Физический искусственный интеллект является крупнейшим консенсусным направлением инвестиций в сфере технологий в текущем году. Инвестиционный капитал продолжает фокусироваться на вопросе, как именно ИИ взаимодействует с физическим миром, охватывая автономное вождение, мировые модели и применение ИИ в науке.
В то время как направления автономного вождения и воплощенного ИИ демонстрируют быстрый прогресс, области ИИ для науки и открытия лекарств кажутся застопорившимися, несмотря на громкие первичные публичные предложения (IPO). Недавний негативный сигнал поступил от BCG: на глобальном уровне было инвестировано 60 миллиардов долларов в фармацевтику на основе ИИ, однако количество одобренных препаратов остается нулевым.
Пик оптимизма был достигнут в конце 2025 года с IPO Insilico Medicine в Гонконге. Почти одновременно с этим Google DeepMind прекратил работу команды, стоящей за AlphaFold после восьми лет стабильной деятельности, перенаправив усилия ИИ4S в общую исследовательскую систему на базе Gemini. Многие биотехнологические компании вернулись к работе в качестве контрактных исследовательских организаций (CRO), предоставляя услуги существующей фармацевтике с использованием ИИ, вместо разработки новых лекарств.
Растущий разрыв между генерацией цифровых гипотез и проверкой физических гипотез стал очевидным. Узким местом больше не являются вычислительные мощности или алгоритмы; проблема заключается в данных. AlphaFold добился успеха благодаря тому, что за полвека экспериментов было получено сотни тысяч высококачественных структур белков. Однако барьер данных возникает на каждом последующем уровне: от структуры к эффективности, от эффективности к токсичности и от токсичности к клиническому ответу.
Как отметил Динь Шэн, директор Центра глобального открытия лекарств Tsinghua, архитектуры моделей и вычислительные мощности достигли достаточной зрелости, но понимание лежащих в основе механизмов жизни остается неполным. Более глубокая проблема заключается в том, что такие данные невозможно собрать с помощью человеческих экспериментаторов. Исследователь может провести десятки опытов в день, тогда как ИИ требует десятки миллионов.
Единственным путем вперед является перепроектирование самого эксперимента: создание инструментов, которые способны генерировать данные, накапливать их и самостоятельно замыкать цикл. Компания MegaRobo, основанная в 2016 году, последние десять лет работает над реализацией именно этого замысла.
MegaRobo начинала с автоматизации рабочих процессов в лабораториях наук о жизни, постепенно создавая инфраструктуру, связывающую физические эксперименты с ИИ. Основатель и генеральный директор Хуан Юцинг определяет автоматизацию как процесс «освобождения людей от повторяющейся низкоценной работы и невозможной работы, требующей высокой точности», а затем добавляет обучение и рассуждения. Архитектура PCE полного стека компании связывает Восприятие, Концепцию и Исполнение. Один из клиентов в сфере фармацевтики провел три полных цикла проектирования-верификации-итерации за шесть месяцев, снизив стоимость одного цикла примерно до одной двадцатой или тридцатой части традиционного цикла.
Инфраструктура была построена в три этапа. Этап 1.0 автоматизировал ручные рабочие процессы и обеспечил MegaRobo глубокое понимание процессов в науках о жизни. Этап 2.0 подверг циклу стресс-тестирование в производстве полупроводников, где требования к точности и выходу продукции крайне строги. Система инспекции дефектов пластин Manavis теперь функционирует с показателями пропуска ошибок ниже 0,05 процента и переобнаружения ниже 0,1 процента, а точность классификации превышает 98 процентов. Этап 3.0 занимается полной перестройкой каждого продукта, изначально спроектированного для ИИ, начиная с кремния, разрабатывая инструменты для потребления ИИ, а не для использования человеком. Компания, которая контролирует цикл от восприятия до исполнения в лаборатории, станет тем уровнем, к которому в конечном итоге будут обращаться все модели ИИ для науки.
Крупнейшие технологические корпорации, базирующиеся в США, выделяют миллиарды долларов на искусственный интеллект в ожидании того, что эта технология сможет произвести революцию как в бизнесе, так и в экономике. Однако масштаб этих расходов вызывает беспокойство у инвесторов, которые ставят под сомнение момент, когда этот капитал начнет приносить прибыль.
Как сообщает The Washington Post, гиганты, такие как Google, Microsoft, Meta, Amazon и Oracle, активизировали свои вложения в инфраструктуру ИИ, в то время как рынок наблюдает потенциальные риски спекулятивного пузыря.
Исторически компании, такие как Google и Facebook, были известны своей выдающейся способностью генерировать доход, чему способствовали цифровые продукты, достигшие миллионов пользователей и укрепившие эти компании в качестве лидеров рынка. В настоящее время значительная часть этого дохода перенаправляется на новый технологический этап, сосредоточенный на крупных центрах обработки данных, передовых процессорах и оборудовании, необходимом для поддержки моделей искусственного интеллекта.
В то время как сторонники этого подхода утверждают, что инвестиции могут ознаменовать новую эру производительности и роста, критики выражают сомнения в том, будет ли отдача достаточной, чтобы оправдать миллиарды, которые были вложены. Торстен Слок, главный экономист Apollo Global Management, прокомментировал The Washington Post, что функциональность ИИ имеет решающее значение, поскольку его сбой представляет собой серьезную проблему.
Основные векторы этой дискуссии включают строительство обширных центров обработки данных для работы систем ИИ, приобретение специализированных чипов и оборудования, расширение программного обеспечения и услуг на основе искусственного интеллекта, увеличение операционных расходов этой инфраструктуры и растущее давление с целью более быстрой финансовой отдачи.
Прогнозы указывают на изменение финансового профиля этих технологических компаний. Из-за затрат, связанных с инфраструктурой ИИ, Google, Amazon, Microsoft, Meta и Oracle могут показать отрицательный свободный денежный поток в 2026 году.
Google служит ярким примером: за последние три проанализированных месяца компания потратила 1,15 доллара на каждый полученный доллар, в основном на закупку чипов, оборудования и площадей, отведенных для новых центров обработки данных. Несмотря на это финансовое давление, компании сохраняют прибыльность по традиционным бухгалтерским моделям, которые позволяют распределять эти затраты на несколько лет.
Энди Джасси, генеральный директор Amazon, защитил эти инвестиции, заверив, что спрос на решения ИИ остается высоким. Он заявил инвесторам, что компания имеет четкое представление о получении сильной финансовой отдачи.
Конкуренция за основные компоненты для искусственного интеллекта уже влияет на другие сегменты рынка. Рост спроса на чипы увеличил затраты для компаний, зависящих от этих ресурсов, оказывая давление на цены таких устройств, как смартфоны, ноутбуки и игровые консоли.
Кроме того, расширение центров обработки данных усилило обеспокоенность по поводу энергопотребления в определенных районах США. Еще один аспект внимания связан с распределением экономических выгод. По словам Барбары Денхэм, главного экономиста Oxford Economics, регионы, которые уже обладают концентрацией технологий и богатства, такие как Кремниевая долина, Нью-Йорк, Сиэтл и Вашингтон, имеют тенденцию получать наибольшую выгоду.
Денхэм подчеркнула, что экономические выгоды, возникающие в результате развития ИИ, представляют собой самоподдерживающийся цикл. Хотя искусственный интеллект продолжает привлекать огромные инвестиции, рынок теперь следит за фундаментальным вопросом: смогут ли технологические обещания соответствовать скорости, с которой осуществляются расходы на их разработку.
