Урок 2: Три слоя рынка промышленного AI — как думать о вендорах и решениях

Чему вы научитесь

• Видеть рынок industrial AI не как хаос из логотипов, а как три разных слоя с разной логикой покупки
• Отличать классических автоматизаторов, гиперскейлеров и специализированные нишевые решения
• Понимать, почему мировой эталонный стек не равен рабочему стеку для российского предприятия
• Быстро ориентироваться, где уместен российский облачный вендор, где open-source, а где нужен отраслевой интегратор
• Понимать, какой модуль трека читать дальше в зависимости от того, выбираете ли вы контур, вендора или отраслевой кейс

Мировой рынок industrial AI в 2026 году удобно мыслить не списком компаний, а тремя слоями. Этот каркас прямо зафиксирован в исследовании по вендорам и платформам. Если не держать эту картину в голове, то Siemens легко сравнить с AWS, AWS — с Yandex Cloud, а Yandex Cloud — с маленьким нишевым стартапом компьютерного зрения. Это ошибка. Они продают разные уровни ценности.

Три слоя рынка: короткая карта

Главная мысль: слои не конкурируют напрямую. Siemens — это не «дорогой AWS». NVIDIA — это не «вариант вместо AVEVA». А CV-стартап — это не «маленький Siemens». У них разный угол входа в предприятие.

Как выглядит карта в 2026 году

flowchart TD
    A[Классические автоматизаторы] --> A1[Siemens]
    A --> A2[ABB]
    A --> A3[Schneider]
    A --> A4[Rockwell]
    A --> A5[AVEVA / Emerson / Honeywell]

    B[Гиперскейлеры] --> B1[AWS]
    B --> B2[Azure]
    B --> B3[Google Cloud]
    B --> B4[NVIDIA]
    B --> B5[IBM / Oracle]

    C[Специализированные ниши] --> C1[CV]
    C --> C2[PdM]
    C --> C3[Digital Twin]
    C --> C4[Robotics / HSE]

    D[Российский рабочий контур] --> D1[Yandex Cloud / YandexGPT 5]
    D --> D2[Сбер GigaChat]
    D --> D3[MWS AI (ex-MTS AI) / Cotype]
    D --> D4[Cloud.ru Evolution AI Factory]
    D --> D5[T-Pro 2.0 + open-weight]
    D --> D6[Отраслевые интеграторы и open-source]

    A -.в РФ обычно не купить как белый корпоративный стек.-> D
    B -.для КИИ и чувствительных контуров часто отпадает.-> D
    C -.замещается локальными продуктами и open-source.-> D

Слой 1: классические автоматизаторы

Это самые сильные игроки там, где AI надо встроить в уже существующий промышленный контур. Siemens развивает Industrial Copilot и Industrial Foundation Model (Siemens Industrial Copilot; Industrial Foundation Model). ABB развивает Ability Genix и робототехнический контур OmniCore (ABB Genix). Schneider строит AI-поверхность вокруг EcoStruxure (Schneider EcoStruxure). Rockwell делает FactoryTalk Analytics VisionAI и линейку копилотов для дискретки (Rockwell VisionAI). AVEVA в январе 2026 года публично анонсировала новую волну AI-инструментов в инженерном контуре (AVEVA, 14.01.2026).

Для российского слушателя здесь важен не список продуктов, а вывод: это образцовый мировой эталонный стек, но не дефолтный стек закупки для завода в РФ. По санкционному и юридическому контуру это нужно читать вместе с p.3/05 и p.3/02.

Слой 2: гиперскейлеры

Этот слой продаёт не отраслевой маршрут работы, а инфраструктуру, платформу данных и базовые AI-сервисы. Именно здесь живут Azure OpenAI, AWS Bedrock, Google Cloud Manufacturing AI, IBM watsonx, Oracle Fusion AI и NIM/NGC-стек NVIDIA.

Для глобального корпоративного рынка это мощнейший слой. Для российского производства в 2026 году — это чаще либо недоступный эталон, либо очень узкая песочница, либо компонент архитектуры за пределами белого корпоративного контура. Поэтому в российском контексте гиперскейлеры полезно изучать как карты возможностей, а не как список того, что можно прямо завтра подписать для КИИ, ПД и промышленной эксплуатации.

Слой 3: специализированные ниши

Здесь находятся продукты, которые закрывают одну задачу лучше всех: компьютерное зрение для ОТК, предиктивное ТО, digital twins, инспекция HSE, автономная техника. Именно отсюда приходят самые быстрые пилоты и самые частые закупочные ошибки.

Проблема этого слоя в том, что нишевое решение редко закрывает весь путь предприятия. Оно отлично решает одну боль, но потом требует интеграции с historian, MES, ERP, SIEM, MDM и корпоративным контуром прав доступа. Поэтому нишевый рынок надо изучать вместе с будущим модулем p.10 про вендоров, а не отдельно от него.

Российский рабочий стек: что реально является основным путём

В российском контуре 2026 года рабочий набор обычно выглядит так: Yandex Cloud / YandexGPT 5, Сбер GigaChat, MWS AI (ex-MTS AI) / Cotype, Cloud.ru Evolution AI Factory, T-Pro 2.0 и другие open-weight модели, плюс отраслевые интеграторы и open-source стек из p.9 (YandexGPT 5; Cloud.ru Evolution AI Factory; MWS AI (ex-MTS AI) / Cotype; T-Pro 2.0).

Но здесь тоже нужна аккуратность.

• Для не-КИИ корпоративного контура российские облака и корпоративные LLM часто становятся главным белым путём.
• Для КИИ и жёсткого производственного контура решение чаще смещается в архитектуру private / on-prem / open-source из p.2/01 и p.9.
• Для узкой промышленной задачи — например, ОТК на линии — иногда разумнее сразу идти в специализированный CV-стек, а не в большую облачную платформу.

Как думать о выборе правильно

1. Сначала определите слой, а не логотип. Вам нужен отраслевой автоматизационный набор, облачная AI-платформа или точечное решение под одну боль?

2. Потом определите допустимый контур. Это вопрос из p.3/02 и p.3/05, а не из каталога вендора.

3. Только после этого сравнивайте TCO и функциональность. Экономику надо читать через p.4/01 и p.2/06.

4. Если западный эталон нужен только как ориентир архитектуры — так и называйте его. Не превращайте эталонный кейс в фиктивный план закупки.

Что делать дальше

• Если вам нужно понять, где в этом рынке деньги, переходите к уроку 3 про четыре рычага ценности.
• Если вам уже пора выбирать допустимый контур, читайте p.2/01 про шесть контуров, p.3/02 про КИИ и p.3/05 про санкции.
• Если вам нужен конкретный локальный стек без западных SaaS, переходите в p.9.
• Если вам нужен именно закупочный разбор вендоров и RFP-логика, ждите будущий модуль p.10.