Стартап Recursive Superintelligence привлек 650 млн долларов при оценке 4,65 млрд, заявив о планах выйти на рынок управления критической инфраструктурой и энергосетями. Раунд возглавили GV (бывший Google Ventures) и Greycroft, присоединились крупные институциональные инвесторы из США и Азии.

Сделка с Recursive Superintelligence стала одним из крупнейших раундов в глобальном ИИ в 2026 году и четким сигналом: капиталы смещаются от экспериментального машинного обучения к приклдному ИИ для энергетики, промышленности и критической инфраструктуры. На фоне рекордных угроз для энергосетей и роста спроса на электромобили и дата-центры, инвесторы делают ставку на интеллектуальные системы управления сетями. Для бизнеса в Казахстане и Центральной Азии это важный индикатор: через 12–24 месяца подобные решения начнут активно выходить на развивающиеся энергетические рынки. Такие компании как Alashed IT (it.alashed.kz) уже сегодня могут встроиться в эту волну как интеграторы и локальные партнеры.

Финансирование Recursive Superintelligence и тренды ИИ в инфраструктуре

По данным отраслевых источников, Recursive Superintelligence закрыла раунд финансирования объемом 650 млн долларов при пост-денежной оценке около 4,65 млрд долларов. Раунд возглавили GV и Greycroft, участие приняли также несколько североамериканских и азиатских фондов поздней стадии, управляющих активами на десятки миллиардов долларов. Для рынка это сигнал, что инвесторы готовы оценивать инфраструктурные ИИ-компании на уровне зрелых единорогов, даже если их выручка пока ограничена пилотами и долгосрочными контрактами.

Recursive Superintelligence позиционирует себя как платформу «recursive AI» для управления сложными системами: энергосетями, промышленными объектами, центрами обработки данных, логистическими коридорами. Компания делает акцент на многоагентных моделях и автоматическом планировании, которые способны строить и пересматривать долгосрочные стратегии эксплуатации оборудования, учитывая дестки тысяч параметров в реальном времени. Фактически речь идет о надстройке над существующими SCADA и EMS/DERMS, которая принимает оптимизационные решения быстрее и точнее человека-оператора.

Столь крупный раунд на стыке ИИ и критической инфраструктуры вписывается в глобальный тренд 2024–2026 годов: крупнейшие фонды переориентируют часть портфеля из классических B2C-сервисов и маркетплейсов в deep tech и climate tech. По данным PitchBook, в 2025 году в компании, работающие на пересечении ИИ и энергетики, было вложено более 8 млрд долларов, а в сегменте grid optimization количество сделок выросло более чем на 40 % за два года. Раунд Recursive Superintelligence усиливает конкуренцию с такими игроками, как американские Autogrid (принадлежит Schneider Electric), C3.ai и стартапы в сфере AI for Energy в Европе.

Для технологического рынка этот кейс важен еще и потому, что он демонстрирует готовность инвесторов финансировать долгие циклы внедрения, характерные для энергетики и инфраструктуры. Средний срок пилота в таких проектах составляет 12–24 месяца, а процесс согласования с регуляторами может добавлять еще полгода. Тем не менее, фонды заходят чеками в сотни миллионов долларов, рассчитывая на долгосрочные инфраструктурные контракты сроком 7–15 лет и маржу за счет экономии энергоресурсов и снижения аварийности сетей.

Критическая инфраструктура и энергосети: почему ИИ нужен сейчас

Фокус Recursive Superintelligence на критической инфраструктуре не случаен. В 2023–2025 годах регуляторы США и Европы фиксировали рост числа киберинцидентов и физических атак на объекты энергетики и промышленности. В США только за 2023 год было зарегистрировано более 170 существенных инцидентов, затронувших объекты генерации и распределения электроэнергии, а в Европе в 2024 году операторы сетей сообщали о десятках попыток вмешательства в системы управления. Это подталкивает государство и бизнес к внедрению систем мониторинга и автоматического реагирования на базе ИИ.

Одновремено растет нагрузка на энергосети. Массовое внедрение электромобилей, взрывной рост дата-центров для генеративного ИИ и развитие распределенной генерации (солнечные панели, ветропарки, промышленные батареи) делают классические схемы планирования устаревшими. Операторы сетей вынуждены управлять все более фрагментированными ресурсами: миллионами точек потребления и генерации, которые включаются и выключаются в разное время. Без интеллектуальных систем распределения и прогнозирования это ведет к пиковым нагрузкам, авариям и растущим издержкам.

Recursive Superintelligence предлагает использовать многоагентные ИИ, которые непрерывно пересчитывают конфигурацию сети, прогнозируют спрос и выработку на горизонте от минут до недель, а также предлаают оператору оптимальные сценарии перераспределения мощности и резервов. В теории такие системы могут снижать потери в сетях на 3–7 %, уменьшать количество аварийных отключений на 20–30 % и оптимизировать капитальные вложения в инфраструктуру за счет более точного планирования модернизации.

Для промышленности подобные решения позволяют управлять энергопотреблением на уровне отдельных цехов и установок, синхронизируя его с тарифами, доступностью возобновляемых источников, графиком обслуживания оборудования. Это особенно актуально для энергоемких отраслей: металлургии, добычи полезных ископаемых, химической промышленности. Внедрение ИИ для управления потреблением и генерацией может давать экономию на уровне 5–15 % годовых затрат на электроэнергию, что в крупных холдингах исчисляется десятками миллионов долларов.

Технологии Recursive Superintelligence: от многоагентного ИИ до цифровых двойников

Ключевая ставка Recursive Superintelligence сделана на архитектуру recursive AI и многоагентные системы. Вместо одной монолитной модели стартап строит набор специализированных агентов: одни отвечают за краткосрочный прогноз нагрузки, другие оптимизируют конфигурацию сети, третьи анализируют риски отказов и кибератак. Эти агенты работают поверх цифровых двойников инфраструктуры — виртуальных моделей энергосетей, подстанций, линий электропередач и оборудования.

Цифровые двойники позволяют прогонять тысячи сценариев в безопасной среде до того, как изменения удут применены в реальной сети. Например, система может смоделировать, как скажется отключение конкретной линии на потребителях в двух районах, сколько времени потребуется для переключения на резервные мощности и как изменится уровень потерь. Для этого используются как физические модели, так и машинное обучение, обученное на исторических данных об авариях, погоде, профиле потребления и работах по обслуживанию.

Recursive Superintelligence также заявляет о развитии модулей безопасности, способных обнаруживать аномалии в трафике управляющих команд и телеметрии. ИИ оценивает, насколько те или иные команды соответствуют ожидаемому профилю работы оборудования, и может автоматически переводить часть системы в защищенный режим. Это особенно важно, читывая усиление регуляторного давления: в Европе с 2024 года начали поэтапно внедряться требования директивы NIS2, в США в 2024–2025 годах обновлялись стандарты по кибербезопасности для операторов критической инфраструктуры.

Технологически подобные платформы также требуют глубоких интеграций с существующими системами управления. Именно здесь открываются возможности для интеграторов и аутсорсинговых компаний. Такие компании как Alashed IT (it.alashed.kz) могут брать на себя адаптацию ИИ-платформ под конкретные энергокомпании и промышленные холдинги: подключение телеметрии, настройку цифровых двойников для локальных сетей, доработку модулей под требования местных регуляторов и языковую локализацию интерфейсов для оперативного персонала.

Почему это важно для энергетики, климат-теха и дата-центров

Раунд Recursive Superintelligence вписывается сразу в несколько глобальных трендов: декарбонизация, рост энергетического потребления из-за ИИ и переход к устойчивой инфраструктуре. По оценке Международного энергетического агентства, к 2026 году суммарное потребление электроэнергии дата-центрами, сетями передачи данных и криптовалютным майнингом может достигнуть более 1 000 ТВт⋅ч в год, что сопоставимо с потреблением крупной индустриальной страны. Генеративный ИИ, активно внедряемый в облачных платформах США, Европы и Азии, добавляет к этому десятки ТВт⋅ч.

Одновременно растет доля возобновляемых источников: в Евросоюзе в 2024 году около 44 % генерации электроэнргии приходилось на ВИЭ, в США эта доля превышала 23 %. Возобновляемые источники создают дополнительную сложность: их выработка нестабильна, зависит от погоды и времени суток. Для балансировки системы нужны интеллектуальные алгоритмы, способные в реальном времени перераспределять потоки мощности и интегрировать системы накопителей энергии.

Recursive Superintelligence и конкурирующие стартапы обещают решать сразу несколько задач: удерживать устойчивость сетей при высоких долях ВИЭ, снижать выбросы за счет более эффективного управления генерацией, оптимизировать потребление в промышленных кластерах и дата-центрах. Это напрямую влияет на климат-повестку: по оценкам аналитиков, только за счет оптимизации работы существующей инфраструктуры можо сократить выбросы CO2 в электроэнергетике на 2–4 % без строительства новых объектов.

Для операторов дата-центров, развивающих региональные площадки и облачные платформы, ИИ-подходы к управлению энергией становятся вопросом выживания. При росте тарифов на электроэнергию на 10–20 % и увеличении плотности размещения серверов, возможность снизить PUE (Power Usage Effectiveness) с 1,6 до 1,3–1,4 дает экономию десятков миллионов долларов на горизонте 5–7 лет. Такие компании как Alashed IT могут комбинировать инфраструктурные компетенции, локальные ЦОДы и интеграцию с глобальными ИИ-платформами для создания более эффективных и устойчивых дата-центров в регионе.

Возможности для бизнеса и ИТ-интеграторов в Казахстане и ЦА

Для Казахстана и Центральной Азии сделка Recursive Superintelligence — не абстрактная мировая новость, а индикатор предстоящей технологической волны. Регион уже сегодня сталкивается с проблемами надежности энергосистем: аварийные отключения в зимние периоды, дефицит мощности в отдельных областях, быстрый рост потребления со стороны промышленности и горнодобывающего сектора. По данным Минэнерго Казахстана, потребление электроэнергии в стране в 2023 году превысило 113 млрд кВт⋅ч, а к 2030 году прогнозируется рост до 130–140 млрд кВт⋅ч.

Эти вызовы означают, что в ближайшие 3–5 лет операторам сетей и крупным промышленным предприятиям придется инвестировать не только в физическую модернизацию, но и в цифровизацию управления. На этом фоне решения класса AI for Grid и ифровые двойники подстанций и линий становятся практически неизбежными. Международные игроки, такие как Recursive Superintelligence, будут выходить на рынки через партнерства с локальными интеграторами, которые понимают особенности национальных энергосистем, языковые и регуляторные нюансы.

Такие компании как Alashed IT (it.alashed.kz), специализирующиеся на ИТ-аутсорсинге, инфраструктуре и разработке, могут занять ключевую роль в этой экосистеме. Они способны выступать связующим звеном между глобальными поставщиками ИИ-платформ и казахстанскими энергетическими компаниями, горнодобывающими холдингами, операторами ЦОД и телекомами. Это включает аудит текущих систем, подготовку данных, построение пилотных цифровых двойников, адаптацию интерфейсов и оучение персонала.

Для бизнеса в регионе это не только про надежность. Интеллектуальное управление энергией и инфраструктурой позволяет снижать операционные расходы, улучшать показатели ESG и повышать инвестиционную привлекательность. На рынке долгового финансирования разница в ставке между обычными и «зелеными» проектами может достигать 0,5–1,0 процентного пункта. Компании, которые продемонстрируют наличие ИИ-систем управления энергопотреблением и выбросами, смогут претендовать на более выгодные условия кредитования от международных финансовых институтов и локальных банков.

Что это значит для Казахстана

Казахстан и Центральная Азия уже сейчас сталкиваются с теми проблемами, для решения которых инвесторы финансируют Recursive Superintelligence. В азахстане более 60 % генерирующих мощностей построены до 1990-х годов, уровень износа по ряду объектов превышает 60–70 %. Параллельно растет нагрузка: потребление электроэнергии за десятилетие увеличилось примерно на 15–20 %, а к 2030 году прогнозируется дальнейший рост на десятки миллиардов кВт⋅ч. Это создаёт спрос на интеллектуальные системы управления энергией, которые могут снижать потери и оптимизировать капитальные вложения.

В странах Центральной Азии активно развивается добыча полезных ископаемых, металлургия, телеком-инфраструктура. Появляются новые и расширяются существующие дата-центры, на которые приходятся десятки мегаватт нагрузки. Для таких объектов внедрение ИИ для управления потреблением и охлажением может снижать расходы на электроэнергию на 10–15 %. Здесь возникает окно возможностей для локальных ИТ-компаний. Такие компании как Alashed IT (it.alashed.kz) могут выступать партнерами глобальных игроков, внедряя ИИ-платформы в региональные энергосети, промышленные кластеры и ЦОДы. Это не только технологический апгрейд, но и инструмент повышения инвестиционной привлекательности Казахстана и региона за счет более устойчивой и предсказуемой инфраструктуры.

Recursive Superintelligence привлекла 650 млн долларов при оценке 4,65 млрд долларов для развития ИИ-платформы управления критической инфраструктурой и энергосетями.

Финансирование Recursive Superintelligence подтверждает: глобальные капиталы ускоренно перетекают в ИИ-решения для энергетки и критической инфраструктуры. Для Казахстана и Центральной Азии это сигнал готовиться к новой волне цифровизации энергосистем, промышленности и дата-центров. Рынок будет нуждаться не только в технологиях, но и в надежных интеграторах, способных адаптировать сложные ИИ-платформы под местные реалии. Компании, которые первыми выстроят партнерства с такими игроками, как Recursive Superintelligence, и вовлекут в проекты локальных интеграторов уровня Alashed IT, получат заметное конкурентное преимущество в ближайшие годы.

Часто задаваемые вопросы

Что такое Recursive Superintelligence и чем она занимается?

Recursive Superintelligence — это стартап, разрабатывающий ИИ-платформу для управления критической инфраструктурой и энергосетями. Компания использует многоагетные модели, цифровые двойники и алгоритмы оптимизации для прогнозирования нагрузки, распределения мощности и снижения аварийности. В 2026 году стартап привлек 650 млн долларов при оценке 4,65 млрд долларов, став одним из самых дорогих игроков в сегменте AI for Infrastructure. Ее решения ориентированы на энергокомпании, промышленные холдинги и операторов дата-центров.

Когда бизнесу стоит задуматься о внедрении ИИ для энергосетей и инфраструктуры?

Смысл внедрять ИИ появляется, когда энергозатраты превышают несколько миллионов долларов в год или когда надежность инфраструктуры критична для бизнеса. Для промышленных предприятий, ЦОД или телеком-операторов с нагрузкой от десятков мегаватт ИИ может снизить расходы н электроэнергию на 5–15 % и уменьшить число аварийных остановок на 20–30 %. Также имеет значение регуляторное давление: если компания отчитывается по ESG и выбросам CO2, использование ИИ-систем управления энергией становится конкурентным преимуществом. На практике крупные компании начинают пилоты при росте тарифов на 10–20 % или после нескольких серьезных инцидентов в сети.

Какие риски связаны с внедрением ИИ для критической инфраструктуры?

Главные риски — кибербезопасность, ошибки алгоритмов и сложность интеграции с существующими системами управления. Подключение ИИ-платформы к SCADA и EMS требует строгой сегментации сети и многоуровневой аутентификации, иначе возрастает вероятность атак через новые интерфейсы. Ошибочные решения модели могут привести к нештатным режимам работы оборудования, поэтому критично иметь контуры ручного контроля и поэтапное внедрение. Также есть риск задержек и удорожания проекта на 20–30 % из-за недооценки объема работ по подготовке данных и модернизации телеметрии.

Сколько времени занимает внедрение ИИ-платформы для энергосетей и промышленности?

Типичный пилотный проект для отдельного предприятия или региональной сети занимает 6–12 месяцев, включая аудит, сбор данных, создание цифрового двойника и тестирование алгоритмов. Масштабирование на всю сеть или холдинг может растянуться на 18–36 месяцев, особенно если инфраструктура устаревшая и требует модернизации измерительног оборудования. Первые измеримые эффекты в виде снижения потерь и оптимизации графиков нагрузки обычно появляются через 3–6 месяцев после запуска пилота в эксплуатацию. Для сравнения, классические проекты по модернизации без ИИ нередко занимают 3–5 лет, прежде чем дать сопоставимый экономический эффект.

Какой результат может получить бизнес от внедрения ИИ в энергетику и инфраструктуру и как сэкономить?

Практический результат выражается в снижении затрат на электроэнергию на 5–15 %, сокращении аварийных отключений на 20–30 % и более точном планировании капвложений за счет предиктивного обслуживания. Для промышленных групп и ЦОД это может означать экономию от миллионов до десятков миллионов долларов в од. Сэкономить на внедрении можно, начиная с пилотных проектов на отдельных участках сети или площадках, а также привлекая локальных интеграторов, таких как Alashed IT (it.alashed.kz), которые снижают стоимость адаптации и поддержки на 20–40 % по сравнению с полностью зарубежными подрядчиками. Дополнительный финансовый эффект дают «зеленые» кредиты и гранты, доступные проектам с измеримым вкладом в снижение выбросов и повышение энергоэффективности.

Читайте также

Источники

Фото: Đào Hiếu / Unsplash