Современный высокотехнологичный бизнес достигает пределов простых решений, возвращаясь к необходимости глубоких научных исследований. Фундаментальная математика и физика сегодня закладывают основу для технологий, которые станут стандартом индустрии через десятилетие.
На плечах гигантов: связь математики и смартфонов
Лауреат Филдсовской премии Станислав Смирнов однажды привел пример неочевидной связи науки и бизнеса. Математические методы, разработанные еще в начале XIX века Жаном-Батистом Жозефом Фурье, сегодня применяются в каждом смартфоне для обработки и хранения фотографий. «Современные инженеры, создающие эту технику, вряд ли догадываются, что стоят на плечах гигантов», — заметил Смирнов.
Большинству направлений бизнеса серьезная математика не нужна, но мир становится сложнее. Выиграть в конкурентной борьбе смогут лишь те, кто сумеет превратить фундаментальную науку в эффективный бизнес-инструмент. Это уже происходит: линейное программирование оптимизирует цепочки поставок, стохастические процессы — анализ потребительского поведения. В высокотехнологичных отраслях имитационное моделирование помогает подбирать проектные решения и режимы эксплуатации химических производств.
Важность фундаментальной математики остро осознают бигтехи. В 2025 году DeepMind объявила о запуске специальной программы для ускорения развития этой научной области — AI for Math Initiative.
Physical AI: когда интеллект обретает физическое воплощение
CEO Boston Dynamics Роберт Плейтер как-то сказал: «Мы снимали видео на YouTube, как робот занимается паркуром еще десять лет назад. Но гораздо сложнее — научить его делать что-то полезное». Physical AI — это естественный ход развития искусственного интеллекта. Для достижения большего экономического эффекта критические технологии должны влиять на физический мир напрямую.
По оценкам экспертов, к 2030 году на дорогах будет 71 млн автономных автомобилей, а рынок человекоподобных роботов достигнет 1 млн проданных единиц. Однако выход искусственного интеллекта в физический мир — процесс более комплексный, чем принято думать. Речь идет о формировании целой экосистемы физических агентов, способных эффективно и безопасно взаимодействовать друг с другом и с человеком.
Каждое воплощение Physical AI требует интеграции десятков научных дисциплин: от механики до материаловедения. Ошибка алгоритма здесь — не сбой на экране, а возможная угроза жизни и здоровью человека, поэтому вопросы безопасности выходят на передний план. Традиционные чипы достигают пределов энергоэффективности, и ответом становятся нейроморфные процессоры, имитирующие устройство мозга.
По данным Reuters, CES 2026 прошёл под доминированием «физического ИИ» — фокус индустрии сместился от программных моделей к роботам, гуманоидным машинам и автономным устройствам. Гуманоидные роботы стали главной витриной выставки, но основные барьеры развития гуманоидов — высокая стоимость, нехватка вычислительной мощности, ограничения батарей и слабая способность действовать вне заранее заданных сценариев.
Экономика долголетия: наука против маркетинга
С 2021-го по 2023 год отрасль долголетия переживала настоящий бум: было вложено более $18 млрд, в том числе в многочисленные стартапы. Сформировался массовый потребительский рынок — от умных колец до БАДов. Однако в последнее время ажиотаж вокруг сулящих долголетие компаний поутих: вложения сократились на фоне неудовлетворительных результатов.
Формирующаяся «экономика долголетия» выходит за рамки простого управления возрастными изменениями, фокусируясь на вмешательствах, направленных на увеличение продолжительности жизни. Ядром этой экономики должны стать ИИ и дата-инфраструктура, культура совместной работы биологов и ИИ-команд.
На горизонте десяти лет можно выделить четыре ключевых научных кластера, без которых бизнес в сфере долголетия будет неэффективен: клеточные и молекулярные механизмы старения, мультиомика и пространственная биология, клинические полигоны и таргетные интервенции.
Квантовая угроза: конец классической криптографии
Еще в конце 2024 года Google представил 105-кубитный чип Willow, преодолев барьер, над которым ученые бились 30 лет: впервые добавление кубитов уменьшает количество ошибок, а не увеличивает. Близок момент, когда квантовый компьютер сможет взломать современную криптографию — алгоритмы RSA и ECC, на которых построена вся цифровая безопасность.
Национальный институт стандартов и технологий США (NIST) установил официальный дедлайн: к 2030 году действующие стандарты шифрования будут переведены в статус устаревших, к 2035-му — полностью запрещены. Создание асимметричных криптоалгоритмов, способных выдержать квантовую атаку, — это фундаментальная математика.
Для этого необходимо обратиться к новым классам вычислительно сложных задач, например: задачам теории решеток и теории кодов, исправляющих ошибки, задачам с многочленами нескольких переменных, задачам, связанным с криптографическими хеш-функциями. Для разработки постквантовых стандартов шифрования NIST восемь лет отбирал лучших из 82 кандидатов, предложенных криптографами 25 стран. В 2022 году алгоритм SIKE, один из кандидатов на стандартизацию, был полностью взломан за 62 минуты на обычном процессоре — с помощью теоремы, опубликованной за 25 лет до этого.
Наука как инвестиция в будущее
Еще вчера ИИ можно было просто «прикрутить» к бизнес-процессам — и получить ощутимый результат. Но мир трансформируется быстрее, чем компании успевают адаптироваться. Каждое из четырех направлений требует фундаментальных исследований, в том числе — совместных, от десятков научных дисциплин.
Это задачи, которые бизнес не решит в одиночку. И не потому, что ему не хватает ресурсов, а потому, что здесь нужны знания, которых пока нет. Компании, которые сегодня инвестируют в фундаментальную науку, не просто готовятся к будущему — они его создают.