АНАЛИТИКИ ВЭФ ВЫДЕЛИЛИ 8 ПЕРЕДОВЫХ ОБЛАСТЕЙ, ИНТЕРЕСНЫХ ДЛЯ ИНВЕСТИЦИЙ

Изображение: Freepik

Ускоряющееся сочетание таких технологий, как искусственный интеллект (ИИ), квантовые вычисления и инженерная биология, трансформирует отрасли и открывает новые экономические и общественные ценности. Тем не менее, многие организации испытывают трудности с определением того, куда и как инвестировать. Отчёт о конвергенции технологий, написанный аналитиками Всемирного экономического форума совместно с одной из крупнейших в мире консалтинговых компаний в сфере менеджмента и информационных технологий Capgemini, выделяет три критических этапа: объединение (интеграция отдельных технологий), конвергенция (реструктуризация цепочек создания стоимости) и компаундирование (сетевые эффекты и трансформация экосистемы). Опираясь на опрос 2000 руководителей по всему миру и экспертные мнения, доклад отображает 23 высокопотенциальных технологических пары в восьми ключевых областях.

〶 Технологии комбинируются, чтобы создать возможности, недостижимые с помощью какой-либо одной инновации.

〶 Цепочки создания стоимости конвергируют, открывая новые рыночные позиции и потоки доходов.

〶 Преимущества увеличиваются по мере масштабирования внедрения, ускоряя дальнейшие инновационные циклы.

В контексте этой структуры отчёт ВЭФ исследует, как восемь мощных технологических областей — искусственный интеллект, омни-вычисления, инженерная биология, робототехника, передовые материалы, пространственный интеллект, квантовые и энергии следующего поколения (next-gen) — объединяются для создания ценности, которую ни одна отдельная инновация не могла бы обеспечить в одиночку. Выбранные области были определены в ходе экспертных консультаций и глобального опроса как одни из наиболее значимых для формирования траекторий инноваций в ближайшей и среднесрочной перспективе.

Область ИИ

ИИ становится всё более мощным и универсальным, играя роль интегратора между технологическими доменами. Инвестиции в ИИ — это не просто вложения в конкретную технологию, а стратегический шаг для роста всей технологической экосистемы компании. На переднем крае — агентный ИИ, способный к автономному принятию решений. Краевой ИИ обеспечивает обработку данных на устройствах в реальном времени, федеративное обучение сохраняет конфиденциальность, а обучение с подкреплением повышает адаптивность. Всё это сочетается со зрелыми технологиями вроде нейросетей и предиктивной аналитики, а такие решения как компьютерное зрение уже стали стандартом в производстве, транспорте и здравоохранении.

Распределённые краевые сети обрабатывают данные на месте их создания, без централизации. В связке с федеративным обучением они обеспечивают защиту данных и масштабируемость. Примеры: Vestas оптимизирует турбины, Zetic.ai — телекоммуникации в труднодоступных регионах. Мультиагентные системы — это "коллективы ИИ", объединяющие ИИ, пространственный интеллект и всеобъемлющие вычисления. Они самоорганизуются для решения задач логистики, обслуживания и анализа в реальном времени. Примеры: DeepSeek улучшил рассуждения БЯМ, Salesforce внедряет ИИ-агентов в CRM.

Биоинспирированные вычисления используют нейроморфные чипы и принципы работы мозга для энергоэффективных, адаптивных вычислений. Примеры: SynSense — ИИ для IoT и робототехники, BrainChip — для обработки данных авто-сенсоров.

Конвергенция ИИ и omni computing трансформирует бизнес: ПО-интеграторы углубляются в аппаратное обеспечение и наоборот. Показателен пример Waymo, объединяющего мультимодальные сенсоры и кастомные ИИ-модели. Инвестиции смещаются от хайпа к зрелым ИИ-платформам (Intel, NVIDIA, SoftBank), а государства активно создают нормативные акты (например, закон ЕС об ИИ).

На горизонте — самооптимизирующиеся ИИ-сети и гибридные архитектуры, объединяющие генеративный, адаптивный и физически воплощённый ИИ. Это приведёт к более гибким, точным и автономным системам, с изменениями в ИТ-инфраструктуре, безопасности и бизнес-моделях.

Ожидается появление самооптимизирующихся сетей ИИ как доминирующей модели. Ожидается, что современные системы будут постоянно улучшать свою производительность, обучаясь на операционных данных без вмешательства человека. Однако этот прогресс не является автоматическим — необходимы дальнейшие достижения в возможностях автономного рассуждения и зрелости систем. Этот сдвиг от централизованных к распределённым и автономным системам имеет значительные последствия для архитектуры ИТ-систем, безопасности данных (федеративное обучение сохраняет конфиденциальность), а также для операционных моделей.

Область всеобъемлющих вычислений

Всеобъемлющие вычисления — это децентрализованный подход, при котором обработка данных приближается к источнику, что снижает зависимость от облачных центров, повышает устойчивость и безопасность. Нейроморфные и биоинспирированные процессоры обеспечивают энергоэффективность и адаптивность, а встроенное машинное обучение и краевые вычисления дают возможность обрабатывать данные в реальном времени прямо на устройствах. Развитие программно-определяемых сетей, сенсоров и систем реального времени обеспечивает надёжность масштабных приложений в ИИ, энергетике и робототехнике.

Децентрализованные интеллектуальные системы сочетают блокчейн, P2P-сети и краевой ИИ, позволяя решать задачи приватности и энергоэффективности. Блокчейн обеспечивает подотчётность без участия посредников, а ресурсы в P2P-сети перераспределяются с учётом вознаграждений. Это создаёт устойчивую экосистему, где конфиденциальность встроена по умолчанию. Например, Seal Storage предлагает проверяемое децентрализованное хранилище данных, а Aave — открытый протокол для финансовых сервисов с повышенной прозрачностью.

Интернет роботизированных вещей (IoRT) объединяет роботов в распределённые экосистемы, позволяя им обмениваться данными, действовать скоординированно и учиться в реальном времени. Это критично в приложениях с минимально допустимыми задержками — от автономного транспорта до складской автоматизации. Например, платформа Gecko Robotics позволяет промышленным роботам собирать данные и снижать издержки, а NVIDIA Isaac ускоряет разработку интеллектуальных роботизированных систем.

На горизонте — децентрализованные физические инфраструктурные сети (DePIN), в которых пользователи получают вознаграждение за предоставление вычислительных, энергетических и сенсорных ресурсов. Этот сектор уже оценивается в $30–50 млрд и может вырасти до $3,5 трлн к 2028 году. Появление DePAI — децентрализованного физического ИИ — меняет подход к обучению: модели развиваются за счёт повседневной активности пользователей. Примеры — Bittensor, Threefold, Morpheus и Gensyn, создающие альтернативу централизованным ИИ-сервисам. Проекты вроде IoTeX и Peaq помогают связать физические устройства с блокчейном, ускоряя развитие этого направления. Всё это формирует более распределённую, устойчивую и прозрачную цифровую инфраструктуру будущего.

Область инженерной биологии

Инженерная биология быстро трансформируется благодаря интеграции с цифровыми и физическими технологиями, выходя далеко за пределы традиционного здравоохранения. Развитие биосенсоров, биовычислений и биопринтинга, а также метаболической инженерии позволяет создавать сложные структуры, материалы и системы, которые можно адаптировать к изменениям среды. Эта технологическая зрелость открывает путь к интеграции с ИИ, передовыми вычислениями и робототехникой.

Прецизионное биопроизводство становится ключевым направлением — оно объединяет ИИ-моделирование, цифровые двойники и генные технологии, чтобы создавать индивидуальные лекарства, пищевые и биологические продукты. Персонализированная медицина и программируемые ферментные процессы уже применяются для улучшения здоровья, увеличения урожайности и производства низкоуглеродного топлива. Среди примеров — Merck, DSM-Firmenich и Cemvita, использующие ИИ и синтетику в медицине, сельском хозяйстве и энергетике.

Биовычислительные платформы соединяют биологию с информационными технологиями: ДНК-хранение и биокремниевые чипы позволяют строить адаптивные ИИ-системы и открывают новые горизонты когнитивной автоматизации. Системы клеточного культивирования также совмещают ИИ, робототехнику и биореакторы, позволяя масштабировать производство — от биопрепаратов (Regeneron) до устойчивых материалов (AMSilk).

Такая конвергенция биологии и цифровых технологий ускоряет выход новых продуктов на рынок, повышает точность, снижает издержки и делает возможным применение инженерной биологии в потребительском секторе, энергетике и пищевой промышленности. Хотя выход на рынок всё ещё требует инвестиций и времени, интерес к области стабилизировался после COVID-бума. В фокусе инвесторов — проекты с устойчивым и широким воздействием.

На горизонте инженерная биология обещает стать стандартом производства — от фармацевтики до новых материалов. В краткосрочной перспективе она даст конкурентоспособные и экологичные производственные решения, интегрируя автоматизацию и биомеханику. Появляются сложные тест-платформы — органоиды, «мозг на чипе» — которые ускоряют R&D и снижают зависимость от животных моделей. В долгосрочной перспективе синтетические экосистемы смогут участвовать в улавливании углерода, биоремедиации и устойчивом землепользовании. Однако реализация этого потенциала потребует координации науки, промышленности и регулирования, поскольку инженерная биология способна стать системной технологией для устойчивого будущего и циркулярной экономики.

Область пространственного интеллекта

Пространственный интеллект — это сдвиг в восприятии и взаимодействии с физической средой: он соединяет цифровой и физический миры, открывая возможности для мониторинга, симуляции и оптимизации. На переднем крае — физико-цифровая интеграция, платформы смешанной реальности и цифровые двойники, а зрелые технологии вроде компьютерного зрения и LiDAR обеспечивают масштабируемость. Обработка пространственных данных в реальном времени становится особенно ценной: она позволяет не просто анализировать, но и реагировать на происходящее. Это трансформирует города, производство и медицину — от симуляций городских процессов до точных хирургических навигаций и инспекций в дополненной реальности.

Компании, такие как Synchron, Hayden AI и XREAL, уже применяют пространственные интерфейсы в здравоохранении, транспорте и гейминге. Иммерсивные платформы создают цифровые среды, которые воспринимаются как естественные, благодаря сочетанию компьютерного зрения, систем оценки глубины и голографических проекций. Промышленность внедряет такие решения в производстве, обучении и развлечениях. Например, TeslaSuit и XREAL предлагают новые форматы взаимодействия, сочетая визуальное и тактильное восприятие.

Экосистемы цифровых двойников — это симбиоз IoT, симуляции и ИИ, позволяющий в реальном времени анализировать и оптимизировать работу физической инфраструктуры. Такие двойники уже применяются в энергетике, здравоохранении и машиностроении. Их сила — в способности к самообновлению и автономной корректировке действий, что приводит к созданию сетей цифровых реплик, обменивающихся оптимизациями. Компании вроде Blackshark.ai и Twin Health демонстрируют, как цифровые двойники улучшают планирование, эффективность и медицинские результаты.

Конвергенция пространственного интеллекта и иммерсивных технологий меняет подход к взаимодействию с пространством. Инвестиции переходят от AR/VR к аппаратуре, сенсорам и ИИ-платформам, усиливая пользовательский опыт. Одновременно усиливается работа над стандартами для повышения совместимости, точности и ускорения разработок — как в промышленности, так и в обучении и здравоохранении.

На горизонте — 3D-системы реального времени и реактивные цифровые двойники человека, способные вживую отражать физиологические данные конкретного пациента. Это изменит хирургическое планирование и глобальное медицинское сотрудничество. В индустрии развлечений технологии пространственного интеллекта позволят проводить живые концерты в смешанной реальности и вовлекать аудиторию в новые формы участия, создавая персонализированные и масштабируемые цифровые события.

Область робототехники

Робототехника переживает стремительный рост из-за удешевления компонентов, появления новых игроков и глобальной конкуренции. Роботы всё чаще переходят от автоматизации к автономному интеллекту, требующему гибкости, адаптивности и сложной координации. Биомиметические приводы, мягкие материалы и координация роя делают роботов более точными, деликатными и скоординированными. Устоявшиеся технологии — манипуляторы, планирование движения, тактильные сенсоры — обеспечивают надёжность для массового внедрения, включая автономные транспортные средства и промышленные роботы.

Когнитивные системы выходят за рамки заранее запрограммированных действий: они используют мультимодальные данные (камеры, LiDAR, датчики), интегрируются с адаптивными ИИ-моделями и принимают решения в реальном времени. Это снижает ошибки навигации, ускоряет адаптацию к среде и позволяет более точно реагировать на ситуации. Роботы обучаются на краю, без передачи конфиденциальных данных в облако, а в промышленности — адаптируются к вмешательству человека, переключая задачи за секунды. Waabi и NEURA Robotics создают когнитивные решения для грузоперевозок и автоматизации логистики.

Биоинспирированная робототехника черпает идеи из природы — от роботов-гекконов до рыб с сенсорными системами, имитирующими биологические. Такие системы достигают высокой эффективности и реактивности в сложных условиях. Figure AI разрабатывает гуманоидов, способных адаптироваться к множеству задач, а Angel Robotics применяет биомеханику в реабилитации без использования внешних сенсоров. Робототехника роя вдохновляется муравьями и пчёлами — простые агенты, действуя коллективно, выполняют сложные задачи. NASA использует рои марсоходов, а UBTech создаёт рои гуманоидов для логистики и производства.

Рынок движется к интеллектуальным, универсальным и адаптивным системам. Инвесторы фокусируются на специализированном железе и ИИ-платформах, позволяющих роботам учиться в симуляциях и потом применять навыки в реальности. Коллаборативные роботы становятся приоритетом: они универсальны и безопасно взаимодействуют с людьми. При этом растущая сложность требует новых стандартов — для оценки производительности, обеспечения безопасности и совместимости между платформами.

На горизонте — физический ИИ: гуманоидные роботы (Figure 01, Atlas), рои автономных дронов, и системы, обучающиеся в виртуальной среде. NVIDIA Omniverse и Isaac Sim позволяют использовать симуляции и синтетические данные, сокращая разрыв между виртуальным обучением и реальными действиями. Большие языковые модели дают роботам возможность интерпретировать инструкции на естественном языке и быстрее обучаться. Компании, как Skild AI и Physical Intelligence, создают фундаментальные модели для адаптивных ИИ, способных к обобщению опыта. Стоимость гуманоидов стремительно падает — с $35 тыс. до $17 тыс. к 2030 году — что сделает их массовыми и ускорит автоматизацию в логистике, медицине, производстве и сельском хозяйстве.

Область передовых материалов

Энергетика нового поколения трансформирует производство, распределение и использование энергии, ускоряя инновации через интеграцию и интероперабельность для создания устойчивой и эффективной экосистемы. Инновации, такие как одноранговая торговля энергией и динамическое балансирование нагрузки, в сочетании с уже существующими технологиями, такими как интеллектуальные сети и возобновляемая энергия, обеспечивают стабильность и масштабируемость.

Интеграция ИИ с IoT-сенсорами преобразует централизованные сети в адаптивные системы, которые в реальном времени прогнозируют выработку возобновляемой энергии и регулируют спрос/предложение. Это снижает пиковые нагрузки и операционные расходы, обеспечивая высокую окупаемость инвестиций, как показывают примеры Camus Energy (оптимизация зарядки электромобилей) и Edgecom Energy (управление пиками потребления в сельском хозяйстве). Комбинация возобновляемых источников с передовыми накопителями и ИИ-управлением превращает пассивное хранение в активные сетевые активы. ИИ оптимизирует работу батарей и прогнозирует спрос, обеспечивая беспрецедентное проникновение возобновляемой энергии. Примеры включают Enpal (оптимизация производства и потребления энергии для потребителей) и AlphaESS (максимизация энергетической независимости). Интеграция блокчейн-торговли, федеративного обучения и интероперабельных систем хранения создаёт устойчивые местные энергетические сообщества, где участники могут быть как производителями, так и потребителями. Пилотные проекты показывают снижение затрат и повышение точности прогнозирования спроса. Примеры Grid Singularity и Powerledger демонстрируют прозрачную одноранговую торговлю.

На горизонте — кумулятивные эффекты конвергенции энергетики нового поколения приведут к появлению новых форм генерации, таких как термоядерный синтез, который может значительно снизить затраты и обеспечить нулевые выбросы, а также к широкому развёртыванию малых модульных ядерных реакторов (ММЯР). В сочетании с развитием интеллектуальных энергосистем и децентрализованных энергетических рынков, это приведёт к созданию полностью автономных энергетических экосистем, оптимизирующих эффективность, стоимость и экологическое воздействие.

Область квантовых технологий

Квантовые технологии открывают новую эру вычислений, коммуникаций и сенсорики, способные решать сложнейшие задачи и обеспечивать беспрецедентную безопасность и точность измерений, требуя при этом стратегического терпения и долгосрочных инвестиций. Развитие таких возможностей, как распределение квантовой запутанности и квантовые ретрансляторы, поддерживается фундаментальными технологиями вроде атомных часов и квантовых датчиков, что ведёт к улучшению измерений, безопасной передаче данных и гибридным вычислениям.

Гибридные квантово-классические вычисления объединяют квантовый потенциал с надёжностью классических систем, ускоряя прорывы в финансах, материаловедении, разработке лекарств и оптимизации, как показывают Planqc (повышение вычислительной эффективности) и Bosch с IBM (моделирование материалов).

Квантово-усиленные измерения интегрируют квантовые принципы с измерительными технологиями, достигая беспрецедентной точности в позиционировании, навигации, синхронизации (QPNT) и медицине. Атомные часы и квантовые магнитометры улучшают GPS и медицинскую диагностику (например, Q-CTRL QPNT для морской навигации и AOSense для точных измерений).

Квантовые коммуникационные сети создают безопасные каналы связи, используя физические принципы для защиты данных. Они трансформируют финансы, телекоммуникации и оборону, например, через квантовое распределение ключей (QKD), как показывают JPMorgan Chase (защита VPN) и ID Quantique (улучшение безопасных сетей).

На горизонте — хотя квантовые технологии пока находятся на ранних стадиях, их трансформационный потенциал уже проявляется. Внедрение квантовой сенсорики активно развивается благодаря достижениям в фотонике и материаловедении, обещая значительные улучшения в медицине (например, квантово-усиленная МРТ), навигации и мониторинге окружающей среды. Конвергенция квантовых технологий выходит за рамки простого улучшения существующих методов, открывая совершенно новые возможности в таких областях, как защищённые коммуникации, открытие лекарств и оптимизация, которые переопределят отраслевые стандарты. Несмотря на вызовы масштабирования и декогеренции, текущие достижения в аппаратной и программной интеграции закладывают основу для новой эры квантово-ориентированных решений, способных трансформировать множество областей.

Выводы

В условиях технологической конвергенции, позиционирование компаний критически влияет на их рост. Лидеры развивают кросс-доменную экспертизу, формируют портфели из зрелых и новых технологий, строят экосистемы и партнёрства, а также внедряют рамки для решения этических вопросов. Важно помнить о рисках, связанных с технологиями двойного назначения и их непредвиденными последствиями. Успех в этой новой парадигме зависит от баланса потенциала и рисков, а также быстрой адаптации. Компании, действующие стратегически сейчас, получат непропорциональную выгоду, тогда как нерешительные рискуют отстать от конкурентов, перестраивающих цепочки создания стоимости и границы отраслей.