественной добавленной стоимости.

7. Силовые установки: несколько направлений развития

7.1. Бензиновые двигатели

Двигатели внутреннего сгорания сохраняют центральное место в заявленном технологическом сценарии отрасли до 2035 года. [19] Развитие альтернативных установок поэтому не отменяет потребности в модернизации обычных моторов, трансмиссий и систем управления.

Один из примеров — возобновление производства двигателей на площадке «АГР» в Калуге. По материалу «За рулём» о ПМЭФ-2026, сборка началась в апреле; линейка включает турбированные бензиновые двигатели объёмом 1,5, 1,6 и 2,0 литра. На первом этапе заявлена мощность 150 тыс. двигателей в год с возможностью увеличения до 300 тыс. Механическую обработку блока и головки блока в июньском сообщении ещё относили к планам второго полугодия. [20]

Следовательно, запуск сборки и освоение механической обработки должны учитываться как разные этапы. Практическую глубину локализации определяет последовательность производственных операций и происхождение компонентов, а не только адрес предприятия.

7.2. Дизельные двигатели

Для тяжёлой и специальной техники важны ресурс, надёжность, сервис и возможность работать в разных режимах нагрузки. В программе CTT Expo 2026 ПАО «Автодизель» представляло силовой агрегат ЯМЗ-7750 с механической коробкой передач. Для семейства ЯМЗ-770 заявлялся диапазон мощности 350–620 л.с. и применение в транспортной, строительной, карьерной технике, тракторах и генераторных установках. [21]

На Тутаевском моторном заводе в 2026 году планировали запуск серии 13-литровых Р6 и начало разработки вариантов объёмом 15,2 и 18 литров. [46] Освоение таких агрегатов расширяет возможности для грузовой, тракторной и специальной техники. Однако плановый запуск и подтверждённые объёмы поставок остаются разными этапами.

Экономический смысл межзаводской кооперации состоит в увеличении тиража общих агрегатов и сокращении дублирующих затрат. Но совместимость, адаптация, испытания и гарантии требуют самостоятельной работы. Замена поставщика двигателя не сводится к механической установке другого узла.

7.3. Полностью электрические автомобили

За первый квартал 2026 года «Автостат» зарегистрировал 2 272 новых BEV, на 22,5% больше год к году. [30] Появление новых моделей и производственных линий расширяет предложение BEV. «Атом» служит примером перехода проекта к поставкам клиентам, а Evolute — сочетания электрических и гибридных моделей под одной маркой. [14; 18]

При этом оценивать сегмент нужно по продажам именно BEV. Нельзя включать в рейтинг чистых электромобилей Evolute i-Space, Voyah Free или Geely EX5 EM-i на том основании, что у них есть тяговый электропривод: в приведённой статистике «Автостата» эти модели относятся к подключаемым гибридам. [22]

Для покупателя важна не только цена автомобиля, но и доступность зарядки, запас хода в его режиме использования, время простоя и стоимость обслуживания. Для промышленности — освоение батарейных систем, силовой электроники, программного обеспечения и сервиса. Поэтому единичный производственный запуск нельзя считать завершением формирования всего рынка.

7.4. Подключаемые гибриды

За первый квартал проданы 13 556 подключаемых гибридов, на 127% больше год к году. [40] По данным «Автостата» и АО «ППК», за первое полугодие 2026 года реализовано 30 730 новых PHEV, на 132% больше, чем годом ранее. Их доля на рынке новых легковых автомобилей выросла с 2,5% до 5%. Среди брендов лидировал Voyah — 25,4% сегмента, около 7,8 тыс. машин; далее следовали Geely — 5,4 тыс. и Evolute — 4,4 тыс. [22]

В модельном рейтинге первые позиции занимали Voyah Free — 6 184 автомобиля, Evolute i-Space — 4 429 и Geely EX5 EM-i — 3 796. [22] Эти показатели характеризуют первое полугодие, поэтому их нельзя объединять с квартальными данными в одной колонке без указания периода.

Гибридная схема позволяет расширить сценарии использования автомобиля, но делает продукт сложнее: необходимо интегрировать электрическую и топливную части, управлять энергией и обслуживать обе системы. Промышленная задача состоит в создании надёжного продукта с приемлемой стоимостью владения. Планы «Москвича» на 2027 год показывают интерес к этому направлению; они ещё не подтверждают будущие объёмы и долю рынка. [13]

7.5. Водородный транспорт

В сентябре в Екатеринбурге был показан ходовой прототип Aurus с водородной установкой, разработанный НАМИ. Рассмотренная публикация описывает его именно как прототип и не приводит объявленной даты серийного выпуска. [23] Отдельно 25 сентября сообщалось о демонстрации водородной версии КАМАЗа во время визита заместителя главы Минпромторга в Набережные Челны. [24]

Для отраслевого анализа демонстрация работоспособности и коммерческая эксплуатация — разные стадии. Водородному направлению нужны доступное топливо, заправочная инфраструктура, подтверждённая экономика и надёжность. Поэтому оно рассматривается здесь как направление исследований и опытной техники, а не как сформированный массовый рынок, сопоставимый по продажам с BEV или PHEV.

8. Локализация и утилизационный сбор

8.1. Что измеряет локализация

В целевом сценарии, представленном Денисом Мантуровым в августе, технологическая независимость к 2030 году должна достигнуть 80% для легковых автомобилей и 90% для LCV, грузовиков и автобусов. Доля электромобилей и гибридов в легковом выпуске к 2035 году обозначена на уровне четверти. [19]

По данным пресс-службы, приведённым МК, за восемь месяцев доля автомобилей российской сборки достигла 63,5%, увеличившись на 8,5 процентного пункта год к году; по программе ФРП «Автокомпоненты» поддержаны 107 проектов. [39]

Цели технологической независимости нельзя напрямую сопоставлять с долей машин российской сборки на рынке: один показатель характеризует продажи по месту производства, другой — технологическую независимость. Нельзя также без проверки методики приравнивать проценты локализации, баллы за выполненные операции и долю стоимости отечественных компонентов.

Практически полезно рассматривать три уровня. Первый — сборочные операции. Второй — производство компонентов и владение технологическими процессами. Третий — возможность самостоятельно изменять конструкцию, проводить испытания, выпускать обновления и обеспечивать жизненный цикл продукта. Рост на первом уровне не гарантирует достижения третьего.

Проекты трансмиссий в Тульской области и двигателей в Калуге демонстрируют движение к компонентному производству. [15; 20] Но для оценки технологической устойчивости необходимо дополнительно знать происхождение оборудования, материалов, электронных компонентов и инженерной документации, а также возможность их замены.

8.2. Поступления от утильсбора и календарь платежей

По данным системы «Электронный бюджет», приведённым РБК, на 14 августа 2026 года поступления от утильсбора составили 316,2 млрд рублей, почти на 40% больше год к году. Исполнение годового плана оценивалось в 19,2%. Минфин объяснил неравномерность переносом платежей за IV квартал 2025 года и I–III кварталы 2026 года по произведённой в России технике на декабрь. [25]

Следовательно, низкую долю исполнения в августе нельзя линейно переносить на весь год. Для вывода о недоборе нужны данные о начислениях, отсроченных обязательствах, фактических декабрьских платежах и изменениях плана. Промежуточные поступления показывают состояние кассового исполнения на конкретную дату, но не величину итогового годового отклонения.

Утильсбор влияет на условия конкуренции и стоимость предложения, а меры поддержки — на спрос и экономику производителей. Однако меньшие поступления по конкретной доходной статье сами по себе не доказывают автоматическое сокращение каждой субсидии на такую же сумму. Для такого вывода нужно отдельное бюджетное решение.

9. Занятость и социальные последствия

9.1. Рабочее время и устойчивость доходов

Слабый спрос может отражаться на загрузке смен, занятости и доходах работников. Подтверждённые сообщения в рассматриваемой выборке — обсуждение КАМАЗом возможной четырёхдневной недели и проведение АвтоВАЗом модернизации во время корпоративного отпуска. [3; 5] Эти события не дают оснований утверждать, что все крупные заводы одновременно перешли на одинаковый режим.

Социальные последствия зависят от продолжительности ограничений, условий оплаты, возможности перевода на другие работы и спроса на труд в регионе. Для города с крупным автомобильным предприятием изменения способны затронуть также поставщиков и местный сервисный бизнес. Но масштаб такого эффекта нужно измерять, а не выводить только из заголовков о сокращении рабочей недели.

Сообщения о массовых «бессрочных отпусках», скрытых сокращениях и конкретном числе затронутых работников требуют самостоятельных надёжных источников. Приведённые в исходном тексте ссылки не подтверждали эти утверждения; они исключены из фактического описания.

9.2. Изменение требований к кадрам

Модернизация производств может сопровождаться одновременным уменьшением потребности в одних операциях и ростом спроса на специалистов по другим. Например, автоматизированная линия требует наладки, диагностики и обслуживания. Это объясняет, почему незагруженные мощности и вакансии теоретически могут сосуществовать, но не доказывает несоответствия квалификации конкретных работников.

Для предприятий важно связывать инвестиционную программу с обучением и переводом сотрудников. Показатели эффективности в этой области — не только число установленных роботов или открытых вакансий, но и сохранение компетенций, стабильность занятости и способность быстро нарастить выпуск при восстановлении спроса.

10. Государственная поддержка и бюджетные риски

10.1. Проект бюджета, принятые планы и фактические расходы

В сентябре 2025 года обсуждался проект финансирования льготных автокредитов и лизинга на 2026 год в размере до 37,2 млрд рублей. Это была предварительная оценка, а не итог исполнения бюджета. [26]

Уже в ноябре 2025 года заместитель главы Минпромторга сообщил о 164 млрд рублей на льготные автокредиты и лизинг в 2026–2028 годах. На 2026 год назывались около 30 млрд рублей на лизинг и 20 млрд на автокредитование. [27] Таким образом, раннюю цифру 37,2 млрд нельзя использовать как последнюю известную величину, игнорируя более позднее сообщение. При этом и названные планы не равны фактическим расходам по состоянию на сентябрь 2026 года.

Отдельная статья — компенсация производственных затрат. В публикации октября 2025 года о проекте бюджета на 2026 год фигурировали 966,4 млрд рублей. [28] У этой суммы иной охват, чем у льготных кредитов и лизинга. Складывать или сопоставлять их без пояснения назначения, периода и стадии бюджета некорректно.

Так же следует относиться к сообщениям о сокращении финансирования отдельных платформ и НИОКР. Изменение одной программы ещё не доказывает общего уменьшения всей поддержки автопрома. Для оценки нужны сопоставимые редакции бюджета и фактическое исполнение по соответствующим направлениям.

10.2. Как поддержка влияет на устойчивость

Государственные программы могут помогать обновлению парка и освоению компонентов, снижая текущие ограничения спроса и инвестиций. Но долгосрочный результат определяется тем, появляются ли конкурентоспособные продукты, устойчивые цепочки поставок и достаточная загрузка мощностей.

Наибольшего внимания требуют предприятия, у которых слабый спрос сочетается с убытками и крупными инвестиционными обязательствами. КАМАЗ и «Соллерс» относятся к этой группе по рассмотренным финансовым результатам. Для ГАЗа подтверждено снижение продаж в сегменте LCV, но в использованной выборке нет сопоставимого финансового раскрытия, позволяющего ранжировать его зависимость от поддержки.

Возможный перенос покупок между периодами — ещё один риск. В сентябре глава РОАД допустил, что ожидание повышения утильсбора способно поддержать продажи в конце 2026 года и ослабить их в начале 2027-го. [29] Это сценарная оценка участника рынка, а не состоявшийся провал продаж.

Для мониторинга отрасли полезно одновременно отслеживать продажи и запасы, производственную загрузку, денежные потоки и стоимость финансирования, исполнение программ поддержки и подтверждённые этапы локализации. Только такая связка позволяет отличать временную поддержку оборота от улучшения промышленной устойчивости.

Сравнительные таблицы

Таблица 1. Производители: показатели с указанием периода и охвата

Отсутствие показателя в таблице означает, что он не используется в этом сопоставлении, а не отсутствие продаж, прибыли или отчётности у компании.

Таблица 2. LCV до 3,5 тонны: динамика за январь–август 2026 года

Источник: [4]. Для сравнения, в отдельном полугодовом срезе Sollers реализовал 2 586 LCV (−18,6%), Foton — 820 (−13,4%). Эти значения относятся к другому периоду. [41]

Таблица 3. Силовые установки: состояние и границы сравнения

Таблица 4. Господдержка и утильсбор: период и статус цифры

Это не таблица фактического исполнения всех расходов на автопром. Перенос части платежей по утильсбору на декабрь не позволяет оценить годовой результат по августовской доле исполнения.

Таблица 5. Целевые ориентиры технологической независимости

Источник: заявление о целевом сценарии [19]. Первые четыре строки характеризуют технологическую независимость; последняя — структуру выпуска. Это разные показатели.

Заключение

Российский автопром в 2026 году одновременно адаптируется и испытывает серьёзные ограничения. Прибыль АвтоВАЗа и запуск Azimut, новые производства двигателей и трансмиссий, рост Tenet и подключаемых гибридов показывают, что отрасль сохраняет способность осваивать продукты и технологии. Убытки КАМАЗа и «Соллерс», падение коммерческого сегмента и слабые продажи отдельных марок свидетельствуют, что эта адаптация ещё не обеспечивает устойчивость всем участникам.

Главное противоречие состоит в необходимости инвестировать в более сложную продукцию и компоненты в условиях неоднородного спроса. Расширение линейки увеличивает возможности, но также требует средств, компетенций и достаточного тиража. Доля рынка может расти при падении продаж, выпуск — опережать реализацию, а выручка — увеличиваться при убытке. Поэтому каждый из этих показателей нужен в своём контексте.

Государственная поддержка остаётся важной частью отраслевой модели. Но из промежуточного исполнения утильсбора нельзя выводить неизбежный бюджетный провал, а из раннего проекта бюджета — окончательный масштаб финансирования. Более обоснованный вопрос: насколько последовательно поддержка превращается в собственные компетенции, конкурентоспособные компоненты, устойчивые рабочие места и спрос, сохраняющийся после окончания отдельных льгот.

Именно по этим результатам следует оценивать движение к технологической независимости. Успех определяется не количеством объявленных моделей и мощностей, а способностью регулярно выпускать востребованные автомобили, обеспечивать их качество и сервис и финансировать следующий цикл развития.

Список литературы

1. Чистый убыток «Камаза» в I квартале снизился на 26,3% // Ведомости : сайт. — 2026. — 30.04. — URL: https://www.vedomosti.ru/investments/news/2026/04/30/1194494-ubitok-kamaza (дата обращения: 26.09.2026).
2. «КАМАЗ» нарастил консолидированную выручку // КАМАЗ Красноярск : сайт. — 2026. — 31.08. — URL: https://kamaz-krasnoyarsk.ru/o-kompanii/news/kamaz-news/3719/ (дата обращения: 26.09.2026).
3. Переходько, М. КамАЗ готов сократить производство. Возможна четырехдневка // Autonews : сайт. — 2026. — 01.04. — URL: https://www.autonews.ru/news/69cd1ad89a79477a3cad68cd (дата обращения: 26.09.2026).
4. Рынок легких коммерческих автомобилей сократился более чем на 20% // УралБизнесКонсалтинг : сайт. — 2026. — 11.09. — URL: https://urbc.ru/1068147126-rynok-legkih-kommercheskih-avtomobilej-sokratilsja-bolee-chem-na-20.html (дата обращения: 26.09.2026).
5. Ушакова, И. АВТОВАЗ рассказал о модернизации производства и выпуске новых моторов // За рулём : сайт. — 2026. — 14.05. — URL: https://www.zr.ru/content/news/980754-avtovaz-vlozhil-polmilliarda-ru/ (дата обращения: 26.09.2026).
6. «АвтоВАЗ» показал положительный финансовый результат по итогам первого полугодия // Ведомости : сайт. — 2026. — 09.07. — URL: https://www.vedomosti.ru/auto/news/2026/07/09/1212388-avtovaz-pokazal-rezultat (дата обращения: 26.09.2026).
7. LADA AZIMUT: старт серийного производства // Питер-Лада : сайт. — 2026. — 25.09. — URL: https://www.piterlada.ru/news/lada-azimut-start-seriynogo-proizvodstva/ (дата обращения: 26.09.2026).
8. Бренд ГАЗ занимает 51% рынка LCV // АвтоГАЗ : сайт. — 2026. — 03.09. — URL: https://www.avtogaz.ru/about-company/news/brend-gaz-zanimaet-51-rynka-lcv/ (дата обращения: 26.09.2026).
9. Продажи новых автомобилей УАЗ упали на 31% в первом квартале // УралБизнесКонсалтинг : сайт. — 2026. — 28.04. — URL: https://urbc.ru/1068144177-prodazhi-novyh-avtomobilej-uaz-upali-na-31-v-pervom-kvartale.html (дата обращения: 26.09.2026).
10. ПАО «СОЛЛЕРС» объявляет финансовые результаты по МСФО за первое полугодие 2026 года // СОЛЛЕРС : сайт. — 2026. — 28.08. — URL: https://sollers-auto.com/press-center/news/pao-sollers-obyavlyaet-finansovye-rezultaty-po-msfo-za-pervoe-polugodie-2026-goda/ (дата обращения: 26.09.2026).
11. Кишкурно, И. Стало известно, сколько автомобилей завод «Москвич» выпустит в 2026 году // За рулём : сайт. — 2026. — 03.09. — URL: https://www.zr.ru/content/news/985403-stalo-izvestno-skolko-avtomo/ (дата обращения: 26.09.2026).
12. Черников, Н. Продажи «Москвича» упали на 20% — с начала 2026 года россияне купили меньше 7 тысяч автомобилей бренда // RB.RU : сайт. — 2026. — 07.08. — URL: https://rb.ru/news/prodazhi-moskvicha-upali-na-20-s-nachala-2026-goda-rossiyane-kupili-menshe-7-tysyach-avtomobilej-brenda/ (дата обращения: 26.09.2026).
13. «Москвич» планирует выпускать гибриды с 2027 года // Коммерсантъ : сайт. — 2026. — 10.06. — URL: https://www.kommersant.ru/doc/8728730 (дата обращения: 26.09.2026).
14. Атом начинает массовое производство электромобилей // Атом : сайт. — 2026. — 16.09. — URL: https://atom.auto/community/atom/news/atom-nachinaet-massovoe-proizvodstvo-elektromobilei?index=0 (дата обращения: 26.09.2026).
15. Запущен первый в России завод трансмиссий // Тульские известия : сайт. — 2026. — 22.09. — URL: https://ti71.ru/n171733.html (дата обращения: 26.09.2026).
16. TENET подвёл итоги за первое полугодие 2026 года: расширение модельного ряда и укрепление лидерских позиций // TENET : сайт. — 2026. — 14.07. — URL: https://tenet.ru/tenet/news/tenet-itogi-za-1-polgoda-2026-liders/ (дата обращения: 26.09.2026).
17. Ушакова, И. Запасов Solaris в стоках осталось меньше, чем на пять месяцев // За рулём : сайт. — 2026. — 16.08. — URL: https://www.zr.ru/content/news/984627-rossijskij-solaris-ukhodit-s-ry/ (дата обращения: 26.09.2026).
18. EVOLUTE – бренд №1 среди брендов электромобилей по итогам семи месяцев 2026 года // EVOLUTE : сайт. — 2026. — 10.08. — URL: https://www.evolute.ru/about/news/evolute-brend-1-sredi-brendov-elektromobilej-po-itogam-semi-mesyacev-2026-goda (дата обращения: 26.09.2026).
19. Шульгина, И. Мантуров: техническая независимость по легковым машинам должна достичь 80% // Ведомости : сайт. — 2026. — 31.08. — URL: https://www.vedomosti.ru/auto/news/2026/08/31/1224892-tehnicheskaya-nezavisimost (дата обращения: 26.09.2026).
20. Кишкурно, И. В Калуге начали делать новые моторы — рассказываем, какие именно! // За рулём : сайт. — 2026. — 08.06. — URL: https://www.zr.ru/content/news/981858-v-kaluge-nachali-delat-novye-m/ (дата обращения: 26.09.2026).
21. Готовимся к CTT Expo 2026 — ПАО «Автодизель» (ЯМЗ) // CTT Expo : сайт. — 2026. — 29.03. — URL: https://ctt-expo.ru/tpost/a2is1dy781-gotovimsya-k-ctt-expo-2026-pao-avtodizel (дата обращения: 26.09.2026).
22. Доля подключаемых гибридов в первом полугодии выросла до 5% // АВТОСТАТ : сайт. — 2026. — 10.07. — URL: https://www.autostat.ru/news/62698/ (дата обращения: 26.09.2026).
23. Водородный Aurus Senat получил полный привод и мощность 1020 л. с. // Компьютерра : сайт. — 2026. — 14.09. — URL: https://www.computerra.ru/362101/vodorodnyj-aurus-senat-poluchil-polnyj-privod-i-moshhnost-1020-l-s/ (дата обращения: 26.09.2026).
24. Замглавы Минпромторга РФ протестировал водородный автомобиль КАМАЗа // Татар-информ : сайт. — 2026. — 25.09. — URL: https://www.tatar-inform.ru/news/zamglavy-minpromtorga-rf-protestiroval-vodorodnyi-avtomobil-kamaza-6043149 (дата обращения: 26.09.2026).
25. Лебедев, Г. Доходы бюджета России от утильсбора выросли почти на 40% // РБК : сайт. — 2026. — 17.08. — URL: https://amp.rbc.ru/rbcnews/economics/17/08/2026/6a83261f9a794767fa7a5c00 (дата обращения: 26.09.2026).
26. Сколько средств будет выделено на программы господдержки автопрома в 2026 году? // АВТОСТАТ : сайт. — 2025. — 26.09. — URL: https://www.autostat.ru/finance/60918/ (дата обращения: 26.09.2026).
27. На программы поддержки автопрома за три года выделят 164 млрд рублей // АВТОСТАТ : сайт. — 2025. — 26.11. — URL: https://www.autostat.ru/news/61333/ (дата обращения: 26.09.2026).
28. В бюджет 2026 года РФ заложили почти 1 трлн рублей на компенсацию затрат автозаводам // Маркет Репорт : сайт. — 2025. — 02.10. — URL: https://www.mrc.ru/news/419525-v-budzhet-2026-goda-rf-zalozhili-pochti-1-trln-rubley-na-kompensaciu-zatrat-avtozavodam (дата обращения: 26.09.2026).
29. Жандарова, М. Глава РОАД допустил провал авторынка в 2027 году из-за роста утильсбора // Autonews : сайт. — 2026. — 21.09. — URL: https://www.autonews.ru/news/6ab100639a7947e1f451a207 (дата обращения: 26.09.2026).
30. Более 40% российского рынка новых электромобилей в 1 квартале пришлось на Evolute // АВТОСТАТ : сайт. — 2026. — 10.04. — URL: https://www.autostat.ru/news/62150/ (дата обращения: 26.09.2026).
31. "КАМАЗ" в I квартале снизил чистый убыток по РСБУ на 26,3% // Интерфакс : сайт. — 2026. — 30.04. — URL: https://www.interfax.ru/business/1087049 (дата обращения: 26.09.2026).
32. «Соллерс» получил чистый убыток по РСБУ в первом полугодии // Ведомости : сайт. — 2026. — 31.07. — URL: https://www.vedomosti.ru/investments/news/2026/07/31/1217894-sollers-poluchil-ubitok (дата обращения: 26.09.2026).
33. Производство первых партий полноразмерных рамных внедорожников Sollers S9 (С9) началось в Ульяновске // СОЛЛЕРС : сайт. — 2026. — 24.09. — URL: https://www.sollers-auto.com/press-center/news/proizvodstvo-pervykh-partiy-polnorazmernykh-ramnykh-vnedorozhnikov-sollers-s9-s9-nachalos-v-ulyanovs/ (дата обращения: 26.09.2026).
34. «Москвич» представил на ВЭФ планы по развитию производства и новых технологий // Москвич : сайт. — 2026. — 03.09. — URL: https://moskvich.ru/news/show/Moskvich-predstavil-na-VEF-plany-po-razvitiyu-proizvodstva-i-novykh-tekhnologii (дата обращения: 26.09.2026).
35. Кишкурно, И. Москвич М70 станет гибридным и полноприводным // За рулём : сайт. — 2026. — 25.09. — URL: https://www.zr.ru/content/news/986214-moskvich-m70-stanet-gibridnym-i/ (дата обращения: 26.09.2026).
36. Прокопенко, Р. Старт продаж новых кроссоверов «Москвич»: цены и комплектации моделей М70 и М90 // 5 колесо : сайт. — 2026. — 06.03. — URL: https://5koleso.ru/articles/novosti/start-prodazh-novyh-krossoverov-moskvich-czeny-i-komplektaczii-modelej-m70-i-m90/ (дата обращения: 26.09.2026).
37. Гендиректор КАМАЗа сказал, что "Москвич" безубыточен при сборке 40 тыс. машин в год // Интерфакс : сайт. — 2024. — 15.02. — URL: https://www.interfax.ru/amp/946191 (дата обращения: 26.09.2026).
38. Павлов, П. Haval готовится собирать в России до 200 тыс. машин в год и сильнее локализовать компоненты // Tarantas News : сайт. — 2026. — 20.08. — URL: https://tarantas.news/posts/id70234-haval-gotovitsja-sobirat-v-rossii-do-200-tys-mashin-v-god-i-silnee-lokalizovat-komponenty (дата обращения: 26.09.2026).
39. Алимов, М. В России могут повысить утилизационный сбор // Московский комсомолец : сайт. — 2026. — 23.09. — URL: https://www.mk.ru/social/2026/09/23/v-rossii-mogut-povysit-utilizacionnyy-sbor.html (дата обращения: 26.09.2026).
40. Прокопенко, Р. Какие гибриды покупают в России: названы самые популярные модели 2026 года // 5 колесо : сайт. — 2026. — 17.04. — URL: https://5koleso.ru/articles/novosti/kakie-gibridy-pokupayut-v-rossii-nazvany-samye-populyarnye-modeli-2026-goda/ (дата обращения: 26.09.2026).
41. Продажи LCV в России падают: кто остался в плюсе // Тольятти24 : сайт. — 2026. — 07.07. — URL: https://togliatti24.ru/avto/view/prodazi-lcv-v-rossii-padaut-kto-ostalsa-v-pluse (дата обращения: 26.09.2026).
42. Группа АВТОВАЗ сохраняет положительную динамику финансовых результатов в I квартале 2026 года // LADA : сайт. — 2026. — 10.04. — URL: https://www.lada.ru/press-releases/122368 (дата обращения: 26.09.2026).
43. Бахарев, И. Новый УАЗ «Патриот Х» с дизельным мотором: когда внедорожник доедет до дилеров // Автоновости дня : сайт. — 2026. — 23.09. — URL: https://avtonovostidnya.ru/novinki/422026-uaz/amp (дата обращения: 26.09.2026).
44. Российская марка Tenet намерена продать более 140 тыс. машин в 2026 году // Коммерсантъ : сайт. — 2026. — 27.01. — URL: https://www.kommersant.ru/doc/8379146 (дата обращения: 26.09.2026).
45. Будрина, Л. Продажи электрокаров и гибридов Evolute взлетели на 445 процентов // Журнал Авто.ру : сайт. — 2026. — 30.03. — URL: https://auto.ru/mag/article/prodazhi-elektrokarov-i-gibridov-evolute-vzleteli-v-55-raza/ (дата обращения: 26.09.2026).
46. В России начинают разработку новых 15- и 18-литровых дизельных двигателей // Техносфера : сайт. — 2026. — 28.03. — URL: https://tehnoomsk.ru/archives/24482 (дата обращения: 26.09.2026).
47. "АвтоВАЗ" ушел в единый корпоративный отпуск // Интерфакс : сайт. — 2026. — 04.05. — URL: https://www.interfax.ru/russia/1087492 (дата обращения: 26.09.2026).

Материал подготовлен по открытым источникам. Приведённые оценки не заменяют полную финансовую и отраслевую отчётность. Корпоративные планы и заявления атрибутированы соответствующим источникам.

Введение

11 сентября 2026 года математическое сообщество оказалось в центре скандала, который выходит далеко за пределы академических кругов. Двадцать пять лауреатов Филдсовской премии — высшей международной награды для математиков — опубликовали открытое письмо под названием «Серьёзное расхождение целей: ИИ и математика» (A Severe Misalignment of AI in Mathematics). Документ размещён на сайте движения Math and AI и продублирован в блоге Теренса Тао.

Под письмом поставили подписи математики с российскими корнями: Ефим Зельманов (медаль Филдса 1994), Максим Концевич (1998), Андрей Окуньков (2006) и Станислав Смирнов (2010). Всего же среди подписантов — цвет мировой математики: от Пьера Делиня, получившего медаль в 1978 году, до Ю Дэна, удостоенного её в 2026-м.

Это событие стало кульминацией нескольких месяцев нарастающего напряжения в отношениях между математическим сообществом и разработчиками искусственного интеллекта. И хотя формально письмо адресовано ИИ-компаниям, его последствия выходят далеко за пределы математики — оно затрагивает фундаментальные вопросы о том, каким будет труд в эпоху ИИ для всех нас.

Что послужило триггером

Непосредственным поводом стала череда громких заявлений ИИ-компаний. 8 сентября OpenAI объявила, что её внутренняя модель решила уравнение Навье — Стокса — одну из семи «Проблем тысячелетия», над которой математики бились почти столетие. По сообщениям, для этого использовалась система из примерно 10 000 ИИ-агентов, работавших параллельно 88 часов.

Однако радость от «прорыва» быстро сменилась скандалом. Математик из Нью-Йоркского университета Тристан Бакмастер и сотрудник Anthropic Левент Альпёге заявили, что работали над той же задачей и уже были близки к результату. Бакмастер обвинил OpenAI в том, что компания узнала об их подходе и «перехватила» проблему, использовав свою вычислительную мощь. Более того, по его словам, представитель OpenAI попросил исключить Альпёге из числа авторов работы. OpenAI отрицала доступ к их исследованиям.

Именно этот инцидент, по словам Тао, заставил 25 лауреатов Филдса за неделю подготовить и выпустить совместное заявление — они сочли ситуацию достаточно срочной. Показательно, что OpenAI в ответ отозвала спонсорство математического мероприятия в Калтехе после критики со стороны исследователей университета.

Суть претензий: бенчмарк против понимания

Ключевой тезис письма сформулирован жёстко: «Цели компаний, занимающихся ИИ, и цели математического сообщества серьёзно расходятся». Для ИИ-компаний решение математической задачи — это бенчмарк, показатель эффективности модели, громкий заголовок. Для математиков — лишь инструмент достижения главной цели: концептуального понимания и глубокого постижения сути предмета.

Авторы письма подчёркивают, что решение задач — это лишь «инструмент и средство», а не самоцель. Если забыть об этом, инструмент может обернуться против самой цели: «Массовое и всё более стремительное генерирование утверждений типа „верно/неверно“ способно уничтожить благодатную почву для новых идей, вместо того чтобы вдохнуть в них жизнь».

Особую тревогу вызывает разрыв цепочки передачи знаний. Заявления о решении задач публикуются в спешке, без должного описания, выделения новых методов и ссылок на предшественников. Это порождает серьёзные вопросы авторства и плагиата. Без участия математиков, готовых развивать и интегрировать эти идеи в канон, замыслы ИИ «так и не обретут полноценной жизни».

Проблема не только математики

Авторы письма прямо указывают, что видят здесь часть более широкой проблемы согласования целей (alignment), затрагивающей другие науки, творческие профессии и общество в целом. Математическое сообщество во многом подобно человечеству в миниатюре: его главные ресурсы — студенты и идеи. Годы обучения традиционно служили не только для получения ответа, но и для формирования понимания и умения ставить новые вопросы. Если ИИ будет выдавать результаты напрямую, этот фундаментальный процесс может быть подорван.

Теренс Тао в интервью New Scientist сформулировал это ещё более образно: «Эти компании сваливают туши сырого мяса на наш общинный деревенский стол и говорят: „Вот, держите, я решил вашу продовольственную проблему“. А потом просто уходят». Он подчёркивает, что математика должна пройти пять этапов, чтобы стать полезной: создание, проверка, объяснение, принятие и, наконец, усвоение в корпусе работ, преподаваемых следующему поколению. ИИ-компании заботятся только о первых двух.

Мнения других учёных и экспертов

Письмо 25 лауреатов — не изолированный акт. За несколько месяцев до него, в июне 2026 года, более 150 математиков опубликовали Лейденскую декларацию об искусственном интеллекте и математике, одобренную Международным математическим союзом. Вице-президент IMU Ульрике Тильманн заявила: «Будущее математических исследований должны определять человеческие суждения, справедливые и прозрачные практики, а также общие ценности мирового математического сообщества».

Лесли Энн Голдберг, руководитель факультета компьютерных наук Оксфордского университета и подписант Лейденской декларации, отметила: ошибочные решения ИИ-систем иногда сложно отличить от корректных математических доказательств, что создаёт серьёзную проблему, поскольку математические исследования опираются на предыдущие работы.

Показательна и позиция самого Теренса Тао, одного из самых авторитетных математиков современности и активного пользователя ИИ-инструментов. Он не призывает к отказу от технологии, но предупреждает: нерешённые задачи становятся «невозобновляемым ресурсом», а ИИ «сжимает пространство долгосрочных инвестиций» в исследования. В интервью The Economist Тао сформулировал это ещё короче: «Мы стали слишком хороши в оптимизации».

Петер Шольце, лауреат Филдсовской премии 2018 года, так прокомментировал Лейденскую декларацию: «Это замечательная декларация, появившаяся в нужный момент. Я думаю, она оказалась в превосходном месте, которое учитывает обе стороны».

Тимоти Гауэрс, лауреат Филдсовской премии 1998 года, опубликовал 12 августа 2026 года развёрнутый анализ математических результатов LLM. Он отметил, что самые громкие «прорывы» ИИ в математике — это в основном контрпримеры, а не доказательства. «Контрпример и доказательство — это не одно и то же достижение. Доказательство показывает, что нечто всегда истинно. Контрпример показывает, что нечто, якобы всегда истинное, таковым не является». Гауэрс подчёркивает, что хотя LLM действительно способны находить доказательства сложных утверждений, их сильнейшие результаты в доказательствах не соответствуют их сильнейшим результатам в опровержениях.

Тристан Бакмастер, оказавшийся в центре скандала с Навье — Стоксом, после инцидента заявил, что «гонка за решением математических задач стала бессмысленной» — ИИ-компании с их вычислительными ресурсами просто перехватывают результаты.

Лейденская декларация: предшественник и контекст

Лейденская декларация, опубликованная 2 июня 2026 года, стала важным предшественником письма 25 лауреатов. Она была разработана международным консорциумом из шестнадцати академиков после конференции «Механизация и математические исследования» в Лейденском университете в сентябре 2025 года. Декларация собрала 2000 подписей за неделю и была одобрена Международным математическим союзом.

Декларация защищает пять основных ценностей математических исследований и формулирует пять главных рисков ИИ для математики: ненадёжные результаты, проблемы авторства, непрозрачность, коммерциализация и эрозия академических ценностей. Она призывает математиков, исследовательские организации и правительства действовать сейчас, чтобы защитить основные ценности математики в эпоху искусственного интеллекта.

Журнал Nature в редакционной статье от 16 июня 2026 года поддержал Лейденскую декларацию, отметив, что она «представляет собой важную отправную точку для более широкого обсуждения роли ИИ в науке за пределами математики».

Реакция ИИ-компаний и дальнейшая эскалация

Конфликт между математическим сообществом и ИИ-компаниями продолжает нарастать. После публикации письма 25 лауреатов OpenAI отозвала своё спонсорство математического мероприятия в Калтехе, которое уже вызвало протесты более 770 математиков. Кроме того, появилась информация о том, что некоторые математики опасаются, что их использование Codex могло быть в свою очередь скормлено новым моделям OpenAI, что создаёт угрозу культуре открытых исследований.

Ситуация усугубляется тем, что если передовые лаборатории видят полезный путь к открытию, они могут потратить десятки миллионов долларов, используя LLM, чтобы обогнать оригинальных исследователей в доказательстве — динамика, которая будет стимулировать секретность и подрывать открытую науку.

Что это значит для IT-сообщества

Хотя письмо адресовано математикам и ИИ-компаниям, его последствия выходят далеко за пределы этих двух групп. Проблема «серьёзного расхождения целей» универсальна: она затрагивает любую область, где ИИ способен выдавать «готовый результат» быстрее, чем человек успевает осмыслить процесс его получения. Разработка ПО, научные исследования, журналистика, дизайн — везде возникает один и тот же вопрос: оптимизация под бенчмарк или углубление понимания?

Авторы письма не призывают к бойкоту технологий. Они признают потенциал ИИ для ускорения рутинных вычислений и подчёркивают, что математическому сообществу предстоит адаптироваться к переменам. Но то, принесут ли эти изменения пользу или окажут разрушительное воздействие, «во многом будет зависеть от решений людей, управляющих этой новой технологией».

Особенно показателен пример с формализацией доказательства Ферма. В сентябре 2026 года Anthropic объявила, что её модель Claude всего за 11 дней создала компьютерно-проверяемое доказательство Великой теоремы Ферма — проект, который, по оценкам Кевина Баззарда из Имперского колледжа Лондона, должен был занять около 10 лет. Баззард, который сам руководит проектом по формализации теоремы с 2024 года, признал: «Раньше у меня была 99,9% уверенность в правильности доказательства. После работы Claude я уверен на 100%». Однако он же предупредил о «кошмарном сценарии», когда появятся несколько несовместимых Lean-библиотек, что создаст новые проблемы для математического сообщества.

Этот пример наглядно демонстрирует двойственность ситуации: ИИ действительно может ускорять и углублять математические исследования, но без продуманной интеграции в существующую научную инфраструктуру его вклад может оказаться деструктивным.

Заключение

25 лауреатов Филдса сформулировали проблему, которую IT-индустрии ещё предстоит осознать в полной мере. Их письмо — это не анти-ИИ манифест, а призыв к осознанному выбору: ИИ может углубить и ускорить подлинные исследования, но только если решения людей, управляющих технологией, будут учитывать ценности научного сообщества, а не только бенчмарки.

Проблемы, с которыми сейчас сталкивается математика — потеря смысла, размывание авторства, спешка в ущерб качеству, разрыв цепочки передачи знаний — скоро станут проблемами всех наук. И от того, как они будут решены, зависит не только будущее математики, но и то, каким будет труд в эпоху ИИ для всех нас.

Список литературы

1. Ведущие математики мира заявили о вреде ИИ для науки // Парламентская газета. — 2026. — 12 сентября. — URL: https://www.pnp.ru/social/vedushhie-matematiki-mira-zayavili-o-vrede-ii-dlya-matematicheskoy-nauki.html
2. Лауреаты Филдсовской премии заявили об угрозах ИИ для математики // Реальное время. — 2026. — 12 сентября. — URL: https://realnoevremya.ru/news/406259-laureaty-fildsovskoy-premii-zayavili-ob-ugrozah-ii-dlya-matematiki
3. «Цели серьезно расходятся»: 25 лауреатов Филдсовской премии выступили против бесконтрольного внедрения ИИ в науку // ФедералПресс. — 2026. — 12 сентября. — URL: https://fedpress.ru/news/77/society/3451539
4. Top math prize winners warn AI race is threat to field // The Standard. — 2026. — September 12. — URL: https://www.thestandard.com.hk/world/article/342574/Top-math-prize-winners-warn-AI-race-is-threat-to-field
5. Top math prize winners warn AI race is threat to field // The Straits Times. — 2026. — September 12. — URL: https://www.straitstimes.com/world/top-math-prize-winners-warn-ai-race-is-threat-to-field
6. 突发！陶哲轩、邓煜等25位菲尔兹奖得主联合声明：AI公司正在摧毁数学 // 网易. — 2026. — 12 сентября. — URL: https://www.163.com/dy/article/L6KL83F00511AQHO.html
7. Лауреаты Филдсовской премии предупредили об угрозе ИИ для науки // Известия. — 2026. — 12 сентября. — URL: https://iz.ru/2165809/laureaty-fildsovskoi-premii-predupredili-o-ugroze-ii-dlia-nauki
8. 25 лауреатов Филдсовской премии критикуют компании ИИ за ущерб математическим исследованиям // KuCoin. — 2026. — 12 сентября. — URL: https://www.kucoin.com/ru/news/flash/25-fields-medalists-criticize-ai-firms-for-hurting-mathematical-research
9. Более 150 математиков призвали правительства не верить ажиотажу вокруг искусственного интеллекта // Naked Science. — 2026. — 10 июня. — URL: https://naked-science.ru/community/1193640
10. Top mathematicians are outraged by OpenAI's methods // Hindustan Times. — 2026. — September 12. — URL: https://www.hindustantimes.com/technology/top-mathematicians-are-outraged-by-openai-s-methods-101789184265574-amp.html
11. A Severe Misalignment of AI in Mathematics // Alessio Figalli, LinkedIn. — 2026. — September 11. — URL: https://www.linkedin.com/feed/update/urn:li:share:7504256800536584192
12. OpenAI Is Beefing With Mathematicians, Will No Longer Sponsor Caltech 'Mathathon' // Gizmodo. — 2026. — September 12. — URL: https://gizmodo.com/@openai-is-beefing-with-mathematicians-will-no-longer-sponsor-caltech-mathathon-2000810868
13. 陶哲轩邓煜究竟在反对什么：AI暴力解题摧毁人类数学精神 // 网易 / 量子位. — 2026. — 12 сентября. — URL: https://www.163.com/dy/article/L6KLAT4G05568W0A.html
14. 25位菲尔兹奖得主联合批评AI刷榜，具体指向哪些问题？ // 腾讯新闻. — 2026. — 12 сентября. — URL: https://news.qq.com/rain/a/20260912Q031NE00
15. 陶哲轩、邓煜等等25位菲尔兹奖得主发表联合声明 // 腾讯新闻. — 2026. — 12 сентября. — URL: https://news.qq.com/rain/a/20260912A05IVN00
16. The Leiden Declaration on Artificial Intelligence and Mathematics is published // Wadham College, Oxford. — 2026. — August 6. — URL: https://www.wadham.ox.ac.uk
17. Terence Tao: AI companies are harming mathematics // New Scientist. — 2026. — September 9. — URL: https://www.newscientist.com
18. The Leiden Declaration: Mathematics, AI, and Making Our Values Explicit // Communications of the ACM. — 2026. — June 25. — URL: https://cacm.acm.org
19. Gowers T. What sort of maths are LLMs good at? // Gowers's Weblog. — 2026. — August 12. — URL: https://gowers.wordpress.com
20. AI maths: the famous results are counterexamples, not proofs // The Next Web. — 2026. — August 17. — URL: https://thenextweb.com
21. AI 首次"形式化"证明费马大定理 // 光明网. — 2026. — 9 сентября. — URL: https://m.gmw.cn
22. Mathematicians are developing rules for AI use — other fields should follow // Nature. — 2026. — June 16. — URL: https://www.nature.com
23. OpenAI's feud with mathematicians is only escalating // TechCrunch. — 2026. — September 11. — URL: https://techcrunch.com
24. 25 Fields Medal Winners Including Terence Tao Sign Declaration Saying Rapid AI Proofs Are Harming Math In "Severe Misalignment" // OfficeChai. — 2026. — September 11. — URL: https://officechai.com
25. A Severe Misalignment of AI in Mathematics // Terence Tao's blog, What's new. — 2026. — September 11. — URL: https://terrytao.wordpress.com
26. Anthropic AI 'formalizes' proof of Fermat's last theorem — a milestone for mathematics // Nature. — 2026. — September 7. — URL: https://www.nature.com
27. 突发2026年9月数学界再掀集体抵制！千人联署叫停加州理工学院AI数学马拉松（Mathathon）赛事 // 澎湃新闻. — 2026. — 11 сентября. — URL: https://www.thepaper.cn
28. OpenAI 踢到鐵板！贊助校園駭客松慘遭 770 名數學家抵制 // TechBang. — 2026. — 12 сентября. — URL: https://www.techbang.com
29. Mathematicians call for AI regulation, warn of research integrity crisis // Rappler. — 2026. — June 8. — URL: https://www.rappler.com
30. AI threatens math, researchers warn // TU Eindhoven. — 2026. — June 3. — URL: https://www.tue.nl

Статья представляет десятую часть цикла статей «Цифровая платформа по разработке и применению цифровых двойников “Digital Twins” CML-Bench®». Первые три части статьи опубликованы в № 8-10 за 2023 год, четвертая, пятая и шестая — в № 5, 7 и 8 за 2024-й, седьмая — в № 7 за 2025-й, части 8.1 и 8.2 — в № 10 и 11 за 2025-й, часть 9.1 — в № 4 за 2026 год. Десятая часть цикла статей посвящена описанию ключевых результатов развития цифровой платформы по разработке и применению цифровых двойников CML-Bench®, а также описанию примеров разработки цифровых двойников и проведения цифровых (виртуальных) испытаний с применением цифровой платформы для реализации проектов в области специального атомного машиностроения.

Ключевые результаты разработки и развития цифровой платформы CML-Bench®

Основу современной промышленности в условиях достижения технологического лидерства [1] составляют передовые цифровые и производственные технологии разработки, производства и вывода высокотехнологичной продукции на рынок. Среди особо значимых направлений формирования суверенной технологической экосистемы в стране необходимо выделить инновационные платформенные решения, технологию разработки цифровых двойников изделий, искусственный интеллект и машинное обучение, другие технологические направления.

В соответствии с национальным стандартом ГОСТ Р 57700.37—2021 «Компьютерные модели и моделирование. Цифровые двойники изделий. Общие положения» [2], разработанным СПбПУ совместно с ФГУП «РФЯЦ-ВНИИЭФ», для создания цифровых двойников и проведения цифровых (виртуальных) испытаний рекомендуется применение программно-технологической платформы, обеспечивающей управление процессами и данными компьютерного моделирования (Simulation Process and Data Management, SPDM-системы [3]).

Цифровая платформа по разработке и применению цифровых двойников CML-Bench® является полностью российской SPDM-системой, разработкой ПИШ СПбПУ [4; 5]. Цифровая платформа прошла многократную отраслевую кастомизацию при выполнении наукоемких проектов для высокотехнологичных отраслей: двигателестроения, атомного, нефтегазового, энергетического машиностроения, авиастроения, автомобилестроения, судостроения и кораблестроения, ОПК, других отраслей. Результаты практической апробации платформы формируют интеллектуальный научно-технологический задел (Digital Brainware) и обеспечивают преемственность проектов [6-15], которые представлены в более чем 392 тысячах цифровых и проектных решений, накопленных на цифровой платформе CML-Bench® по состоянию на июль 2026 года.

Кроме того, на платформе реализованы AI-функциональные возможности, такие как интеллектуальные помощники, редуцированные модели, многокритериальная многопараметрическая оптимизация, которые ускоряют многодисциплинарные расчеты и повышают их эффективность (AI-функциональные возможности платформы рассмотрены в частях 8.1 и 8.2 цикла статей [13; 14], а также представлены далее).

В данной статье рассмотрены ключевые результаты разработки и развития отечественной SPDM-системы CML-Bench® за последние годы, представлены примеры реализованных с применением цифровой платформы CML-Bench® проектов в области специального атомного машиностроения (включая разработку элементов, узлов и конструкций толкательных печей спекания, печей остекловывания, аппаратов волоксидатора, транспортных контейнеров и др.), описаны некоторые функциональные возможности в области построения редуцированных моделей в подсистеме CML-Bench®.RomAI, а также описаны перспективы формирования научно-технологического потенциала для развития технологии цифровых двойников и платформенных решений в оборонно-промышленном комплексе.

Проект по разработке подложки толкательной печи спекания

В 2025 году специалистами ПИШ СПбПУ «Цифровой инжиниринг» выполнен проект по разработке математической и цифровой модели подложки толкательной печи спекания. Проект реализован по заказу АО «Прорыв» с использованием цифровой платформы по разработке и применению цифровых двойников CML-Bench®.

Целью работы являлась оптимизация конструкции подложек комплекса оборудования для спекания таблеток смешанного нитридного уран-плутониевого топлива — перспективного вида ядерного топлива, рассчитанного на применение в реакторах с замкнутым циклом и реакторах на быстрых нейтронах [16] — в целях снижения массы подложек и уменьшения износа внутренних частей толкательной печи спекания.

В состав комплекса входят 29 подложек с установленными на них так называемыми «лодочками», загруженными топливными таблетками, движущимися по скользящей кладке печи, что образует своеобразный «поезд», приводимый в движение толкательным механизмом.

Внешний вид геометрической модели исходной конструкции подложки с установленной на ней «лодочкой» показан на рис. 1.

В рамках проекта рассматривалось прямолинейное движение подложки по каналу печи спекания, с отсутствием контакта по боковым поверхностям вследствие достаточного конструкционного зазора. Подложка считалась равномерно загруженной и способной свободно расширяться под действием нагрева.

Для достижения поставленной цели разработана цифровая модель подложки, учитывающая основные геометрические особенности конструкции, а также данные о физико-механических свойствах применяемых материалов (вольфрам, диоксид циркония) и расчетные значения коэффициента трения в диапазоне от 0,5 до 1,5 при температуре от 50 до 1950 °С.

В рамках проекта проведены десятки расчетов и цифровых (виртуальных) испытаний конструкции, при этом благодаря применению функциональности «умной» очереди, реализованной в цифровой платформе CML-Bench®, удалось существенно сократить общее время выполнения цифровых испытаний и расчетных исследований. «Умная» очередь выполняет роль интеллектуального оркестратора вычислительных ресурсов, программно-аппаратной инфраструктуры, лицензий на программное обеспечение компьютерного моделирования (ПО КМ) и приоритетных задач. Это позволяет эффективно распределять вычислительные ресурсы при минимальном времени ожидания результатов и непрерывности расчетов с учетом доступности лицензий, приоритетности расчетов, анализа параметров расчетных моделей и цепочки связанных задач, предиктивной оценки времени реализации расчетов и др.

По результатам проведения оптимизационных расчетов в целях минимизации массы подложки толкательной печи спекания с учетом ограничений по перемещениям и напряжениям, а также по результатам выполненной технологической проработки получены варианты конструкции подложки (рис. 2), масса которых снижена на величину от 15 до 65% по сравнению с оригинальной конструкцией — в зависимости от конкретного конструктивного исполнения (в том числе толщины подложки).

Таким образом, выполненный проект с применением цифровой платформы CML-Bench® позволил в сжатые сроки решить комплекс оптимизационных задач и предложить индустриальному партнеру варианты конструкций, превосходящие исходную по таким параметрам, как вес, прочность и технологичность, что являлось критически важным для предприятия.

Автоматизированная система комплексного цифрового моделирования печи остекловывания

Разработка установок остекловывания высокоактивных радиоактивных отходов относится к числу сложных научно-технических задач, поскольку в таких объектах одновременно протекают взаимосвязанные тепловые, электрофизические и гидродинамические процессы, что демонстрирует мультидисциплинарность и комплексность задачи [17].

Натурная доводка подобных изделий требует значительных временных и материальных ресурсов, а также связана с ограничениями по безопасности и воспроизводимости технологических режимов. Поэтому применение системного цифрового инжиниринга, цифрового моделирования и технологий цифровых двойников изделий позволяет перейти к расчетно-экспериментальному подходу, при котором проектные решения и эксплуатационные режимы предварительно проверяются в цифровой среде.

В рамках проекта, выполненного в 2023-2025 годах, создана автоматизированная система комплексного цифрового моделирования печи остекловывания. Она предназначена для эффективного проведения цифровых (виртуальных) испытаний, анализа технологических режимов, оценки теплового состояния критических узлов, исследования влияния конструктивных и режимных параметров, а также поддержки принятия инженерных решений при проектировании, доводке и эксплуатации промышленной установки.

Основой для разработки автоматизированной системы является цифровая платформа CML-Bench®, обеспечивающая интеграцию цифровых моделей, расчетных данных, ПО КМ, вычислительных ресурсов и результатов цифровых (виртуальных) испытаний в единой цифровой среде. На цифровой платформе реализованы автоматизированные расчетные цепочки, средства подготовки исходных данных, автоматизированного запуска расчетов, обработки и визуализации результатов, а также структурирования инженерной информации.

Цифровая модель, разрабатываемая в результате применения автоматизированной системы, представляет собой систему взаимосвязанных математических и компьютерных моделей основных узлов печи остекловывания. В ее состав входят компьютерная модель тигля, компьютерная модель системы охлаждения, компьютерная модель узла слива, компьютерная модель установки индукционного нагрева, компьютерная модель прочности и ресурса. Объединение этих моделей в цифровой платформе позволяет рассматривать печь как единую мультифизическую систему — цифровую модель печи, в которой изменение параметров одной подсистемы влияет на поведение других подсистем, в связи с чем требуется комплексный автоматизированный подход к разработке подобных конструкций для учета взаимосвязанных параметров. Связи между подсистемами сформированы в соответствии со схемой, представленной на рис. 3.

Для обеспечения достоверности цифровой модели был сформирован валидационный базис на основе данных натурных испытаний, полученных от заказчика. Выполнена разметка данных MES-системы предприятия, выделены временные интервалы основных режимов работы печи: дозирование, выдержка и слив стекломассы. На этой основе сформированы карта режимов и матрица целевых показателей, используемые при постановке расчетных задач и валидации для сравнения результатов моделирования с экспериментальными данными.

Созданная автоматизированная система позволяет:

• проводить цифровые (виртуальные) испытания конструкций на различных режимах работы печи;
• рассчитывать температурные поля в расплаве, огнеупорных и металлических элементах;
• получать значения температур в контрольных точках;
• анализировать влияние схем электрической коммутации, параметров охлаждения и индукционного нагрева;
• оценивать условия подготовки слива;
• выполнять расчеты прочности и оценки ресурса;
• сравнивать различные проектные и режимные варианты.

Работа пользователя с системой организована по логике проведения цифровых испытаний: пользователь выбирает расчетный сценарий, задает исходные параметры режима (например, схему электрической коммутации, расходы охлаждающего воздуха, параметры индукционного нагрева и др.) и запускает автоматизированную расчетную цепочку на цифровой платформе. Далее система автоматически обращается к расчетному ПО КМ и формирует результаты в виде численных значений, графиков, изображений и распределений физико-механических полей.

Такой подход снижает количество ручных операций, обеспечивает воспроизводимость расчетов и уменьшает риск ошибок при передаче данных между моделями и программными средствами. Полученные результаты могут использоваться для анализа расчетных вариантов, подготовки отчетных материалов, уточнения проектных решений, выбора рациональных режимов эксплуатации и др.

Важным итогом проекта стало доведение архитектуры цифровой модели до уровня промышленно применимой автоматизированной системы. В рамках работ были разработаны и поставлены компоненты программно-аппаратного комплекса, выполнены установка, настройка, пусконаладочные работы и тестирование системы на площадке заказчика. Также проведено обучение сотрудников ФГУП «ПО «Маяк» работе с цифровой платформой CML-Bench® и автоматизированной системой моделирования, цифровыми моделями и средствами анализа данных, используемых при разработке конструкции и планировании режимов работы.

Таким образом, результатом проекта стала развернутая на промышленном предприятии автоматизированная система комплексного цифрового моделирования печей остекловывания. Она обеспечивает проведение цифровых (виртуальных) испытаний, анализ режимов работы, оценку теплового состояния узлов и использование результатов моделирования для проектирования, доводки и планирования эксплуатации оборудования. Разработанная система формирует основу для дальнейшего развития и наполнения цифрового двойника печи остекловывания, включая подключение и интеграцию данных по результатам эксплуатации, построение редуцированных и суррогатных моделей (подробнее об этом — в части 8.1 [14]), а также развитие инструментов предиктивной аналитики.

Стоит отметить, что разработанная автоматизированная система зарегистрирована в качестве программы для ЭВМ. Так, в марте 2026 года ФГУП «ПО «Маяк» совместно со специалистами ПИШ СПбПУ получен патент № 2026615838 на программу параметризации и автоматизации запуска компьютерных моделей «Цифровая модель печи остекловывания» [18], что служит подтверждением инновационного потенциала и практической значимости выполненной работы.

Разработка цифровой модели аппарата волоксидатора

В настоящее время в атомной промышленности проводятся масштабные работы по созданию оборудования для осуществления волоксидации отработавшего ядерного топлива (ОЯТ). Волоксидация — это процесс термического окисления ОЯТ, при котором разрушается его кристаллическая решетка и высвобождаются летучие радиоактивные газы и продукты деления (в том числе тритий), что требуется для очистки отработавшего топлива от газовых примесей. Тем самым снижаются объемы жидких радиоактивных отходов и упрощается последующая регенерация урана, что позволяет повторно использовать уран в топливном цикле и решить экологическую задачу по снижению объема высокоактивных отходов, подлежащих захоронению.

Создание цифровой модели волоксидатора позволяет исследовать движение подаваемого материала (ОЯТ) и параметры, влияющие на процесс волоксидации. Разработка модели способствовала уменьшению объема необходимых натурных испытаний и сокращению времени разработки новых конструкций волоксидатора под требуемые характеристики.

В 2025 году специалистами ПИШ СПбПУ «Цифровой инжиниринг» выполнена НИР для АО «Радиевый институт им. В.Г. Хлопина» (Госкорпорация «Росатом») в рамках государственного контракта № Н.4м.241.09.25.1072 от 06.06.2025 на выполнение НИОКР, предполагающей разработку цифровой модели аппарата волоксидатора с использованием цифровой платформы по разработке и применению цифровых двойников CML-Bench®.

В ходе реализации проекта на базе цифровой платформы CML-Bench® разработана мультифизическая цифровая модель волоксидатора, включающая взаимосвязанные математические, компьютерные и цифровые модели для исследования процессов:

1. Подачи и распределения материала (ОЯТ) в волоксидаторе.
2. Взаимодействия материала с потоком газа.
3. Движения и выхода пыли из рабочего объема волоксидатора.

Также разработаны цифровые модели для определения параметров герметичности, напряженно-деформированного состояния, теплопередачи при эксплуатации аппарата волоксидатора. На цифровой платформе реализованы автоматизированные расчетные цепочки, средства подготовки исходных данных, автоматизированного запуска расчетов, обработки и визуализации результатов, а также структурирование выходных данных, что позволило эффективно провести комплекс цифровых (виртуальных) испытаний процессов волоксидации и в короткие сроки оптимизировать конструкцию аппарата с учетом жестких требований отраслевых стандартов и правил безопасности.

Внешний вид цифровой модели аппарата волоксидатора при подаче и распределении материала показан на рис. 4.

Для моделирования движения материала использован метод дискретных элементов (DEM), являющийся наиболее эффективным способом моделирования сыпучего материала. Для моделирования пылеуноса использован метод гидродинамики несущего потока и взаимодействия с дисперсной фазой пыли (DPM/DDPM).

Данные задачи предполагают моделирование большого количества частиц и являются крайне ресурсоемкими. Благодаря алгоритмам распределения очередности расчетов («умной» очереди), а также возможности параллельных вычислений, реализованной в цифровой платформе CML-Bench®, удалось существенно сократить общее время выполнения цифровых (виртуальных) испытаний.

Разработанная цифровая модель позволила провести цифровые (виртуальные) испытания для определения оптимальной конфигурации ступеней, их количества, общих размеров волоксидатора, оптимального количества и частоты подаваемого материала, а также параметров подачи газа. Тем самым выполнена задача проекта по формированию оптимальной конструкции аппарата волоксидатора с учетом результатов моделирования процессов подачи и распределения материала, взаимодействия с потоком газа и вывода пыли, что является критически важным для эффективной эксплуатации аппарата, его производительности и надежности.

Разработка ВИП для проведения цифровых испытаний транспортного контейнера

Основными целями проекта выступали разработка цифрового (виртуального) испытательного полигона (ВИП) для оценки работоспособности конструкции в соответствии с требованиями российских [19] и международных [20] правил безопасной перевозки радиоактивных материалов, а также доработка конструкции теплоизоляции с сохранением массогабаритных свойств исходной конструкции транспортного контейнера.

Разработка ВИП проведена с использованием цифровой платформы по разработке и применению цифровых двойников CML-Bench®. Перечень цифровых (виртуальных) испытаний транспортного контейнера, проведенных на платформе, составлен на основании исходных данных, верификационного и валидационного базиса, и дополнялся в течение всего этапа разработки. Всего было проведено 130+ цифровых (виртуальных) испытаний, в которых были рассмотрены различные тепловые режимы работы конструкции.

Основной задачей проведения цифровых испытаний является получение достоверных данных и результатов расчетов о распределении температур в конструкции транспортного контейнера при различных тепловых условиях, включая охлаждение в холодильнике, механические испытания, нормальные условия транспортировки и пожар. Также важным аспектом моделирования было подтверждение соблюдения требований безопасности при эксплуатации контейнера в указанных условиях.

В рамках проекта проведено исследование влияния теплофизических характеристик пенококса (вспененного углеродного материала для теплоизоляции) на тепловое состояние содержимого транспортного контейнера. Рассмотрена зависимость максимальной температуры содержимого от двух ключевых параметров материала: коэффициента теплопроводности и удельной теплоемкости. Целью исследования стала оценка чувствительности температурного поля в активной зоне к изменению указанных свойств в диапазоне, характерном для существующих композиций вспучивающихся покрытий.

В рамках исследований было рассмотрено 15 различных композиций вспучивающихся покрытий. Удельная теплоемкость варьировалась от 4032,0 до 9016,0 Дж/(кг·К), а коэффициент теплопроводности — от 0,329 до 1,019 Вт/(м·К). По результатам цифровых испытаний максимальная температура содержимого транспортного контейнера составила 348 °C, минимальная — 218 °C.

Проведенные расчеты на цифровой платформе CML-Bench® за счет функциональных возможностей прослеживаемости изменений, автоматизации расчетных цепочек, инструментов мультидисциплинарной и многокритериальной оптимизации и бесшовной интеграции с системами инженерного анализа позволили выявить чувствительные к температурам зоны конструкции и определить последствия нарушений температурных режимов для выполнения требований безопасности.

Таким образом, методология системного цифрового инжиниринга и проведение цифровых (виртуальных) испытаний на цифровых (виртуальных) испытательных стендах и полигонах с целью разработки цифровых двойников изделий выступает наиболее эффективным инструментом для проверки различных сценариев эксплуатации конструкций, анализа критических зон в разрезе оцениваемых параметров и требований, а также оптимизации узлов и конструкций высокотехнологичных изделий атомного машиностроения, что позволяет минимизировать затраты и ускорить вывод продукции на рынок в условиях формирования технологического лидерства.

Развитие подсистемы построения редуцированных моделей CML-Bench®.RomAI

СПбПУ активно вовлечен в формирование и достижение технологического лидерства, в частности, в рамках реализации программы «Приоритет-2030» по трем ключевым научно-технологическим направлениям (КНТН), одно из которых — КНТН-1 «Системный цифровой инжиниринг».

Как было отмечено выше, в частях 8.1 и 8.2 цикла статей рассмотрены три AI-подсистемы, реализованные на платформе CML-Bench® [14; 15]:

• CML-Bench®.AI-Assistant — для интеллектуальной поддержки принятия решений инженерами в процессе создания цифровых двойников изделий;
• CML-Bench®.RomAI — для построения редуцированных (ROM — Reduced Order Models) и суррогатных моделей;
• CML-Bench®.OptiCore — для многопараметрической многокритериальной оптимизации.

В 2025 году подсистема построения суррогатных и редуцированных моделей CML-Bench®.RomAI в рамках реализации проекта КНТН-1 была дополнена модулем моделирования в режиме реального времени (Real-time), который для построенной редуцированной модели (на базе сингулярного разложения, SVD) в автоматизированном режиме генерирует интерфейс пользователя, содержащий поля ввода параметров редуцированной модели: значений нагрузок, характеристик материалов, геометрических параметров.

Таким образом, после построения редуцированной модели у пользователя появляется удобный инструмент, в котором он может проверить, как будет работать изделие при изменении интересующих пользователя параметров. Данный модуль был протестирован на задачах из области термоядерной энергетики. В частности, была построена редуцированная модель нестационарного нелинейного расчета теплового состояния диагностического модуля токамака ITER при воздействии пожара, позволяющая пользователю выбирать произвольный материал и мгновенно получать состояние системы в нужный момент времени (рис. 5).

Кроме того, в рамках тестирования модуля была построена редуцированная модель электромагнитного расчета камеры токамака, в которой пользователь может задавать параметры токов в катушках и получать распределение магнитного поля и вихревых токов в камере токамака. В дальнейшем модель будет доработана для управления положением плазмы в режиме реального времени.

В перспективе данный модуль позволит ученым с помощью моделирования отслеживать положение плазмы в режиме реального времени, а также прогнозировать поведение плазмы в зависимости от управляющих воздействий (токов в катушках). Разработанная редуцированная модель также позволит решить и обратную задачу — какими должны быть управляющие воздействия, чтобы гарантированно удерживать плазму в требуемом состоянии.

Таким образом, разработанный модуль позволит связать подсистему CML-Bench®.RomAI с MES-системой предприятия, где развернута платформа CML-Bench®, для осуществления предиктивной диагностики оборудования на основе Real-time моделирования с учетом критических параметров эксплуатации оборудования. В настоящий момент разработанный модуль находится на стадии внутреннего тестирования.

Обучение по программе «Системный цифровой инжиниринг на платформе CML-Bench®» для сотрудников ООО «Центротех-Инжиниринг»

Передовая инженерная школа СПбПУ регулярно проводит комплексные программы повышения квалификации для представителей высокотехнологичной промышленности, включая индустриальных партнеров и заказчиков, а также пользователей цифровой платформы CML-Bench®. Так, в ПИШ СПбПУ успешно завершилось обучение сотрудников ООО «Центротех-Инжиниринг» (входит в контур управления АО «ТВЭЛ» Госкорпорации «Росатом»), которое проходило в конце апреля 2026 года по программе дополнительного профессионального образования (ДПО) повышения квалификации «Системный цифровой инжиниринг на цифровой платформе CML-Bench®» в объеме 36 академических часов. В обучении принимали участие 12 сотрудников ООО «Центротех-Инжиниринг» (рис. 6).

Программа ДПО нацелена на формирование базовых знаний, связанных с современными цифровыми технологиями и возможностями их применения в рамках профессиональной деятельности, и состоит из двух модулей:

• модуль 1. Основы объектно-ориентированного системного инжиниринга;
• модуль 2. Управление инженерными проектами с помощью цифровой платформы разработки и применения цифровых двойников CML-Bench®.

В ходе обучения были представлены понятия документоцентричного и моделецентричного процесса, опыт применения системного подхода к инженерной деятельности, декомпозиция требований и композиция подтверждающей документации и результатов компьютерного моделирования. Также в рамках модуля 1 слушатели ознакомились с принципами управления требованиями при проектировании изделий, верификации и валидации цифровых моделей, а также с нормативно-технической документацией в области компьютерного моделирования. Особое внимание уделено понятию «цифровой сертификации» [15; 21; 22].

Модуль 2 был посвящен управлению инженерными проектами с помощью цифровой платформы CML-Bench®. Так, слушатели были разделены на команды, задачами которых стали декомпозиция объекта, формирование требований к объекту исследований, решение модельных задач прочности и гидрогазодинамики на цифровой платформе CML-Bench®. Это позволило ознакомиться с архитектурой и функциональными возможностями платформы, а также инструментами для командной работы.

Цифровая платформа CML-Bench® применяется в ООО «Центротех-Инжиниринг» с 2022 года. По заказу ООО «Центротех-Инжиниринг» на цифровой платформе CML-Bench® инженерами СПбПУ выполнялись проекты по разработке динамического компрессора низкого давления (подробнее — в части 4 [9]), моделированию композиционных материалов (подробнее — в части 7 [12]) и другие. Кроме того, с 2021 года в ПИШ СПбПУ реализуется магистерская программа «Компьютерный инжиниринг и цифровое производство», разработанная совместно с АО «ТВЭЛ», ООО «НПО «Центротех» и ООО «Центротех-Инжиниринг» в соответствии с дорожной картой сотрудничества СПбПУ и АО «ТВЭЛ».

По материалам обратной связи от слушателей программа ДПО получила высокие оценки специалистов ООО «Центротех-Инжиниринг», которые выразили готовность рекомендовать данный курс коллегам. Мероприятие стало важным шагом к полномасштабному внедрению передовых цифровых решений в инженерную практику компании и укреплению ее позиций на рынке.

Перспективы развития технологии цифровых двойников в оборонно-промышленном комплексе

Опыт реализации наукоемких проектов и успешная апробация цифровой платформы CML-Bench® в атомном машиностроении наглядно подтверждает универсальность и междисциплинарность подходов к созданию цифровых двойников сложных физических систем. Высокий потенциал кросс-отраслевой применимости отработанных методологий и программных решений позволяет осуществлять трансфер технологий и интегрировать подход цифрового инжиниринга, технологию цифровых двойников и интеллектуальные инструменты в смежные высокотехнологичные отрасли, в том числе ОПК.

Сегодня в ходе разработки новых перспективных образцов вооружений, военной и специальной техники (ВВСТ) разработчики оказываются в «долине смерти»: чем позже вносятся изменения в конструкцию, тем дороже эти изменения будут стоить. При этом для внесения изменений необходимо возвращаться на предыдущие стадии и этапы жизненного цикла продукции, как правило, на стадию разработки, в связи с чем временные и финансовые затраты значительно превышают плановые значения.

Сократить количество итераций разработки, производства и испытаний, а также уменьшить количество изменений, вносимых в конструкцию или систему на стадии разработки ВВСТ, возможно за счет применения технологии цифровых двойников, в рамках которой формируется комплекс цифровых (виртуальных) испытаний на цифровых (виртуальных) испытательных стендах и полигонах, обеспечивающий снижение количества натурных испытаний конструкции до минимально необходимого, достаточного для подтверждения соответствия требованиям технического задания.

В целях эффективности организации процессов разработки ВВСТ и решения вышеуказанной проблемы требуется разработка и применение платформенных решений — специализированного инструментария, позволяющего оперативно вносить и быстро анализировать большие объемы изменений на ранних этапах проектирования, — при выполнении научно-исследовательских работ, аванпроектов, а также на начальных стадиях опытно-конструкторских работ (разработка эскизного проекта, технического проекта и рабочей конструкторской документации для изготовления опытного образца военной техники) с соблюдением всех требований к защищенности сведений, составляющих государственную тайну.

В 2025 году в России инициирована разработка Межведомственной комплексной целевой программы (МКЦП) по развитию технологий цифровых двойников для изделий (образцов) вооружения, военной и специальной техники в интересах организаций оборонно-промышленного комплекса [23]. Разработка программы ведется по поручению Президента РФ под руководством Министерства промышленности и торговли Российской Федерации, программа согласована с Министерством обороны Российской Федерации и находится на стадии согласования в Правительстве Российской Федерации.

Данная программа направлена на формирование плана мероприятий по разработке и внедрению технологии цифровых двойников в оборонно-промышленный комплекс. Реализация программы призвана обеспечить:

• ускорение разработки и вывода перспективных образцов ВВСТ на стадию серийного производства, в том числе за счет внедрения технологий параллельного проектирования и единой платформенной среды (например, на базе SPDM-системы CML-Bench®, обладающей сертификатом соответствия требованиям безопасности программного обеспечения ФСТЭК России по 6-му уровню доверия [24]);
• радикальное снижение затрат на натурные испытания за счет многократного увеличения цифровых (виртуальных) испытаний на цифровых (виртуальных) испытательных стендах и полигонах;
• минимизацию стоимости владения ВВСТ на всех этапах жизненного цикла, в том числе переход к системе предиктивного обслуживания и оптимизации режимов работы, обеспечение сквозного жизненного цикла оборонной продукции;
• повышение надежности и безопасности применения военной техники за счет моделирования экстремальных режимов работы и нештатных ситуаций;
• технологическую независимость процессов проектирования и эксплуатации за счет использования доверенных отечественных решений.

Письмом Минпромторга России от 27.02.2026 г. № 20006/25 ПИШ СПбПУ предложена в качестве организации, ответственной за проведение работ по организационно-методическому сопровождению формирования предложений по мероприятиям МКЦП в отрасли беспилотных систем и робототехники.

Технология цифровых двойников и цифровая платформа CML-Bench® была применена и подтвердила свою эффективность в реализации целого ряда НИОКР при разработке высокотехнологичных изделий ОПК и беспилотных систем [15].

Следует отметить, что методические рекомендации по формированию предложений по мероприятиям (проектам) МКЦП по развитию технологий цифровых двойников для изделий (образцов) вооружения, военной и специальной техники в интересах организаций оборонно-промышленного комплекса содержат перечень из 37 типовых мероприятий плана мероприятий МКЦП в разрезе типоряда/класса изделий ВВСТ, а также стадий жизненного цикла, на которых планируется применение технологий цифровых двойников. Введенные в упомянутом выше ГОСТ Р 57700.37—2021 «Компьютерные модели и моделирование. Цифровые двойники изделий. Общие положения» термины покрывают ~70% перечня типовых мероприятий МКЦП, что свидетельствует о значительном вкладе разработанного стандарта в развитие инструментария по созданию цифровых двойников в оборонном комплексе страны и подтверждает практикоориентированную направленность положений стандарта, имеющую потенциал для формирования технологического лидерства в высокотехнологичных отраслях, включая оборонно-промышленный комплекс (рис. 7).

Таким образом, многолетний опыт ПИШ СПбПУ в области системного цифрового инжиниринга при эффективном применении цифровой платформы по разработке и применению цифровых двойников CML-Bench® обеспечил проведение многовариантных цифровых (виртуальных) испытаний на специализированных цифровых испытательных стендах и полигонах, сквозное и обоснованное управление требованиями, изменениями и данными, что способствовало ускоренному выводу изделий высокотехнологичных отраслей, включая специальное атомное машиностроение, на рынок.

Цифровая платформа CML-Bench® и ее внедрение в промышленность обеспечивают генерацию, накопление и использование инженерных знаний, цифровых и проектных решений, результатов цифровых (виртуальных) испытаний и мультидисциплинарных расчетов, что однозначно способствует достижению технологического лидерства России во многих отраслях промышленности.

Список источников

1. Указ Президента РФ от 7 мая 2024 № 309 «О национальных целях развития РФ на период до 2030 года и на перспективу до 2036 года». URL: http://publication.pravo.gov.ru/document/0001202405070015.
2. 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.
3. Приказ Министерства цифрового развития, связи и массовых коммуникаций РФ от 22 сентября 2020 г. № 486. URL: https://base.garant.ru/74832091/.
4. CML-Bench® — цифровая платформа по разработке и применению цифровых двойников. URL: https://cml-bench.ru/.
5. Цифровая платформа по разработке и применению цифровых двойников CML-Bench® — Реестр программного обеспечения. URL: https://reestr.digital.gov.ru/reestr/310460/?sphrase_id=1514023.
6. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 1) / А.И. Боровков [и др.] // САПР и графика. 2023. № 8. С. 42-51.
7. Боровков А.И. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 2) / А.И. Боровков, В.В. Бураков // САПР и графика. 2023. № 9. С. 54-64.
8. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 3) / А.И. Боровков [и др.] // САПР и графика. 2023. № 10. С. 50-62.
9. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 4) / А.И. Боровков [и др.] // САПР и графика. 2024. № 5. С. 4-12.
10. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 5) / А.И. Боровков [и др.] // САПР и графика. 2024. № 7. С. 4-16.
11. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 6) / А.И. Боровков [и др.] // САПР и графика. 2024. № 8. С. 12-24.
12. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 7): разработка и применение цифровых двойников композиционных материалов / А.И. Боровков [и др.] // САПР и графика. 2025. № 7. С. 4-18.
13. 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 / А.И. Боровков [и др.] // САПР и графика. 2025. № 10. С. 19-29.
14. 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 / А.И. Боровков [и др.] // САПР и графика. 2025. № 11. С. 32-41.
15. Цифровая платформа по разработке и применению цифровых двойников «Digital Twins» CML-Bench® (часть 9.1): применение в отрасли беспилотных авиационных систем / А.И. Боровков [и др.] // САПР и графика. 2026. № 4. С. 16-28.
16. Комплекс оборудования для спекания таблеток смешанного нитридного уран-плутониевого топлива. URL: https://sosny.ru/kompleks-oborudovaniya-dlya-spekaniya-tabletok-smeshannogo-nitridnogo-uran-plutonievogo-topliva.html.
17. Особенности разработки цифрового двойника эвакуируемого малогабаритного плавителя прямого джоулевого нагрева дизайна ФГУП «ПО «Маяк» / Ю.А. Горский, Д.С. Евстратов, Н.В. Мельникова [и др.] // Радиоактивные отходы. 2025. № 2(31). С. 45-59. DOI 10.25283/2587-9707-2025-2-45-59.
18. ФГУП «Производственное объединение «Маяк» получило патент на ПО для создания цифрового двойника печи остекловывания РАО, разработанное совместно со специалистами Инжинирингового центра ПИШ СПбПУ. URL: https://fea.ru/news/9346.
19. Федеральные нормы и правила в области использования атомной энергии «Правила безопасности при транспортировании радиоактивных материалов» (НП-053-16). URL: https://base.garant.ru/71594796/.
20. Правила безопасной перевозки радиоактивных материалов № SSR-6 (Rev. 1). Вена: МАГАТЭ, 2018. URL: https://www-pub.iaea.org/MTCD/Publications/PDF/P1798R_web.pdf.
21. Распоряжение Правительства Российской Федерации от 07.11.2023 г. № 3113-р. URL: http://government.ru/docs/all/150406/.
22. Правительство актуализировало стратегическое направление в области цифровой трансформации обрабатывающих отраслей промышленности. URL: http://government.ru/docs/50038/.
23. Санкт-Петербургский политехнический университет Петра Великого и ПСБ подписали Соглашение о стратегическом партнерстве в области цифровых двойников для обеспечения технологического лидерства страны. URL: https://pish.spbstu.ru/news/9143.
24. Цифровая платформа CML-Bench® получила сертификат ФСТЭК для работы с коммерческой тайной. URL: https://pish.spbstu.ru/news/9052.

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).

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

Новое исследование OpenAI показало: ChatGPT не просто автоматизирует задачи — он меняет само разделение труда. Люди всё чаще используют ИИ для работы, которая раньше была «чужой». И это не изолированный феномен — целый ряд недавних работ подтверждает: профессиональные границы становятся подвижными, а вместе с ними меняются рынок труда, организационные иерархии и требования к навыкам.

Разбираем ключевые выводы.

1. Исследование OpenAI: как ИИ расширяет спектр рабочих задач

Анализ OpenAI Economic Research основан на случайной выборке из более чем 800 000 рабочих сообщений пользователей ChatGPT из США [1]. Каждое сообщение классифицировалось по детальной рабочей деятельности (DWA) из базы O\*NET Министерства труда США — это позволило сравнить, какую задачу выполняет пользователь, с тем, какая профессия исторически была закреплена за этой задачей.

Ключевые цифры [1]:

• 43,5 % всех рабочих сообщений, относящихся к конкретной профессии, касаются задач, исторически связанных с другой профессией.
• В пяти из восьми изученных групп (клиентский опыт, дизайн, HR, юриспруденция, маркетинг) межпрофессиональные задачи составляют более половины всех профессиональных запросов: от 53 % (маркетинг) до 77 % (клиентский опыт).
• 16,8 % всех рабочих сообщений в выборке (включая общие задачи вроде написания писем и планирования) выходят за пределы профессиональной границы пользователя.

Какие задачи «кочуют» чаще всего [1]:

Три роли профессий в новой экосистеме [1]:

1. Поглотители (дизайн). 35,2 % запросов дизайнеров — задачи из других профессий. При этом задачи дизайна почти не переходят к другим (всего 1,7 %). Дизайнеры становятся «универсальными солдатами» — берут на себя работу, которая раньше требовала инженеров, маркетологов или аналитиков.

1. Доноры (инженерное дело). Инженерные задачи активно заимствуются другими (7,4 % запросов работников из других сфер). При этом сами инженеры редко выходят за свои границы (всего 18,5 %).

1. Двунаправленные (маркетинг). Единственная сфера, которая одновременно берёт задачи извне (24,3 %) и отдаёт свои задачи другим (8,9 % — самый высокий показатель).

Размер компании имеет значение [1]. В малом бизнесе ИИ используют шире: среди типичных пользователей доля межпрофессиональных задач в компаниях с 2–5 сотрудниками на 13 % выше, чем в компаниях с 101+ сотрудниками (18,9 % против 16,3 %). В небольших командах нет специалиста по каждой узкой функции — ИИ становится «виртуальным коллегой», закрывающим пробелы.

2. Что говорят другие исследования: контекст и подтверждения

2.1. От задач к ролям: как агентный ИИ меняет профессиональные структуры

Исследование, опубликованное в 2025 году в ScienceOpen, показывает, что агентный ИИ (способный выполнять многошаговые рабочие процессы автономно) меняет не просто отдельные задачи, а целые роли [2]. Авторы выделяют пять паттернов трансформации ролей: консолидация, сегментация, элевация, смещение и создание. Агентный ИИ не только переопределяет границы рабочих мест, но и меняет организационные иерархии, координацию рабочих процессов и требования к навыкам. Это перекликается с выводами OpenAI: изменения идут не «сверху» (когда компания переписывает должностные инструкции), а «снизу» — когда сами работники начинают использовать ИИ для выхода за привычные рамки.

2.2. Трансформация рабочих мест против замещения

Исследователи Федерального резервного банка Миннеаполиса и Федерального резервного банка Сан-Франциско (2025) разработали количественную модель, в которой профессии «связывают» множество задач, а работники с разными наборами навыков выбирают профессии на основе сравнительных преимуществ [3]. Автоматизация меняет относительную важность задач внутри каждой профессии.

Ключевой вывод: в профессиях с высокой степенью автоматизации (например, офисные и административные роли) работники, специализирующиеся на обработке информации, уходят и теряют в зарплате. Но те, кто специализируется на взаимодействии с клиентами и координации, остаются и получают прирост — работа перебалансируется в сторону их сильных сторон. Это важное дополнение к исследованию OpenAI: автоматизация не равна потере работы, она меняет состав задач внутри профессии, и одни навыки становятся более ценными, чем другие.

2.3. GitHub Copilot: смещение к ядру профессии

В работе Hoffmann, Boysel, Nagle, Peng и Xu (2024) изучается влияние GitHub Copilot на распределение задач у разработчиков открытого ПО [4]. Доступ к Copilot побуждает разработчиков смещать задачи в сторону основной работы — написания кода — и уходить от вспомогательных задач управления проектами. Эффект сильнее у разработчиков с относительно более низкими способностями. Исследователи также отмечают, что ИИ может уплощать организационные иерархии в экономике знаний. Это созвучно с данными OpenAI о малом бизнесе: когда инструмент даёт возможность выполнять задачи без посредников, вертикальные структуры становятся менее жёсткими.

2.4. Победители и проигравшие генеративного ИИ: данные фриланс-бирж

Оксфордское исследование Kässi и Braesemann (2025) анализирует более 100 кластеров навыков на крупной фриланс-платформе [5]. После запуска ChatGPT спрос на заменяемые навыки (письмо, перевод) сократился на 20–50 % относительно контрфактического тренда, с самым резким падением для краткосрочных проектов (1–3 недели). В то же время спрос на дополняемые навыки вырос: машинное обучение — на 24 %, разработка чат-ботов на базе ИИ — почти втрое. Однако рост был неравномерным: спрос на начинающих фрилансеров в целом снизился. Это указывает на сдвиг в сторону более специализированной экспертизы, а не равномерного роста во всех областях.

2.5. Что на самом деле делают люди с ИИ?

Исследование Agarwal и соавторов (2025) на основе 4 миллионов взаимодействий с Claude AI, сопоставленных с задачами O\*NET, выявило, какие характеристики задач привлекают наибольшее использование ИИ [6]. Задачи, требующие высокой креативности, сложности и когнитивной нагрузки, но низкой рутинности, привлекают наибольшее вовлечение ИИ. Авторы выделили три архетипа задач: динамическое решение проблем, процедурная и аналитическая работа и стандартизированные операционные задачи. При этом всего 5 % задач обеспечивают 59 % всех взаимодействий с ИИ.

Это важный нюанс: ИИ используют не для «скучной» работы, а для сложной, творческой и нестандартной. Люди делегируют ИИ именно те задачи, которые требуют высокой когнитивной нагрузки, но при этом не являются рутинными.

2.6. Индекс автоматизации на основе парадокса Моравека

Schaal (2025) разработал индекс автоматизации, основанный на парадоксе Моравека: задачи, лёгкие для людей, могут быть сложны для машин, и наоборот [7]. Оценка 19 000 задач O\*NET по вариативности выполнения, неявному знанию, обилию данных и алгоритмическим разрывам показала, что наивысшая автоматизируемость — у управленческих, STEM и научных профессий. Наименьшая — у обслуживания, сельского хозяйства и строительства.

Положительная связь между заработной платой и автоматизируемостью ставит под сомнение классическую концепцию skill-biased technological change. Если раньше технологии заменяли низкоквалифицированных работников, то теперь под угрозой — высокооплачиваемые когнитивные профессии.

2.7. Профессиональные границы в эпоху ИИ

Серия исследований, опубликованных в Journal of Management Studies (2024–2025), показывает, как профессионалы перестраивают границы своей работы в ответ на ИИ [8–10]. Pemer и Werr (2024) изучили «Большую четвёрку» аудиторских фирм в Швеции и обнаружили, что профессионалы активно расширяют свою экспертизу через цифровизацию, комбинируя новые цифровые навыки с традиционными [8]. Faulconbridge и соавторы (2023) документируют, как бухгалтеры и юристы защищают и расширяют границы своей работы, развивают новые коллаборации с «внешними», пересматривают определения «своих» и «чужих» и пересматривают внутренние границы [9]. Эти стратегии переплетены: профессионалы одновременно участвуют в нескольких взаимозависимых режимах «работы над границами». Beane и Leonardi (2024) рассматривают организацию как систему взаимозависимых слоёв процессов; эффект ИИ зависит от того, какой слой затронут [10].

3. Что это значит для бизнеса, HR и образования

Совокупность исследований позволяет сформулировать несколько практических выводов.

1. Профессиональные границы больше не являются жёсткими. Работники используют ИИ для задач из соседних областей — и делают это не эпизодически, а системно. Компании, которые продолжают мыслить в терминах фиксированных должностных инструкций, рискуют отстать [1, 2].

2. В малом бизнесе ИИ даёт конкурентное преимущество. Возможность «закрывать» задачи без привлечения узких специалистов снижает барьеры для небольших команд [1].

3. Автоматизация не равна потере работы — она меняет её состав. В профессиях, где ИИ автоматизирует часть задач, выигрывают те, кто может переключиться на задачи, требующие человеческих навыков: координацию, взаимодействие с клиентами, социальный интеллект [3, 7]. Вопрос не в том, заменит ли ИИ профессию, а в том, какую часть соседних профессий работник сможет взять на себя с его помощью.

4. Спрос на навыки смещается в сторону специализации. На фриланс-рынке падает спрос на начальный уровень и заменяемые навыки, растёт — на сложные, дополняемые ИИ [5]. Это требует пересмотра подходов к обучению и найму.

5. Обучение должно выходить за рамки профессии. Если маркетологу нужны основы анализа данных, а продажнику — базовый SQL, это не «капризы», а реальность. Институтам образования и корпоративным университетам стоит воспринимать человеко-машинное сотрудничество как рабочую гипотезу и выстраивать учебные программы вокруг компетенций, а не должностных инструкций [11].

6. Профессионалы активно перестраивают границы своей работы. Вместо пассивного ожидания изменений специалисты сами переопределяют, что входит в их компетенцию, а что нет [8, 9]. Это создаёт новые возможности для тех, кто готов к пересборке собственной роли.

Заключение

Исследование OpenAI и смежные работы показывают: мы уже живём в мире, где профессиональные границы — это не стены, а линии, которые можно пересекать. ИИ не просто меняет как мы работаем — он меняет кто что делает. И этот сдвиг будет только нарастать.

Для бизнеса это означает необходимость пересмотреть:

• структуру должностных инструкций и KPI (они должны отражать не фиксированный набор задач, а способность к их перекомбинации);
• процессы контроля и подотчётности (если сотрудник делает работу из соседней области, кто проверяет качество?);
• подходы к обучению и развитию персонала (навыки работы с ИИ и межпрофессиональная грамотность становятся базовыми).

Для каждого из нас — готовность к тому, что наша профессия перестанет быть «коробкой» с фиксированным набором задач и станет скорее «платформой» для сборки решений из разных областей.

И возможно, главный вопрос сегодня звучит не «заменит ли ИИ мою работу?», а «какую часть соседней работы я смогу делать с помощью ИИ?»

Список литературы

1. OpenAI Economic Research. Work at the Frontier: How AI is expanding what people do at work. — 2026. — 15 p.

1. From Tasks to Roles: How Agentic AI Reconfigures Occupational Structures Across Industries / A. I. M. Al‐Mansoori, S. S. Al‐Mansoori, M. Al‐Mansoori [et al.] // ScienceOpen Preprints. — 2025. — DOI: 10.14293/PR2199.002638.v1.

1. Job Transformation, Specialization, and the Labor Market Effects of AI / R. A. C. B. M. S., F. R. B. of Minneapolis, F. R. B. of San Francisco. — 2025. — (Working Paper).

1. Hoffmann M., Boysel S., Nagle F., Peng S., Xu K. Generative AI and the Nature of Work // CESifo Working Paper. — 2024. — No. 11329. — DOI: 10.2139/ssrn.4955706.

1. Kässi O., Braesemann F. Winners and losers of generative AI: early evidence of shifts in freelancer demand // Journal of Economic Behavior and Organization. — 2025. — Vol. 235. — P. 106845. — DOI: 10.1016/j.jebo.2024.106845.

1. Agarwal P., Alon U., Berman R., Gornet S., Hessel M., Li L., Sorensen T. What Work is AI Actually Doing? Uncovering the Drivers of Generative AI Adoption // arXiv Preprint. — 2025. — arXiv:2510.23669.

1. Schaal J. A theory-based AI automation exposure index: Applying Moravec's Paradox to the US labor market // arXiv Preprint. — 2025. — arXiv:2510.13369.

1. Pemer F., Werr A. Professional service firms and digitalization: A boundary‑work perspective // Journal of Management Studies. — 2024. — Vol. 61, No. 5. — P. 1901–1928. — DOI: 10.1111/joms.12992.

1. Faulconbridge J., Sarwar A., Spring M. How Professionals Adapt to Artificial Intelligence: The Role of Intertwined Boundary Work // Journal of Management Studies. — 2024. — Vol. 61, No. 6. — P. 2345–2372. — DOI: 10.1111/joms.13045.

1. Beane M., Leonardi P. Technology and organizational change: A pace‑layer perspective // Journal of Management Studies. — 2024. — Vol. 61, No. 4. — P. 1401–1426. — DOI: 10.1111/joms.12951.

1. Hutson J. Designing for Complementarity: Skills, Work, and Education in the Age of AI — A Review // Journal of Business and Social Sciences. — 2025. — Vol. 4, No. 1. — P. 1–18.

Статья подготовлена по материалам открытых исследований и предназначена для внутреннего использования в корпоративной среде.

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.

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.