Корпоративные AI-лаборатории: зачем компании строят собственные исследовательские подразделения

Тренд 2025-2026 года — взрывной рост корпоративных AI-лабораторий. JPMorgan расширил своё подразделение AI Research до 2 000 исследователей и инженеров. Samsung открыл шесть новых AI-центров — в Торонто, Кембридже, Москве, Монреале, Нью-Йорке и Маунтин-Вью. Bosch увеличил AI-команду до 1 500 человек и выделяет $400 млн ежегодно на исследования. Это не R&D ради академического престижа — корпорации осознали, что зависимость от внешних AI-провайдеров создаёт стратегический риск.

Мотивация проста: кто контролирует модели, тот контролирует бизнес-логику. Если ваш ключевой бизнес-процесс зависит от API OpenAI или Google, вы подвержены трём рискам — изменение цен, изменение политики использования и утечка конфиденциальных данных через внешний сервис. Bloomberg построил собственную модель BloombergGPT на 50 млрд параметров, обученную на финансовых данных, которые нельзя отправлять во внешние API. Toyota Research Institute разрабатывает модели для автопилота, где зависимость от облачного провайдера в буквальном смысле вопрос жизни и смерти.

Экономика корпоративных AI-лабораторий неоднозначна. Средняя стоимость содержания исследовательского подразделения из 100 человек — $50-80 млн в год (зарплаты, GPU-кластеры, данные). Это дорого, но для компаний с выручкой в десятки миллиардов — разумная страховка. Walmart подсчитал, что собственная AI-команда из 500 человек обходится дешевле, чем лицензии на внешние AI-продукты для 10 000 магазинов.

Побочный эффект — война за таланты. Корпоративные лаборатории конкурируют за тех же исследователей, что и OpenAI, DeepMind и Anthropic. Средняя зарплата senior AI-исследователя в корпоративной лаборатории достигла $600-900 тыс в год (с бонусами). Это создаёт инфляцию талантов, но и позитивный побочный эффект: больше исследователей работает над прикладными задачами, а не только над фундаментальными моделями. Для индустрии в целом это хорошо — прикладные прорывы ближе к реальной пользе.