Главные тренды ИИ в 2025 — BCG AI Radar 2025

⚫️Инвестиции в генеративный ИИ вырастут на 60% за 3 года. Каждая третья из 1800 опрошенных компаний планирует потратить более $25 млн в 2025.

⚫️75% руководителей считают ИИ приоритетом, но только 25% видят реальную пользу. ИИ повышает производительность на 10-20%, эффективность процессов — на 30-50%, помогает создавать новые продукты.

⚫️76% компаний считают, что кибербезопасность ИИ требует улучшения. Главные риски: защита данных и контроль решений ИИ.

⚫️67% компаний считают, что ИИ-агенты (автономные помощники) ускорят работу в 3 раза и улучшат взаимодействие с клиентами. Важно ставить реалистичные цели.

⚫️60% компаний не отслеживают финансовую отдачу от ИИ. Лучшие тратят 10% усилий на алгоритмы, 20% — на технологии, 70% — на обучение и процессы.

⚫️В 70% компаний хотя бы четверть сотрудников обучены работать с ИИ, 68% планируют продолжать обучение.

⚫️Рекомендации BCG: сосредоточьтесь на 2-3 ключевых задачах, внедряйте KPI, усиливайте безопасность и начинайте с небольших проектов с ИИ-агентами.

Подробнее — в приложенном отчете👆

LLM на борту дрона без облаков — исследование лаборатории DroneCam

Одна из проблем использования LLM на дронах — ограниченные ресурсы бортовых компьютеров. Традиционные LLM вроде GPT-4 требуют серверных мощностей. Ученые из лаборатории DroneCam (из ИПУ РАН Трапезникова и Московского Политеха) придумали способ, как работать прямо на борту дрона — без облака и внешнего сервера.

Что делали:
🔵Оптимизировали модели через квантование (сжатие без потери качества).
🔵Протестировали Qwen2.5-Coder в трёх размерах (0.5B–3B) на одноплатнике Orange Pi 5B (NPU Rockchip RK3588S).
🔵Для проверки кода разработали бенчмарк на 125 сценариев: LLM должна была сгенерировать код для автономного полёта на основе задания на естественном языке.

Результаты
🔵NPU позволяет значительно увеличить скорость обработки данных без потери качества модели. Все три сборки продемонстрировали стабильное качество на бенчмарке.

🔵Так что автономный дрон с LLM-интерфейсом — это уже не что-то из разряда фантастики. Главное — правильно выбрать модель, аппаратную платформу и отловить типовые ошибки генерации.

6 репозиториев Гитхаба для тех, кто проектирует — архитектуру или агентов

Мы уже писали, что MCP становится стандартом для интеграции ИИ, как когда-то REST для API. А мультиагентные системы — следующий шаг после одиночных LLM. Ниже — 6 интересных проектов с Гитхаба для тех, кто разрабатывает ИИ-агентов или использует нейросети в проектировании.

1️⃣ OpenWebUI превращает инструменты MCP в HTTP-серверы, совместимые с OpenAPI. Теперь ИИ-сервисы легко интегрируются с RESTful API без «костылей».

2️⃣ Unbody — модульный сервер для создания ИИ, который понимает контекст, а не просто перебирает данные. Он преобразует необработанные данные в структурированные знания, умеет рассуждать и выдавать результат через API. Работает в 4 слоях: восприятие → память → рассуждение → действие. Пригодится тем, кто строит умные чат-боты или аналитические системы с памятью и логикой.

3️⃣ OWL: мультиагентные системы в действии. Фреймворк для мультиагентных систем на основе CAMEL-AI. Позволяет запускать несколько специализированных ИИ-агентов, которые взаимодействуют друг с другом через браузер, терминал, API или MCP-инструменты.

OWL отлично подходит для экспериментов с распределённым ИИ, где разные агенты выполняют разные роли и задачи, а результат достигается за счёт их взаимодействия.

4️⃣ F/mcptools — MCP Tools CLI — терминал для взаимодействия с MCP-серверами через командную строку. Позволяет находить, вызывать и тестировать ИИ-инструменты прямо из терминала. Поддерживает JSON, HTTP и даже мок-серверы для тестов. Если вы работаете с MCP-инфраструктурой, то можно ускорить интеграцию, отладку и тестирование.

5️⃣ Letta — универсальный формат для ИИ-агентов. Открытый стандарт для упаковки и переноса ИИ-агентов между LangGraph, CrewAI и другими фреймворками без переписывания кода, с контролем версий и чекпоинтами. Letta использует файл-архив .af, в котором сохраняются память, поведение и состояние агента.

6️⃣ Блендер-MCP — инструмент для интеграции Blender с Claude AI через MCP. Теперь можно проектировать на Blender с помощью текста — в том числе управлять сценами, объектами и материалами. Мы даже показывали эксперименты с ним или с чем-то похожим.

Квантовые коммуникации: тренды и перспективы для ИТ и строительства — McKinsey, Quantum Tech Trends 2025

McKinsey предсказывает: к 2035 году рынок квантовых коммуникаций взлетит в 15 раз (с $1 млрд до $15 млрд). А после Q-Day, когда квантовые компьютеры начнут взламывать обычное шифрование, эти технологии станут необходимостью.

Тренды
⚫️PQC (постквантовая криптография) — уже внедряется (Apple, Google), она дешевле и проще, чем QKD.
⚫️QKD (квантовое распределение ключей) — максимальная защита, но пока дорого и сложно.
⚫️Госсектор — главный заказчик (62% рынка), но телеком и финтех догоняют.
⚫️География: США лидируют в технологиях, Европа — в практических решениях, Китай — в масштабных сетях.

Реальные кейсы
⚫️IBM, AWS, Cisco уже тестируют квантовые соединения в дата-центрах.
⚫️Китай построил QKD-сеть 4600 км между 4 городами.
⚫️Европа запускает защищенные квантовые сети для критической инфраструктуры.

Подробнее — в прикрепленном отчете.

4 реальных кейса, как ИИ экономит деньги промышленности — KPMG

Главные цифры отчета KPMG — Intelligent Manufacturing 2025:
🔵93% лидеров индустрии уверены: только компании, полностью интегрировавшие ИИ, получат реальное конкурентное преимущество.
🔵96% отмечают рост операционной эффективности, а 62% фиксируют возврат инвестиций выше 10%.
🔵84% разрабатывают ИИ-решения собственными силами, а 70% активно используют открытый исходный код.

Однако внедрение ИИ — это не только цифры, но и реальные кейсы, которые меняют подход к производству.

🟢 Siemens — умное проектирование
Siemens внедрил ИИ в процесс проектирования деталей. Теперь алгоритмы сами предлагают варианты конструкции, анализируя прошлые проекты и требования к новым продуктам. Инженеры получают готовые оптимальные решения, а не тратят недели на перебор вариантов. В итоге время на разработку сократилось на 33%, а ошибок стало на 25% меньше.

🟣 Volkswagen — предиктивное обслуживание
На заводах Volkswagen ИИ анализирует данные с датчиков на оборудовании — температуру, вибрацию, загрузку. Система заранее предсказывает поломки и варианты их предотвращения — например, составляет график обслуживания оборудования. Это позволило снизить незапланированные простои на 20% — меньше аварий, больше выпуска.

🔵 Bosch — оптимизация запасов и логистики
Bosch использует ИИ для прогнозирования спроса и управления запасами. Система учитывает и внутренние данные, и внешние — например, рыночные тренды и погоду. В итоге на складах стало на 15% меньше лишнего товара — деньги не заморожены, места больше, и всё под контролем. Планирование стало точнее, компания быстрее реагирует на любые сбои и даже может проводить акции, если видит, что какой-то товар начал залеживаться.

🔴 ABB — энергосбережение с помощью ИИ
ABB внедрила ИИ для управления энергопотреблением на заводах. Система анализирует производственные циклы, погоду и тарифы, чтобы оптимально включать и выключать оборудование. Это дало экономию энергии на 12% и помогло компании стать «зеленее».

Подробнее — в отчете.

Учимся: 9 бесплатных курсов по ИИ от Google

📎Введение в генеративный ИИ — вводный курс по генИИ и инструментам Google Tools, которые помогут вам разрабатывать собственные приложения на основе генеративного ИИ.
📎Введение в LLM — вводный курс.
📎Введение в ответственный ИИ — курс о принципах разработки и внедрения ИИ с учётом безопасности, надёжности и этических норм.
📎Введение в генерацию изображений — курс про диффузионные модели, их теорию и практическое применение в Vertex AI.
📎Архитектура кодера-декодера — курс про архитектуру «кодировщик-декодировщик», которую используют для задач последовательного преобразования данных: перевода, обобщения текста, генерации. В лабораторной работе вы создадите простую модель на TensorFlow.
📎Модели трансформаторов и модель BERT — вводный курс по Transformer и BERT, об их использовании для классификации, ответов на вопросы и генерации текста.
📎Создание моделей подписей к изображениям — о различных компонентах модели для описания изображений, таких как кодировщик и декодировщик, а также о том, как обучать и оценивать модель.
📎Generative AI Studio — курс по платформе Vertex AI Studio, инструменту для всего цикла работ с LLM. Здесь можно узнать, как использовать Vertex для создания мультимодальных приложений Gemini, разработки запросов и настройки моделей.
📎Применение принципов ИИ с Google Cloud — курс о том, как внедрить ответственный ИИ в компании.

Общая продолжительность: около 9 часов. Пройдете все, сдадите лабораторные и соберете набор из 9 ачивок Гугла, а также сертификат Generative AI Explorer–Vertex AI. #учимся

ИИ-агент Manus стал доступным для всех

Кредитов, которые выдают при регистрации, хватает на пару задач в день. Умеет он, утверждают создатели, почти всё: от поиска и заказа билетов на самолёт до создания кода и написания докторских. Внутри: планировщик, ризонинг, поиск, помощник.

Решила протестировать:
⚫️Из России его скачать нельзя, а при регистрации по VPN требуют подтверждение телефона, так что выбирайте из списка «Казахстан», у них тоже код «+7».

⚫️Дала задачу написать пост про VR/AR/MR-технологии для стройки, с подробным анализом разработки и кейсами.

⚫️С задачей он не справился, потому что написал практически докторскую на 20 листов, а не пост.

⚫️Я выборочно проверила 10 фактов из статьи — все они подтвердились. Также в конце статьи были сноски на источники.

Итого:
Неплохо, если забыть, что я осталась без поста, а результат требует доработки под формат. А ещё: Манус трудился над задачей 40 минут 🙈. В фоновом режиме — так что особо мне не мешал.

Попробовать можно здесь.

Сбер запустил Kandinsky 3D — первый российский сервис на базе ИИ для быстрой генерации 3D-моделей с текстурами. За минуту можно создать модель по тексту или изображению

Что умеет Kandinsky 3D:
⚫️Генерирует полигональные 3D-модели с геометрией и текстурами, которые можно использовать и оптимизировать в САПР. На нем можно быстро прототипировать объекты разной сложности — от зданий до промышленных деталей.
⚫️Подготовить модели для 3D-печати.
⚫️Генерировать интерактивные 3D-объекты для мобильных приложений, виртуальных встреч, игр и аватаров.

Сервис открыт для тестирования здесь, есть API для интеграции с другими системами.

Тестим Kandinsky 3D — первый российский ИИ-сервис генерации 3D-моделей от Сбера

🟢По ссылке авторизуемся на сервисе через Сбер ID и попадаем в окно со строкой ввода промта. Изначально я хотела сравнить генерацию и реальный объект и вспомнила красивый Католический собор Непорочного зачатия Пресвятой Девы Марии в Москве, но Кандинский подумал-подумал и отказался мне его генерировать, поэтому я вбила просто «готический собор».

🟢Генерация четырех рендеров-картинок на вход для модели заняла примерно минуту. Затем я выбрала понравившийся, из которого сервис еще за минуту создал 3D.

🟢Как видите, есть настройка освещения и выбор текстур. Также в один клик можно удобно экспортировать модель в форматы obg, stl, fbx, glb, usdz. Кроме того, в режиме полигональной сетки можно увидеть все многоугольники, из которых состоит модель.
⚫️Модель можно крутить, приближать примерно в 3 раза, все довольно детально.

🟢Авторизация через Сбер ID не очень удобна, как по мне. Но есть интегрирация с другими системами через GigaChat API.

Как вам модель собора?

KTS запустила каталог MCP-серверов

Про MCP мы уже писали. Коротко: это универсальный стандарт, который позволяет легко соединять LLM с вашими инструментами и базами данных. Полезная штука, когда началась эра ИИ-агентов.

На платформе компании собран каталог MCP-серверов для популярных сервисов и инструментов, в том числе для российских. Решения рассортированы по категориям:
🟢для автоматизации рутины (процессы, маркетинг, поддержка),
🟢управления данными (CRM, финансы, аналитика),
🟢работы с контентом (Media),
🟢поддержки коммуникации (команды, клиенты) и инфраструктуры (серверов и облаков),
🟢а также ускорения разработки.

Кроме того, есть экспериментальные и узкоспециализированные инструменты. Для каждого сервера есть описание и ссылка на репозиторий Гитхаба. Для разработчиков агентов — полезная штука.

Вы знаете, кому переслать.

Инженеры АО «ЦКБ «Дейтон» (ГК «Элемент») создали роботов с ИИ для проверки качества микроэлектроники

... осталось поставить выпуск чипов на поток.

⚫️В реальном времени с помощью камер с разрешением до 3 микрон и нейросетей, обученных на более чем 6000 изображений, роботы сканируют чипы на конвейере, находят мельчайшие дефекты — трещины, царапины, сколы, непропечатанные участки и другие — и автоматически сортируют детали на годные, требующие доработки и бракованные.

⚫️ИИ не только анализирует дефекты, но и формирует отчёты и помогает улучшать производственный процесс.

Сейчас роботы проходят опытную эксплуатацию на российских предприятиях.

Статья: как команда ИТМО и Rocket Group разработала и внедрила многоступенчатый метод автоматизированной генерации цифровых моделей

Статья описывает многоступенчатый метод с ИИ-алгоритмами для роботизированного мастер-планирования.

Под капотом: цепочка ИИ-алгоритмов, GIS для работы с пространственными данными и интеграция с САПР/BIM для обмена и визуализации.

Как делают

Сбор и обработка данных
На вход подаются: границы участка, пространственные ограничения, параметры из нормативов и стандартов. Используются данные из территориального планирования и открытых источников.

Алгоритмы для генерации улично-дорожной сети
⚫️L-системы (система Линденмайера): строят каркас УДС, разбивают территорию на кварталы, задают параметры улиц (категории, полосность).
⚫️A*: применяется для трассировки других линейных объектов, например, инженерных сетей.

Оптимальное функциональное зонирование
Алгоритм получает кварталы и назначает каждому допустимый вид использования (жилая, общественная, коммерческая и т.д.), строго с учетом нормативов по плотности, обеспеченности инфраструктурой и прочих требований. Используются методы оптимизации для поиска сбалансированного решения.

Размещение объектов капитального строительства и инфраструктуры
На основе зонирования и уличной сети автоматически размещаются здания, объекты социнфраструктуры, паркинги и т.п. После этого генерируются параметры объектов: этажность, площадь, ТЭП.

Экспорт и визуализация: результаты передаются в САПР/BIM для дальнейшей работы и визуализации.

Результаты
Метод уже применяют в rTIM — он сократил трудозатраты на проектирование в 200 раз. Система сама создает и сравнивает десятки вариантов, что позволяет быстро и точно разрабатывать проекты для жилищного строительства.

Подробнее — читайте в статье⬆️