Андрей Белевцев: «Мы поддерживаем тех, кто строит науку завтрашнего дня»

Старший вице-президент, руководитель блока «Технологическое развитие» Сбербанка рассказал, почему «Сбер» развивает науку, какие направления считает приоритетными и как находит баланс между фундаментальными и прикладными исследованиями.

— Мы отмечаем ученых не только за конкретные достижения, но и за будущие открытия, базу для которых они создают. Оцениваем не достижение само по себе, а всю научную школу, которая выстраивается годами и ведет к новым открытиям. «Сбер» поддерживает тех, кто строит науку завтрашнего дня и закладывает фундамент новых технологий.

— В прошлом году лауреатом Научной премии «Сбера» стал Роман Соловьев из Зеленограда. Он занимается тем, для чего проектировался этот наукоград,— развивает российскую микроэлектронику. Здесь очень сложно конкурировать с западными и китайскими компаниями, ведь они вложили в исследования десятилетия и миллиарды инвестиций. Но Роман придумал, как сократить отставание. Он создал методы искусственного интеллекта, которые ускоряют проектирование новых микросхем. Теперь ИИ выявляет оптимальные пути разработки, а инженеры не тратят время на тупиковые решения.

А пять лет назад нашим первым лауреатом стал физик-ядерщик Юрий Оганесян. Он получил премию за работы по синтезу сверхтяжелых химических элементов и вклад в становление экспериментальной базы ускорителей. И сегодня мы видим, как реализуется на практике один из главных принципов премии — награждать тех, кто создает задел для будущих открытий. В Дубне запущена новая фабрика сверхтяжелых элементов, стартовали эксперименты. Скоро Юрий Цолакович, его коллеги и ученики впишут в таблицу Менделеева новые элементы, начиная со 119-го.

А в целом за пять лет премия показала, насколько разной бывает сильная наука. Ее лауреатами стали 17 ученых, работающих в областях от математики и ядерной физики до химии, биологии и медицины. Среди отмеченных работ — квантовая информатика и тензорные методы сжатия данных, динамический катализ и материалы для аккумуляторов, флуоресцентные белки и новые методы лечения рака. А с 2024 года в номинации «AI в науке» мы награждаем молодых исследователей, которые с помощью искусственного интеллекта ускоряют открытия.

— Ключевые — это квантовые технологии, робототехника, искусственный интеллект для науки. Очень много сил мы сейчас вкладываем в автономные системы. Антропоморфный робот Грин — новый этап российской робототехники.

Однако фокус не только на ИИ. Центр квантовых технологий, например, показал первый в России прототип оптического вычислителя, который обрабатывает данные при помощи света. Отдельные команды занимаются материаловедением и сенсорикой — уже есть интересные результаты. Еще одно направление — долговременное хранение информации в ДНК: вместе с МФТИ мы подтвердили, что полный цикл реализуем — от кодирования цифровых данных и записи в молекулу до считывания без потерь.

Более 70% результатов исследований «Сбера» и партнеров внедряются в работу. Только в 2025 году наши ученые вместе с научным партнером Институтом AIRI опубликовали 440 научных статей, половина из них — в журналах первого квартиля и на конференциях уровня A*, то есть в топе мировой науки. Наши коллеги выступают на профильных международных форумах, отдают свои разработки в open source, читают лекции, учат следующее поколение специалистов.

За мировыми трендами в науке и технологиях мы следим пристально. Смотрим, что конкретно сейчас развивают в ведущих исследовательских центрах и технологических компаниях и как это влияет на отрасль. Но в приоритете у нас собственные решения, которые учитывают нюансы языка, культуры, экономики и психологии людей. Слепое копирование здесь не работает.

— Это основа всего, что мы делаем в технологиях. Нельзя быть технологической компанией без собственной науки. Иначе ты всегда будешь догоняющим, будешь зависеть от того, получишь ли доступ к нужным технологиям. России принципиально важно иметь свой технологический стек, и наша научная составляющая — один из способов его построить.

Второй момент — качество. Статья в журнале или на ведущей конференции — это независимая оценка мирового сообщества. Когда рецензенты признают работу наших исследователей, мы понимаем, что наши решения действительно на передовом уровне, а не только кажутся нам такими.

Наконец, наука задает горизонт. Продукты, которыми мы все будем пользоваться через 5–10 лет, рождаются сейчас. И это происходит как раз в лабораториях — на стыке фундаментальных исследований и запросов людей. Задача в том, чтобы увидеть эти точки роста раньше других и довести их до результата, который почувствуют все.

— Искусственный интеллект переходит от цифры в физический мир — на следующий этап развития. Модели научились работать с текстом, изображениями, кодом, освоили рассуждение и планирование. Сейчас мы учим ИИ действовать в реальной среде: воспринимать пространство, понимать, чего хочет человек, принимать решения и выполнять их с помощью физического тела. Это называется Physical AI, физический искусственный интеллект.

«Сбер» создает не только робототехнические платформы, такие как антропоморфный робот Грин на базе модели Green-VLA, позволяет антропоморфным роботам осваивать новые действия. Общий подход Vision — Language — Action связывает зрительное восприятие робота, понимание естественного языка и физическое действие. Нужно уйти от систем, для которых каждое движение и сценарий программирует инженер, к роботам, способным свободно действовать в незнакомой среде.

Робототехника должна как можно быстрее преодолеть «демонстрационный этап» и начать эффективно решать прикладные задачи. Поэтому параллельно с человекоподобными платформами мы развиваем специализированные решения, например, универсального робота Воркера, сборщика заказов. Разные форм-факторы здесь не конкурируют друг с другом: где-то эффективнее антропоморфный робот, который умеет работать в инфраструктуре, созданной для людей, а где-то — робот, оптимизированный под конкретный бизнес-процесс. Важно, что внутри каждой платформы используется единый искусственный интеллект Green-VLA.

Physical AI может стать таким же фундаментальным технологическим слоем, каким уже стали большие языковые модели. Но для этого предстоит решить значительно более сложную проблему. Реальный мир невозможно полностью описать заранее: в нем постоянно возникают новые объекты, ситуации и ограничения. Поэтому развитие робототехники — это во многом работа над способностью ИИ учиться, обобщать опыт и переносить приобретенные навыки на новые физические задачи. Именно здесь мы видим одно из ключевых направлений исследований и разработок на ближайшие годы.

— В этой цепочке нет точки, где ученый остается один на один с задачей. «Сбер» участвует на каждом этапе — меняется лишь распределение ответственности.

На этапе идеи бизнес приходит с конкретной проблемой, а лаборатории проверяют гипотезы. Ученый отвечает за научную постановку задачи, «Сбер» — за формулировку бизнес-запроса и поддержку исследовательских команд. Это касается и внешних партнеров: коллективы, с которыми мы работаем по федеральному проекту «Искусственный интеллект», ведут прикладные исследования в интересах заказчиков.

На этапе разработки подключаются кросс-функциональные команды. Ученые, ML-инженеры, продуктологи и аналитики трудятся вместе, стирая барьеры между ИТ и бизнесом. Ученый по-прежнему отвечает за научный результат, но уже не ограничивается моделью и прототипом. Технология рассматривается комплексно: «железо», софт, алгоритмы и данные для переобучения в реальном контуре. Вопросы внедрения, безопасности и инфраструктуры решаются в связке с бизнесом.

На этапе продукта на основе наиболее перспективных гипотез формируются продуктовые команды, а исследовательские центры создают принципиально новые решения. Здесь ответственность становится общей: ученый вместе с бизнесом отвечает за измеримый результат и окупаемость вложений. Бизнес инвестирует в технологии миллиарды и должен четко понимать, какую ценность это даст клиенту. Кстати, именно в этот момент исследователь становится полноценным партнером компании.

Хороший пример такой модели — наш центр практического искусственного интеллекта. Лаборатория ИИ стала центром, сместив фокус с исследований на внедрение GenAI-моделей и создание бизнес-ценности. Команда проходит полный цикл: от гипотез до масштабируемых продуктов — агентов и ассистентов — и их интеграции в банковские сервисы. К научным публикациям добавились метрики реального дохода и автоматизации процессов — например, в кол-центре и рекомендательных системах. В итоге теперь путь от идеи до продакшена занимает всего несколько месяцев.

Вот так мы снимаем главные барьеры кооперации науки и бизнеса: разницу культурных кодов, несовпадение жизненных циклов и неумение работать со сквозными метриками.

— Платформа создается для исследователей, просто исследователи сегодня работают не только в университетах. Часто это одновременно и сотрудник научной лаборатории, и инженер в R&D-компании. Поэтому я не стал бы противопоставлять социальную миссию и стратегическую ценность. Платформа — это инфраструктура, а у хорошей инфраструктуры одно неотделимо от другого.

Миссия простая: дать ученому больше времени на саму науку. Поиск и анализ литературы, обработка данных, проверка гипотез — все это ускоряет ИИ. И доступ к таким возможностям не должен зависеть от того, в какой организации или в каком городе работает исследователь.

А ускорение исследований — задача стратегическая. Чем быстрее идея проходит путь до проверенного результата, тем раньше она становится технологией или продуктом.

Главную ценность я вижу в сообществе, которое складывается вокруг платформы. Каждый новый пользователь, каждая решенная задача делают ее полезнее для других исследователей. Если через несколько лет ученые будут воспринимать ИИ не как эксперимент, а как обычный рабочий инструмент, я буду считать, что мы справились.

— Мы стараемся достичь баланса между быстрой окупаемостью и стратегическими инвестициями. Масштабируем готовые решения с прямым бизнес-эффектом и параллельно ищем технологические прорывы.

У наших исследований две функции. Первая — практическая: бизнес приходит с проблемой — мы находим решение и доводим его до внедрения. Такие проекты приоритетны. Эффект необязательно финансовый. Иногда мы оцениваем его через социальные метрики: удовлетворенность клиентов, развитие отношений с государством и так далее.

Вторая функция — стратегическая: не пропустить технологию, которая уже завтра изменит правила игры. Таких задач у нас много, приведу одну. Развитие искусственного интеллекта зависит от решения энергетического вопроса: чем крупнее и мощнее модели, тем больше энергии нужно дата-центрам. Если научиться считать не на электронах, а на фотонах, то есть сделать фотонный чип, потребление упадет в разы. Наш центр квантовых технологий уже представил прототип фотонной интегральной схемы. Мы занимаемся этим потому, что хотим сами определять, на чем будут работать наши модели. Для крупнейшего в стране потребителя ИИ это вопрос принципиальный.

На эту тему есть яркий пример. В 1950-х астрономы открыли квазары — сверхмассивные черные дыры, настолько далекие, что относительно нас они не движутся вообще. Никакой практической пользы, чистая наука. А через 20 лет выяснилось, что это единственные неподвижные точки во Вселенной — и по ним можно калибровать навигационные спутники. Поэтому сегодня, когда навигатор ведет курьера к вашей двери, он сверяется с квазарами. Люди, которые их открывали, про курьеров не думали.