Бизнес и наука: как ИИ-разработки переходят из лабораторий в индустрию

Спрос на индустриальную адаптацию наукоемких алгоритмов подтверждается цифрами: на мероприятие зарегистрировались более 1500 человек. Главным барьером для масштабирования ИИ в корпоративном секторе остается высокая стоимость владения и сложность инфраструктуры. Чтобы решить эту проблему, специалисты представили ряд подходов, включая автоматизацию проектирования ИИ-агентов, методы сжатия моделей Mixture of Experts и алгоритмы мягкой компрессии контекста в RAG-системах, которые позволяют ускорить обработку запросов в четыре раза.

Важным шагом в развитии партнерства стало создание совместной научно-исследовательской лаборатории по мультиагентным системам. Ее работа сосредоточится на проектировании узкоспециализированных агентов, способных эффективно функционировать в условиях жестких вычислительных ограничений. Как отметил Николай Тиден, успех R&D-цикла зависит от скорости проверки гипотез: в Sber AI Lab около половины идей отсеиваются уже через месяц тестирования. Такой подход позволяет концентрировать ресурсы на решениях с четкой перспективой внедрения, избегая разрыва между исследовательской группой и продуктовой командой.

Международный контекст дискуссии задал профессор Чжаося Инь из Восточно-Китайского педагогического университета. В центре внимания оказалась безопасность сквозного технологического конвейера: от защиты данных до предотвращения манипуляций с целевой функцией в самообучающихся системах. Подводя итог, Андрей Савченко подчеркнул, что отечественная академическая школа готова к решению сложных прикладных задач, объединяя фундаментальную науку с мощностями для развертывания отказоустойчивых enterprise-продуктов.