Станет ли к концу 2036 года локальный ИИ на устройствах (Edge AI) массовым: основным режимом работы ассистентов или массовым инструментом, контролируемым самим пользователем?

Обновлено:

Исходы

Исходная оценка

У облака в ИИ структурное преимущество: самые сильные модели и агенты с доступом к интернету больше того, что помещается в телефон, и сегодня основная масса запросов к ассистентам идёт в облако. Поэтому облако и гибрид начинают самым вероятным исходом, 57%. В другую сторону работает экономика: облачные вычисления дороги, малые модели быстро улучшаются, и работе на устройстве по умолчанию достаётся 33%. Самостоятельный локальный ИИ пока ниша энтузиастов с миллионами пользователей, а порог 200 миллионов далёк, поэтому ему 10%.

Что обещано и что есть

Ассистент в кармане, который ничего не отправляет в чужое облако, обещан уже несколько лет, а сегодня работает лишь по краям. У Apple на устройстве стоит модель примерно на 3 млрд параметров, рядом Private Cloud Compute, у Google Gemini Nano для узких функций, а основная масса запросов к ассистентам идёт в облако. Мы даём 60% на то, что и к концу 2036 года облако или гибрид останутся основным режимом, 30% на то, что на устройство уйдёт большинство генеративных запросов, и около 10% на то, что 200 млн человек в месяц будут запускать выбранные ими открытые модели сами. Главное препятствие не в том, что телефон слаб: к 2035 году он может потянуть уровень фронтира 2025-го. Препятствие в том, что фронтир, то есть самые сильные модели, к тому моменту уйдёт дальше.

Важно разделить демонстрацию и режим. Gemma 4 или модель для локальных агентов показывают, что запуск на устройстве возможен. Вопрос о другом: где обрабатывается большинство запросов.

Стадии и сроки

Для встроенного сценария ступени такие: модель на большинстве новых устройств, что к 2036 году почти гарантировано; простые генеративные запросы уходят на устройство; большинство запросов к системному ассистенту обрабатывается локально; вендор заявляет об этом или это измеряет кто-то независимый.

Верхних ступеней две, и обе трудные. Первая — экономика против возможностей. Запуск моделей в облаке дорог, и вендоры хотели бы переложить его на чужую батарею. Но сильный ассистент сегодня значит агент с доступом к интернету и инструментам, а такой всегда больше того, что помещается в телефон. Вторая — измеримость. Вендоры охотнее публикуют долю локальных запросов, когда она высока. Без данных исход склоняется к облаку, а в полной темноте вопрос аннулируется.

У пользовательского сценария своя лестница, и начинается она низко: Ollama, LM Studio и llama.cpp сейчас в масштабе миллионов, примерно до десятка миллионов пользователей. Для 200 млн установка открытой модели должна стать делом одного нажатия в массовой системе, и ни платформа, ни государство не должны этому мешать.

Аналоги и адопция

Вычисления уже качались: мейнфрейм, персональный компьютер, облако. Качели подсказывают, что сегодняшний центр не навечно, но не подсказывают дату.

Более точный образец — распознавание речи. Оно ушло на телефон, когда задача перестала расти: хорошая диктовка остаётся хорошей диктовкой. Значит, локальным становится то, что упёрлось в потолок качества. С языковыми моделями этого потолка пока не видно. Вот почему простые запросы могут уйти на устройство, а «большинство генеративных» — под вопросом. Сравнение ломается, если потолок всё же появится: тогда вся логика меняется в пользу устройства.

Для пользовательского сценария аналог VPN: около 1,5 млрд пользователей, но массовым он стал там, где цензура прямая. Он показывает, что сложный инструмент становится массовым, когда есть острая причина. Сейчас такой причины у локальных моделей нет, а регулирование способно её создать или закрыть.

Что это изменит

Если облако и гибрид. Спрос на чипы для дата-центров и счета за запуск моделей остаются за гиперскейлерами, а ответ ассистента по-прежнему зависит от сервера вендора. Приватность держится на доверии к облаку вендора, а не на устройстве.

Если устройство по умолчанию. Расходы на запуск моделей переезжают с вендора на батарею и кошелёк покупателя. Производители телефонов получают новый повод менять аппарат ради памяти и нейропроцессора. Дата-центры теряют часть потребительских запросов, но не агентов. Контроль остаётся у платформ.

Если свой локальный ИИ. Платформы теряют монополию на ассистента, авторы открытых моделей получают аудиторию, а регуляторы теряют точку контроля и переходят к магазинам приложений и самим весам. Цензура становится намного дороже, и именно поэтому такой мир не обязательно будет допущен.

Наш взгляд

Старт почти не изменился, и на десятилетнем горизонте так и должно быть. Мы опираемся на общую логику, а не на измерения: близких проверяемых сигналов мало.

Самый тяжёлый факт — январская сделка Apple и Google. Самая приватная по риторике компания, у которой был максимальный стимул оставаться на устройстве, построила следующие модели и новую Siri на Gemini, и Google стал её предпочтительным облачным поставщиком. Это мы ждали бы скорее в мире облака. Работа и на устройстве, и в Private Cloud Compute в сделке оставлена, поэтому сдвиг умеренный.

Быстрый прогресс локальных моделей в 2026 году, Gemma 4, LFM2.5, переход llama.cpp под Hugging Face, тянет обратно меньше, чем выглядит. Облачные модели улучшаются так же быстро, и такие новости были бы и в облачном мире. История с Китаем, где Apple Intelligence выходит только в декабре 2026 года, после двух лет согласований и с моделью Alibaba, показывает, что и модель на устройстве проходит через власть.

Как мы можем ошибиться? Если языковые модели упрутся в потолок полезности для бытовых задач, устройство победит быстрее и незаметнее: простой вопрос уйдёт в телефон, а простые вопросы могут оказаться большинством. Именно этот довод держит 30%.

Что изменит взгляд

Самая сильная проверка до конца 2028 года: Apple или Google официально говорят, что большинство генеративных запросов к Siri или Gemini на Android обрабатывается на устройстве. Тогда на первое место выходит сценарий устройства, примерно 61%. Вторая: системный пункт в настройках Android, iOS или Windows, позволяющий выбрать локальную модель чужого разработчика. Это самый прямой сигнал для пользовательского сценария: его шанс вырастет примерно до 28%.

Отличать тут надо вот что. Новая модель «фронтирного уровня для устройств» и рекорд в бенчмарке — это демонстрации. Шаг наступает, когда вендор называет долю запросов или открывает настройку, которой может воспользоваться не только энтузиаст.

Источники