Что стоит за лидерством Китая в промышленном ИИ

Пока все смотрят на модели и удивляются китайскому ИИ-чуду, Китай двенадцать лет ставил датчики, тянул связь и писал документы. Сейчас взялся за людей.

Мысль, которую я повторяю в книгах, на тренингах и в разговорах, звучит скучно: успех Китая в ИИ — это не рывок, а системная работа. Долгосрочное планирование и управление, которые позволяют вкладываться планомерно, год за годом, в то, что отдачу даст через десять лет. Пока все смотрели на модели, Китай двенадцать лет ставил датчики и тянул связь. Теперь у него есть чем обучать промышленный ИИ и на чём его запускать. И сейчас он достраивает третий элемент — людей.

Из этого, я считаю, сложится серьёзное преимущество в промышленном ИИ. Не сложилось, а сложится: ниже я покажу и то, что уже есть, и то, чего пока нет.

Раньше это было моим наблюдением из поездки. Теперь я могу разложить его по документам и датам, а заодно и показать, чего в этой картине не хватает.

Сразу оговорю рамку, чтобы не было лишних ожиданий. Я не сравниваю страны и не берусь предсказывать, кто выиграет гонку. Речь только о промышленном ИИ — о моделях, которые работают на данных с датчиков, станков и вагонов.

Три столпа, из которых считается всё остальное

Я много раз писал, что провалы внедрения ИИ почти никогда не технические. Если свести причины, получаются три столпа.

Управление — стратегия, портфель, ритм пересмотра, право закрыть проект без наказания. Технология — данные, их владельцы, качество, интеграционный слой, инфраструктура, на которой всё это живёт. Люди — от первых лиц до исполнителей, которые понимают, что делают, и умеют спорить с моделью. Провал в любой из трёх обнуляет две остальные. Идеальные данные без обученных людей не работают. Обученные люди без данных не работают тоже.

Дальше я разбираю китайскую картину по этим трём столпам. В том порядке, в котором Китай их и закладывал.

Столп первый: планировать на десять лет вперёд

Начну с того, что у нас принято считать бюрократией.

1 августа 2013 года Госсовет КНР подписывает стратегию «Широкополосный Китай» — документ 国发〔2013〕31号. В нём цели не на год, а на семь лет вперёд: к 2020-му четыреста миллионов абонентов фиксированного широкополосного доступа, охват административных деревень свыше 98 %, скорость пятьдесят мегабит в городе и двенадцать на селе. Тогда же, в феврале, выходит руководящее мнение по интернету вещей.

8 мая 2015 года — «Сделано в Китае 2025», документ 国发〔2015〕28号. В нём есть таблица, которую я считаю самой недооценённой во всём китайском корпусе. Строка: доля станков с числовым программным управлением на ключевых технологических операциях. 27 % по факту 2013 года. 50 % к 2020-му. 64 % к 2025-му. Рядом вторая строка: доля цифровых инструментов проектирования и разработки — с 52 % до 84 %.

Прочитайте эти цифры ещё раз. Это не план по искусственному интеллекту. Это план по превращению цехов в источник данных, написанный за семь лет до того, как слово «ИИ» стало обязательным в любой презентации. Станок с ЧПУ отличается от обычного не только точностью. Он ведёт лог.

1 июля 2015 года — «Интернет+», 国发〔2015〕40号. Одиннадцать направлений, и одно из них называется «Интернет+ искусственный интеллект». Июль пятнадцатого года. За три с половиной года до того, как про ИИ заговорили все.

19 ноября 2017 года — промышленный интернет, 国发〔2017〕50号, с целями на 2020-й: триста тысяч предприятий на платформах, более двух миллиардов регистраций идентификаторов.

Дальше документы становятся плотнее и конкретнее, и каждый из них я разбирал отдельно по первоисточнику.

Национальная рамка — план Госсовета «ИИ+» до 2035 года: шесть направлений применения, восемь опор, рубежи 2027, 2030 и 2035 годов. Он отвечает на «что» и «зачем». Технологическая рамка под ним — стратегия «1397»: одна цель, три потребности, девять направлений, семь механизмов; она отвечает на «как» и «чем». Городской уровень — десять мер Пекина по ИИ-агентам, где город переходит к оплате за результат вместо оплаты за потраченные вычисления. Отраслевой — национальные правила о том, что агенту разрешено делать самому: определение агента через пять способностей и три категории решений по уровню риска. Это определение я разбираю в статье об обвязке ИИ-агента. Отдельно стоит регуляторный слой: двадцать четыре правила регулирования ИИ действуют с августа 2023 года, а с сентября 2025-го введена обязательная маркировка контента, созданного ИИ, — стандарт GB 45438-2025.

Я не буду пересказывать эти документы, они разобраны в отдельных статьях. Здесь важно другое: между первым и последним из них — тринадцать лет, и они не противоречат друг другу. Каждый следующий встаёт на предыдущий, а не отменяет его. Это и есть та системная работа, о которой я говорю. Не гениальное предвидение, а написание стратегического документа с горизонтом в десять лет и движение по нему.

Из плана «ИИ+» покажу здесь одну деталь, потому что она отвечает на вопрос «как планы превращаются в жизнь» точнее любой другой. Документ 国发〔2025〕11号 подписан 26 августа 2025 года — это прямое продолжение того самого «Интернет+» десятилетней давности. Цель на 2027 год: доля распространения применения новых интеллектуальных терминалов и ИИ-агентов выше семидесяти процентов, к 2030-му — выше девяноста. И промышленность здесь лишь одно из шести направлений: та же логика растянута на науку, потребление, школу, больницу и госуправление.

Посмотрите, что измеряется. Не качество моделей, не число публикаций, не размер обученного. Доля тех, у кого это стоит и работает. Ровно как десятью годами раньше мерили не станки, а долю операций, которые на них идут. Государство два документа подряд ставит себе целевой показатель охвата, а не показатель достижения. Разница скучная, но, мне кажется, именно в ней сидит ответ, почему у них короче путь от «разработали» до «стоит в цеху»: длина этого пути и есть то, что меряют.

Но горизонт — половина управления. Вторая половина — чем план дотягивают до конкретного цеха.

С 2026 года «умный завод» здесь не эпитет. 15 июля 2026 года шесть ведомств во главе с министерством промышленности подписали документ 工信厅联通装函〔2026〕343号 о градуированном выращивании умных заводов. Четыре уровня, у каждого своя задача: базовый — цифровизация, продвинутый — сетевые возможности, превосходный — интеллектуализация и статус национального эталона, лидирующий — поиск будущих моделей производства. На июнь 2026 года по этой лестнице разложены 43,7 тысячи предприятий: 35 тысяч базовых, свыше 8,2 тысячи продвинутых, свыше 500 превосходных и пятнадцать в программе лидирующих.

Две детали здесь ключевые. Способность применять ИИ внесена в критерии оценки на два верхних уровня, и порог по ней планируется поднимать. Внедрение ИИ перестаёт быть проектом, который можно отложить на следующий год, и становится условием допуска на следующую ступень. И мест наверху ограниченное число: регионы первой десятки выдвигают не больше сорока проектов на превосходный уровень, остальные — не больше двадцати, а на лидирующий — не больше десяти процентов от накопленных превосходных. Это конкурс с квотой, а не раздача статусов.

Планировать на десять лет умеют многие. Дотягивать план до цеха через лестницу с внешней приёмкой на каждой ступени — единицы.

Вернусь к «ИИ+» ещё раз: три строки в нём я перечитал дважды, потому что они отвечают на вопрос, который мне задают на каждом тренинге, — почему у них пилоты доезжают до производства.

Первая: строится сеть национальных баз опытно-промышленных испытаний ИИ-приложений — 中试基地. Между лабораторией и серией появляется площадка, которой в обычной компании нет: пилот кончается презентацией, серия не начинается — между ними просто нет места, где приложение обязано доказать себя на настоящем железе.

Вторая: совершенствуется система управления допуском на пробу и ошибку — 试错容错. Я начал определение управленческого столпа с права закрыть проект без наказания. Здесь это право прописано как государственный институт: ошибка при испытании — управляемый режим, а не ЧП.

Третья: открытость сценариев измеряется и стимулируется. Читаю это так: дефицитом считают не технологию, а место, где ей разрешено работать.

Уровнем ниже то же самое повторяет наука. В рамке «1397» — по материалам лаборатории Чжицзян — из семи механизмов три прямо про перенос. Исследование организуется вокруг задачи, а не вокруг дисциплины. У задачи один хозяин — главный учёный. Оценивается научная ценность результата, а не число публикаций. Переведу на управленческий: структура собирается от результата, у результата есть владелец, метрика не поощряет имитацию. Государство строит мост сверху, лаборатория выстраивается под задачу снизу — перенос быстрый, потому что над ним работают оба конца.

Таймлайн: что Китай закладывал и когда — технология и управление с 2013 года, кадровый контур с 2025-го

Столп второй: датчики и связь, купленные заранее

Планы можно писать какие угодно. Смотрим, что за ними последовало.

Связь. 4 декабря 2013 года министерство промышленности и информатизации выдаёт лицензии на 4G трём операторам; к концу 2014-го в стране около ста миллионов пользователей 4G и 758 тысяч базовых станций. 16 мая 2015 года Канцелярия Госсовета документом 国办发〔2015〕41号 назначает суммы: свыше 430 млрд юаней в сети за 2015 год и не менее 700 млрд за 2016–2017-й. Лицензии на 5G — 6 июня 2019 года, коммерческие тарифы — 31 октября. К концу 2025-го в стране 4,838 млн базовых станций 5G и 12,87 млн базовых станций всего.

Роботы. Ряд Международной федерации робототехники по годовым установкам в Китае: 36 560 в 2013-м, 87 000 в 2016-м, около 154 000 в 2018-м, 268 195 в 2021-м, 295 000 в 2024-м — 54 % мировых поставок. 2013 год здесь особый: тогда Китай обошёл Японию и стал крупнейшим рынком роботов. Парк на конец 2024-го — 2 027 000 машин, крупнейший в мире.

Одна оговорка, на которой я сам чуть не обжёгся. Плотность роботизации — роботов на десять тысяч занятых — у той же федерации показывает 470 за 2023 год и 166 за 2024-й, хотя парк за это время вырос. Падение мнимое: пересмотрели знаменатель по обновлённой китайской статистике занятости, и мировое среднее в том же отчёте упало со 162 до 132. Ряды до и после 2024 года несопоставимы, и сравнивать плотность разных стран из релизов разных лет нельзя. Поэтому динамику дальше я даю в установках, а плотность использую один-единственный раз — срезом 2024 года, внутри одного релиза.

И одна цифра из того же отчёта федерации. В 2024 году китайские производители роботов впервые продали внутри страны больше, чем иностранные, — 57 % рынка против 47 % годом ранее. Дальше начинается интересное: разбивка по отраслям. Текстиль, кожа и одежда — 100 % отечественных машин. Металлообработка и машиностроение — 90 %. Пищевая — 80 %. Электроника — 59 %. Автомобилестроение — 31 %.

Прочитайте этот ряд как шкалу требовательности заказчика. Там, где цикл и точность прощают, отечественные вытеснили всех. Там, где не прощают, они держат треть, а две трети по-прежнему за иностранцами. Спрос создало государство: оно дало деньги и написало цели. А кто на этом спросе выжил, решило не министерство. Решила приёмка на заводе, которая не подписывает акт, если машина не держит допуск.

Вот что переносится на любую компанию без всякого Китая: направление задаётся сверху, отбор — снизу, и без второго первое даёт стройку без завода. Ниже я покажу, как это выглядит, когда второго нет.

Датчики. На конец 2023 года в китайских сотовых сетях 2,332 млрд абонентов интернета вещей — 57,5 % всех подключений мобильной сети страны. На конец 2024-го — 2,656 млрд. Больше половины китайской мобильной связи обслуживает не людей, а устройства.

И ещё одна цифра. План 2015 года требовал довести ЧПУ на ключевых операциях до 64 % к 2025 году. По отчёту министерства на конец июня 2026 года — 69,5 %. Доля цифровых инструментов проектирования — 86,3 % против плановых 84 %. План десятилетней давности не просто выполнен, а перевыполнен по обеим строкам.

Вот что я имею в виду под планомерными вложениями. Не «выделили денег на ИИ», а: станки, которые пишут логи; сети, по которым логи уходят; датчики, которых в сети больше, чем людей. Двенадцать лет подряд.

Что это дало: данные, которых больше ни у кого нет

Содержание подвижного состава и путей — задача дорогая и неблагодарная. Во всём мире это статья убытков, особенно когда оборудование стареет. Китайская сеть при этом растёт и ускоряется, а чем выше скорость, тем опаснее человек как элемент контроля: он физически не успевает.

China State Railway Group поставила датчики на инфраструктуру, путевое полотно, колёсные пары и вагоны. Мерили амплитуду и частоту вибрации, ускорения, ещё несколько десятков параметров. Набралось 195 терабайт — 57 типов данных из 23 категорий, включая динамические волновые характеристики с датчиков на колёсах. Это текст и числа, без картинок и видео: тот случай, когда объём не оставляет человеку шанса.

На этих данных обучили модель. Результат сообщила газета South China Morning Post со ссылкой на рецензируемую публикацию в журнале 《中国铁路》. Система предупреждает ремонтные бригады о нештатной ситуации за 40 минут с точностью 95 %. За год до публикации ни одна действующая высокоскоростная линия не получила предупреждения о необходимости снизить скорость из-за неровностей пути. Число мелких неисправностей полотна упало на 80 %. Речь об эксплуатации всей высокоскоростной сети страны — 45 000 км на конец 2023 года.

Обратите внимание на порядок. Сначала датчики. Потом данные. Потом модель. Между «поставили датчики» и «модель предупреждает за сорок минут» — годы, и обратный порядок физически невозможен: нельзя обучить модель на данных, которых никто не собирал.

Здесь и проходит граница между промышленным ИИ и всем остальным. Текст для языковой модели можно взять из интернета — он уже написан. Данные с колёсной пары нельзя взять ниоткуда. Их можно только собрать: заранее, на своём железе, за свои деньги, не зная точно, что с ними потом делать. Тот, кто начал собирать десять лет назад, сегодня имеет то, что не покупается ни за какие деньги, потому что продаётся только время.

Это и есть содержание фразы «есть чем обучать».

Здесь обычно возражают. Модели учатся всё меньшими выборками, синтетика дешевеет, перенос между задачами работает всё лучше — значит, архив телеметрии актив убывающий, и вся логика «начните собирать сегодня» разваливается.

Возражение верное ровно наполовину. Переносится физика класса: как ведёт себя подшипник, как выглядит дисбаланс, чем кавитация отличается от расцентровки. Не переносится то, ради чего всё и затевалось, — как ведёт себя ваша машина на вашем режиме, с вашей ремонтной историей и вашим качеством сырья. Синтетика умеет размножить то, что уже наблюдалось. Придумать отказ, которого в ваших данных никогда не было, она не умеет.

И дальше работает обратный ход. Чем лучше становятся модели, тем меньше в них дефицитного: архитектуры публикуются, веса выкладываются, вычисления арендуются. Дефицитным остаётся ровно то, что нельзя воспроизвести, — запись конкретного железа за конкретные годы. Прогресс моделей архив не обесценивает. Он поднимает ему цену, потому что вычёркивает всё остальное из списка того, чем можно отличаться.

Столп третий: люди, в которых вкладываются сейчас

Два столпа стоят. Третий Китай достраивает прямо сейчас, и это самая свежая часть истории.

Начну с того, что уже есть, потому что об этом почему-то не говорят. Высшая школа выпускает более пяти миллионов специалистов STEM-направлений в год — по данным Синьхуа, первое место в мире; метод расчёта агентство не раскрывает, поэтому цифру беру с оговоркой. По оценке Китайской инженерной академии, на КНР приходится более трети мирового выпуска инженеров. В 2025 году вузы выпустили 5,23 млн бакалавров и 1,17 млн магистров и докторов.

Ниже вузов — слой, о котором в разговорах про ИИ забывают вовсе. В системе среднего и высшего профессионального образования учатся около 29,4 миллиона человек: 6741 учреждение среднего звена, 1554 колледжа, 87 профессиональных вузов. Это не те, кто будет писать модели. Это те, кто будет ставить и обслуживать датчики, без которых моделей не будет.

Третий слой — переподготовка работающих. Программа «Квалифицированный Китай» ставила цель прибавить сорок миллионов квалифицированных кадров за пятилетку. Итог, объявленный в сентябре 2025 года: свыше 200 млн квалифицированных работников, из них более 60 млн высококвалифицированных, свыше 92 млн человеко-курсов субсидируемого обучения, 72 новые профессии внесены в классификатор.

И вот теперь — школа, то самое, с чего начинается разговор про «китайцы учат детей ИИ».

12 мая 2025 года Комитет по руководству преподаванием базового образования при министерстве образования выпустил руководство по всеобщему образованию в области ИИ для начальной и средней школы. Здесь важна деталь, которую пропускают пересказы: это руководство, а не приказ, и норм по часам в нём нет вообще. Обязательность возникает уровнем ниже, в регионах:

Регион	Дата	Норма
Шанхай	14 января 2025	курс «Основы ИИ» в 4-м и 7-м классах, час в неделю, не менее 30 часов на класс
Пекин	6 марта 2025	не менее 8 часов в учебный год, все ступени, с осеннего семестра 2025-го
Гуандун	10 апреля 2025	1–4 классы — от 6 часов в год, 5–6 классы — от 10, с 7-го — от часа в две недели

Шанхайская норма почти вчетверо жёстче пекинской и принята раньше. В феврале 2026-го замминистра образования говорил о задаче ввести ИИ в стандарты школьных программ, но глагол там «продвигать», а не «обязать».

Что это значит на самом деле — и здесь я себя одёргиваю. Восемь или тридцать часов в год — это сигнал приоритета, а не эффект. Ребёнок, севший за парту в 2025-м, выйдет на рынок труда в середине следующего десятилетия. Школьная программа — это вложение, отдачу от которого увидят не сейчас, и мерить ею сегодняшнее состояние нельзя.

Мерить сегодняшнее состояние надо другим числом, и оно неприятное. Дефицит специалистов по ИИ в Китае оценивается более чем в пять миллионов человек при соотношении спроса и предложения десять к одному. Цифра из «Жэньминь жибао» со ссылкой на министерство труда; первичного документа министерства с этим числом я не нашёл, так что доверие к ней ниже, чем к статистике образования. Но направление она показывает точно: кадровый столп — самый недостроенный из трёх.

Отсюда простой вывод, который ниже подтвердится цифрами: преимущество ещё не реализовано. Два столпа готовы, третий в работе. Именно поэтому я говорю «сложится», а не «сложилось».

Что уже видно, а чего пока нет

Теперь проверим сказанное на измеримом — и в обе стороны.

Что видно. Всемирный экономический форум ведёт список производств, отобранных независимой экспертной панелью как передовые по цифровой трансформации. На июнь 2026 года в нём 238 объектов из более чем тридцати стран. Китайские источники, включая государственные СМИ и партийный журнал «Цюши», насчитывают в КНР 109 объектов — 45,8 % списка и первое место в мире. Сам форум страновой разбивки не публикует, счёт ведут китайские издания, и проверить его по первоисточнику я не смог. Отрасль умного производства вместе с промышленным ПО превысила 4,5 трлн юаней, а лестницу умных заводов я разбирал выше. Плюс 54 % мировых поставок роботов и перевыполненный план по ЧПУ.

Чего нет. Доля крупных предприятий обрабатывающей промышленности, применяющих ИИ, — более 30 %. То есть у семидесяти процентов его нет. С целью «выше 70 %» из плана «ИИ+» эта цифра не спорит: там считают проникновение терминалов и агентов, здесь — предприятия, меряется разное. Плотность роботизации — тем самым срезом 2024 года — 166 роботов на десять тысяч занятых и 22-е место в мире. Малый и средний бизнес почти не затронут: план на 2025–2027 годы предусматривает цифровизацию сорока тысяч малых предприятий, а цель по доле малого и среднего предпринимательства, работающих в облаке, — «более 40 % к 2027 году». Базовый слой чужой: рынки систем проектирования и инженерного анализа держат иностранные вендоры, у крупнейшего национального игрока в САПР около 9,6 %.

И общий фон, который касается всех, не только Китая: по оценке того же форума, более 70 % компаний, вкладывающихся в аналитику и ИИ, не выходят за стадию пилота.

Сложите обе колонки — и получится ровно то, о чём я говорю. Масштаб есть, потому что первые два столпа закладывались двенадцать лет. Глубины пока нет, потому что третий столп достраивается прямо сейчас. Это не противоречие в картине. Это её нормальное состояние на середине пути.

Что уже видно, а чего пока нет: 109 из 238 маяковых заводов и 54 % поставок роботов против 22-го места по плотности и 70 % предприятий без ИИ

И отдельно — почему план сам по себе ничего не гарантирует. В ноябре 2017 года в Ухане зарегистрировали компанию HSMC с заявленными инвестициями 128 млрд юаней, около 18,5 млрд долларов, и целью выйти на техпроцесс 14 нанометров и ниже семи. Была поддержка местных властей, была стройка, был единственный купленный литограф ASML — в январе 2020-го его заложили в банк под кредит на 580 млн юаней. В феврале 2021 года всему персоналу предписали подать заявления об увольнении. Проект недополучил 112,3 из 128 млрд юаней. При этом государственная платформа района внесла 200 млн юаней при доле 10 %, а частный акционер с долей 90 % не внёс ни юаня. Предупреждение написала не пресса, а сама районная администрация: в отчёте от 30 июля 2020 года сказано про большой дефицит средств и риск разрыва финансирования. Отчёт потом удалили с сайта.

Деньги были, план был, стройка была. Не было людей, которые отличают производство микросхем от стройплощадки. Провал одного столпа обнулил две другие — ровно как в компании на пятьсот человек, только с шестью нулями. Связку со столпами я делаю сам: в источниках речь об отсутствии профильного опыта у учредителей и признаках мошенничества.

И вторая цена, которую платят уже не мошенники, а лучшие. Уханьский случай — про воровство, его легко списать на конкретных людей. Интереснее то, чем оборачивается стратегия без тормоза там, где всё делали честно. Крупнейший в мире производитель поликремния Tongwei 18 января 2026 года предупредил акционеров, что за 2025 год ожидает убыток 9–10 млрд юаней, из которых 1,5–2 млрд — списание долгосрочных активов; годом раньше убыток был около 7 млрд. Причины компания называет сама: падение цен на продукцию и рост стоимости сырья.

Это не провал технологии. Технология победила, и подешевела солнечная генерация в том числе потому, что мощности строили быстрее, чем росло потребление. Заплатили за это акционеры и банки. Планомерные вложения на десять лет означают, что часть их списывается. Вопрос не в том, случится ли это, а в том, кто и в какой момент имеет право сказать «стоп». Столп управления — это не только горизонт и лестница. Это ещё и тормоз.

И граница, за которую всё сказанное не переносится. С текстовыми данными у Китая ситуация обратная: по оценкам, публикуемым в самом Китае, доля китайского контента в мировом интернете — 1,2–1,3 % против 49,9–59,8 % английского. Соотношение примерно один к сорока. Плюс собственная статистика: из 52,26 зеттабайта данных, произведённых в стране за 2025 год, сохраняется 2,53 — около пяти процентов. Всё, что я говорил про преимущество, относится к данным с датчиков и станков. К генеративным моделям — нет.

Что из этого следует для вашей компании

Китайский масштаб к вам не переносится. Переносится порядок.

Первое. Данные нельзя купить задним числом. Это единственная вещь в трёх столпах, которая берётся только временем. Модель можно взять готовую, платформу купить, интегратора нанять — а телеметрию за прошлый год нельзя ни купить, ни ускорить. Отсюда правило, которое я вывожу из китайской истории и подтверждаю своей практикой: приборный учёт и сбор данных запускаются раньше всего остального, даже когда непонятно, что с этими данными делать. Китай ставил датчики, не зная про большие языковые модели. Это оказалось удачным именно потому, что решение принималось не про ИИ.

Здесь честно скажу, где этот совет ломается о бюджет. Приборный учёт на всём не защитит никто, и правильно сделает. Работающая минимальная версия другая: возьмите один узел, где отказ дороже всего — по простою, по безопасности, по срыву отгрузки, — и на нём пишите всё подряд, без отбора параметров. Отбирать параметры сегодня значит угадывать, что понадобится модели через три года, а угадывать вы будете из сегодняшнего понимания задачи. Дешевле записать лишнее, чем через три года обнаружить, что единственный нужный канал не писался.

Второе. Кадровый трек — не после данных. Он такой же длинный. Человека уровня «спорит с моделью и оказывается прав» не делают за квартал ни курсами, ни наймом. Сроки здесь и дальше — моя оценка по промышленным проектам, а не измерение. Если данные будут готовы через два года, а обучение занимает два-три, людей запускают сегодня, а не после. Китай здесь — не образец, а предупреждение: при самом большом инженерном выпуске в мире у него дефицит специалистов по ИИ в пять миллионов при спросе десять к одному. Не потому, что учит мало, а потому, что спрос на людей для промышленного ИИ появился позже, чем на датчики, и растёт быстрее любого выпуска.

И чтобы «два-три года» не звучало отговоркой, скажу, из чего они складываются. Первый год человек учится не модели, а своим данным: откуда берётся цифра, где её подменяют, почему в двух отчётах разные значения. Второй год он учится задавать вопрос так, чтобы ответ можно было проверить, и получает первый опыт, когда модель уверенно соврала, а он это поймал. Дальше начинается то, ради чего всё делалось: он спорит с моделью и оказывается прав, потому что знает, чего в данных нет. Курсами закрывается первый кусок, и то наполовину. Остальное набирается на своих задачах — поэтому запускать надо сегодня.

Третье. Платформу покупают последней и дёшево. Она устаревает быстрее всего, и она единственная из трёх, которую можно заменить за месяцы. Соблазн обратный: платформа выглядит способом закрыть все три столпа одной покупкой. Не закрывает.

И одно следствие, которое я взял прямо из китайской механики. Уберите у себя бинарную шкалу «пилот — промышленная эксплуатация». Между ними пропасть, и в неё падают те самые семьдесят процентов. Заведите три-четыре ступени с названными признаками и внешней приёмкой на каждой: следующий шаг тогда всегда короткий, у него есть имя, и его видно не только автору проекта. Это, кстати, единственный из трёх столпов, которому не нужны ни данные, ни обученные люди — достаточно управленческого решения. Правда, держаться этого решения придётся дольше, чем его принимать.

Данные и люди берутся только временем, управление и платформа покупаются: порядок вложений сверху вниз

Таблица, которую можно унести

Возьмите портфель и заполните по каждой инициативе пять столбцов. Больше не нужно — этого хватает, чтобы разъезд стал виден на одном экране.

Инициатива	На каком столпе стоит	Когда столп будет готов	Ступень уверенности	Ждёт чужой столп?
Предиктивное ТОиР насосной	технология: телеметрия	II кв. 2028	есть основания	да — операторы не обучены
Обучение диспетчеров	люди	IV кв. 2027	предположение	нет
Регламент пересмотра портфеля	управление	I кв. 2027	подтверждено	нет

Столбец со ступенью уверенности — не украшение. Три слова: предположение, есть основания, подтверждено. Проценты запрещены: «готовность 60 %» звучит солидно и не значит ничего, а «предположение» честно показывает, что даты нет, есть надежда.

Столбец «ждёт чужой столп» — главный. Как только в нём появляется хотя бы одно «да», у вас есть замороженный бюджет: деньги потрачены, результат ждёт.

Как читать заполненную таблицу:

1. Нет ни одной даты готовности — планирования по срокам нет, есть список инициатив. Это первая задача, а не пятая.

2. Все даты со ступенью «предположение» — таблица заполнена для галочки, вернитесь к владельцам столпов.

3. Есть «да» в последнем столбце — по каждому решение: ускорить столп или заморозить инициативу. Третьего нет: «подождём» и есть замороженный бюджет.

4. Самая ранняя дата старта — у самого длинного столпа? Если нет, разъезд уже заложен, и он проявится через год-два.

Почему это не получается само

Спросите на ближайшей встрече с руководством дату готовности по данным. Скорее всего, услышите не дату, а статус: «работаем», «в проработке», «зависит от интеграции». Причина не в том, что люди уклоняются. Причина в том, что связь между инициативой и её верхним основанием — целью, обязательством, ограничением, риском — нигде не записана и держится в голове у того, кто инициативу заводил. Пока она там, вопрос «что чей столп ждёт» ответа не имеет: его неоткуда взять.

Механизм лечения от софта не зависит. У каждой инициативы должно быть выводимое верхнее основание и названная дата готовности. Слово «выводимое» ключевое: не обязательное поле в форме. Как только связь становится обязательным полем, вы требуете цель раньше первого полезного действия — и люди либо перестают заводить инициативы, либо пишут что попало. Правильно наоборот: объект вправе появиться без связи, но система обязана уметь показать его верхнее основание и предложить связь после того, как принесла пользу.

В «Соколе», который мы делаем для руководителей, оба правила стоят как инварианты, то есть их нельзя отключить настройкой: любой вывод несёт основания и одну из трёх словесных ступеней уверенности, а связь объекта с верхним основанием необязательна полем, но выводима.

Чего он не делает, и это стоит сказать прямо: он не считает за вас сроки созревания столпов и не собирает портфель. Назвать дату готовности данных может только тот, кто за данные отвечает, а расставить приоритеты — вы. Инструмент, который умеет показывать основания, полезен ровно настолько, насколько кто-то живой эти основания назвал.

Чего я не утверждаю

Три оговорки, чтобы мне не приписали лишнего.

Я не утверждаю, что Китай уже выиграл или обязательно выиграет. Преимущество, о котором я говорю, складывается и может не сложиться — у него дефицит кадров, чужой базовый софт и семьдесят процентов предприятий без ИИ. Я не утверждаю, что государственное планирование эффективнее рынка — из показанного выше следует ровно обратное. Направление и спрос задало государство, а отбор выживших сделал рынок, и работает только пара. Что из двух вложило больше, я по открытым данным не считал и не берусь. И я не переношу сказанное на генеративные модели — там картина обратная, и цифры выше это показывают.

А вот что я утверждаю. Двенадцать лет подряд ставить датчики и тянуть связь — скучное занятие, которое не даёт быстрых новостей и плохо смотрится в отчёте. Именно поэтому его почти никто и не делает. Китай сделал — и теперь у него есть то, что нельзя докупить.

Ваш горизонт короче китайского, ваш бюджет меньше, но правило то же. Начните собирать данные, пока не понимаете, зачем они. Через три года поймёте, а собрать задним числом не выйдет.

Если тема близка. Рамка трёх столпов и разбор восьми барьеров внедрения — в книге «Искусственный интеллект. С неба на землю», третье издание. Её можно скачать бесплатно, без регистрации. Практическая часть — отбор сценариев, готовность данных, пороги пилота — во второй книге, «Практическое руководство для внедрения».

Наблюдения из той самой поездки, с которой всё началось, — в заметке «Что мы привезли из поездки в Китай». Рыночная картина в цифрах — в обзоре рынка искусственного интеллекта в Китае.