Прогноз Huawei: ИИ сгенерирует $27 трлн экономической ценности за 5 лет

Изображение: rawpixel.com/Magnific

Токен превращается в цифровой эквивалент стоимости для измерения производства и потребления интеллекта. Эта тенденция означает переход мира от «экспериментов с чат-ботами» к интеллектуальной экономике масштаба, где машинный интеллект превращается в стандартизированный, дешёвый и повсеместный ресурс, как электричество или интернет-трафик в прошлые эпохи. Компания Huawei представила два исследовательских отчёта: «Интеллектуальный мир 2035: от видения к действию» и «Глобальный индекс цифровизации и интеллекта 2026» (совместно с Университетом Цинхуа). Аналитики сформулировали 10 технологических направлений для эпохи агентного ИИ — включая AGI, суперкомпьютерные системы SuperPoD, Agent OS, закон масштабирования Тау для чипов и ИИ-ЦОД, — прогнозируя к 2035 году 100 000-кратный рост потребления токенов (где 90 % трафика создадут агенты), масштабирование вычислительных кластеров в 100 раз и снижение затрат на задачи агентов в 1 000 раз. Также авторы исследований оценили цифровое развитие 90 стран, разделяя их на «Строителей», «Потребителей» и «Лидеров». По прогнозам экспертов, ИИ создаст суммарную экономическую ценность более $27 трлн в течение ближайших пяти лет. Кроме того, прогнозируется, что мировые инвестиции в цифровую и интеллектуальную инфраструктуру будут расти со среднегодовым темпом (CAGR) 19,14 % и к 2030 году превысят $4 трлн, что создаст прочный фундамент для непрерывного расширения интеллектуальной экономики.

Искусственный интеллект постепенно перестаёт быть отдельным технологическим сектором и превращается в основу новой экономической системы. Именно такой сценарий описывают исследования Huawei и её партнёров, рассматривая период до 2030-2035 годов. Их общий вывод заключается в том, что следующий этап цифровизации будет связан уже не столько с распространением отдельных ИИ-сервисов, сколько с перестройкой самой производственной системы: вычислительные мощности, сети, данные, модели, роботы и энергетика будут объединяться в единую инфраструктуру.

В этой модели интеллект становится новым фактором производства — примерно так же, как в предыдущие эпохи такими факторами становились труд, капитал и электричество. Экономическая функция постепенно приобретает вид Y=f(T,D,L), где T — цифровая и интеллектуальная инфраструктура, D — качественные данные, а L — человеческий капитал и экосистема ИИ-компетенций.

При этом речь идёт не о простом внедрении чат-ботов. ИИ должен проникнуть в исследования и разработку, проектирование, производство, логистику, транспорт, медицину, образование и управление. Главным показателем зрелости становится возможность автономно решать реальные задачи. Однако современные системы всё ещё имеют фундаментальные ограничения — в сложном рассуждении, причинно-следственном понимании, долгосрочном планировании, объяснимости, непрерывном обучении и взаимодействии с физическим миром. Поэтому путь к интеллектуальной экономике предполагает как масштабирование моделей, так и перестройку всей технологической архитектуры.

Четыре изменения, которые меняют экономику

Huawei фактически описывает четыре взаимосвязанных сдвига. Первый — появление токенов как новой экономической единицы. Второй — превращение ИИ-агентов в цифровую рабочую силу. Третий — выход искусственного интеллекта из цифрового пространства в физическую экономику. Четвёртый — перестройка интернета и пользовательских устройств вокруг агентов, а не отдельных приложений.

Эти процессы образуют единый цикл. Дешёвые вычисления делают токены массовыми, токены становятся ресурсом для работы агентов, агенты меняют предприятия, интеллектуальные предприятия начинают управлять физическими системами, а растущее количество устройств и агентов создаёт новую нагрузку на сети, вычисления, память и энергетику. Именно поэтому в мире 2035 года главным объектом конкуренции может стать уже не отдельная ИИ-модель, а целостная технологическая система.

Токены становятся новой экономической единицей

Авторы исследования подробно описали концепцию токеномики. Токен постепенно перестаёт быть просто технической единицей обработки текста и превращается в своеобразный цифровой эквивалент стоимости: через него измеряется производство, передача и использование машинного интеллекта.

Масштаб изменений уже заметен. По приведённым в исследовании оценкам, потребление токенов в Китае к марту 2026 года выросло примерно в 1400 раз по сравнению с началом 2024 года, а глобальное потребление за два года увеличилось более чем в 1000 раз. На горизонте следующего десятилетия годовой объём генерации и обращения токенов может вырасти более чем в 100 000 раз. Одновременно стоимость производства одного токена должна снижаться примерно на 50 % ежегодно. Это принципиально важно: искусственный интеллект становится экономически значимым только тогда, когда его использование становится достаточно дешёвым для массового применения.

Прогнозируемый рост ежедневного потребления токенов в мире, в трлн

Источник: Huawei

Авторы выделяют четыре двигателя токеномики — масштаб, эффективность, использование и ценность. Первый определяет объём доступного предложения, второй снижает задержки и стоимость, третий превращает токены из статического результата вычисления в рабочий инструмент, а четвёртый определяет, какую экономическую ценность создаёт их применение.

В результате возникает трёхуровневая архитектура. На нижнем уровне находятся «фабрики токенов» — передовые дата-центры, объединяющие вычисления, модели, данные и энергию. Далее следует слой распределения и маршрутизации, а на верхнем уровне — потребление токенов сервисами, ИИ-агентами и роботами.

Таким образом, экономика ИИ будет зависеть не только от мощности моделей. Не менее важной становится эффективность преобразования ресурсов — вычислительной мощности, данных и энергии — в полезный интеллектуальный результат.

Предприятие превращается в самообучающуюся систему

Следующий шаг — изменение самого бизнеса. Исследование предлагает различать традиционную промышленную компанию, цифровую компанию и возникающее сейчас интеллектуальное предприятие. У последнего четыре характерные черты: агентские процессы, компонентизация компетенций, интеллектуализация систем и организационная ликвидность.

Агентские процессы позволяют выполнять задачи сквозным образом без постоянного человеческого посредничества. Компонентизация превращает знания и навыки сотрудников в переиспользуемые интеллектуальные модули. Интеллектуальные системы становятся динамическими и способными к самовосстановлению. Наконец, организационная ликвидность означает возможность быстро формировать команды из людей и ИИ-агентов под конкретную задачу.

При этом главным конкурентным барьером становятся уже не сами фундаментальные модели — они постепенно превращаются в доступную инфраструктуру. Настоящая ценность концентрируется в закрытых корпоративных данных, средах обучения с подкреплением, партнёрских сетях и системах оценки и верификации.

Сам бизнес начинает работать как замкнутый контур: продукт → результат → данные → анализ поведения → выявление удачных и неудачных решений → изменение модели или процесса → следующий цикл. Каждая операция становится одновременно производственным действием и материалом для дальнейшего обучения.

ИИ-агенты создают цифровую рабочую силу

Наиболее заметным изменением на уровне компаний станет распространение ИИ-агентов. В отличие от обычного чат-бота, агент способен разбить задачу на несколько этапов, использовать внешние инструменты, сохранять контекст и корректировать собственную стратегию.

Эволюция идёт от простых функциональных агентов к более сложным уровням: выполнению конкретной задачи, взаимодействию нескольких агентов, экспертному консультированию и, в перспективе, автономному принятию решений.

По прогнозу Huawei, число активных ИИ-агентов может превысить 2,2 млрд к 2030 году и достичь около 900 млрд к 2035 году. По сути, из вспомогательного софта ИИ-агенты переквалифицируются в фактически в новую цифровую рабочую силу. Для этого агентам необходимы долговременная память, стандартизированные протоколы взаимодействия и способность самостоятельно обучаться на взаимодействии с реальной средой. В компаниях они будут интегрироваться с ERP, CRM и другими корпоративными системами, формируя своеобразные цифровые рабочие матрицы.

При этом меняется и роль человека: от непосредственного оператора он постепенно переходит к авторизации действий, надзору и постановке целей. Ключевой компетенцией бизнеса становится способность обучать ИИ понимать конкретную организацию, её процессы, ограничения и критерии результата.

От битов к атомам

Если агентский ИИ меняет цифровую экономику, то Physical AI должен изменить физическую. Искусственный интеллект выходит за пределы экранов и начинает работать на производственных линиях, в добыче, робототехнике, складской логистике и транспорте. Машина должна не просто распознать изображение или дать ответ, а понять физическую среду, принять решение, совершить действие и оценить его результат.

Так возникает цикл «восприятие → решение → действие → обратная связь».

Архитектура Physical AI строится по принципу «облако — край — сеть — устройство». Облако обучает модели мира, edge-системы обеспечивают локальное планирование, сеть гарантирует необходимую задержку, а конечное устройство выполняет действие.

Ключевым условием становится надёжность. Для промышленного робота или транспортной системы недостаточно просто «уметь» выполнять задачу — система должна делать это предсказуемо. В отчёте ориентиром называется надёжность до 99,99 %.

Потенциальный рынок Physical AI оценивается как многотриллионный: речь идёт о создании нового слоя промышленной экономики, значительно выходящего за пределы нынешнего цифрового сектора.

Смартфон перестаёт быть центром цифрового мира

Изменится и привычная модель взаимодействия человека с технологиями. Смартфон постепенно перестаёт быть единственным центром цифровой среды. Вместо него формируется распределённая экосистема из смартфонов, очков, наушников, автомобилей, роботов и других устройств. Интерфейс становится пространственным и мультимодальным: голос, взгляд, жесты, биометрия, прикосновение и другие каналы могут объединяться в единую систему.

Ключевую роль здесь играет Agent OS — операционная система нового типа, которая должна управлять уже не отдельным устройством или приложением, а агентами, контекстом и задачами пользователя. Это означает переход от модели «человек открывает приложение и отдаёт команду» к модели, в которой цифровая среда сама понимает контекст и координирует необходимые действия. Проактивные сервисы и виртуальные аватары смогут работать непрерывно, в том числе тогда, когда сам человек не взаимодействует с устройством.

Интернет становится агентским

Следствием распространения агентов станет перестройка самого интернета. Huawei допускает, что к 2035 году более 90 % сетевого трафика может генерироваться автономными агентами, а не непосредственно людьми. Интернет в таком случае перестаёт быть преимущественно системой доставки информации. Он становится средой взаимодействия машин, в которой агенты находят друг друга, обмениваются данными, координируют действия и распределяют задачи.

Меняется и роль хранения. Если раньше хранилище представляло собой в основном архив данных, то для агентского ИИ оно становится динамическим источником контекста, памяти и знаний. Возникает потребность в новых структурах данных: причинно-следственных онтологиях и многоуровневой памяти — оперативной, эпизодической, семантической и процедурной.

Закон Тау вместо закона Мура

Такой мир потребует совершенно другого масштаба вычислений. Традиционный закон Мура, описывающий рост вычислительной мощности через уменьшение размеров транзисторов, постепенно сталкивается с физическими и экономическими ограничениями.

Huawei предлагает говорить о Tau Scaling Law — это новая методология проектирования и развития полупроводниковых чипов, предложенная компанией. Главным параметром становится время — прежде всего задержка прохождения информации через вычислительную систему. Концепция создана как альтернатива традиционному Закону Мура, который постепенно сталкивается с физическими и экономическими пределами (уменьшать размер транзисторов в нанометрах становится всё сложнее и дороже).

Оптимизация должна происходить сразу на нескольких уровнях: транзисторном, схемотехническом, чиповом и системном. В частности, технология LogicFolding, согласно отчёту, потенциально позволяет сократить площадь и энергопотребление более чем на 35-40 %.

Для AGI и Physical AI понадобятся вычислительные кластеры примерно в 100 раз крупнее нынешних, вплоть до 1-10 млн чипов, одновременно со снижением стоимости выполнения отдельных агентских задач примерно в 1000 раз. Простого увеличения количества серверов для этого будет недостаточно. Потребуются SuperPoD-архитектуры, фотонные соединения и оптические переключатели CPO/OCS, вычисления в памяти PIM и гораздо более тесная интеграция вычислительной инфраструктуры с энергетикой.

Энергия становится ограничителем ИИ

Чем дешевле становятся токены, тем больше их производится. Чем больше агентов и роботов появляется, тем больше вычислений требуется. Поэтому ключевым ограничителем становится энергия. Крупные ИИ-дата-центры уже движутся к гигаваттным масштабам. Согласно прогнозу отчёта, к 2035 году мировое потребление электроэнергии дата-центрами достигнет около 1600 ТВт·ч.

В результате дата-центр будущего становится не просто потребителем электричества, а частью энергетической системы. Вычислительные мощности, генерация, сети и накопители должны работать как единый управляемый комплекс. В перспективе речь идёт о диверсифицированных источниках энергии — солнечной, ветровой, гидро-, геотермальной, ядерной и других видах генерации — в сочетании с системами накопления.

То же относится к телекоммуникациям: сети должны становиться интеллектуальными на уровне оборудования, управления и сервисов. В отчёте в качестве ориентира фигурируют полностью автономные сети Level 5 к 2035 году.

AGI: следующий рубеж, но без точной даты

Наиболее неопределённой частью прогноза остаётся искусственный общий интеллект — AGI. Авторы не предлагают считать его появление гарантированным к определённой дате. Более того, оценки сторонних экспертов расходятся: одни допускают достижение AGI уже в конце 2020-х годов, другие относят его к более отдалённому периоду.

Проблема заключается и в отсутствии единого определения AGI. Одной способности вести диалог недостаточно. Более широкий интеллект должен уметь понимать причинность, действовать в физической среде, планировать на длительном горизонте и самостоятельно приобретать новые знания. Поэтому Huawei выделяет несколько направлений развития — языковой, воплощённый и научный интеллект. Последний предполагает использование ИИ для выдвижения и проверки научных гипотез, а одним из наиболее сложных перспективных механизмов становится рекурсивное самосовершенствование, или RSI.

Вместе с тем простое масштабирование параметров моделей не обеспечивает автоматического устранения фундаментальных ограничений. Ключевым барьером становится не столько уровень вычислительного интеллекта, сколько обеспечение управляемости и контроля. В сегментах с высокой стоимостью ошибки даже высокопроизводительные системы должны сохранять прозрачность алгоритмов, интерпретируемость решений и возможность сквозного аудита.

В числе фундаментальных проблем Huawei называет галлюцинации, недостаток причинно-следственного рассуждения, слабое понимание физического мира и сложности с объяснением решений. Для критической инфраструктуры, медицины, транспорта или промышленности система должна позволять проверить логику действий, а не только выдавать результат. Поэтому безопасность должна закладываться в систему изначально — на уровне архитектуры, оборудования и программного обеспечения. Речь идёт о защищённых чипах, доверенных средах исполнения, аппаратной изоляции и конфиденциальных вычислениях.

Особенно важным становится принцип, согласно которому критические действия должны быть проверяемыми и, где возможно, обратимыми. Автономность машины не должна означать отказ человека от контроля над конечными целями.

Автономный транспорт как модель новой экономики

Транспорт становится одним из наиболее наглядных примеров перехода от цифрового ИИ к физическому. Современные системы помощи водителю постепенно движутся от L2+ к более высоким уровням автономности. Но для этого недостаточно просто обучить модель распознавать дорожную обстановку. Необходим постоянный замкнутый цикл: реальные данные → обнаружение ошибок → выявление редких сценариев → обучение → тестирование → обновление системы.

Для коммерческого распространения автономного транспорта важнейшим критерием становится безопасность. В исследовательской логике Huawei ориентиром называется уровень безопасности как минимум в 10 раз выше человеческого вождения. Таким образом, автомобиль становится частью той же интеллектуальной инфраструктуры, что и робот, промышленная установка или агент.

Человек остаётся центром системы

При всей масштабности технологического прогноза конечный тезис исследования достаточно прагматичен: интеллектуальный мир не должен означать вытеснение человека из экономики. Машины могут брать на себя рутинные операции, планирование, обработку огромных массивов данных и часть решений. Человек при этом сохраняет постановку целей, стратегический контроль, ответственность, творческую деятельность и право вмешательства. Именно поэтому итоговая модель — это экономика симбиоза человека и ИИ.

Ключевым вопросом остаётся и подготовка кадров. По оценкам исследования, к 2030 году около 59 из 100 работников потребуют переподготовки или повышения квалификации. На первый план выходят ИИ-грамотность, аналитическое мышление, междисциплинарные навыки и способность управлять интеллектуальными системами.

Одновременно появляется риск нового цифрового разрыва. Если раньше различия в доступе к интернету формировали цифровое неравенство, то теперь может возникнуть уже ИИ-разрыв — между странами и компаниями, способными создавать и эффективно использовать интеллектуальную инфраструктуру, и теми, кто остаётся её потребителем.

Три категории стран: «Строители», «Потребители» и «Лидеры» и место Казахстана в индексе

Индекс Global Digitalization and Intelligence Index 2026 (GDII), охватывающий 90 стран и 94 % мирового ВВП, оценивает способность государств превращать данные в экономическую ценность. Оценка строится вокруг трёх новых факторов производства — данных, ИКТ-талантов и цифровых средств (вычисления, сети, хранение), охватывая весь жизненный цикл информации от создания до зелёной энергетики и регулирования. Главный акцент методологии сделан на обязательной синергии сетей, вычислений и систем хранения.

В зависимости от уровня цифровой синергии страны делятся на три группы: Builder (31 %, отстают в базовой связи, приоритет — широкополосный доступ), Adopter (58 %, инфраструктура развёрнута, фокус на облаках и вычислениях) и Frontrunner (11 %, лидеры с интегрированной AI-инфраструктурой, превосходящие Adopter по вычислительным мощностям в 11,5 раз). Развивающимся странам авторы предлагают стратегию «leapfrog» — синхронные крупные инвестиции сразу во все компоненты (сети, вычисления, хранение) для быстрого преодоления барьеров. В части регулирования абсолютным лидером выступает Европа, на которую приходится 64 % всех мировых политик в сфере ИИ, однако сам по себе этот показатель работает только в связке с инвестициями и кадрами.

Согласно страновым отчётам Европейской комиссии о состоянии «Цифрового десятилетия 2026», все её государства-члены разработали национальные стратегические дорожные карты цифрового развития на период до 2030 года. Эти дорожные карты в целом предусматривают выделение бюджетных ресурсов по ключевым направлениям, включая цифровую инфраструктуру, цифровые технологии (такие как ИИ), цифровизацию бизнеса, цифровые навыки и цифровизацию государственных услуг. Например, Италия выделила €62,3 млрд (что эквивалентно 2,84 % её ВВП) на финансирование 67 подобных мер. Греция аналогичным образом направила €6,1 млрд государственных средств (около 2,57 % ВВП) на реализацию 125 мер, а также дополнительно привлекла, по оценкам, около €7 млрд частных инвестиций.

Региональное распределение мировых политик и инициатив в сфере ИИ

Источник: Huawei

Казахстан в отчёте уверенно отнесён к группе Adopter и выделен как пример грамотного использования промышленной политики с плановыми инвестициями $3,5-5,5 млрд (1,17-1,83 % ВВП) ежегодно. Для республики базовая цифровизация уже пройдена, и теперь ключевая задача — трансформировать накопленную связность в вычислительные мощности и промышленное применение AI. Главным вызовом на этом этапе становится не просто подготовка STEM-кадров (у лидеров их доля лишь в 1,3 раза выше), а способность конвертировать таланты в реальные инновации: у стран-Frontrunner количество патентов на душу населения в 3,2 раза больше, а активность на GitHub — почти вдвое выше, чем у Adopter.

Заключение

Переход к 2035 году можно представить как последовательную цепочку.

Дешёвые токены делают интеллект массовым ресурсом. ИИ-агенты превращают его в цифровую рабочую силу. Они перестраивают предприятия, создавая самообучающиеся организационные системы. Затем интеллект выходит в физический мир через роботов, производство и автономный транспорт. Новая модель взаимодействия формирует распределённую экосистему устройств и Agent OS, а затем — Agentic Internet, в котором большая часть коммуникаций осуществляется между машинами. Всё это требует новых вычислительных архитектур, памяти, сетей и полупроводников. А их масштаб упирается в энергию. Поэтому интеллектуальная экономика в конечном счёте становится вопросом целой инфраструктурной цепочки.

Таким образом исследователи сформулировали десять ключевых направлений развития и построения интеллектуального мира:

1. Создание AGI с автономным познанием и универсальными возможностями для любых задач: Выход в физический мир — это необходимый путь к AGI, требующий прогресса в языковом интеллекте, воплощённом (физическом) интеллекте и научном интеллекте.
2. Масштабирование вычислительных кластеров в 100 раз и снижение затрат на задачи агентов в 1 000 раз: Помимо наращивания вычислительной мощности на уровне чипов, отрасль должна перейти к вычислительным системам SuperPoD для повышения эффективности генерации токенов.
3. Новые системы хранения и памяти с причинно-следственной точностью и надёжной прослеживаемостью для обеспечения эволюции от данных к знаниям и памяти.
4. Инфраструктура интеллектуальной связности, ориентированная на пользовательский опыт, с интеграцией ИИ в системы связи.
5. Закон масштабирования Тау (Tau Scaling Law): Исследование методологий и инструментов проектирования чипов для совместной оптимизации задержки и энергоэффективности за счёт замены геометрического масштабирования временным с целью стимулирования эволюции полупроводников.
6. Agent OS: Переход от управления окружающей средой к автономной эволюции и закладывание нативной технической базы для агентов; её возможности описываются формулой:

(Координация × Исполнение × Память × Связность) ^{Эволюция}

1. Определение новой парадигмы для адаптивного и вездесущего интеллекта устройств, обеспечивающего всепроникающие интеллектуальные сервисы на любых устройствах и в любых сценариях.
2. Самообучение и абсолютная безопасность в интеллектуальном вождении для превращения транспортных средств в мобильных воплощённых агентов.
3. Преодоление энергетических и тепловых ограничений для масштабирования вычислительной мощности ЦОД для ИИ.
4. Защита интеллектуального мира с помощью обеспечения безопасности и конфиденциальности автономных агентов.

Искусственный интеллект постепенно превращается из продукта в инфраструктуру. Конкуренция перерастёт от отдельных моделей и приложений до целых технологических систем, способных одновременно обеспечить данные, вычисления, сети, энергию, физические устройства, безопасность и человеческий контроль. Пределы новой экономики будут определяться несколькими ключевыми факторами: доступность качественных данных, стоимость вычислений, пропускная способность сетей, объём памяти, энергетические ресурсы, надёжность физических систем и способность человека сохранять контроль над тем, как именно используется машинный интеллект.

В заключение Huawei предлагает пять инициатив:

• Применять долгосрочный подход;
• Сохранять ориентацию на человека;
• Придерживаться принципа «технологии во благо»;
• Сохранять приверженность открытости и сотрудничеству;
• Использовать системный подход.

Цель этих инициатив — воплотить технологические инновации в прогресс всей промышленности.