15.07.2026 11:59
«Учить модель только на штатной работе — как учить врача на здоровых»: ГК «Цифра» о том, чего не хватает промышленному ИИ.
«Учить модель только на штатной работе — как учить врача на здоровых»: ГК «Цифра» о том, чего не хватает промышленному ИИ.
Без доступа разработчиков к промышленным данным для обучения мы не сможем получить сильные отечественные ИИ-модели. Такое #мнение выразил генеральный директор ГК «Цифра» Михаил Аронсон, отвечая на вопросы МашТеха о новом законе «О поддержке развития технологий ИИ».
▪️ Как, по вашему мнению, изменятся требования заказчиков к промышленным AI-платформам после появления статусов «суверенной» и «национальной» модели? Станет ли происхождение модели столь же важным фактором выбора, как надёжность или функциональность?
Я не думаю, что происхождение модели станет главным критерием выбора. Для промышленности оно, скорее, превратится в обязательное условие допуска, особенно если речь идёт об объектах критической инфраструктуры. Но дальше всё будет зависеть от того, насколько решение надёжно, управляемо и эффективно в реальной эксплуатации.
У заказчика появятся два чек-листа: к базовой модели - происхождение, локализация, безопасность; к промышленному решению - точность, отказоустойчивость и стоимость владения. Ведь у насоса нет политических предпочтений - зато простой у него вполне денежный.
Важно отметить и то, что суверенность должна создавать не только новые требования, но и новые возможности для развития технологий.
В частности, если мы хотим получить сильные отечественные модели, разработчикам нужно дать доступ к реальным промышленным данным для обучения - в обезличенном или синтетическом виде. Только так отечественные модели смогут развиваться быстрее и становиться действительно конкурентоспособными в промышленном применении.
▪️ Во многих проектах используются одновременно собственные алгоритмы, специализированные модели и большие языковые модели. Как изменится архитектура таких решений, если часть предприятий сможет использовать только отечественные foundation-модели? Где сегодня находится главный технологический риск?
Ограничение на использование отечественных foundation-моделей не должно заставлять перестраивать весь завод. Если замена одной LLM тянет за собой переписывание интеграций с АСУ ТП, MES и архивом, значит, проблема была не в законе, а в архитектуре.
Зрелая схема - слоистая. На нижнем уровне работают датчики, контроллеры, edge-сервисы. Выше - платформа промышленных данных: временные ряды, события, объектная модель, документы и права доступа. Затем - специализированные ML-модели.
Сегодня это одна отечественная модель, завтра другая - производственный контур при этом не переделывается. Так, на ФосАгро ГигаЧат был интегрирован в уже работающую ZIIoT-платформу - не вместо промышленного контура, а поверх.
Подписывайтесь на МашТех
Без доступа разработчиков к промышленным данным для обучения мы не сможем получить сильные отечественные ИИ-модели. Такое #мнение выразил генеральный директор ГК «Цифра» Михаил Аронсон, отвечая на вопросы МашТеха о новом законе «О поддержке развития технологий ИИ».
▪️ Как, по вашему мнению, изменятся требования заказчиков к промышленным AI-платформам после появления статусов «суверенной» и «национальной» модели? Станет ли происхождение модели столь же важным фактором выбора, как надёжность или функциональность?
Я не думаю, что происхождение модели станет главным критерием выбора. Для промышленности оно, скорее, превратится в обязательное условие допуска, особенно если речь идёт об объектах критической инфраструктуры. Но дальше всё будет зависеть от того, насколько решение надёжно, управляемо и эффективно в реальной эксплуатации.
У заказчика появятся два чек-листа: к базовой модели - происхождение, локализация, безопасность; к промышленному решению - точность, отказоустойчивость и стоимость владения. Ведь у насоса нет политических предпочтений - зато простой у него вполне денежный.
Важно отметить и то, что суверенность должна создавать не только новые требования, но и новые возможности для развития технологий.
В частности, если мы хотим получить сильные отечественные модели, разработчикам нужно дать доступ к реальным промышленным данным для обучения - в обезличенном или синтетическом виде. Только так отечественные модели смогут развиваться быстрее и становиться действительно конкурентоспособными в промышленном применении.
▪️ Во многих проектах используются одновременно собственные алгоритмы, специализированные модели и большие языковые модели. Как изменится архитектура таких решений, если часть предприятий сможет использовать только отечественные foundation-модели? Где сегодня находится главный технологический риск?
Ограничение на использование отечественных foundation-моделей не должно заставлять перестраивать весь завод. Если замена одной LLM тянет за собой переписывание интеграций с АСУ ТП, MES и архивом, значит, проблема была не в законе, а в архитектуре.
Зрелая схема - слоистая. На нижнем уровне работают датчики, контроллеры, edge-сервисы. Выше - платформа промышленных данных: временные ряды, события, объектная модель, документы и права доступа. Затем - специализированные ML-модели.
Сегодня это одна отечественная модель, завтра другая - производственный контур при этом не переделывается. Так, на ФосАгро ГигаЧат был интегрирован в уже работающую ZIIoT-платформу - не вместо промышленного контура, а поверх.
Подписывайтесь на МашТех