Объединенный исследовательский центр Еврокомиссии собрал в одном обзоре технологии, экономику, рынок труда и регулирование генеративного ИИ. На ЕС приходится 7% мировых игроков в генеративном ИИ, на Китай 60%. Ниже главные цифры о рынке, патентах, компаниях, профессиях и энергии.
Это аналитический обзор JRC для тех, кто готовит политику ЕС: технологии, экономика, общество, регулирование и примеры по отраслям. Цифры о рынке и игроках взяты из собственного набора данных JRC DGTES об организациях и их деятельности в генеративном ИИ за 2009-2024 годы (раздел 1.2, с. 16).
Доли компаний с ИИ авторы берут у Евростата (раздел 3.2, с. 47). Остальное опирается на данные Sensor Tower о приложениях и на научную литературу. Раздел о рынке труда сравнивает профессии по подверженности генеративному ИИ (раздел 3.4, с. 54), а раздел об энергии дает оценку JRC по дата-центрам ЕС (раздел 4.5, с. 70).
Это не новое статистическое обследование. Цифры внедрения в компаниях относятся к 2023-2024 годам; свежие данные Евростата за 2025 год собраны на странице про Евростат в этой библиотеке. Сами авторы пишут, что обзор не претендует на окончательный исследовательский анализ.
Доклад ИСИЭЗ НИУ ВШЭ показывает, как ИИ используют российские научные организации, вузы и сами ученые. В 2024 году ИИ применяли 5,8% организаций, использующих цифровые технологии, на 0,4 п. п. меньше, чем годом раньше. Ниже главные цифры со ссылками на страницы, сравнение с ЕС с оговорками, метод и выводы для компании.
Основа доклада качественная: 30 глубинных интервью с ведущими российскими учеными, отобранными по публикационной активности в Scopus, проведенных в июне-октябре 2025 года (с. 29, PDF 30).
Статистика по организациям дана за 2024 год: расчеты ИСИЭЗ НИУ ВШЭ по данным Росстата и Мониторинга применения ИИ, данные по ЕС по расчетам на основе Евростата (с. 18-19, PDF 19-20). Какую форму Росстата использовали, в докладе не указано.
Интервью не репрезентативны: согласились 30 человек из почти 400 приглашенных, и низкий отклик сами авторы считают признаком ограниченного применения ИИ (с. 38, PDF 39). Статистика по организациям только за 2024 год.
Нейросети для исследований делятся на два класса. Поисковики по научным базам (Semantic Scholar, Elicit, Consensus, scite) находят настоящие статьи и показывают, кто их цитирует. Ассистенты с глубоким поиском (ChatGPT, Claude, Gemini, Perplexity) собирают обзор по теме за минуты: в рейтинге Arena Search у ChatGPT 1 место в Arena Search на 16 октября 2026, у Claude 3 место в Arena Search на 16 октября 2026. Ниже какой инструмент для какой задачи и как не получить выдуманные источники.
Если нужно найти статьи, начинайте со специализированных баз: Semantic Scholar бесплатен, Elicit дает поиск по 138 млн статей в бесплатном тарифе Basic. Они ищут только среди опубликованных работ, поэтому выдуманных источников там нет.
Если нужен быстрый обзор темы, а не список статей, подойдет глубокий поиск ассистента. По рейтингу Arena Search на 16 октября 2026 у ChatGPT 1 место в Arena Search на 16 октября 2026, у Claude 3 место в Arena Search на 16 октября 2026, у Gemini 15 место в Arena Search на 16 октября 2026. Ссылки в таком обзоре нужно проверять по одной.
ИИ в науке уже принес Нобелевскую премию: 9 октября 2024 года Демис Хассабис и Джон Джампер из Google DeepMind получили премию по химии за AlphaFold, который предсказывает 3D-структуру белка. С 25 февраля 2025 года европейский центр ECMWF выпускает прогноз погоды на модели AIFS, а модели DeepMind ищут новые материалы и решают олимпиадные задачи. Ниже факты с датами и источниками.
Белок это цепочка аминокислот, которая сворачивается в сложную трехмерную форму, и от формы зависит, что белок делает в клетке. Раньше структуру одного белка определяли в лаборатории месяцами. AlphaFold предсказывает ее по последовательности аминокислот.
9 октября 2024 года Демис Хассабис и Джон Джампер из Google DeepMind получили Нобелевскую премию по химии за AlphaFold. Вторую часть премии получил Дэвид Бейкер за компьютерный дизайн белков. По данным Google, AlphaFold пользуются больше 2 млн исследователей из 190 стран.
Нейросеть для прогноза погоды учится на архиве прошлой погоды и считает прогноз за минуты, без суперкомпьютерного расчета физики атмосферы. С 25 февраля 2025 года европейский центр ECMWF выпускает прогноз модели AIFS рядом с физической моделью: по ряду показателей он точнее, по траекториям циклонов до 20%, и тратит примерно в 1000 раз меньше энергии. Слабые места тоже известны: сила самого сильного ветра и локальные ливни.
Классический прогноз решает уравнения физики атмосферы на сетке по всей планете. Каждый расчет идет на суперкомпьютере, и чем мельче сетка, тем дороже прогноз. Физическая модель ECMWF IFS считает с шагом сетки 9 км по всему земному шару.
Модель на ИИ не решает уравнения. Она обучена на архиве прошлой погоды и по текущему состоянию атмосферы предсказывает следующее, шаг за шагом. Поэтому ей нужно примерно в 1000 раз меньше энергии на один прогноз, по данным ECMWF.
Стартовую точку для обоих прогнозов дает одна и та же система наблюдений: станции, зонды, спутники, самолеты. Без нее модель на ИИ не работает, поэтому метеослужбы не заменяют физику, а ставят два прогноза рядом и сравнивают.
ИИ в шахматах сильнее человека с мая 1997 года, когда Deep Blue от IBM выиграл матч у чемпиона мира Гарри Каспарова со счетом 3,5 на 2,5. Сегодня открытый движок Stockfish 19 с нейросетью NNUE стоит на первом месте списка CCRL 40/15 от 9 октября 2026 года с рейтингом 3650 Эло. Ниже история от Deep Blue до AlphaZero и открытые движки, которые может скачать любой.
Первый матч Каспаров и Deep Blue сыграли в феврале 1996 года в Филадельфии. Машина выиграла первую партию, это была первая победа компьютера над действующим чемпионом мира при обычном контроле времени. Матч Каспаров все равно выиграл со счетом 4 на 2.
Матч-реванш прошел в мае 1997 года в Нью-Йорке. Каспаров выиграл первую партию, Deep Blue вторую, три партии закончились вничью, а шестую выиграла машина. Итог 3,5 на 2,5: впервые компьютер выиграл у действующего чемпиона мира матч при турнирном контроле времени.
Deep Blue не учился, как современные нейросети. Он перебирал 200 млн позиций в секунду на 32 параллельных процессорах и оценивал их по правилам, которые составили люди вместе с гроссмейстерами. Сила шла от скорости перебора. Термин разобран в словаре: Deep Blue.
В научных организациях ИИ уже используют. По исследованию ИСИЭЗ ВШЭ (сентябрь 2026) правила применения ИИ приняты только в 14% вузов и НИИ, в 72% их нет вообще. Это риск для репутации и шанс для тех, кто наведет порядок первым. Ниже о том, какие правила нужны, какие задачи решает ИИ для НИИ и что можно заказать.
Опрошены 250 вузов и 174 НИИ. 65% организаций поддерживают использование ИИ в научной работе, но НИИ заметно отстают от вузов: 49% против 76%. Меры поддержки: разовые семинары (48%), программы повышения квалификации (23%), разработка собственных моделей (около 23%), внутренние гранты (10%). Доступ к подпискам на ИИ-сервисы оплачивают только отдельные организации, и стоимость называют одним из значимых барьеров.
Какие инструменты разрешены: облачные, локальные, встроенные в редакторы и переводчики. Какие данные нельзя передавать в облачные сервисы. Как раскрывать применение ИИ в публикациях и отчетах: на каком этапе и с какой целью использован инструмент, какая доля текста подготовлена с его помощью. Такой подход заложен в правила, которые разрабатывает один из институтов РАН.