Эксперты, с которыми пообщался TechCrunch, считают 2026 год переходным периодом, когда произойдет эволюция от грубого масштабирования к исследованию новых архитектур, от эффектных демонстраций к целевым развертываниям, и от агентов, обещающих автономию, к тем, которые действительно расширяют возможности людей в работе.
Вечеринка не закончилась, но индустрия начинает трезветь.
Законы масштабирования больше не работают
В 2012 году статья Алекса Крижевского, Ильи Суцкевера и Джеффри Хинтона об AlexNet показала, как системы искусственного интеллекта могут “научиться” распознавать объекты на изображениях, просматривая миллионы примеров. Этот подход был вычислительно затратным, но стал возможным благодаря графическим процессорам. Результат? Десятилетие интенсивных исследований в области искусственного интеллекта, в течение которого ученые работали над созданием новых архитектур для различных задач.
Это достигло кульминации примерно в 2020 году, когда OpenAI запустила GPT-3, которая показала, как простое увеличение модели в 100 раз открывает такие возможности, как кодирование и рассуждение, без необходимости явного обучения. Это ознаменовало переход к тому, что Киан Катанфорош, генеральный директор и основатель платформы AI-агентов Workera, называет “эрой масштабирования”: период, определяемый верой в то, что больше вычислений, больше данных и более крупные модели-трансформеры неизбежно приведут к следующим крупным прорывам в области искусственного интеллекта.
Сегодня многие исследователи считают, что индустрия искусственного интеллекта начинает исчерпывать пределы законов масштабирования и снова перейдет в эпоху исследований.
Ян ЛеКун, бывший главный научный сотрудник Meta по искусственному интеллекту, давно выступал против чрезмерной зависимости от масштабирования и подчеркивал необходимость разработки более совершенных архитектур. А Суцкевер в недавнем интервью заявил, что текущие модели достигают плато, а результаты предварительного обучения выравниваются, что указывает на необходимость новых идей.
“Я думаю, что, скорее всего, в ближайшие пять лет мы найдем лучшую архитектуру, которая значительно улучшит трансформеры”, – сказал Катанфорош. “И если мы этого не сделаем, мы не можем ожидать значительного улучшения моделей”.
Иногда меньше – значит больше
Большие языковые модели отлично обобщают знания, но многие эксперты говорят, что следующая волна внедрения искусственного интеллекта в предприятиях будет обусловлена меньшими, более гибкими языковыми моделями, которые можно точно настроить для конкретных отраслевых решений.
“Точно настроенные SLM станут большой тенденцией и основным продуктом, используемым зрелыми предприятиями, работающими с искусственным интеллектом, в 2026 году, поскольку преимущества в стоимости и производительности будут стимулировать использование по сравнению с готовыми LLM”, – сказал TechCrunch Энди Маркус, директор по данным AT&T. “Мы уже видим, что предприятия все чаще полагаются на SLM, потому что, если их правильно настроить, они соответствуют более крупным, обобщенным моделям по точности для корпоративных бизнес-приложений и превосходны с точки зрения стоимости и скорости”.
Мы уже слышали этот аргумент от французского стартапа Mistral, занимающегося разработкой AI с открытым исходным кодом: он утверждает, что его небольшие модели на самом деле работают лучше, чем более крупные модели по нескольким показателям после тонкой настройки.
“Эффективность, экономичность и адаптируемость SLM делают их идеальными для специализированных приложений, где точность имеет первостепенное значение”, – сказал Джон Книсли, AI-стратег в ABBYY, компании, занимающейся корпоративным AI и базирующейся в Остине.
В то время как Маркус считает, что SLM будут ключевыми в эпоху агентов, Книсли говорит, что природа небольших моделей означает, что они лучше подходят для развертывания на локальных устройствах, “тенденция, ускоренная достижениями в области периферийных вычислений”.
Обучение через опыт
Люди учатся не только через язык; мы учимся, испытывая, как устроен мир. Но LLM на самом деле не понимают мир; они просто предсказывают следующее слово или идею. Вот почему многие исследователи считают, что следующий большой скачок произойдет от мировых моделей: систем искусственного интеллекта, которые учатся тому, как вещи движутся и взаимодействуют в 3D-пространствах, чтобы они могли делать прогнозы и предпринимать действия.
Признаки того, что 2026 год станет большим годом для мировых моделей, множатся. ЛеКун покинул Meta, чтобы основать свою собственную лабораторию мировых моделей, и, как сообщается, стремится к оценке в 5 миллиардов долларов. DeepMind от Google работает над Genie, и в августе запустила свою последнюю модель, которая строит интерактивные мировые модели общего назначения в реальном времени. Наряду с демонстрациями стартапов, таких как Decart и Odyssey, World Labs Фей-Фей Ли запустила свою первую коммерческую мировую модель Marble. Новичок General Intuition в октябре получил начальный раунд в размере 134 миллионов долларов, чтобы научить агентов пространственному мышлению, а стартап Runway, занимающийся созданием видео, в декабре выпустил свою первую мировую модель, GWM-1.
В то время как исследователи видят долгосрочный потенциал в робототехнике и автономии, ближайшее влияние, вероятно, будет ощущаться в первую очередь в видеоиграх. PitchBook прогнозирует, что рынок мировых моделей в играх может вырасти с 1,2 миллиарда долларов в период с 2022 по 2025 год до 276 миллиардов долларов к 2030 году, что обусловлено способностью технологии генерировать интерактивные миры и более реалистичных неигровых персонажей.
Пим де Витте, основатель General Intuition, сказал TechCrunch, что виртуальные среды могут не только изменить форму игр, но и стать критически важными полигонами для тестирования следующего поколения базовых моделей.
Эпоха агентов
Агенты не оправдали ожиданий в 2025 году, но большая причина этого заключается в том, что их трудно подключить к системам, в которых фактически происходит работа. Без возможности доступа к инструментам и контексту большинство агентов оказались в ловушке пилотных рабочих процессов.
Model Context Protocol (MCP) от Anthropic, “USB-C для AI”, который позволяет AI-агентам общаться с внешними инструментами, такими как базы данных, поисковые системы и API, оказался недостающим связующим звеном и быстро становится стандартом. OpenAI и Microsoft публично поддержали MCP, а Anthropic недавно передала его в новый фонд Agentic AI Foundation Linux Foundation, который стремится помочь стандартизировать инструменты агентов с открытым исходным кодом. Google также начала создавать свои собственные управляемые MCP-серверы для подключения AI-агентов к своим продуктам и услугам.
Поскольку MCP снижает трения при подключении агентов к реальным системам, 2026 год, вероятно, станет годом, когда рабочие процессы агентов, наконец, перейдут от демонстраций к повседневной практике.
Раджив Дхам, партнер Sapphire Ventures, говорит, что эти достижения приведут к тому, что решения, ориентированные на агентов, возьмут на себя “роли систем учета” в различных отраслях.
“По мере того как голосовые агенты будут выполнять больше сквозных задач, таких как прием и общение с клиентами, они также начнут формировать основные базовые системы”, – сказал Дхам. “Мы увидим это в различных секторах, таких как бытовые услуги, проптех и здравоохранение, а также в горизонтальных функциях, таких как продажи, ИТ и поддержка”.
Расширение возможностей, а не автоматизация
В то время как более широкое внедрение рабочих процессов агентов может вызвать опасения по поводу возможных увольнений, Катанфорош из Workera не уверен, что это именно то, что произойдет.
“2026 год станет годом людей”, – сказал он.
В 2024 году каждая компания, занимающаяся искусственным интеллектом, предсказывала, что они автоматизируют рабочие места, исключив необходимость в людях. Но технологии еще не достигли этого уровня, и в нестабильной экономике это не очень популярная риторика. Катанфорош говорит, что в следующем году мы поймем, что “искусственный интеллект не работал так автономно, как мы думали”, и разговор больше сосредоточится на том, как искусственный интеллект используется для расширения возможностей рабочих процессов человека, а не для их замены.
“И я думаю, что многие компании начнут нанимать”, – добавил он, отметив, что, по его мнению, появятся новые роли в области управления искусственным интеллектом, прозрачности, безопасности и управления данными. “Я настроен довольно оптимистично в отношении того, что уровень безработицы в следующем году в среднем составит менее 4%”.
“Люди хотят быть выше API, а не ниже его, и я думаю, что 2026 год – важный год для этого”, – добавил де Витте.
Переход в физический мир
Достижения в таких технологиях, как небольшие модели, мировые модели и периферийные вычисления, позволят расширить физическое применение машинного обучения, говорят эксперты.
“Физический искусственный интеллект станет мейнстримом в 2026 году, поскольку новые категории устройств на базе искусственного интеллекта, включая робототехнику, автономные транспортные средства, дроны и носимые устройства, начнут выходить на рынок”, – сказал TechCrunch Викрам Танеджа, глава AT&T Ventures.
В то время как автономные транспортные средства и робототехника являются очевидными вариантами использования физического искусственного интеллекта, которые, несомненно, продолжат расти в 2026 году, обучение и развертывание по-прежнему обходятся дорого. Носимые устройства, с другой стороны, обеспечивают менее дорогой способ привлечения потребителей. Умные очки, такие как Meta’s Ray Bans, начинают поставляться с помощниками, которые могут отвечать на вопросы о том, на что вы смотрите, а новые форм-факторы, такие как медицинские кольца с искусственным интеллектом и умные часы, нормализуют постоянный вывод данных на теле.
“Поставщики услуг связи будут работать над оптимизацией своей сетевой инфраструктуры для поддержки этой новой волны устройств, и те, у кого есть гибкость в том, как они могут предлагать связь, будут в наилучшем положении”, – сказал Танеджа.
Всегда имейте в виду, что редакции некоторых изданий могут придерживаться предвзятых взглядов в освещении новостей.
8/9
Автор – Rebecca Bellan
