Наука и материалы

Описание рынка

Рынок ИИ для науки и материалов в России - это применение машинного обучения в поиске новых материалов и химических соединений, инженерных симуляциях (CAE), обработке экспериментальных данных и научных ассистентах на базе LLM. Коммерческое ядро ниши - инженерное ПО и суррогатное моделирование (DATADVANCE, Логос, Фидесис, ТЕСИС), где ИИ ускоряет расчёты на порядки и которое выросло на импортозамещении Ansys, Siemens и Dassault. Вторая ветка - химинформатика и генерация материалов: Syntelly (спин-офф научной школы), проект ИИ-платформы «Норникеля» с ИОНХ РАН по палладиевым материалам, решения для нефтегаза (Rock Flow Dynamics, Digital Petroleum). Специфика РФ - сильная научная база РАН и университетов при традиционно слабой коммерциализации: значительная часть проектов живёт на гранты, госпрограммы и деньги корпораций-мажоров (Норникель, Росатом, Газпром нефть), а не на рыночный спрос. Зрелость низкая: за пределами CAE и нефтегазового моделирования это рынок единичных проектов и НИОКР, а не тиражных продуктов.

Объём и динамика рынка

• Отдельных публичных оценок ниши «ИИ для науки и материалов» нет; смежный рынок инженерного ПО РФ (CAD/CAE, ядро коммерческого спроса ниши) - 34 млрд руб. в 2024 г., прогноз 38 млрд руб. в 2025 г. и 66 млрд руб. к 2032 г. (исследование Б1, CNews, октябрь 2025)
• Рост инженерного ПО с 23 млрд руб. в 2022 г. до 34 млрд руб. в 2024 г. обеспечен импортозамещением Ansys, Siemens, Dassault; дальнейший рост Б1 связывает в т.ч. с интеграцией ИИ в моделирование (Б1 / CNews, 2025)
• Корпоративные НИОКР-проекты - главный источник денег ниши: пример - ИИ-платформа генерации палладиевых материалов «Норникеля» и ИОНХ РАН, база данных для обучения алгоритмов собирается с 2026 г. (Металлоснабжение и сбыт / Газета.Ru, 2026)
• Родительский рынок ИИ РФ для контекста: 305 млрд руб. в 2024 г., +49% (Smart Ranking, 2024)

Лидеры рынка

• Синтелли (Syntelly) - платформа химинформатики и предсказания свойств соединений, редкий пример коммерческого спин-оффа научной школы
• DATADVANCE - pSeven: оптимизация, суррогатные ML-модели и автоматизация инженерных расчётов, международные референсы
• Логос (Росатом) - национальная CAE-платформа, флагман импортозамещения тяжёлых симуляций с господдержкой
• Rock Flow Dynamics (tNavigator) - гидродинамическое моделирование месторождений мирового уровня, глобальные продажи
• Кинтех Лаб - многомасштабное моделирование материалов и химической кинетики для корпораций и институтов
• iFORA / iFORA.LLM (НИУ ВШЭ) - интеллектуальный анализ больших текстовых данных для научно-технологического прогнозирования

Драйверы роста

• Импортозамещение инженерного ПО: уход Ansys, COMSOL, Dassault освободил рынок в десятки млрд руб. для Логоса, Фидесиса, ТЕСИСа
• ИИ-суррогаты ускоряют расчёты на порядки - прямая экономия на дорогих вычислениях и натурных экспериментах
• Санкционный отрез от западных баз данных и софта для химии/материалов - спрос на отечественные аналоги (кейс Syntelly)
• Деньги корпораций на прикладные НИОКР: Норникель, Росатом, Газпром нефть финансируют ИИ-платформы под свои материалы и процессы
• Госпрограммы научного суверенитета, гранты РНФ и субсидии на ИИ в науке
• Мировая волна AI for Science (AlphaFold, GNoME) легитимизирует направление в глазах заказчиков и инвесторов

Барьеры и риски

• Крошечный платящий рынок: научные организации бедны, покупают на гранты; коммерческих заказчиков - десятки, а не тысячи
• Зависимость от госденег и корпоративных НИОКР: смена приоритетов бюджета или отмена программы обнуляет выручку
• Длинный цикл проверки: новый материал до внедрения идёт годы - стартап не доживает до роялти
• Кадры утекают: сильные computational-учёные уезжают или уходят в бигтех на тройные зарплаты
• Дефицит вычислений для тяжёлых симуляций и обучения моделей - GPU-время дорого, у институтов его нет
• Конкуренция с бесплатным мировым open-source (открытые базы, модели типа AlphaFold, открытые CAE-коды) - за что здесь платить, заказчику часто непонятно
• Риск ниши: коммерциализация может так и не наступить - исторически российский трансфер технологий из науки в рынок слаб

Бизнес-модели и монетизация

• Лицензии on-premise на инженерное ПО и CAE-платформы + годовая поддержка (Логос, Фидесис, ТЕСИС, tNavigator)
• SaaS-подписка на платформы предсказания свойств и химинформатику (Syntelly)
• Контрактные НИОКР для корпораций: разработка ИИ-моделей под конкретные материалы/процессы (Кинтех Лаб, проект Норникеля)
• Гранты и госпрограммы (РНФ, Минобрнауки, дорожные карты) как значимая часть финансирования
• Консалтинг и инжиниринговые расчёты как сервис на собственном софте
• Роялти/совместные права на разработанные материалы - модель декларируется, но в РФ пока почти не работает

Конкурентная структура

Конкуренция фрагментарна и не похожа на классический рынок: в CAE-сегменте есть оформленные ярусы - Логос с ресурсом Росатома как национальный чемпион, за ним частные Фидесис, ТЕСИС, НТЦ АПМ и DATADVANCE, каждый в своей физике расчётов. В ИИ для материалов и химии игроков единицы (Syntelly, Кинтех Лаб, платформа Норникель×ИОНХ РАН), и они скорее делят немногочисленных заказчиков, чем конкурируют. Экосистемы присутствуют косвенно: Сбер продвигает GigaChat как научного ассистента и даёт гранты, Яндекс - облачные мощности университетам, но профильных продуктов для материаловедения у бигтеха нет. Главные «конкуренты» коммерческих игроков - институты РАН, делающие то же самое на гранты, и мировой open-source. Роль госкомпаний определяющая: Росатом, Норникель и нефтегаз - одновременно главные заказчики, инвесторы и владельцы ключевых платформ.

Тренды 2025–2026

• Генеративный дизайн материалов: по следам мировых GNoME/MatterGen запускаются российские платформы (Норникель × ИОНХ РАН, 2026)
• LLM-ассистенты учёного: анализ литературы, планирование экспериментов, iFORA.LLM и GigaChat для науки
• Слияние ИИ и CAE: суррогатные модели и нейросетевые ускорители расчётов становятся стандартной фичей инженерного ПО
• Автономные лаборатории: роботизированный синтез + ИИ-планирование экспериментов - пока на уровне пилотов корпораций
• Консолидация вокруг госплатформ: Логос втягивает нишевые CAE-разработки в единую экосистему
• Создание национальных баз научных данных для обучения моделей как инфраструктурный госприоритет

Перспективы для новых игроков

Реалистичные ниши для новых игроков - ИИ-надстройки над растущим рынком инженерного ПО (суррогатные модели, оптимизация, автоматизация расчётов), вертикальные решения для нефтегаза и металлургии с платёжеспособным заказчиком, и LLM-инструменты для НИОКР-отделов корпораций; здесь есть деньги импортозамещения и измеримая ценность. Идти в «чистую» генерацию новых материалов как стартап без корпоративного якоря не стоит: цикл до денег - годы, платящих клиентов единицы, и эту поляну уже разбирают альянсы типа Норникель×РАН, у которых есть и данные, и лаборатории. Также опасно строить бизнес на грантах - это не выручка, а отсрочка вопроса о рынке. Самая устойчивая позиция - сервисная: продавать ускорение конкретных инженерных и исследовательских процессов корпорациям, а права на «прорывные материалы» оставить тем, кто может ждать десятилетие.

Источники

• Б1 / CNews, 2025
• Металлоснабжение и сбыт, 2026
• Smart Ranking, 2024