Аналитический центр Института математических исследований сложных систем МГУ имени М. В. Ломоносова подготовил большое обзорное исследование о преобразовании научно-технологической системы США в 2025–2026 годах. В работе рассмотрены новые модели организации исследовательских коллективов, миссионное финансирование, программа Genesis Mission, инфраструктура искусственного интеллекта для науки, изменение роли университетов и национальных лабораторий, а также риски, возникающие при переходе к ускоренному и частично автоматизированному научному циклу.
В центре исследования — как меняется не только тематика, но и сама организация науки: кто получает финансирование, как создаются междисциплинарные команды, какие результаты признаются значимыми, какую роль начинают играть данные, вычисления, научные модели и автономные лаборатории и почему ускорение исследований требует самостоятельной инфраструктуры доказательности.
Полный текст аналитического исследования опубликован в открытом доступе в разделе «Исследования и публикации» на сайте ООО «Матричные системы», индустриального партнёра проекта. Доступны страница исследования и PDF-версия полного текста; материалы актуализированы по состоянию на 5 августа 2026 года.
Почему перестройка американской науки требует отдельного анализа
В течение 2025–2026 годов в США был принят комплекс решений, которые нельзя корректно рассматривать как набор не связанных друг с другом конкурсов. Национальный научный фонд объявил инициативу NSF X-Labs с предполагаемым совокупным объёмом финансирования до 1,5 млрд долларов в течение десяти лет. Министерство энергетики развернуло Genesis Mission, объединяющую научные данные, высокопроизводительные вычисления, модели искусственного интеллекта, национальные лаборатории, университеты и технологические компании. Белый дом опубликовал доклад «Science: A New Golden Age» и меморандум о приоритетах исследований и разработок на 2028 финансовый год.
Администрация США характеризует происходящее как первое всеобъемлющее переосмысление национального научно-технологического комплекса за более чем восемьдесят лет — со времени доклада Вэнивара Буша «Science: The Endless Frontier» 1945 года. Исследование ИМИСС МГУ фиксирует эту формулу именно как позицию администрации, а не как заранее доказанный исторический вывод: значительная часть новых механизмов ещё зависит от решений Конгресса, бюджетных ассигнований, ведомственного исполнения и результатов первых программных циклов.
Актуальность темы определяется не только конкуренцией США и Китая. Новая научная инфраструктура становится дороже и сложнее; значительная часть исследований и разработок переместилась в частный сектор; традиционный грантовый цикл испытывает административную перегрузку; командная и инфраструктуроёмкая наука плохо укладывается в формат отдельной лаборатории; искусственный интеллект позволяет резко ускорить поиск, моделирование и эксперимент, но одновременно масштабирует проблему проверки результатов.
Не замена одной модели другой, а расширение набора научных механизмов
Один из основных выводов исследования состоит в том, что происходящую перестройку некорректно описывать как простой отказ от послевоенной модели фундаментальной науки. Официальные документы сохраняют значение государственного финансирования фундаментальных исследований, самостоятельного научного поиска и сильных исследовательских институтов. Вместе с тем они предлагают изменить конкретные процедуры — состав получателей, продолжительность поддержки, способы отбора, критерии оценки и характер ожидаемого результата.
К традиционному конкурентному проектному гранту добавляются новые единицы финансирования: отдельный учёный, автономная исследовательская организация, национальная миссия, общая научная платформа, вычислительная или экспериментальная инфраструктура и измеримый технологический результат. Научная политика всё в большей степени строится как управление портфелем различных ставок, а не как простое ранжирование независимых заявок.
В исследовании выделены три взаимосвязанных уровня изменений:
- доктринальный — новые представления о приоритетах, результативности, соотношении фундаментальной и миссионной науки и роли отдельного исследователя;
- институциональный — автономные междисциплинарные коллективы, долгосрочное финансирование, ускоренные гранты, призовые механизмы и этапное управление;
- инфраструктурный — федеративная среда данных, вычислений, научных моделей, цифровых двойников, агентов, приборов и автономных лабораторий.
NSF X-Labs: новый средний масштаб организации исследований
Инициатива NSF X-Labs направлена на формирование институционально самостоятельных исследовательских структур, способных решать задачи, которые трудно реализовать средствами обычной университетской лаборатории или промышленного подразделения. В центре модели находится постоянная междисциплинарная команда, общая операционная система, собственная инфраструктура и одна чётко сформулированная научно-технологическая цель.
X-Labs заполняют разрыв между лабораторией отдельного исследователя и национальной лабораторией или мегапроектом. Речь идёт о задачах среднего масштаба: создание нового класса научных приборов, технологической платформы, стандартизированного массива данных, общей экспериментальной среды или критической инфраструктуры, которой впоследствии смогут пользоваться многие исследовательские группы.
Отбор построен по многофазной схеме. На начальном этапе финансируются концепция, команда и операционная модель; переход к основной фазе зависит от оценки контрольных результатов. Ожидаемым итогом становятся не только публикации и наборы данных, но и платформенная научно-технологическая способность, готовая к дальнейшему масштабированию и промышленной трансляции.
Методологическое значение X-Labs. Новая организационная единица сочетает признаки целевой исследовательской организации и платформенной инженерной команды. Это институциональный эксперимент, эффективность которого ещё предстоит доказать: преимущества автономности и скорости должны быть сопоставлены с рисками перераспределения средств, ослабления университетских научных школ и ориентации только на заранее измеримые результаты.
Genesis Mission: искусственный интеллект как инфраструктура научной деятельности
Genesis Mission рассматривается в работе не как обычная программа внедрения искусственного интеллекта, а как попытка построить федеративную национальную инфраструктуру науки. Её составляют распределённые ресурсы федеральных ведомств, национальных лабораторий, университетов и компаний: высокопроизводительные вычисления, научные данные, фундаментальные и предметные модели, цифровые двойники, приборы, программные средства и агентные системы.
По итогам первого конкурса были отобраны для переговоров о финансировании 278 проектов: 168 под руководством университетов, 87 — национальных лабораторий, 19 — компаний и 4 — некоммерческих организаций. В проектах участвуют 342 организации, включая 16 национальных лабораторий, 142 университета, 157 компаний, 13 некоммерческих и 14 иных учреждений. Такая структура показывает, что новая модель не устраняет университеты, но помещает их в более тесный общий контур с государственными лабораториями, вычислительной инфраструктурой и промышленностью.
Белый дом также объявил более 5 млрд долларов федеральных обязательств более чем пятнадцати ведомств. В исследовании подчёркивается, что эта сумма не является объёмом уже выданных 278 проектам грантов. Обязательства, ассигнования, суммы конкурсов, отбор для переговоров, заключённые соглашения и фактические выплаты имеют разные правовые и финансовые статусы и не должны смешиваться.
| Элемент Genesis Mission | Функция в научном цикле |
|---|---|
| Машинно-пригодные данные | Структурированная, описанная и контролируемая основа для обучения моделей и автоматизированного анализа. |
| Высокопроизводительные вычисления | Обучение и применение научных моделей, моделирование сложных физических и инженерных процессов. |
| Научные фундаментальные модели | Работа с материалами, биологией, энергетикой, плазмой, климатом и другими предметными областями. |
| Цифровые двойники и суррогатные модели | Ускоренное исследование реакторов, энергосистем, производств и экспериментальных установок. |
| Научные агенты | Поиск источников, формирование гипотез, планирование вычислений и экспериментов, анализ результатов. |
| Автономные лаборатории | Замкнутый цикл «гипотеза — эксперимент — данные — обновление модели» при заданных ограничениях безопасности. |
Декларируемая доктрина и административная практика
Ключевая аналитическая рамка исследования — различение официально декларируемой модели и фактически реализуемой административной практики. На уровне программных документов заявлены сохранение фундаментальной науки, поддержка исследований, движимых научным любопытством, расширение возможностей отдельных учёных и повышение разнообразия механизмов финансирования.
Одновременно бюджетный запрос администрации на 2027 финансовый год предусматривает сокращение бюджета Национального научного фонда на 54,7 процента; в апреле 2026 года были прекращены полномочия действующих членов Национального научного совета — независимого надзорного органа NSF; научная печать сообщала о перераспределении средств существующих программ в пользу новых инициатив. Эти решения не опровергают содержание доктрины автоматически, но создают существенный зазор между заявленными принципами и ресурсной практикой.
Именно этот зазор формирует основные риски перестройки:
- политизация решений о финансировании и ослабление независимой научной экспертизы;
- подмена долгосрочной научной значимости краткосрочными и формально измеримыми контрольными результатами;
- ослабление университетского контура подготовки кадров и воспроизводства научных школ;
- зависимость государственных исследований от закрытых моделей, облачных платформ и коммерческих условий крупнейших технологических компаний;
- масштабирование недостоверных результатов при ускоренном производстве гипотез, расчётов и научных текстов.
Почему инфраструктура доказательности становится центральной
Искусственный интеллект снижает стоимость генерации гипотез, программного кода, аналитических текстов, моделей и вариантов эксперимента. Однако стоимость проверки результата не снижается автоматически. Научная система может столкнуться с ситуацией, в которой производство правдоподобных выводов растёт быстрее, чем способность исследовательского сообщества устанавливать их достоверность.
Поэтому в исследовании выделена инфраструктура доказательности как самостоятельный слой науки, ускоряемой искусственным интеллектом. Она должна связывать каждый существенный вывод с источниками, данными, методами, вычислительными запусками, версиями моделей и экспертными решениями. Научный результат в такой системе представляет собой не только текст публикации, но и проверяемый пакет доказательств.
Минимальный состав такого пакета включает:
- паспорт результата с указанием авторов, ролей, версии, статуса и области применимости;
- формализованный перечень утверждений, уровней уверенности и ограничений;
- данные, расчёты, экспериментальные материалы и источники, связанные с каждым утверждением;
- описание происхождения и преобразования данных;
- воспроизводимую вычислительную среду и параметры запуска;
- журнал применения искусственного интеллекта, включая версии моделей и вмешательства человека;
- результаты автоматических тестов, независимого воспроизведения и экспертной оценки.
Граф утверждений и доказательств позволяет представить исследование как связанную систему объектов: утверждение — доказательство — источник — набор данных — метод — модель — вычислительный запуск — экспертное решение. Это создаёт основу для прослеживаемости, обновления отдельных результатов, обнаружения противоречий и оценки влияния новых данных на уже сформированные выводы.
Автономность научного ИИ и доверенный допуск
В работе предложена шкала автономности научных интеллектуальных систем У0–У5 — от информационной поддержки исследователя до самостоятельного формирования и исполнения программы исследований. Шкала развивает ранее предложенную ИМИСС МГУ рамку доверенного допуска D0–D5 и проводит принципиальное различие между технической способностью системы действовать самостоятельно и доказательно обоснованным разрешением на такое действие.
Для научных и критических приложений высокий уровень технической автономности не должен автоматически означать высокий уровень допуска. Разрешение на действие должно определяться качеством данных, воспроизводимостью, известными ограничениями модели, безопасностью, обратимостью последствий, полнотой аудита и институционально закреплённой ответственностью человека.
Международное сравнение и российский контекст
Сравнительная часть исследования охватывает США, Китай, Европейский союз и Россию по единым параметрам: субъект управления, механизм финансирования, организационная единица, горизонт программы, вычислительная и экспериментальная инфраструктура, данные, модели, стандарты, права на результаты, критерии прекращения проектов и связь с промышленностью.
США делают ставку на институциональный эксперимент, автономные команды и объединение государственной науки с возможностями частного сектора. Китай опирается на масштаб, государственную координацию, долгосрочные приоритеты и собственные промышленные цепочки. Европейский союз сочетает поддержку исследований, инициируемых самими учёными, с миссиями Horizon Europe, Европейским советом по инновациям, общей инфраструктурой EuroHPC и сетью фабрик искусственного интеллекта. Россия формирует собственную нормативную и технологическую рамку, связанную с суверенными моделями, государственными данными, вычислительной инфраструктурой и развитием доверенного искусственного интеллекта.
Универсальной модели, которую можно было бы перенести без изменений, не существует. Для российского контура практический интерес представляет выделение обязательных функций: формирование научно-технологической миссии, устойчивое ядро исследователей и инженеров, доступ к данным и инфраструктуре, многоэтапное финансирование, права на результаты, независимая проверка и связь с подготовкой кадров.
Научно-методологический вывод для ИМИСС МГУ
Наиболее обоснованная позиция для российского научного контура связана не с воспроизведением американских X-Labs и не с конкуренцией по масштабу вычислений. Перспективной является разработка методологии доверенного знания и проверяемого искусственного интеллекта для науки и сложных систем.
Эта постановка непосредственно соответствует направлениям ИМИСС МГУ в области математического моделирования сложных систем, инженерии знаний, онтологий, интеллектуальных систем поддержки решений и доверенного искусственного интеллекта. Исследование развивает общую линию, в рамках которой научные данные, утверждения, доказательства, модели и решения рассматриваются как элементы единой формализуемой и проверяемой системы знаний.
В качестве практического продолжения предложена пилотная программа «Доверенная инфраструктура искусственного интеллекта для науки». Её задачей может стать создание графа научных утверждений и доказательств, реестра происхождения данных, воспроизводимых вычислительных пакетов, журнала применения ИИ и методики оценки научных агентов. Предметными демонстраторами могут выступить исследования искусственного интеллекта в космической деятельности, оценка зрелости кибербезопасности и медико-биологический контур.
Ключевые выводы исследования
| № | Вывод |
|---|---|
| 1 | Американская научная система не отказывается формально от фундаментальной науки, но расширяет набор организационных и финансовых механизмов. |
| 2 | X-Labs формируют новый средний масштаб — автономную команду между отдельной лабораторией и национальным мегапроектом. |
| 3 | Genesis Mission переводит искусственный интеллект из категории отдельного инструмента в инфраструктуру научной деятельности. |
| 4 | Главным ограничением ускоренной науки становится не генерация, а проверка результатов и управление происхождением данных. |
| 5 | Основной риск американской перестройки связан с зазором между декларируемой доктриной и бюджетно-административной практикой. |
| 6 | Для России наиболее перспективна не копия зарубежной формы, а собственная связка научного ядра, инженерной реализации и встроенной инфраструктуры доказательности. |
Методология и доказательная дисциплина
Исследование выполнено на основе официальных документов Белого дома, Национального научного фонда, Министерства энергетики США, Конгресса и Национального центра статистики науки и техники, российских нормативных актов, официальных материалов Европейского союза, научных публикаций и профессиональной отраслевой печати.
Каждому ключевому утверждению присвоен один из статусов: «подтверждено», «подтверждено с оговоркой», «заявлено», «сообщается», «аналитический вывод» или «гипотеза». Для финансовых показателей применяется отдельная последовательность: политически заявлено — принято как обязательство — ассигновано — объявлено в конкурсе — отобрано — законтрактовано — фактически выплачено. Матрица ключевых утверждений и реестр источников включены в полный текст исследования.
Такой подход позволяет разграничить официальную программу, её правовое и бюджетное обеспечение, фактическое исполнение и аналитическую интерпретацию. Это особенно важно для быстро меняющейся международной научно-технологической повестки, где политические заявления, проектные намерения и реально достигнутые результаты часто описываются как одно и то же состояние.
Справочно
Аналитический центр ИМИСС МГУ — междисциплинарная площадка Института математических исследований сложных систем МГУ имени М. В. Ломоносова для государственных и корпоративных исследований, технологического прогнозирования, анализа рисков и подготовки научно обоснованных решений.
Полный текст аналитического исследования опубликован в открытом доступе на сайте ООО «Матричные системы», индустриального партнёра проекта: страница исследования; PDF-версия.
Для цитирования: Аналитический центр ИМИСС МГУ; ООО «Матричные системы» (индустриальный партнёр). Перестройка организационной модели науки США в 2025–2026 годах: миссионно-платформенные механизмы, искусственный интеллект для научных исследований, инфраструктура доказательности и выводы для российского контура. Аналитическое исследование. Москва, 2026.