Рынок в цифрах
Мировой рынок промышленного ИИ в 2024 году составил 43,6 млрд $. По прогнозу IoT Analytics, к 2030 году он вырастет до 153,9 млрд $, то есть на 23% в год.
Пока это малая доля денег отрасли: расходы на промышленный ИИ равны 0,1% выручки производителей. Рост идет с низкой базы.
В России Kama Flow ставит промышленный ИИ на первое место среди доступных сегментов: 88 млрд руб. к 2030 году. Следом идут ИИ-агенты и автоматизация процессов (78 млрд руб.) и медтех (70 млрд руб.), а все сегменты вместе дают больше 561 млрд руб.
Для руководителя завода оценка Kama Flow значит одно: промышленный ИИ в России считают рынком с наибольшим спросом, и предложений от поставщиков будет много. Выбирать между ними стоит по метрике пилота, а не по презентации.
Сделки
В июне 2026 года лондонская PhysicsX, которая строит ИИ-модели для инженерного расчета деталей, от реактивных двигателей до полупроводников, привлекла 300 млн $ при оценке около 2,4 млрд $. Раунд возглавил сингапурский Temasek, участвовала Nvidia.
В сентябре 2026 года японская CADDi, платформа ИИ для чертежей и производственных данных, привлекла 114 млн $ при оценке 1,2 млрд $. По словам компании, ее используют более половины из 100 крупнейших производителей Японии.
Обе сделки касаются инженерных расчетов и чертежей, то есть работы конструкторов и технологов. Для завода это сигнал: деньги в промышленный ИИ идут не только на роботов, но и на работу с документацией и расчетами.
Деньги идут и в обслуживание оборудования. В мае 2026 года Autodesk купила MaintainX за 3,6 млрд $, по данным Solganick. MaintainX делает сервис для учета ремонтов и обслуживания станков, то есть работает с данными о простоях, на которых держится промышленный ИИ.
Отдельная волна денег идет в роботов. По данным Crunchbase на 22 июня 2026 года, робототехнические стартапы с начала года привлекли 18,8 млрд $, больше, чем за весь 2025 год (15 млрд $) и пиковый 2021 год (14,1 млрд $).
Роботы выходят и на биржу. В 3 квартале 2026 года Unitree Robotics при выходе на биржуIPO. IPO (initial public offering) это первичное публичное размещение акций: компания впервые продает свои акции всем желающим на бирже. привлекла 905 млн $ при оценке 9 млрд $.
Промышленные компании вкладывают в роботов и сами. В феврале 2026 года Apptronik, разработчик человекоподобных роботов, привлек 520 млн $, среди новых инвесторов была John Deere, а общий объем раунда превысил 935 млн $.
Все раунды с суммами и источниками собраны в трекере сделок. Вложения в роботов разобраны на странице об инвестициях в робототехнику.
Россия
Фактические венчурные деньги в российской промышленности пока небольшие. По данным Venture Guide, за 9 месяцев 2026 года промышленные технологии получили около 1,57 млрд руб. в 12 сделках.
Робототехника за тот же период получила 1,12 млрд руб. в 9 сделках. Данные предварительные, на 4 октября 2026 года.
ИИ и машинное обучениемашинное обучение. Машинное обучение (machine learning, ML) это раздел ИИ, в котором программа находит правила в данных сама, а не получает их готовыми от разработчика. в целом за 9 месяцев 2026 года привлекли 2,66 млрд руб. в 33 сделках, это первое место по объему и числу сделок. Эти данные тоже предварительные.
Сравнивать эти суммы с оценкой 88 млрд руб. напрямую нельзя: одна цифра про сделки за 9 месяцев, другая про спрос к 2030 году. Для завода вывод практический: деньги на ИИ сегодня приходят из своего бюджета, а не от внешних инвесторов.
Общая картина вложений по стране собрана на странице об инвестициях в ИИ в России.
Где окупается
Пример с посчитанным эффектом: завод Siemens в Нанкине внедрил более 50 ИИ-приложений и цифровые двойники. По сравнению с 2022 годом срок выполнения заказов сократился на 78%, а вывод продукции на рынок ускорился на 33%.
Производительность к 2024 году выросла на 14%, отказы у клиентов снизились на 46%. Эффект сложился из десятков приложений, а не из одного проекта.
Siemens считает эффект от базы 2022 года. Делайте так же: замерьте срок заказа, брак и простои до старта, иначе через год результат не с чем будет сравнить.
Частый ограничительограничители. Ограничители (guardrails) это проверки и правила вокруг языковой модели, которые не пускают в нее опасные запросы и не выпускают из нее недопустимые ответы и действия. эффекта: данные. По опросу Rockwell Automation (май 2026, 1 560 респондентов из 17 стран), ИИ уже поддерживает 34% производственных операций, но эффективно используется только 43% собранных данных.
Для завода это значит, что окупаемость начинается не с модели, а с того, какие данные о станках, браке и заказах уже собраны и в каком виде они лежат.
Примеры задач ИИ на производствеИИ в промышленности. ИИ в промышленности это модели, которые предсказывают поломки оборудования, проверяют качество продукции по изображениям, подбирают режимы процессов и помогают планировать производство. собраны на странице о применении ИИ в промышленности.
Как оценить вложение завода в ИИ
Вложение завода в ИИ оценивают от операции, а не от технологии. Правило: одна операция, одна метрика, замер до старта и расчет эффекта в рублях до подписания договора.
Ориентир по бюджету: в мире расходы на промышленный ИИ сейчас равны 0,1% выручки производителей, по IoT Analytics. Для завода с выручкой 10 млрд руб. в год это около 10 млн руб. Это средняя цифра по рынку, а не норма: бюджет задает эффект пилота.
Компании, которые получают от ИИ больше других, тратят на него заметно больше. По отраслевому исследованию 2025 года (опрос 150 технических директоров крупных российских компаний из 16 отраслей), они направляют на ИИ 13–17% ИТ-бюджета.
Главный скрытый расход: подготовка данных. Если на заводе, как в опросе Rockwell Automation, используется меньше половины собранных данных, часть бюджета уйдет на то, чтобы привести в порядок записи о простоях, браке и заказах.
Эффект Siemens в Нанкине сложился из более чем 50 приложений за несколько лет, поэтому первый пилот не покажет его целиком. Закладывайте в план масштабирование по одной операции и проверку эффекта на каждом шаге.
Кому поручить разработку, тоже влияет на результат. По опросу MIT NANDA 2025 года, проекты с внешним партнером доходили до рабочего использования примерно в 67% случаев, внутренние разработки в 33%. Это данные опроса, а не точный замер.
Карта ИИ-решений собирает такой расчет для всего завода: стоимость 7,7 млн ₽, срок 7 недель. Итог: список операций с эффектом в рублях и порядок внедрения.
Что делать компании
Если вы руководите производством, начните с данных, а не с выбора поставщика. По опросу Rockwell Automation, эффективно используется только 43% собранных данных, остальное лежит без пользы.
1. Опишите, какие данные уже собираются: простои, брак, сроки заказов, расход сырья.
2. Выберите одну операцию с измеримой метрикой: срок выполнения заказа, доля брака, время простоя.
3. Посчитайте эффект в рублях до пилота и запишите метрику в договор с подрядчиком.
4. После пилота масштабируйте по одной операции: эффект Siemens в Нанкине сложился из более чем 50 приложений.
Этот порядок собран в Карте ИИ-решений: процессы завода, где ИИ вернет деньги, решения, цена и эффект по каждому. Как считать отдачу до покупки, описано на странице о расчете эффекта ИИ.
Куда идут деньги в ИИ за пределами промышленности, видно на странице о трендах инвестиций в ИИ.