Технологии стали ближе к практике: меньше экспериментов — больше решений, которые уже проходят тесты на реальных задачах и постепенно становятся частью рабочих процессов. Собрали разработки, где российские ученые и инженеры уже достигли заметного прогресса.
- В Санкт-Петербурге готовят к запуску завод промышленных роботов
- Itglobal.com запустила GPU-инфраструктуру для инференса нейросетей и корпоративных LLM
- В МФТИ разработали ИИ-систему управления запасами для крупного ритейла
- В ИТМО с помощью ИИ автоматизировали полный цикл научного исследования
- В МИСИС разработали квантовый алгоритм машинного обучения на кудитах
- В ЛЭТИ разработали энергонезависимый датчик для навигации в условиях высоких нагрузок
В Санкт-Петербурге готовят к запуску завод промышленных роботов
Петербургская компания «Семаргл» готовит к запуску завод по производству промышленных роботов и автоматизированных систем хранения. Предприятие строится на площадке «Новоорловская» особой экономической зоны «Санкт-Петербург». Степень готовности объекта оценивается в 85%. Запуск намечен на лето 2026 года.
Завод создаётся в рамках нацпроекта «Развитие средств производства и автоматизации». Общий объём инвестиций составляет 570 млн рублей. Производственное здание, офисные помещения и инженерные сети уже готовы, сейчас завершаются отделочные работы и благоустройство территории.
На первом этапе предприятие будет выпускать:
- автоматизированные системы хранения;
- логистических роботов;
- транспортные платформы Tagarka;
- мобильных роботов «Семабот»;
- шаттловые системы Arsenal.
Следующий этап развития уже запланирован. С 2027 года на заводе рассчитывают начать выпуск гибких производственных ячеек и робототехнических комплексов, а с 2028 года — гибких производственных систем полного цикла. Компания также заявляет о планах по разработке решений для так называемых «безлюдных» производств и «тёмных» фабрик, где основную работу выполняют роботы, а человек лишь удалённо контролирует процессы.
Такие системы и роботизированные комплексы актуальны, прежде всего, для предприятий серийного и мелкосерийного машиностроения, где требуется гибкость производственных линий и быстрая перенастройка под новую номенклатуру продукции.
Антон Токарев, заместитель директора Института физико-технических интеллектуальных систем (НИЯУ МИФИ)
Почему это важно:
- В России появится новое серийное производство промышленных и логистических роботов.
- Развитие отечественной робототехники и более широкое внедрение автоматизированных складов и гибких производственных ячеек.
- Предприятия серийного и мелкосерийного машиностроения смогут быстрее перестраивать линии под разные задачи и объёмы выпуска.
- Рост локального производства робототехники может снизить зависимость от импортных решений и ускорить роботизацию промышленности.
Истчочник: CNews
Itglobal.com запустила GPU-инфраструктуру для инференса нейросетей и корпоративных LLM
Компания Itglobal.com представила специализированную GPU-инфраструктуру для эксплуатации нейросетей и больших языковых моделей. Решение ориентировано на компании, которые переводят ИИ-разработки из пилотного режима в рабочий контур и хотят обеспечить стабильную работу сервисов в реальной нагрузке.
Инфраструктура рассчитана именно на инференс — то есть на постоянную обработку пользовательских запросов уже обученной моделью. Это принципиально отличается от этапа обучения: оно связано с пиковыми вычислительными нагрузками, а эксплуатация ИИ-систем требует предсказуемого времени отклика, устойчивой производительности и минимальных задержек при непрерывном потоке запросов. Новое решение строится с учётом именно таких сценариев. Платформа доступна в нескольких форматах:
- виртуальные ресурсы;
- выделенные серверы;
- частные облака.
В основе инфраструктуры — ускорители Nvidia RTX Pro 6000 Blackwell Server Edition, Nvidia L40S и Nvidia H200. Конфигурации подбираются индивидуально в зависимости от размера модели, интенсивности запросов и требований к скорости генерации ответа.
Корпоративные языковые модели перешли от этапа экспериментов к стадии активной эксплуатации в составе критичных систем. В таких сценариях важна не просто доступность GPU, а специализированная среда, учитывающая характер нагрузки инференса. Мы предложили готовое решение, которое позволяет заказчикам обеспечить стабильную работу ИИ-сервисов без необходимости инвестировать в собственное сложное оборудование и его обслуживание.
Евгений Свидерский, директор облачного бизнеса Itglobal.com, корпорация ITG
Почему это важно:
- Внедрение корпоративных LLM станет проще за счёт инфраструктуры, рассчитанной не на обучение, а на постоянную работу моделей в боевых системах.
- В перспективе — более стабильная работа сервисов с генерацией текста, аналитикой и автоматизацией процессов.
- Снижение порога входа для компаний, которым нужны GPU-ресурсы без закупки и сопровождения собственного оборудования.
- Переход от пилотов к промышленной эксплуатации ИИ упростится благодаря выбору между виртуальными ресурсами, выделенными серверами и частными облаками.
Источник: CNews
В МФТИ разработали ИИ-систему управления запасами для крупного ритейла
Исследователи Института искусственного интеллекта МФТИ создали систему управления складскими запасами на основе обучения с подкреплением. Решение в тестировании на исторических данных показала более высокую эффективность по сравнению с классическими системами автозаказа. По оценке разработчиков, система увеличила валовую прибыль крупного дистрибьютора на 7%, а потенциальный экономический эффект может достигать десятков миллионов рублей в год.
Традиционные системы сначала строят прогноз спроса, затем применяют фиксированную формулу заказа. В МФТИ предложили другой подход: RL-агент принимает решения напрямую, ориентируясь на целевой бизнес-показатель и учитывая долгосрочные последствия каждого заказа.
Во время тестирования система повысила долю удовлетворённого спроса с 80% до 90%, что напрямую снижает потери выручки из-за дефицита товара. При этом агент умеет адаптироваться к изменению спроса, логистических параметров и сезонных колебаний без ручной перенастройки правил.
Для обучения модели команда создала цифровую копию бизнес-процессов — платформу, которая воспроизводит историю продаж и позволяет проверять различные стратегии в условиях, близких к реальным. На этой платформе обучили нейросеть с собственной архитектурой: она управляет каждой парой «товар — склад» отдельно, но использует общий опыт, накопленный по всей номенклатуре.
Мы фактически научили агента принимать решения по каждому товару, при этом используя опыт, полученный при работе со всей номенклатурой товаров.
Александр Панов, руководитель проекта, директор Центра когнитивного моделирования Института ИИ МФТИ и лаборатории когнитивных систем ИИ AIRI
Почему это важно:
- Управление запасами может стать точнее и выгоднее за счёт решений, ориентированных не на формулы, а на реальный бизнес-результат.
- Переход от статичных правил автозаказа к адаптивным ИИ-системам, которые учитывают сезонность, логистику и историю продаж.
- Внедрение в существующие ERP-системы упростится благодаря режиму «советчика» и поэтапной интеграции.
Источник: TAdviser
В ИТМО с помощью ИИ автоматизировали полный цикл научного исследования
Учёные ИТМО разработали систему CoScientist — ИИ-ассистента, который автоматизирует полный цикл научной работы в области вычислительной химии и медицины. В отличие от большинства специализированных помощников, CoScientist берёт на себя не отдельные операции, а целую исследовательскую цепочку: от анализа литературы и подготовки данных до обучения моделей и отбора перспективных молекул.
Разработка выросла из более раннего проекта ChemCoScientist, который помогал автоматизировать отдельные задачи в химии — например, извлечение знаний из статей, генерацию новых соединений и прогноз их свойств. Новый CoScientist расширяет этот подход и позволяет работать с более сложными научными сценариями, где нужно не просто выполнить один шаг, а выстроить весь процесс исследования.
Система умеет:
- искать и анализировать научные публикации;
- извлекать и подготавливать датасеты;
- дообучать генеративные и предиктивные модели под конкретную задачу;
- искать новые молекулы и соединения;
- проводить многокритериальный отбор кандидатов;
- помогать в формировании технического задания на дальнейшие исследования и разработки.
Один уровень CoScientist отвечает за гибкое управление и адаптацию под задачу, другой — за стабильное выполнение типовых исследовательских шагов.
Сочетание мультиагентной системы и мультиагентного воркфлоу позволило нам повысить эффективность разработки в два раза и вдвое снизить ее стоимость относительно других продуктов, которые генерируют мультиагентные системы.
Анна Калюжная руководитель проекта, старший научный сотрудник ИТМО
Для оценки качества CoScientist команда ИТМО собрала специальный бенчмарк из более 300 сложных вопросов по публикациям в области аналитической химии, электрохимии, биохимии и смежных дисциплин. В этом тесте система показала результат на 41% лучше, чем ряд топовых моделей общего назначения, включая Gemini 2.5 Pro и ChatGPT-5.
Почему это важно:
- Полный цикл научного исследования — от обзора литературы до отбора молекул-кандидатов — может выполняться быстрее и с меньшими затратами.
- Развитие ИИ-инструментов для химии и медицины, в перспективе — ускорение поиска новых лекарств, материалов и прикладных решений.
- Снижается нагрузка на исследовательские команды за счёт автоматизации рутинных и трудоёмких этапов научной работы.
- Переход от узких ИИ-ассистентов к системам, которые помогают учёному вести исследование целиком, а не только отдельные его шаги.
Источник: ИТМО
В МИСИС разработали квантовый алгоритм машинного обучения на кудитах
Исследователи НИТУ МИСИС предложили новый квантовый алгоритм для задач машинного обучения, который помогает точнее классифицировать данные. Вместо стандартных для квантовых вычислений кубитов в нём используются кудиты — квантовые элементы с числом состояний больше двух. Результаты исследования опубликованы в журнале Bulletin of the Russian Academy of Sciences: Physics.
Такой подход позволяет переносить больше информации в один физический носитель и выполнять сложные операции за меньшее число шагов. В основе разработки лежит алгоритм опорных векторов. Классические данные кодируются в квантовых состояниях кудитов, после чего проходят через цепочку квантовых вентилей и измерений. На выходе система формирует обычную битовую строку, по которой и выполняется классификация.
Наибольшая точность классификации данных была достигнута при 1024 итерациях цепочки из квантовых вентилей.
Елизавета Глазкова, аспирантка кафедры теоретической физики и квантовых технологий НИТУ МИСИС
Алгоритм уже применяется в совместной работе НИТУ МИСИС и Института нанотехнологий микроэлектроники РАН для сегментации интерфейсов функциональных тонких плёнок, используемых в перспективной микроэлектронике.
Почему это важно:
- Развитие квантового машинного обучения и появление новых инструментов для распознавания изображений, диагностики и разработки лекарств.
- Обработка большего объёма информации становится возможной без увеличения числа квантовых носителей.
- Переход от теоретических схем к прикладным задачам уже начинается — алгоритм применяют в исследованиях для микроэлектроники.
Источник: МИСИС
В ЛЭТИ разработали энергонезависимый датчик для навигации в условиях высоких нагрузок
Учёные СПбГЭТУ «ЛЭТИ» представили прототип нового навигационного датчика, который сочетает высокую прочность, точность и возможность автономной работы. Разработка предназначена для систем, где традиционные решения не справляются из-за экстремальных нагрузок.
Современные навигационные системы используют МЭМС-датчики: гироскопы и акселерометры. Они компактны и экономичны, но остаются достаточно хрупкими, что ограничивает их применение в промышленности и тяжёлых условиях эксплуатации. Новый датчик работает на основе поверхностных акустических волн в пьезоэлектрическом материале. В отличие от МЭМС-устройств, в его конструкции нет подвижных элементов.
Принцип работы основан на преобразовании электрического сигнала в механические колебания и обратно. Параметры этих колебаний меняются под воздействием внешних факторов, и по этим изменениям система определяет положение и движение объекта.
Благодаря тому, что в конструкции устройства заложены отличные от МЭМС-датчиков принципы, такие датчики смогут выдерживать гораздо более высокие нагрузки. При этом компактность, точность работы и малый вес сохранятся.
Александр Кукаев, заведующий кафедрой прикладной механики и инженерной графики
Следующий этап — создание полностью автономной версии. Для этого в датчик планируют встроить миниатюрную антенну, которая будет одновременно обеспечивать питание и беспроводную передачу данных за счёт радиоволн.
Почему это важно:
- Навигационные датчики смогут работать в условиях высоких перегрузок без потери точности.
- Расширение применения датчиков в промышленности, строительстве и тяжёлой технике.
- Снижение требований к обслуживанию за счёт отсутствия подвижных элементов и повышенной надёжности.
- Переход к автономным сенсорам с беспроводным питанием и связью упростит интеграцию в сложные системы.
Источник: ЛЭТИ
Подписывайся на наш Telegram-канал — там мы рассказываем о главных достижениях России в IT, науке, космосе и инженерии. Если у тебя есть интересные новости о российских технологиях, присылай их на support@codenrock.com.
