С экрана в реальный мир: как физический ИИ формирует новый рынок специалистов

От алгоритмов к роботам

Цифровой этап развития ИИ дополняется новым направлением: технология постепенно выходит за пределы экрана и начинает взаимодействовать с реальным миром. Ее называют Physical AI — интеллектом, встроенным в физические системы.

Для внедрения нового типа ИИ активно готовится инфраструктура. По данным World Robotics, в среднем число промышленных роботов увеличивается на 500 000 в год. Следующий этап — массовое внедрение роботов с полноценным физическим ИИ, который позволит им глубже понимать контекст окружающего мира и самостоятельно принимать решения.

В январе 2026 года Waymo запустила полностью автономные роботакси к аэропорту Сан-Франциско, где машины самостоятельно ориентируются в плотном трафике, соблюдают правила и доставляют пассажиров без водителя. В Китае в декабре 2025 года успешно тестировали беспилотные грузовики на самой высокогорной шахте Huoshaoyun (5600 м над уровнем моря): они круглосуточно загружают и перевозят руду в экстремальных условиях. Такие истории создают базу для будущего перехода к ИИ-управляемым системам во всем мире.

Российские власти придают немалое значение развитию и ИИ, и робототехники. Так, на Петербургском международном экономическом форуме в 2024 году Владимир Путин заявил, что Россия должна в короткий срок войти в топ-25 стран по плотности роботизации: «Это означает установку более 100 000 роботов». Для этого, в частности, к 2030 году в стране планируется создать более 30 центров развития робототехники, на что собираются выделить более 15 млрд рублей, из которых 8 млрд — в 2025–2027 гг. Что касается искусственного интеллекта, то в России создан Национальный штаб по ИИ, действует стратегия развития ИИ до 2030 года. Благодаря в том числе господдержке, импортозамещению и развитию облачных инфраструктур объем рынка ИИ и Big Data по итогам 2025 года мог вырасти на 20% по сравнению с 2024-м, до 520 млрд рублей, говорится в исследовании Ассоциации больших данных, Б1 и TAdviser.

В ходе выступления на DigiConf вице-президент NVIDIA Рев Лебаредян заявил о начале новой технологической эры: «Мы берем интеллектуальные агенты, которые живут в цифровом мире, и даем им тела, чтобы они могли действовать в физическом мире». По его словам, рынок физического ИИ охватывает индустрии, связанные с физическим миром, оцениваемые в $100 трлн, в отличие от $5 трлн рынка IT: «Впервые в истории мы можем применить вычислительные технологии как настоящий усилитель и ускоритель к этим «физическим» отраслям, а не только к миру нулей и единиц».

Барьеры роста

Однако вместе с выходом ИИ в реальный мир значительно растет и цена ошибки. Алгоритмы становятся частью систем, где сбой означает простои, аварии и угрозы безопасности. «Ключевая особенность физического ИИ в том, что он управляет промышленными роботами, станками с ЧПУ (числовым программным управлением), автономным транспортом и другими устройствами, — объясняет сооснователь «Промобот» Олег Кивокурцев. — В таких системах ИИ напрямую влияет на поведение техники в реальном мире, а значит, требования к надежности и ответственности решений принципиально выше, чем в цифровых продуктах».

О критичности ошибок говорит и директор R&D «Авито» Александр Рыжков. Если в цифровых продуктах, по его словам, сбой ИИ — это неудобство для пользователя, то в робототехнике — потенциальный риск для безопасности или материальный ущерб: «Требования к надежности и скорости работы моделей здесь на порядок выше».

Высокая цена ошибок — еще не все. Эксперты обращают внимание на трудности перехода от предсказуемой цифровой среды к хаотичному физическому миру, который гораздо менее структурирован. «Робот работает в потоке разнородных сигналов (изображение, звук, речь, текст) и в динамичной обстановке, где события происходят не только из-за его действий, но и из-за людей и других факторов, — рассуждает руководитель научной лаборатории фундаментальных исследований группы «Т-Технологии» Даниил Гаврилов. — В итоге системе нужны устойчивость к шуму, способность обобщать и рассуждать, в том числе «на уровне физики»: причинность, контактные взаимодействия, пространственное восприятие».

Кроме того, сложность в данных — их дефиците, стоимости и разнообразии. Для ИИ ключевым ресурсом остаются данные, и в робототехнике это особенно остро: робототехнические данные дороги («железо», износ, поломки, обслуживание), сбор часто требует телеуправления и инфраструктуры, а также необходимо большое разнообразие условий — разные объекты, материалы, освещение, позиции, сцены, перечисляет Гаврилов. Отрасль пытается, по его словам, закрыть этот разрыв тремя направлениями: использовать предобученные большие мультимодальные и языковые модели как часть системы (робототехнических данных они видели мало, но знаний о мире много), развивать sim2real, то есть обучение и масштабирование в симуляторе с переносом в реальность, опираться на обучение по демонстрациям, то есть на действия людей (видео, демонстрации) с последующей адаптацией под то, что исполнитель — робот.

Наконец, «железо» и инженерная интеграция. «Роботов нужно либо покупать, либо разрабатывать; они требуют сервиса, диагностики и надежного управления», — указывает Даниил Гаврилов.

Все это резко повышает требования к инженерам, которые проектируют и обслуживают такие системы, и выводит на первый план вопрос о подготовке кадров с нужными компетенциями.

Без кадров не взлетит

В отличие от классических ML-разработчиков, специалистов, которые одинаково хорошо понимают алгоритмы, аппаратную часть и логику сложных систем, на рынке существенно меньше: сама область только формируется, а подготовка требует больше времени и более широкой инженерной базы.

Кадровую проблему эксперты считают самой сложной. «Physical AI настолько молодое направление, что готовых специалистов для него, по сути, не существует, — сетует Александр Рыжков. — Ситуация напоминает продуктовое внедрение генеративного ИИ, но требует экспертизы сразу в нескольких областях: машинное обучение, механика, электроника, управление в реальном времени».

По мнению эксперта лаборатории робототехники факультета компьютерных наук НИУ ВШЭ Ивана Копылова, сложность подготовки таких инженеров-разработчиков в том, что эти области знаний весьма далеки друг от друга. «Для робототехники нужно понимать мехатронику, физику, механику, электронику, электротехнику, то есть те вещи, которые чаще присущи или профильным факультетам типа робототехники или машиностроения, или, например, вообще факультету физики, — рассуждает он. — Для ИИ же скорее нужна высшая математика, алгоритмы, работа с данными, то есть это чистый профиль компьютер-сайенса. Очень трудно объединить два направления вместе».

«Быстро подготовить специалиста по физическому ИИ невозможно», — уверена Александра Черевач, куратор направления технологии и робототехники, педагог ДОП Международной гимназии «Сколково». Инженерное мышление, по ее мнению, закладывается задолго до вуза и строится на системной работе с фундаментальными дисциплинами в школе. «Физический ИИ требует одновременного владения математикой, физикой, программированием и основами электроники. Уже на школьном уровне эта междисциплинарность проявляется в проектной работе, где для решения одной задачи ученику приходится опираться сразу на несколько предметных областей, от кинематики и геометрии до обработки данных с датчиков», — говорит Черевач.

Оптимальным возрастом для старта считается период 10–12 лет, полагает председатель правления Консорциума робототехники и систем интеллектуального управления Евгений Дудоров. «В это время дети начинают активно интересоваться устройством окружающего мира, пробуют конструировать, решать первые технические задачи, осваивать моделирование. Регулярные занятия, кружки робототехники и инженерные проекты на школьном уровне закладывают базовые навыки, без которых в дальнейшем сложно вырастить качественного специалиста», — говорит он. Именно поэтому интерес к инженерии и технике важно развивать задолго до выбора профессиональной траектории.

По данным Всемирного экономического форума, робототехника и ИИ — в числе ключевых драйверов спроса на новые навыки, а McKinsey отмечает, что именно подготовка инженерных кадров — критически важный фактор масштабирования автономных систем. Фактически рынок технологий развивается быстрее, чем традиционные образовательные модели адаптируются под его потребности. То есть физический ИИ упирается не столько в зрелость технологий, сколько в человеческий капитал. Это подводит бизнес к следующему выводу: если нужных специалистов нельзя найти на рынке здесь и сейчас, их нужно обучать с нуля.

Включается бизнес

Осознав, насколько высока потребность в инженерах по физическому ИИ, бизнес меняет стратегию. Эта логика уже стала нормой для глобальных технологических лидеров.

Так, в Китае ИИ-образование выстраивается как государственная стратегия: элементы работы с AI и роботами внедряются уже на уровне школьной программы. Например, с 2025 года ИИ стал обязательным предметом в Пекине. «Интересно, что в Китае исторически не было сильной робототехнической базы и они сразу начали делать целые факультеты, которые занимаются именно интеллектуальной робототехникой», — говорит доктор физико-математических наук, директор лаборатории когнитивных систем ИИ Института AIRI Александр Панов.

В России физический ИИ как термин появился позже, чем за рубежом, но эта область уже активно набирает обороты. Точные суммы инвестиций, которые отечественные бигтехи направляют на образовательные программы для подготовки таких специалистов, они не раскрывают, но в целом речь идет о сотнях миллионов рублей. К примеру, президент «Т-Технологий» Станислав Близнюк на форуме «Цифровые решения» сообщил, что в этом году группа инвестировала в образовательные и научные проекты более 10 млрд рублей и они уже окупаются. «Яндекс», в свою очередь, в апреле 2025-го заявил о намерении вложить в течение года в образовательные проекты 5,3 млрд рублей (в полтора раза больше, чем в 2024-м).

Исследование «Яндекс Роботикс» при участии ГК «Цифра», а также оценки Kept и компании «Промышленная робототехника» (KUKA) показывают: бизнес готов к роботизации, но ключевой драйвер роста — наличие квалифицированных специалистов.

Поэтому крупные игроки запускают собственные образовательные инициативы в сфере физического ИИ. Например, «Яндекс Образование» выстраивает работу с учащимися на разных уровнях — от школы до университета. Для детей работает онлайн-платформа, где они осваивают основы ИИ-робототехники через практические задания. Также открылись кружки по этому направлению в десяти регионах, к осени их станет 50 по всей стране. Параллельно компания развивает инициативы в сфере высшего образования: например, в этом году стартует Physical AI Garage — программа обучения специалистов по физическому ИИ, которую запускают вместе с ИТМО, НИУ ВШЭ, МФТИ, МИФИ, МАИ.

«Сбер» 5 февраля совместно с ИТМО запустил «Робошколу» — онлайн-школу по робототехнике и ИИ для студентов бакалавриата 3–4-х курсов со всей России. Эксперты Центра робототехники «Сбера» и факультета систем управления и робототехники ИТМО проведут лекции и мастер-классы по пяти направлениям: робототехника и ИИ, цифровое производство, системы управления, навигация и управление движением, электроинженерия. Победители получат возможность поступить без экзаменов в магистратуру ИТМО, включая совместную программу «Сбера» и университета.

Кроме того, компания вносит научный вклад и в мировую науку. К примеру, 1 февраля ученые «Сбера» представили Green-VLA — открытое руководство по созданию архитектуры управления роботами, посвященное развитию ключевой технологии Physical AI — моделей Vision-Language-Action (VLA). Они позволяют роботам понимать окружающий мир, интерпретировать инструкции и превращать их в осмысленные физические действия.

По словам CPO MWS GPT (входит в состав МТС Web Services) Павла Бабина, такая наукоемкая и междисциплинарная область требует специализированной подготовки: «Лучшая стратегия — целенаправленно готовить кадры, комбинируя обучение в ИИ и робототехнике». МТС Web Services развивает магистерскую программу на базе ФКН НИУ ВШЭ «Исследования и предпринимательство в ИИ». «Там есть блок семинаров от экспертов компании и лаборатории робототехники НИУ ВШЭ, где ребят учат и знакомят с ИИ-моделями, актуальными для направления Physical AI. В зависимости от потребностей рынка MWS готова рассматривать более углубленное развитие программы в этом направлении», — говорит Бабин.

В образовании «Авито» сейчас концентрируется на классическом машинном обучении и генеративном ИИ — это технологии, которые лучше всего решают задачи нашего онлайн-бизнеса, рассказывает Александр Рыжков. «Сотрудничаем с ведущими вузами: например, запустили магистратуру по Data Science в МФТИ и ВШЭ, специализацию по разработке ПО в ИТМО. Планируем подготовить около 3000 IT-специалистов к 2028 году, — говорит он. — Для тестирования новых технологий, включая физический ИИ, создан отдел R&D. Команда быстро тестирует новое, создает прототипы, передает их продуктовым командам и погружает коллег в технологии. R&D также сотрудничает с университетами: привлекает студентов к исследовательским проектам, выступая связующим звеном между наукой и бизнесом».

В «Т-Технологиях» эта тема развивается точечно, в рамках команды научных исследователей, говорит Даниил Гаврилов. «Мы изучаем модели, которые взаимодействуют со средой: как их эффективнее обучать и как использовать масштабные сырые данные (например, видео взаимодействий без явной разметки), — объясняет он. — Важно, что значительную часть этих вопросов можно исследовать без прямой привязки к роботам — в игровых и симулированных средах, где также требуются восприятие, рассуждение и выбор действий в динамике. Это позволяет быстрее и дешевле проверять гипотезы».

«В России три ведущих вуза в этом треке — Физтех, ИТМО и Иннополис», — говорит Александр Панов. При этом много внимания, по его словам, уже уделяется и школьному образованию: открыто большое количество кванториумов и технических кружков, где ребята конструируют роботов, учатся их программировать на базовом уровне. «Считаю, в России это самый отличительный, сильный и уникальный признак. В других странах я такого не встречал», — обращает внимание ученый.

Замдекана факультета систем управления и робототехники ИТМО, кандидат технических наук Андрей Живицкий заверяет: отрасль образования понимает всю необходимость программ подготовки новых специалистов и процесс запущен через конкретные коллаборации. Факультет, по его словам, напрямую сотрудничает с ключевыми игроками: «Яндексом», «Сбером» и «Геосканом» в области развития прикладных ИИ-решений для автономных систем.

«В сотрудничестве с «Яндексом» и «Сбером» мы видим углубление существующих практик, с «Геосканом» — становление новой прикладной области. Это не теоретический интерес, а совместная работа над реальными задачами, которая формирует новую образовательную среду, вовлекая студентов в работу лабораторий над промышленными кейсами», — размышляет Живицкий. Спрос со стороны бизнеса существует, и он конкретен, продолжает он: «Компании приходят с запросами на разработку решений в области роботизации и физического ИИ. Наша роль — не просто готовить кадры, а предлагать готовые экспертизы и проектные команды, способные закрывать такие запросы. Опыт сотрудничества с ведущими российскими компаниями доказал эффективность этой модели».

Еще одним центром подготовки таких специалистов может стать «Вышка». С 2026 года на факультете компьютерных наук Высшей школы экономики (ФКН НИУ ВШЭ) открываются две программы — бакалавриат «Проектирование интеллектуальных робототехнических систем» и магистратура «Умные устройства: аппаратная разработка», говорит Иван Копылов: «Эти программы весьма новы и вот-вот откроют свои двери для первого списка студентов. Программой будут заниматься ведущие специалисты ФКН НИУ ВШЭ с привлечением экспертов индустрии, которые занимаются робототехникой и ИИ».

Переход ИИ в реальный мир меняет саму логику технологической конкуренции. Преимущество получат не те, кто быстрее оптимизирует модели, а те, кто раньше выстроит систему подготовки инженеров для работы с реальными, сложными и дорогостоящими системами. В физическом ИИ скорость инноваций напрямую зависит от глубины инженерной базы, а она формируется годами. Именно поэтому инвестиции в образование становятся для бизнеса не социальной инициативой, а стратегическим вложением. «Развитие физического ИИ невозможно без инвестиций в фундаментальную науку, прежде всего в математику, а также в прикладные проекты и инженерные команды. Без этой базы рынок рискует застрять на уровне пилотов и экспериментальных внедрений», — подчеркивает Олег Кивокурцев.