WAIC 2026: главные анонсы и почему Китай превращает искусственный интеллект в национальную инфраструктуру

В этом году конференция приобрела беспрецедентный масштаб и значимость. Если раньше китайские компании пытались догнать западные аналоги по количеству параметров в LLM, то WAIC 2026 зафиксировала новый этап: переход к глубокой инженерной оптимизации, построению независимых вычислительных архитектур и массовому внедрению агентных систем в реальный сектор экономики. Китай больше не пытается просто скопировать OpenAI или заменить один GPU от NVIDIA; он строит параллельную технологическую вселенную со своими аппаратными интерконнектами, программными стеками и стандартами.

Разбираемся, что было интересного на WAIC 2026 в этой статье.

О конференции

World Artificial Intelligence Conference 2026 прошла с 17 по 20 июля в Шанхае, собрав на выставочной площади более 100 000 квадратных метров свыше 1100 компаний со всего мира. Мероприятие побило все рекорды прошлых лет: на стендах было представлено более 3000 экспонатов, а количество мировых премьер превысило 300.

Масштаб события подчеркивался не только количеством железа, но и глубиной дискуссий. В рамках WAIC прошло более 140 тематических форумов, охватывающих всё — от программирования тензорных ядер до этики автономных систем. Важнейшим нововведением стала полноценная интеграция академического трека WAIC Academic, который собрал ведущих исследователей мира для обсуждения фундаментальных проблем машинного обучения. Крупнейшие павильоны были отданы не под развлекательные чат-боты, а под тяжелую инфраструктуру, промышленную робототехнику и системы «умного города», что ясно дало понять: ИИ в Китае рассматривается как базовый ресурс, сродни электричеству.

Масштаб выставки и смещение акцента в сторону тяжелого B2B и B2G секторов демонстрируют, что ИИ прошел стадию хайпа. Индустрия перешла к фазе капиталоемкого развертывания. (ждем комментариев про пузырь)

Международное сотрудничество

Не будем зарываться в политику, пробежимся по главному. Ключевым геополитическим итогом стало учреждение World Artificial Intelligence Cooperation Organization (WAICO) — новой международной организации, объединившей 29 стран (включая Россию). Подробнее читайте здесь. Пекин делает ставку на создание автономной экосистемы, предлагая странам-партнерам доступ к своим вычислительным мощностям и открытым моделям.

Политизация WAIC 2026 означает фактическое разделение глобального ИИ-ландшафта на два лагеря (пока что два). Для разработчиков и бизнеса это означает конец эпохи единых глобальных стандартов: в ближайшие годы нам предстоит работать в условиях двух параллельных, и зачастую несовместимых, регуляторных и технологических экосистем.

ИИ-инфраструктура: от отдельных чипов к суверенным суперузлам

Самым значимым аппаратным анонсом конференции стала публичная демонстрация суперузла (SuperPoD) Huawei Atlas 950. В условиях жестких экспортных ограничений Huawei окончательно отказалась от попыток создать прямую копию архитектуры NVIDIA и пошла по пути глубокой переработки системной шины, сделав ставку на монолитные вычислительные кластеры.

Архитектура Atlas 950 SuperPoD представляет собой единую логическую систему, объединяющую 1024 нейронных процессора (NPU) Ascend 950. Ключевая инновация заключается в новом поколении технологии интерконнекта HCCS (Huawei Cache Coherent System), которая обеспечивает ультранизкую микросекундную задержку. Благодаря этому кластер функционирует как один гигантский чип с общим пулом унифицированной памяти объемом 256 ТБ.

Однако 1024 чипа — это лишь базовый строительный блок. На выставке было заявлено, что архитектура позволяет масштабировать систему до 8192 ускорителей в рамках одного высокоскоростного домена, а теоретический предел кластеризации (SuperCluster) достигает 500 000 NPU. Для дата-центров с ограничениями по жидкостному охлаждению Huawei также представила Atlas 850E — суперузел с воздушным охлаждением, что критично для быстрой модернизации старых ЦОДов.

Что показали помимо Huawei

Тренд на создание «суперузлов» поддержали практически все крупные игроки, что ознаменовало фундаментальный сдвиг китайской индустрии: отказ от гонки пиковой производительности отдельного кристалла (TOPS/TFLOPS) в пользу системной конкуренции. Компании перешли от модели «продажи чипов» к модели «продажи производительности», где главной метрикой становится снижение стоимости генерации одного токена.

• Alibaba продемонстрировала связку ИИ-ускорителей Hanguang нового поколения и серверов Panjiu. Главным козырем решения стал обновленный проприетарный высокоскоростной интерконнект. Подробнее про открытый программный стек SAIL читайте здесь.

• Sugon (Dawning Information Industry) представила ИИ-суперкластер Sugon 8000 (Dengfeng). Это решение получило престижную награду выставки «Treasures of the Hall» (Сокровище павильона) за инновации в области жидкостного охлаждения и плотности компоновки вычислительных элементов.

• ZTE выступила с инициативой экосистемного подхода, возглавив коалицию производителей для запуска суперузла с открытой архитектурой Matrix. Идея заключается в стандартизации аппаратных интерфейсов и сетевых протоколов, чтобы клиенты могли комбинировать ускорители, коммутаторы и софт от разных китайских вендоров, избегая «вендор-лока».

• Компании Biren и MetaX, несмотря на санкционное давление, показали новые поколения чипов, но их презентации также фокусировались на программно-аппаратных комплексах и обновленных китайских программных стеках (аналогах CUDA), способных бесшовно переносить нагрузки с западного железа на отечественное.

Китайская аппаратная школа совершила успешный переход от компонентного подхода к системной инженерии дата-центров. Понимая, что в литографии догнать TSMC в ближайшие годы не удастся, разработчики компенсируют отставание в нанометрах за счет инноваций в топологии кластеров, интерконнектах и архитектуре памяти, создавая полностью независимую и жизнеспособную альтернативу решениям NVIDIA.

GenAI: нативная мультимодальность и стратегический open source

В сфере фундаментальных моделей на WAIC 2026 произошел важный водораздел: экстенсивная гонка за триллионами параметров окончательно уступила место оптимизации контекстного окна, нативной мультимодальности и развитию способностей к многоступенчатому рассуждению (reasoning). Если раньше компании соревновались в том, кто обучит самую большую нейросеть, то теперь фокус сместился на то, как сделать модель применимой для сложных инженерных задач. Главным событием в этом сегменте стал релиз модели MiniMax M3, которая задала новый стандарт для открытого сегмента.

Архитектура MiniMax M3 изначально проектировалась с прицелом на автономные агентные сценарии. Это мультимодальная open-weight модель, которая одной из первых предложила стабильно работающее контекстное окно в 10 миллионов токенов (и архитектуру потоковой памяти для бесконечного контекста). Инженерная ценность этого достижения заключается в способности модели удерживать внимание на критически важных данных без эффекта «забывания» информации в середине промпта (что подтверждается тестами Needle In A Haystack). Особый акцент разработчики сделали на программировании: модель способна не просто генерировать код, но и самостоятельно разворачивать его в изолированных песочницах, анализировать логи ошибок, писать тесты и итеративно отлаживать скрипты без участия человека.

Помимо MiniMax, свои флагманские решения обновили и другие ключевые игроки китайского бигтеха. Alibaba представила новые итерации семейства Qwen. Подробнее писали об этом здесь, повторяться не будем.

Baidu продемонстрировала корпоративные версии Ernie, глубоко интегрированные в облачную инфраструктуру и оптимизированные для RAG-систем (Retrieval-Augmented Generation) в B2B-секторе. SenseTime показала возможности модели SenseNova в потоковой генерации видео и анализе пространственных данных, а Zhipu AI сфокусировалась на математических и логических бенчмарках своей линейки GLM. Общим знаменателем всех презентаций стал отказ от создания «универсальных чат-ботов» в пользу специализированных моделей, способных выполнять роль вычислительного ядра для корпоративных приложений.

Однако самым заметным системным трендом стал массовый переход китайских разработчиков к стратегии open source. Открытие весов передовых моделей — это не акт технологического альтруизма, а холодный и прагматичный расчет. В условиях, когда западные лидеры рынка (OpenAI, Anthropic, Google) закрывают свои лучшие разработки за проприетарными API, Китай использует открытый код как асимметричное экономическое оружие. Предоставляя мощные модели бесплатно, китайские корпорации целенаправленно коммодитизируют слой базовых LLM. Это позволяет им формировать лояльное глобальное сообщество разработчиков, устанавливать собственные стандарты интеграции и подрывать бизнес-модели западных конкурентов, чей доход строится на продаже доступа к моделям по подписке.

Основная добавленная стоимость теперь формируется не на этапе создания фундаментальных LLM, а в слое разработки прикладных агентных систем и предоставления высокооптимизированной инфраструктуры для инференса.

AI-агенты: от пассивных генераторов к нативным агентным операционным системам

Центральной темой софтверного трека WAIC 2026 стал окончательный переход индустрии от базовых больших языковых моделей (LLM) к сложным агентным системам (Agentic AI). Если последние несколько лет инженеры фокусировались на улучшении качества генерации текста в формате «вопрос-ответ», то сейчас приоритетом стала автономность — способность систем самостоятельно планировать действия и достигать конечных результатов. Главным открытием в этом направлении стала презентация компании StepFun, представившей Step Agent OS (Step AOS) — первую полноценную agent-native операционную систему коммерческого уровня.

Чтобы понять архитектурную значимость Step AOS, необходимо четко разделить концепции чат-бота и мультиагентной среды. Традиционная LLM реактивна: она ждет промпта, выдает результат и останавливается. Вся логика удержания контекста, маршрутизации вызовов и обращения к внешним API обычно реализуется на прикладном уровне с помощью фреймворков-надстроек. Step AOS меняет эту парадигму, опуская управление ИИ на системный уровень. Это операционная система, ядро которой изначально спроектировано для управления роем нейросетей. В ней системными ресурсами выступают не только такты процессора и оперативная память, но и лимиты токенов, распределение контекстных окон и гранулярный контроль доступа агентов к корпоративным базам данных и инструментам.

Механика работы Step AOS строится на сложной оркестрации специализированных ИИ-воркеров. Система получает от пользователя не жесткий скрипт, а высокоуровневую бизнес-задачу — например, «проанализировать финансовую отчетность конкурентов за квартал и подготовить черновик стратегии выхода на новый рынок». Главный агент-планировщик (orchestrator) декомпозирует эту цель на ациклический направленный граф подзадач. Затем он распределяет их: агент-парсер собирает PDF-документы, агент-аналитик извлекает из них цифры и строит финансовые модели, а агент-копирайтер формирует итоговый текст.

Ключевая инновация StepFun кроется в механизме внутреннего взаимодействия: агенты обмениваются промежуточными векторами состояния в едином разделяемом контекстном пространстве (shared memory). Если агент-аналитик обнаруживает нестыковку в данных, он не останавливает процесс с ошибкой, а автономно формирует запрос агенту-парсеру на поиск дополнительных источников. Эта способность к саморефлексии и итеративному исправлению ошибок друг друга без участия человека делает систему по-настоящему автономной.

На стендах выставки были продемонстрированы прикладные сценарии, доказывающие готовность технологии к enterprise-внедрениям. В сфере разработки программного обеспечения была показана экосистема агентов, полностью управляющая CI/CD пайплайнами. Агенты мониторили репозитории, самостоятельно писали недостающие unit-тесты, анализировали логи упавших сборок и итеративно правили код до успешного прохождения всех проверок. В корпоративном секторе демонстрировалось управление цепочками поставок: агенты непрерывно анализировали складские остатки, коррелировали их с логистическими сводками и автономно формировали закупки, нивелируя риски кассовых разрывов.

Появление agent-native операционных систем знаменует фундаментальный сдвиг в парадигме человеко-машинного взаимодействия. Мы переходим от императивного управления и промпт-инжиниринга к уровню декларативного делегирования, где человек выступает исключительно в роли постановщика целей, а ИИ трансформируется из пассивного инструмента в автономного цифрового сотрудника с правом принятия решений.

I-смартфоны: конец эпохи традиционных приложений и агент как новая ОС

Логичным развитием концепции автономных систем, продемонстрированным на WAIC 2026, стала их глубокая интеграция в потребительскую электронику. Мобильная индустрия, долгое время находившаяся в состоянии стагнации форм-факторов и интерфейсов, получила мощный архитектурный импульс благодаря концепции «агентного смартфона». Главными ньюсмейкерами в этом сегменте стали бренд Nubia (подразделение ZTE) и крупный китайский ODM-производитель Huaqin.

Nubia представила первый коммерческий аппарат, программный стек которого изначально выстроен вокруг ИИ. «Мозгом» устройства стала оптимизированная для мобильных платформ версия фундаментальной модели Doubao от ByteDance. В свою очередь, компания Huaqin продемонстрировала концептуальный прототип STEPX Neo, предлагающий схожий подход к человеко-машинному взаимодействию, но с особым упором на аппаратное ускорение инференса непосредственно на устройстве (on-device AI), что минимизирует задержки при обращении к облаку.

Ключевое отличие этих устройств от смартфонов предыдущего поколения кроется в радикальном переосмыслении пользовательского интерфейса. Вместо классической парадигмы, где человек должен открывать приложения и перемещаться по меню, система предлагает GUI-агента (Graphical User Interface Agent), интегрированного на уровне фреймворков операционной системы. Этот агент использует мультимодальные возможности для анализа происходящего на экране: он «видит» интерфейс любых сторонних программ так же, как человек, понимая семантику кнопок, списков и текстовых полей. Благодаря этому ИИ может автономно взаимодействовать с элементами управления, скроллить страницы и вводить данные, не требуя от разработчиков приложений внедрения специализированных API.

На практике это кардинально меняет пользовательский опыт (UX). Владельцу устройства достаточно дать высокоуровневую неструктурированную команду: например, «Забронируй мне билет на утренний рейс до Пекина на завтра, выбери место у окна и перешли детали брони коллегам в WeChat». GUI-агент самостоятельно откроет приложение авиакомпании, найдет нужный рейс, заполнит платежные реквизиты, сохранит маршрутную квитанцию и отправит ее в мессенджер. В этой архитектуре агент фактически становится новой операционной системой, выступая универсальной прослойкой, которая полностью абстрагирует пользователя от ручного взаимодействия с конкретным софтом.

Появление агентных смартфонов ставит под угрозу устоявшуюся экономику мобильных экосистем (App Store и Google Play). Если основным интерфейсом взаимодействия становится системный ИИ-ассистент, ценность уникального дизайна и брендинга сторонних приложений стремится к нулю, а полный контроль над пользовательским вниманием и транзакционными потоками переходит к разработчику AI-агента.

AI Glasses: новый форм-фактор для носимого интеллекта

На фоне затяжной стагнации рынка классических AR/VR гарнитур, которые так и не смогли стать массовыми из-за громоздкости и проблем с автономностью, носимые устройства со встроенным ИИ переживают настоящий ренессанс. На WAIC 2026 компании iFlytek, Rokid, XREAL и Thunderbird (бренд TCL) представили новые поколения AI Glasses, которые меняют парадигму взаимодействия с дополненной реальностью. Да, мы видели умные очки с камерой еще давно, но это немного другое.

Главный инженерный сдвиг заключается в отказе от концепции тяжелого пространственного компьютинга. Новые AI Glasses не пытаются рендерить сложную 3D-графику, проецировать виртуальные экраны высокой четкости или строить полномасштабные карты помещений. Их архитектура предельно утилитарна: это, по сути, глаза и уши для облачного ИИ-агента. Оснащенные широкоугольными камерами, массивами направленных микрофонов и легкими проекционными дисплеями, очки в реальном времени транслируют видео- и аудиопоток в мультимодальную LLM.

На практике это открывает совершенно новые юзкейсы. Пользователь получает контекстные подсказки, наложенные поверх объектов физического мира. Например, синхронный перевод речи собеседника транслируется прямо в поле зрения в виде субтитров, а инженер на заводе видит пошаговые инструкции и схемы сборки узла, на который он смотрит. При этом все тяжелые вычисления (инференс моделей, распознавание речи, компьютерное зрение) вынесены за пределы устройства — на подключенный по Bluetooth смартфон или в облако.

Такой подход к распределению вычислительной нагрузки решил главную проблему индустрии: новые AI Glasses весят менее 50 граммов, не перегреваются, работают весь день от одного заряда и внешне почти неотличимы от обычных солнцезащитных очков.

Робототехника: конец эпохи выставочных танцев и триумф воплощенного ИИ

Павильон «воплощенного ИИ» (Embodied AI) стал самым наглядным индикатором взросления индустрии. Если на предыдущих выставках производители соревновались в написании сложных скриптов для эффектных сальто и синхронных танцев, то на WAIC 2026 фокус радикально сместился на решение скучных, но экономически оправданных промышленных и бытовых задач. Робототехника совершила переход от жесткой кинематики к управлению на базе VLA-моделей (Vision-Language-Action), где нейросеть напрямую транслирует визуальные данные и текстовые команды в низкоуровневые крутящие моменты приводов.

Ярким примером морфологической адаптивности стала презентация компании Unitree Robotics, показавшей модель GD01. Это робот-трансформер, способный динамически переключаться между гуманоидной (бипедальной) и квадроподобной конфигурациями. Такая архитектура решает классическую проблему баланса: робот передвигается по сложному индустриальному рельефу на четырех конечностях для максимальной устойчивости, а при необходимости манипуляций с оборудованием принимает вертикальное положение. В свою очередь, компания Fourier Intelligence представила модель GR Nano, спроектированную специально для тесного взаимодействия с людьми (Human-Robot Interaction). Аппарат нацелен на помощь в медицинских учреждениях и уход за пожилыми людьми, где критически важна плавность движений и безопасность физического контакта.

Особое внимание инженеров было приковано к развитию манипуляторов — так называемых AI Hands. Проблема захвата неструктурированных объектов долгое время оставалась узким местом отрасли. На выставке были представлены антропоморфные кисти с массивами тактильных датчиков высокого разрешения, позволяющими роботу оценивать плотность и текстуру материала в реальном времени. Стартап AgiBot продемонстрировал гуманоида Expedition A3 Ultra, интегрированного в реальную автомобильную производственную линию. Робот самостоятельно выбирал инструменты, оценивал усилие при закручивании крепежа и адаптировался к изменениям на конвейере, не требуя перекалибровки при смещении деталей на несколько миллиметров.

В сегменте логистики и ритейла главным трендом стала децентрализованная координация. Настоящий фурор среди технических специалистов произвела демонстрация коллективной работы на стенде StepFun. Шесть складских роботов под управлением агентной операционной системы автономно координировали свои действия в симулированном складском помещении. У них не было единого жестко заданного маршрутизатора: машины обменивались намерениями по локальной сети, самостоятельно разрешали конфликты на перекрестках и динамически перераспределяли задачи, если один из роботов задерживался. Схожий уровень автономности показала система SenseMart Go — полностью роботизированные мерчандайзеры, которые непрерывно курсируют по магазинам, сканируют полки с помощью компьютерного зрения, выявляют недостаток товаров и автономно пополняют запасы со склада.

Industrial AI: от предиктивной аналитики к автономным цифровым фабрикам

Промышленный искусственный интеллект (Industrial AI) традиционно остается тем сегментом, где стирается граница между софтверными стартапами и классическими индустриальными гигантами. На WAIC 2026 этот трек продемонстрировал, что внедрение ИИ в тяжелой промышленности перешло от точечных экспериментов к глубокой системной интеграции на уровне АСУ ТП (автоматизированных систем управления технологическим процессом) и SCADA-систем. В отличие от консьюмерского рынка, здесь на первый план выходят отказоустойчивость, детерминированность ответов модели и способность работать с сырой телеметрией.

Западную инженерную школу на выставке ярко представила компания Siemens, продемонстрировавшая концепцию Engineering Agent. В этой архитектуре внедренный ИИ выступает не просто как аналитический дашборд, а как полноценный «второй пилот» для инженеров-проектировщиков. Нейросеть способна автономно проводить топологическую оптимизацию деталей под заданные векторы физических нагрузок, а также генерировать и верифицировать низкоуровневый код для программируемых логических контроллеров (ПЛК). Это радикально сокращает цикл R&D и минимизирует вероятность человеческой ошибки при программировании сложной конвейерной автоматики, где цена бага измеряется миллионами долларов.

Китайские разработчики, в свою очередь, сделали ставку на макроинфраструктурные проекты и энергетику. Платформа DaWatt CloudRui продемонстрировала возможности агентных систем в проектировании и управлении распределенными национальными электросетями. В условиях растущей доли возобновляемых источников (солнце и ветер), отличающихся непредсказуемой волатильностью генерации, классические алгоритмы балансировки перестают справляться. Решение от DaWatt использует предиктивные модели-трансформеры для прогнозирования микропиков потребления и маршрутизации потоков энергии в реальном времени, предотвращая каскадные отключения оборудования и оптимизируя нагрузку на узловые подстанции.

Концепция «цифровых двойников» фабрик получила логичное развитие через массовое внедрение специализированных промышленных агентов (Industrial Agents). Если раньше машинное обучение применялось в основном для задач компьютерного зрения на линиях контроля качества (ОТК), то теперь агенты непрерывно анализируют петабайты многомерной телеметрии со всего парка станков: вибрации шпинделей, акустические сигналы, температурные профили двигателей. Эти системы способны не только предсказывать поломки, но и автономно корректировать режимы резания на ЧПУ-станках для продления жизни инструмента, а также динамически перестраивать внутрицеховую логистику, если один из узлов конвейера выходит из строя.

Генерация 3D: от игровых ассетов к параметрическому CAD-моделированию

Технологии генерации трехмерного контента на WAIC 2026 продемонстрировали качественный скачок, окончательно избавившись от статуса экспериментальных игрушек для метавселенных. Если еще пару лет назад подходы text-to-3D и image-to-3D выдавали шумные полигональные сетки, пригодные разве что для фоновых объектов в инди-играх, то сейчас речь идет о создании сложных, физически корректных сцен. На выставке были представлены платформы нового поколения, способные в реальном времени генерировать высокополигональные модели по одному плоскому изображению или короткому текстовому промпту, сохраняя при этом строгую топологию объектов.

Особый интерес для технической аудитории представила глубокая интеграция этих генеративных моделей в профессиональные CAD-системы. Современные нейросети научились выходить за рамки поверхностного моделирования (mesh): теперь они генерируют твердотельные параметрические модели, учитывающие физические свойства заданных материалов. Платформы берут на себя весь цикл подготовки детали к производству. ИИ автоматически рассчитывает структурную целостность, генерирует необходимые поддержки для 3D-печати или выстраивает оптимальные G-коды (траектории движения инструмента) для фрезерных станков с ЧПУ. Это кардинально меняет цикл R&D в машиностроении, позволяя инженерам синтезировать тысячи вариантов деталей, тестировать их в виртуальных симуляциях и отправлять на прототипирование за считанные часы.

Не менее важным аспектом стало использование 3D-генерации в робототехнике. Для обучения алгоритмов «воплощенного ИИ» (embodied AI) требуются миллионы часов симуляций в разнообразных условиях. Вместо ручного создания тестовых полигонов, разработчики теперь используют нейросети для процедурной генерации бесконечных вариаций синтетических 3D-миров (world models). Модели автоматически создают реалистичные заводские цеха, склады или жилые комнаты с корректным освещением и физикой столкновений, что позволяет роботам проходить обучение методом Sim-to-Real на порядки быстрее и дешевле.

AI в медицине: от потокового скрининга к генеративной биологии

Медицинский трек WAIC 2026 продемонстрировал важный качественный сдвиг: искусственный интеллект в здравоохранении окончательно перестал быть предметом исключительно академических исследований и перешел в разряд сертифицированных клинических инструментов. Разработчики сместили фокус с создания узкоспециализированных алгоритмов на комплексные диагностические платформы, способные брать на себя рутину и существенно снижать нагрузку на систему здравоохранения.

В сфере классической визуальной диагностики (Medical Imaging) были представлены мультимодальные нейросети нового поколения для анализа МРТ и КТ. Современные архитектуры способны в рамках одного исследования выявлять, размечать и классифицировать до 74 различных патологий — от микроаневризм сосудов головного мозга до ранних признаков онкологии. Точность этих систем вплотную приблизилась, а на сложных комплексных снимках — превысила средние показатели врачей-рентгенологов. Параллельно развивается тренд на демократизацию скрининга. На выставке показали мобильные приложения, нацеленные на раннее выявление болезни Альцгеймера и других нейродегенеративных расстройств. Эти программные комплексы анализируют микропаттерны движений глаз (саккады) через фронтальную камеру и фиксируют минимальные семантические сбои в речи пациента, позволяя проводить первичную аппаратную диагностику силами обычного смартфона.

Однако наиболее масштабные трансформации происходят на стыке высокопроизводительных вычислений и молекулярной биологии — в парадигме AI for Science. На конференции были продемонстрированы специализированные медицинские LLM и мощные биоинформатические платформы, в частности Matwings. Если раньше алгоритмы преимущественно занимались виртуальным скринингом существующих баз химических соединений, то теперь генеративные нейросети используются для синтеза de novo. Модели предсказывают фолдинг (сворачивание) и генерируют структуры принципиально новых белков с заранее заданными терапевтическими свойствами. Они симулируют взаимодействие этих молекул-кандидатов с биологическими мишенями, что позволяет сократить первичный этап разработки новых лекарств с нескольких лет до нескольких недель.

ИИ в медицине успешно прошел этап недоверия и становится рутинным диагностическим стандартом. При этом успехи в области генеративной биологии (AI for Science) показывают, что нейросети способны не только анализировать накопленные медицинские данные, но и синтезировать принципиально новые биологические материалы, что в перспективе обещает полностью перекроить экономику фармацевтической индустрии.

Этика и регулирование: от философских диспутов к жесткому комплаенсу

Форум Global AI Governance, прошедший в рамках конференции, наглядно показал, что вопросы этики и регулирования ИИ перестали быть уделом философов и превратились в инструмент геополитической борьбы и жесткого корпоративного комплаенса. Если раньше на подобных панелях обсуждали абстрактную «проблему вагонетки», то на WAIC 2026 речь шла о стандартах аудита, ответственности за действия автономных агентов и экзистенциальных рисках.

Тон дискуссии задали представители ООН и видеообращение Йошуа Бенжио (одного из «крестных отцов» глубокого обучения), которые вновь подняли тему AI Safety и рисков потери контроля над сверхчеловеческим интеллектом. Однако китайская сторона и страны-партнеры сделали акцент на другом аспекте безопасности — недопустимости монополизации ИИ узкой группой западных корпораций. Ключевой проблемой, признанной участниками, стало отсутствие единого международного Кодекса этики. Разделение мира на западный и восточный технологические блоки делает невозможным создание универсальных правил игры.

Вместо попыток договориться о глобальном регулировании, участники сфокусировались на прагматичной концепции «ответственного ИИ» (Responsible AI) и стандартах интероперабельности. Обсуждались технические методы внедрения «водяных знаков» в генеративный контент, алгоритмы интерпретируемости решений нейросетей (Explainable AI) для банковского сектора и медицины, а также механизмы отзыва прав у ИИ-агентов в случае нештатных ситуаций на производстве.

Регулирование ИИ стало одним из главных барьеров для масштабирования технологий. Разработчикам глобальных IT-продуктов теперь придется учитывать требования двух параллельных, и зачастую несовместимых, регуляторных режимов, что неизбежно приведет к фрагментации кодовой базы и удорожанию архитектуры корпоративных сервисов.

Что ещё показали: экспансия ИИ во все сферы жизни

WAIC 2026 изобиловала множеством узкоспециализированных инициатив и площадок, доказывающих, что ИИ стал базовой инфраструктурой для любой отрасли:

• Brain-Computer Interface (BCI): Были продемонстрированы новые неинвазивные нейроинтерфейсы. В отличие от имплантов Neuralink, китайские инженеры делают ставку на высокочувствительные носимые ЭЭГ-гарнитуры, позволяющие управлять роботизированными протезами и умным домом силой мысли с минимальной задержкой.

• Экосистема стартапов: Площадки Future Tech, WAIC Connect и AI Gravity собрали сотни молодых команд, показав, что фокус венчурного капитала сместился с разработки базовых моделей на создание узконишевых AI-приложений (AI-native apps) для конкретных бизнес-вертикалей.

• Отраслевые форумы: AI for Education, AI for Finance, AI for Manufacturing и AI for Smart Cities представили сотни реальных кейсов — от персонализированных ИИ-тьюторов для школьников до алгоритмического трейдинга и управления городским трафиком в реальном времени.

• Популяризация науки: AI Carnival, WAIC Young и AI Geek Camp стали масштабными площадками для вовлечения молодежи. Роботизированные соревнования и хакатоны направлены на воспитание нового поколения инженеров, для которых работа с нейросетями является таким же базовым навыком, как знание английского языка или математики.

Заключение: эпоха суверенных экосистем

Конференция в Шанхае зафиксировала исторический рубеж: победа в ИИ-гонке больше не зависит от того, чья нейросеть выбьет больше баллов в синтетических бенчмарках или лучше сдаст экзамен на адвоката. Конкуренция перешла на макроуровень — уровень комплексных AI-платформ и национальных технологических экосистем.

Мы увидели, как Китай планомерно и агрессивно выстраивает полный, независимый технологический стек. От собственных архитектур памяти и интерконнектов до нативных операционных систем для агентов, от открытых мультимодальных моделей до автономных промышленных гуманоидов, управляемых VLA-алгоритмами. Главный вывод WAIC 2026 заключается в том, что мировой рынок ИИ окончательно фрагментировался.

Как вам мероприятие, что для вас показалось интересным?