Компании различных секторов увеличивают инвестиции в искусственный интеллект и автоматизацию с целью оптимизации затрат, повышения производительности и более быстрой реакции на изменения рынка. Однако большинство организаций сталкивается с трудностями при преобразовании этих финансовых вложений в ощутимые результаты.
По данным McKinsey, 92% компаний планируют активизировать инвестиции в ИИ в течение следующих трех лет. Тем не менее, только 1% из них достигло уровня зрелости, при котором ИИ полностью интегрирован в рабочие процессы, оказывая заметное влияние на бизнес.
В этом сценарии гиперавтоматизация играет центральную роль. Она выходит за рамки простой автоматизации изолированных действий, поскольку способствует объединению процессов, систем, данных и сотрудников, что приводит к более интеллектуальной, отслеживаемой и эффективной работе.
Сочетая такие технологии, как ИИ, BPMS, OCR, RPA, аналитика, IDP и интеграция систем, гиперавтоматизация позволяет информации автоматически перемещаться между различными этапами процесса. Это помогает устранять узкие места, сокращать повторную работу и уменьшать зависимость от ручного вмешательства.
Наиболее значительные преимущества этой гиперавтоматизации возникают, когда организация способна преодолеть разрозненность между отделами и работать с полностью интегрированными процессами. Данные, зарегистрированные в одной системе, автоматически питают другие потоки, предотвращая несоответствия, задержки и дублирование усилий.
Эта интеграция также укрепляет корпоративное управление. Процедуры начинают следовать установленным нормам, утверждения становятся поддающимися аудиту, а руководство получает больше ясности относительно показателей, критических точек и общей производительности операций.
Резюмируя, самые большие достижения, обеспечиваемые гиперавтоматизацией, сосредоточены в пяти основных областях: увеличение масштаба, снижение затрат, экономия времени, стандартизация операций и улучшение пользовательского опыта, будь то клиент, сотрудник или гражданин.
Прогресс Gov.br иллюстрирует силу технологий на национальном уровне. С момента внедрения число бразильцев, пользующихся цифровыми услугами, выросло примерно с 2 миллионов до более чем 150 миллионов.
Этот проект не ограничивается оцифровкой услуг; он включает в себя связь между ведомствами, унификацию процессов, удаленную поддержку и сокращение поездок. Национальное экономическое воздействие оценивается в 38 миллиардов реалов, при этом ежегодная экономия составляет 1,4 миллиарда реалов на логистике и бюрократии, а также 149 миллионов сэкономленных часов ежегодно. Инициатива охватывает более 80 государственных учреждений, автоматизируя процессы в министерствах и федеральных учреждениях.
В Desktop, одном из крупнейших поставщиков телекоммуникационных услуг в Бразилии, гиперавтоматизация напрямую повлияла на стратегическое управление. Менее чем за шесть месяцев было внедрено 50 процессов, в общей сложности 100, и более 4 тысяч человек используют платформу. В настоящее время новые компании интегрируются в операционную деятельность Desktop в течение 45 дней.
Упрощенные процедуры включают запрос платежей и возмещений, регистрацию поставщиков и товаров, измерение контрактов, заказы на закупку и выпуск счетов-фактур в больших объемах. Благодаря этим автоматизированным потокам компания получила больший контроль, стандартизацию и прослеживаемость своих важнейших запросов.
Эти примеры демонстрируют, что максимальные выгоды от гиперавтоматизации заключаются не в автоматизации одной задачи. Они возникают, когда организация связывает потоки, системы и людей в рамках единой операционной логики.
Дополнительным преимуществом гиперавтоматизации является включение искусственного интеллекта в сквозные операционные процессы. Помимо автоматического выполнения задач, ИИ помогает в анализе данных, обнаруживает закономерности и способствует принятию решений в режиме реального времени. Это позволяет приоритизировать запросы, направлять обращения в нужные команды, прогнозировать риски и предлагать действия на основе имеющейся информации.
В конечном счете, гиперавтоматизация выходит за рамки простого увеличения производства при меньших затратах; это построение более масштабируемых, интегрированных операций, готовых превращать технологии в реальные результаты.
Компания Alibaba представила модель Qwen3.8-Max, которая имеет 2,4 триллиона параметров и распространяется под открытой лицензией. Alibaba заявляет, что эта модель является второй по силе после Anthropic Claude Fable 5. Этот релиз произошел на фоне активного месяца для китайского открытого ИИ, когда четыре крупные лаборатории выпустили модели с триллионами параметров.
Модель Qwen3.8-Max была доступна для предварительного просмотра на платформах Alibaba TokenPlan и Qoder, а полные веса будут выпущены в открытый доступ. Этот анонс знаменует собой кульминацию выдающегося месяца для китайского открытого ИИ, поскольку за несколько недель были представлены такие модели, как Moonshot AI K3 с 2,8T, DeepSeek V4 Pro с 1,6T и MiniMax M3 Pro, которые, по сообщениям, достигают 2,5–3T.
Значимость этого события выходит за рамки простого количества параметров. В отличие от предыдущих китайских открытых релизов, которые фокусировались на соотношении цены и производительности, Qwen3.8 вступает в совершенно иную конкурентную среду. В ней значительно сузился разрыв в производительности между передовыми моделями с открытым исходным кодом и закрытыми моделями. Шесть месяцев назад триллионные модели были исключительно проприетарными, а теперь они стали стандартом для открытых выпусков.
Появилось три отчетливых стратегии: DeepSeek сосредоточен на агрессивном снижении цен, предлагая ценовое нарушение рынка; Moonshot AI делает акцент на прозрачности, публикуя полные бенчмарки, включая слабые места; а Alibaba использует стратегию привязки пользователей к своей экосистеме, интегрируя Qwen3.8 непосредственно в свой набор инструментов разработчика.
Интеграция в инструментарий является отличительной чертой стратегии Alibaba. Qwen3.8 не распространяется как изолированный API или веса модели, а встраивается в TokenPlan для песочниц кодирования с поддержкой ИИ, в Qoder как нативный IDE и в QoderWork для совместной работы предприятий с низким уровнем кода. Такой подход, когда модель находится внутри инструментов, создает эффект привязки к экосистеме, который не могут обеспечить чистые релизы весов, позиционируя Alibaba как платформенный уровень, а не просто поставщика моделей.
Общий контекст отрасли также важен. Ежедневное потребление токенов в Китае достигло 140 триллионов в марте 2026 года, что представляет собой рост в 1000 раз за два года. Доступность открытых моделей с триллионами параметров напрямую влияет на экономику этого потребления. Даже если независимые бенчмарки Qwen3.8 не полностью подтвердят заявление о втором месте после Fable 5, наличие модели с 2,4T параметров без лицензионных затрат фундаментально ставит под сомнение ценовую мощь закрытых передовых моделей. Когда открытые возможности достигают 80 баллов по шкале возможностей, премиум за оставшиеся 20 баллов становится все труднее оправдать, особенно для сегментов разработчиков и предприятий, чувствительных к цене.
Выпуск Qwen3.8 завершает определяющий момент для китайского открытого ИИ. Концентрированный запуск K3, DeepSeek V4, MiniMax M3 и Qwen3.8 в течение одного месяца коллективно поднял базовый уровень возможностей открытого исходного кода до уровней, которые были немыслимы год назад. Для глобального ландшафта ИИ вывод очевиден: китайские открытые модели перестали просто догонять, а начали задавать темп в области доступного передового ИИ, переопределяя конкурентную динамику между открытыми и закрытыми экосистемами и оспаривая давние предположения о необходимости проприетарной экономики моделей в индустрии ИИ.
Компания Moore Threads продемонстрировала на мероприятии WAIC 2026 свою концепцию трех ИИ-фабрик: фабрику обучения моделей, фабрику генерации токенов и фабрику производства агентов. Эти фабрики представляют собой комплексную производственную инфраструктуру, необходимую для эпохи токеномики, где спрос на вычислительные мощности растет экспоненциально из-за потребления ИИ-системами друг друга.
Все три фабрики построены на кластере вычислений Kuae и запатентованной архитектуре MUSA компании. Эта архитектура уникально объединяет ускорение ИИ, рендеринг 3D-графики, физическое моделирование и видеокодек в одном чипе.
Наиболее значимым достижением является модель EvoPhys-World — первая в мире 5D-модель, полностью обученная на графических процессорах MTT S5000 от Moore Threads. Эта модель занимала первое место в мировом рейтинге Stanford WorldScore в категории генерации мира в течение 37 дней подряд. Исследовательская группа Пекинского университета использовала кластер Kuae с полной поддержкой программного стека MUSA, показав, что отечественная инфраструктура ГП способна поддерживать обучение передовых мировых моделей с качеством, стабильностью и масштабируемостью, сравнимыми с международными стандартами. Это подтверждает потенциал отечественных ГП для сложных задач ИИ, которые ранее считались прерогативой NVIDIA.
Технической основой служит суперузел MTT C256, который использует однослойную сетевую архитектуру Scale-up. Он обеспечивает полную взаимосвязь 128 ГП в стандартном корпусе шириной одного узла, с возможностью расширения до 256 ГП в комбинированной конфигурации. Ортогональная структура устраняет проблемы потери пропускной способности и высокой задержки традиционных многоуровневых сетей. Коэффициент использования FLOPs модели достигает 60% для плотных моделей и 40% для моделей MoE, эффективное время обучения превышает 90%, а линейная эффективность масштабирования достигает 95%, при этом точность обучения соответствует основным международным вычислительным картам. Кластер Kuae успешно продемонстрировал стабильную работу обучения на 1000 картах для мультимодальной модели Wan2.1 и завершил сквозное обучение базовой модели MoE-236B с нуля.
Moore Threads также представила два терминала, ориентированных на ИИ: домашний центр ИИ MTT AICUBE, позиционируемый как семейный интеллектуальный центр, и ноутбук для вычислений ИИ MTT AIBOOK для мобильных задач ИИ. В сочетании с моделью кода MusaCoder, агентом программирования MUSACODE AI и Академией Moore, компания представила полный стек решений — от облачной суперкомпьютерной инфраструктуры до развертывания на периферии и конечных пользовательских терминалах. Это позволяет компании позиционировать себя как единственную китайскую компанию-производителя ГП, которая одновременно охватывает как корпоративный, так и потребительский рынки с полной стратегией покрытия сценариев.
Помимо трех фабрик, более широкий вывод заключается в том, что китайская экосистема отечественных ГП достигла уровня готовности для промышленного применения. Компания BAAI использовала кластер Kuae с MTT S5000 для завершения полного процесса обучения обобщенного воплощенного мозга RoboBrain 2.5. Бенчмарк BEVFormer на инфраструктуре Moore Threads достиг пропускной способности на одной и двух машинах, сопоставимой с международными основными ГП. Поскольку ежедневное потребление токенов в Китае превысило 140 триллионов в марте 2026 года, увеличившись в 1000 раз за два года, способность обучать, запускать и развертывать рабочие нагрузки ИИ на отечественной инфраструктуре ГП превратилась из теоретической возможности в операционную реальность.
