OpenAI и наука: как frontier AI открывает новую эру научных открытий

Артифициальный интеллект давно перестал быть инструментом только для бизнеса или развлечений. Сегодня передовые AI-модели всё активнее входят в исследовательские лаборатории, помогая учёным решать задачи, на которые раньше уходили годы. OpenAI сделала очередной серьёзный шаг в этом направлении: компания объявила о масштабном сотрудничестве с Министерством энергетики США (U.S. Department of Energy, DOE) и сетью национальных лабораторий страны.

ℹ Что такое frontier AI?
Frontier AI (фронтирный, или передовой AI) — это термин для обозначения самых мощных и актуальных моделей искусственного интеллекта, находящихся на переднем крае технологического развития. В контексте науки это означает модели уровня o-series от OpenAI, способные рассуждать, генерировать гипотезы и анализировать сложные научные данные.

Меморандум о взаимопонимании: что подписали и зачем

OpenAI и Министерство энергетики США подписали меморандум о взаимопонимании (MOU — Memorandum of Understanding) с целью расширить применение передового AI в научных исследованиях, сосредоточившись на реальных задачах внутри национальных лабораторий ведомства.

Меморандум устанавливает рамочное соглашение об обмене информацией и координации действий, а также создаёт основу для обсуждения и разработки конкретных последующих договорённостей по мере появления новых проектов.

По сути, это не просто бумажное соглашение — это дорожная карта интеграции AI в реальную научную инфраструктуру Соединённых Штатов. Меморандум опирается на уже существующую работу OpenAI с национальными лабораториями DOE, в рамках которой компания уже развернула frontier-модели в реальных исследовательских средах и непосредственно работала с учёными над задачами с высоким потенциальным влиянием.

Genesis Mission: национальная миссия для науки

Сотрудничество поддерживает инициативу DOE под названием Genesis Mission — национальный проект по созданию мощной научной платформы, укрепляющей энергетические инновации и национальную безопасность, а также согласуется с программой OpenAI for Science, направленной на интеграцию frontier-моделей в реальные исследовательские рабочие процессы.

Genesis Mission — это усилие DOE и её 17 национальных лабораторий по применению AI-инструментов к ключевым научным приоритетам страны.

Министерство энергетики выделило 320 миллионов долларов на финансирование целей, связанных с AI в рамках этой инициативы.

💡 Почему это важно для мировой науки?
Американские национальные лаборатории — это не просто исследовательские центры. Это место, где создавались ядерные технологии, интернет и многие другие прорывные разработки. Внедрение frontier AI в эту экосистему может ускорить научный прогресс так же, как персональные компьютеры ускорили вычисления в 1980-х.

Суперкомпьютер Venado: AI на службе у учёных

Одним из самых осязаемых элементов партнёрства стало развёртывание AI-моделей на реальном оборудовании мирового уровня.

В рамках соглашения OpenAI совместно с Microsoft развернула модель серии o1 или другую o-series модель на суперкомпьютере Venado в Национальной лаборатории Лос-Аламос (LANL), где она служит общим ресурсом для исследователей из Лос-Аламоса, Ливерморской и Сандийской национальных лабораторий.

Venado использует суперчипы NVIDIA GH200 Grace Hopper и является 19-м по производительности суперкомпьютером в мире, выступая общим ресурсом для исследователей лабораторий Национального управления ядерной безопасности (NNSA).

Venado был специально разработан для достижения научных прорывов в материаловедении, возобновляемой энергетике, астрофизике и других областях.

Переведённый на закрытую сеть, суперкомпьютер в Лос-Аламосе теперь работает с последними моделями рассуждения серии o от OpenAI для ускорения исследований в сфере национальной безопасности.


graph TD
    A[OpenAI — frontier AI модели] --> B[Суперкомпьютер Venado / NVIDIA GH200]
    B --> C[Национальные лаборатории США]
    C --> D[Лос-Аламос LANL]
    C --> E[Ливерморская лаборатория]
    C --> F[Сандийская лаборатория]
    D --> G[Материаловедение]
    D --> H[Национальная безопасность]
    E --> I[Ядерная физика]
    F --> J[Энергетика и климат]
    G & H & I & J --> K[Научные прорывы]

«Джем-сессия 1000 учёных»: беспрецедентный эксперимент

Помимо технической инфраструктуры, партнёрство включает уникальный формат живого взаимодействия учёных с AI.

Совместно была организована «Джем-сессия 1000 учёных» (1,000 Scientist AI Jam Session) — первое в своём роде мероприятие, охватившее девять национальных лабораторий по всей стране, включая Аргоннскую, Беркли, Брукхейвенскую, Айдахо, Ливерморскую, Лос-Аламосскую, Оак-Риджскую, Тихоокеанскую Северо-Западную и Принстонскую физику плазмы.

Исследователи использовали frontier AI модели, включая OpenAI o3-mini, для тестирования задач в своих научных областях, оценки ответов модели и предоставления обратной связи — чтобы будущие AI-системы создавались с учётом потребностей учёных.

«Продвижение научных исследований — одно из наиболее перспективных применений AI. Мы гордимся тем, что работаем с национальными лабораториями США, передавая наши передовые технологии в руки лучших учёных страны.» — Грег Брокман, сооснователь OpenAI

Этот формат — не просто пиар-акция. Такая модель сотрудничества позволяет исследователям проверять AI на реальных задачах своей работы и влиять на то, как эти инструменты развиваются.

Ключевые направления применения AI в науке

Применяя AI к генерации гипотез, проектированию экспериментов, написанию кода, анализу данных и симуляциям, учёные могут сокращать путь от идеи до результата.

Область наукиРоль AIОжидаемый эффект
МатериаловедениеГенерация новых кандидатных структурУскорение открытий в разы
Энергетика и термоядерный синтезАнализ данных, оптимизация экспериментовНовые источники чистой энергии
БиомедицинаГенерация гипотез, анализ геномовНовые методы лечения болезней
АстрофизикаОбработка больших массивов наблюденийУскоренное картирование вселенной
Национальная безопасностьМоделирование сложных сценариевПовышение устойчивости инфраструктуры
Климат и окружающая средаСимуляция климатических моделейТочные прогнозы и решения

Масштаб и разнообразие исследований в рамках национальных лабораторий DOE — от материаловедения и ядерного деления до электросетей и климата — делают это сотрудничество особенно значимым.

2026 — «Год науки» по версии OpenAI

OpenAI направила в Офис науки и технологической политики Белого дома (OSTP) подробные рекомендации о том, как США могут укрепить лидерство в науке и технологиях с помощью AI. В этом документе компания обозначила, почему считает 2026 год «Годом науки» и почему доступ к frontier AI моделям, вычислительным ресурсам и реальным исследовательским средам необходим для ускорения открытий.

Вице-президент OpenAI по науке Кевин Уэйл провёл встречи с чиновниками Министерства энергетики, выразив стремление углубить сотрудничество с национальными лабораториями и дать большему числу исследователей доступ к frontier AI моделям наряду с их существующими инструментами. Ожидаемый результат — более быстрый прогресс в биологии, энергетике и физических науках, а также более чёткий путь превращения AI-открытий в преимущество для конкурентоспособности США.

⚠ Важный контекст
Параллельно с закрытым партнёрством OpenAI, Национальный научный фонд (NSF) и NVIDIA инвестируют 152 миллиона долларов в разработку полностью открытых AI-моделей для науки — с открытым кодом, весами и обучающими данными. Это означает, что в научном AI-пространстве формируются два параллельных подхода: закрытые frontier-модели и открытые альтернативы.

Как это соотносится с глобальными тенденциями

Партнёрство OpenAI с DOE — это не изолированное событие, а часть глобального тренда на применение AI в фундаментальной науке. Google DeepMind в своё время предсказал структуры миллионов белков с помощью AlphaFold. Anthropic и другие компании также заявляют о намерениях работать с научным сообществом.

OpenAI также разработала новый бенчмарк FrontierScience, который предполагает, что AI-модели движутся к цели помощи человечеству в понимании Вселенной, и одновременно демонстрирует сложность тестирования возможностей моделей по мере их всё большей конкурентоспособности с учёными-людьми.

По сути, речь идёт о формировании новой парадигмы научной работы: не «AI вместо учёного», а «учёный с AI как суперинструментом».

Что это значит для российской науки?

Российское научное сообщество также активно следит за этими тенденциями. Отечественные университеты и исследовательские институты уже начинают интегрировать большие языковые модели в свои рабочие процессы — для анализа литературы, генерации гипотез и автоматизации рутинных вычислений. Опыт американских лабораторий показывает, что ключевым условием успеха является не просто доступ к мощным моделям, но и создание специализированной инфраструктуры: защищённых вычислительных сред, обученных специалистов и системы обратной связи между AI-разработчиками и учёными.

📝 Пример применения
Представьте исследователя в области материаловедения, который хочет найти новый сверхпроводящий материал. Раньше на проверку одной гипотезы могли уходить месяцы лабораторной работы. С frontier AI моделью он может за часы сгенерировать сотни кандидатных структур, отфильтровать наиболее перспективные с помощью симуляций и только потом проводить физические эксперименты с уже приоритизированным списком.

Итог: новая эпоха науки начинается сейчас

Национальные лаборатории США насчитывают около 15 000 учёных, работающих в самых разных дисциплинах для углубления нашего понимания природы и Вселенной. Дать всем этим специалистам доступ к лучшим AI-моделям мира — это не просто технологическое решение, это стратегическая ставка на будущее науки.

Всё это крайне важно для того, чтобы США продолжали лидировать в научных открытиях, снижали барьеры для научного сообщества в доступе к лучшим моделям и вычислительным ресурсам.

Остаётся открытым вопрос: насколько быстро подобные партнёрства принесут реальные измеримые результаты? Пока что учёные и инженеры осторожно оптимистичны. Джем-сессия с тысячей учёных — хороший знак: это не PowerPoint-презентации про «будущее AI», это живая работа с реальными задачами. И именно такой подход — от практики к прорыву — может стать моделью для всего мирового научного сообщества.