Инвестиции в ИИ в промышленности: сделки и окупаемость

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.

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.

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. Подробнее в словаре привлекла 905 млн $ при оценке 9 млрд $.

Все раунды с суммами и источниками собраны в трекере сделок. Вложения в роботов разобраны на странице об инвестициях в робототехнику.

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. Подробнее в словаре 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.

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. Подробнее в словаре 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. Подробнее в словаре собраны на странице о применении ИИ в промышленности.

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.