Промышленный «Интернет вещей»: от сбора данных к автономным решениям

Индустрия IIoT обычно живет разговорами про датчики, протоколы и облака. Но круглый стол портала IT-World и ИД «Электроника» показал, что за последний год повестка сместилась: вопрос уже не в том, как собрать данные, а в том, что с ними делать, когда связь нестабильна, бюджеты сжимаются, а искусственный интеллект обещает больше, чем способен дать здесь и сейчас. Участники разговора — практики, которые строят платформы, продают датчики и годами наблюдают рынок изнутри, — сложили довольно цельную картину отрасли, переживающей не кризис, а взрослую переоценку ожиданий.

Разочарование как естественная фаза

Илья Быконя, CEO и основатель Rightech, предложил смотреть на происходящее через модель хайп-цикла Gartner: любая технология сначала взлетает на пик завышенных ожиданий, а затем неизбежно падает в «долину разочарования». По его словам, именно так и случилось с Industrial AI. «Разочарование неизбежно произойдет, потому что надежды, которые возлагают рынок и бизнес, как правило, сильно завышены», — отмечает он. Причина не в слабости технологии, а в том, что бизнес ждет полной автономности процессов, а получает точечную автоматизацию, которая со временем превращается в лоскутное одеяло из разрозненных систем. Именно это лоскутное шитье, по мнению Быкони, и станет главным источником усталости от AI: пока компании внедряют решения точечно, закрывая конкретные проблемы, растет совокупная стоимость владения инфраструктурой, а не ее эффективность.

Денис Муравьев, генеральный директор GoodWAN, с этим тезисом не согласился — по крайней мере, в части сроков. «Мне кажется, на самом деле рановато заговорили про разочарование», — считает он, напоминая, что для инженеров нынешние системы искусственного интеллекта — это восторг, а не повод для скепсиса. Кратное ускорение embedded-разработки и прототипирования, неожиданно глубокая компетентность моделей в узких инженерных областях, вплоть до радиотехники, — все это реальный, измеримый выигрыш. Разочарование, полагает Муравьев, если и придет, то скорее к тем, кто продает языковые модели: инвестиции в эту индустрию огромны, а отдача, судя по открытой экономической отчетности, пока далека от того, чтобы их оправдать.

Где границы разумного применения LLM

Ключевой практический вопрос круглого стола — где именно должны работать большие языковые модели, а где им нет места. Быконя разделил подходы к искусственному интеллекту на два лагеря: восходящий, то есть обучаемые нейросети и LLM, и нисходящий — детерминированные алгоритмы вроде компьютерного зрения на основе классического математического аппарата. Задачи типа распознавания образов или конвертации протоколов, по его словам, эффективнее и дешевле решать именно нисходящими методами. Использовать LLM там, где справляется детерминированный алгоритм, — это стрельба из пушки по воробьям: дорогие токены сжигаются на задачу, которая решается проще и надежнее.

Отдельная боль — отладка систем, построенных на сгенерированном коде. «Каждый запрос для дебага и отладки этой системы будет сжирать у нас триллионы токенов и сотни тысяч долларов для того, чтобы исправить один обычный баг», — предупреждает Быконя, добавляя, что человек часто просто не может разобрать сгенерированный код, чтобы его поправить. Отсюда его формула: искать «ползунок» между стоимостью и эффективностью, комбинируя человеческий контроль, детерминированные алгоритмы и элементы LLM, а не пытаться решить любую задачу одной универсальной моделью.

Муравьев подтверждает и денежную сторону вопроса напрямую. Крупный проект может расходовать десятки тысяч долларов в месяц только на токены, а для клиентов, предъявляющих жесткие требования к информационной безопасности, выбора часто вообще нет: локальная инфраструктура обязательна и «бывает, что стоимость лицензии значимо больше, чем стоимость самих устройств», поскольку локальное развертывание требует серверных мощностей, специалистов и физического присутствия — удаленный доступ к системам AI в промышленных сетях просто заблокирован политиками безопасности.

Edge как экономически обоснованный выбор, а не мода

Андрей Колесников, директор Ассоциации участников рынка «Интернета вещей», описал практическую альтернативу лоскутной автоматизации — граничные вычисления с локальными языковыми моделями поверх жестких схем данных. Такой подход далек от фантазий, потому что обрабатывает только те параметры, что реально зашиты в схеме, снижает риски безопасности за счет валидации и не привязывает компанию к одному облачному провайдеру или одной модели. «Вам нужно написать там не знаю сколько кастомных интеграций», — иллюстрирует он проблему классической интеграции нескольких агентов и цеховых систем без единого слоя обработки и показывает, что edge-вычислитель с элементами AI способен закрыть эту задачу без построения десятков связей вручную.

Роман Шиндин, руководитель технического пресейла AggreGate, подтверждает: производители контроллеров уже двигаются в эту сторону. Компания OVEN, по его словам, экспериментирует со встраиванием чипов для самодиагностики прямо в контроллеры — ограниченная модель предсказывает неисправность и сигнализирует на верхний уровень системы, а не гоняет весь массив данных в облако. Собственная платформа AggreGate строится именно вокруг идеи объединения edge-решений и облачных контуров в единое цифровое поле, чтобы заказчик не оказывался заложником точечной автоматизации на старте проекта.

Быконя добавляет к этому инженерный аргумент, знакомый любому, кто строил распределенные системы: чем меньше и дешевле граничное устройство, тем выше накладные расходы на оркестрацию и обмен данными между узлами, и в какой-то момент экономическая эффективность подобной сети устройств стремится к нулю. Идея операционных цифровых двойников со встроенным интеллектом и обращением к LLM в роли агента концептуально красива, но требует ответа на два прикладных вопроса: сколько вычислительной мощности реально нужно каждой граничной единице и какова экономика всей конструкции. «Как концепция — круто, насчет экономической и практической целесообразности — сомневаюсь», — резюмирует он.

Новая реальность связи

Отдельный и, пожалуй, самый неожиданный по остроте блок разговора — работа IIoT-систем в условиях подавления сигнала и нестабильной связи. Муравьев описывает происходящее без прикрас: мобильные сети блокируются по регионам, решения на GSM и сим-картах теряют работоспособность, а GPS-спуфинг стал бытовой проблемой транспортного мониторинга. «В момент, когда в Москве включают спуфинг, у них прилетает несколько сотен тысяч тревог о том, что что-то покинуло то место, где должно быть», — рассказывает он о клиенте с крупной сетью мониторинга транспорта. При этом сама технология GoodWAN, по его словам, изначально проектировалась с таким запасом дальности, что даже кратное падение из-за помех оставляет работоспособность далеко за пределами того, что требуется клиенту.

Быконя описывает аналогичный опыт с телематикой: с начала года платформа Rightech перешла с облачной модели SaaS на поставку решений on-premise именно из-за нестабильности мобильной связи и перегрузки линий поддержки. Для определения зоны подавления сигнала используется набор обработчиков, которые анализируют резкие скачки координат, изменение высоты или числа видимых спутников, после чего система переключается на альтернативное позиционирование — по Wi-Fi или GSM-трилатерации. Точность в этом случае напрямую зависит от плотности застройки: в Москве, по его оценке, результат получается «сопоставимо, очень близким к GPS», а в местах с редкой инфраструктурой точность резко падает.

Колесников добавляет к этому нюанс из свежего отраслевого отчета Berg Insight: несмотря на все ограничения, число беспроводных устройств в промышленной автоматизации продолжает расти и аналитики говорят не о замене проводных решений, а о их совместной работе, coexistence. Прогноз в 85 млн беспроводных индустриальных устройств к 2030 году выглядит оптимистично на фоне того, что любой работающий рядом РЭБ разом превращает эти устройства в бесполезные модули. «У меня нет волшебного ответа на эту проблему. Я думаю, ни у кого нет», — признает он.

Инженерная дисциплина против избыточности

Практический вывод из дискуссии о связи оказался неожиданно универсальным и применимым далеко за пределами темы РЭБ: не тащить в канал больше данных, чем реально нужно. Муравьев приводит пример телеметрии дрона по протоколу MAVLink, где из шестнадцати доступных каналов реально используются два-три параметра, а остальные передаются просто по инерции, потому что «так принято». Та же логика применима к промышленным весам, где клиенты требуют передавать полный пакет MQTT, хотя по факту нужны буквально два значения, которые прекрасно укладываются в узкополосный канал UNB, а нужный формат можно дособрать уже на стороне сервера. Колесников формулирует это точнее: «Настоящий правильный инженер посмотрит, а что же там внутри, зачем тащить весь этот payload в свой радиоканал». Это не техническая мелочь, а прямой способ экономить полосу и энергопотребление там, где условия связи и так не идеальны.

Рынок без консолидации

Илья Быконя обратил особое внимание на структурную особенность российского IIoT-рынка, которая объясняет многие описанные выше проблемы: он не консолидирован. В отличие от американского или китайского рынка, где есть локальные лидеры с заметной долей, российский сегмент, по его расчетам на примере коммерческой транспортной телематики, остается фрагментированным. Выход он видит не в консолидации сверху, а в партнерских объединениях игроков, способных дать совокупный технологический и коммерческий эффект, недостижимый для одиночных компаний.

Регуляторика как постоянная переменная

Денис Муравьев напомнил и о менее заметной, но ощутимой нагрузке — предстоящем внедрении обязательной маркировки продукции с прослеживаемостью каждого этапа жизненного цикла устройства. Формально мера призвана бороться с контрафактом, но на практике порождает казусы: если QR-код на готовом изделии поврежден, производитель обязан восстановить всю цепочку происхождения комплектующих, даже если сам покупал устройство как готовое и точного состава не знает. Андрей Колесников назвал это второй волной импортозамещения — после получения статуса отечественного производителя компания теперь должна платить и за подтверждение подлинности этого статуса на рынке.

Итог: технологии есть, вопрос в деньгах и связи

Без особых споров участники сошлись в одном: технологический арсенал у российских компаний в целом сопоставим с мировым, специфика — в регуляторике, состоянии связи и бюджетах заказчиков. Шиндин суммировал это емко: в ближайшие годы прорывных технологий ждать не стоит, отрасль будет адаптироваться к текущим ограничениям связи и цифровизации бюджетов, а развитие IIoT в стране останется производной от общего экономического состояния. Разговор закончился без пафоса и без иллюзий: не столько выводами, сколько новым набором вопросов, которые индустрии предстоит решать не лозунгами, а инженерной дисциплиной — тем самым умением делать сложное простым, о котором говорили все участники круглого стола.