Эволюция ИИ: почему Physical AI вытесняет классические LLM в разработке

По данным опроса 200+ российских ИИ-специалистов, Physical AI выходит на главную сцену, а классический LLM потихоньку сползает с трона. Для веб-разработчика это сигнал не бежать за очередным хайпом, а перетряхнуть собственные интеграции: что из нового стека реально доедет до прода.

Physical AI забирает голоса

Половина вариантов в опросе висит на Physical AI. Лидер — VLA-модели (Vision-Language-Action), 43%. Грубо говоря: робот смотрит камерой, понимает команду голосом и двигает манипулятором. На втором месте World Models (31%) — модель представления мира, на которой тренируют поведение агента. Large Action Models собрали 23%, а крупные поведенческие модели (LBM) — всего 18%.

Для бэкендера это значит следующее: если ваш SaaS обслуживает склад, логистику или промышленность, скоро клиенты придут с просьбой «а прикрутите нам API к роборуке». Уже сейчас стоит закладывать абстракцию под сенсорный поток — видео, аудио, телеметрия — потому что лепить их в ту же обёртку, что и текст, будет поздно.

Кандидаты на смену LLM

Foundation Models набрали 23% — термин уже почти синоним LLM, но смысл плывёт. Диффузионки, которые тянутся с 2015 года, переживают вторую волну, а Interaction Models (17%) — попытка пересобрать UX вокруг нативных мультимодальных сетей. Если Interaction Models действительно доедут до фронта, привычный чат-виджет придётся пересобирать с нуля: текст плюс голос плюс контекст камеры одновременно, и это не «впилить ещё одну кнопку», это пересборка стейта и стриминга.

Отдельно стоят AGI (22%) и ASI (12%) — пока гипотетика, но сам факт включения их в опрос про «ближайшее время» хорошо показывает температуру в индустрии: верят во всё подряд, проверяют мало что.

Что проверить у себя в репо

• Если в проде висит чат-бот на голом LLM API — откройте roadmap вендора. Переход на мультимодальный ввод обычно приходит без отдельного пресс-релиза, просто меняется контракт. Архитектура «один эндпоинт, одна строка» сдохнет первой.
• Если делаете интерфейс для B2B с физическими устройствами — выделите сенсорный поток в отдельный сервис, не мешайте с основным API-гейтом. Видео и аудио не живут в тех же таймаутах, что текстовые запросы.
• Не ведитесь на хайповые проценты. 43% за VLA — это голоса ИИ-специалистов, а не продакты вашего клиента. LLM как основной строительный блок никуда не денется быстро, просто рядом начнёт расти обвязка.

LLM — это костыль, на котором мы все сидим, пока индустрия ищет, чем его заменить. Interaction Models — единственное, за чем реально стоит следить веб-разработчику; остальное — шум до первого стабильного API. Ну и бэкапы, как обычно, никто не отменял.