Путь компании Autodesk к искусственному интеллекту
Руководство компании Autodesk начало раскрывать свои представления о том, как искусственный интеллект изменит сферу проектирования — от базовых моделей с поддержкой геометрии до новой концепции, которую компания называет «интеллектом проекта».
Хотя может показаться, что весь мир одержим искусственным интеллектом, явно наблюдаются растущие признаки усталости от этой темы. Оказавшись в плену, казалось бы, бесконечного цикла ажиотажа, который до сих пор принёс мало чего, кроме обилия компьютерных изображений, неудивительно, что покупатели программного обеспечения чувствуют себя перегруженными непрекращающимися анонсами продуктов, обновлениями моделей и новыми возможностями ИИ. Становится всё сложнее отделить реальные достижения от маркетинговых заявлений, особенно в контексте сектора AEC.
Мы знаем, что крупные языковые модели (LLM) обладают замечательной способностью к логическому анализу текста, но они представляют собой вероятностные системы, которые предсказывают правдоподобные ответы, а не проверяют инженерные факты. В результате они иногда могут «галлюцинировать», с уверенностью генерируя неверные размеры, технические характеристики, нормативные требования или проектные допущения.
В архитектуре, инженерии и строительстве, где решения влияют на целостность конструкций, безопасность, соответствие нормам и затраты, такие ошибки недопустимы. Поэтому ИИ должен опираться на авторитетные проектные данные, инженерные правила и моделирование, а не полагаться на информацию, полученную из общедоступного интернета. Точность, прослеживаемость и валидация имеют решающее значение для того, чтобы ИИ стал надежным инженерным инструментом, а не просто интеллектуальным помощником.
Более фундаментальной проблемой является объем памяти. Большие языковые модели (LLM) могут осуществлять логические выводы только на основе информации, содержащейся в их контекстном окне, которое фактически является их рабочей памятью. Хотя размеры контекстных окон продолжают расти, они по-прежнему остаются гораздо меньше объема информации, содержащейся в типичном федеративном BIM-проекте. В настоящее время как Claude, так и ChatGPT предлагают в своих текущих флагманских моделях до примерно 1 миллиона токенов (в более компактных или устаревших моделях — до 200 тысяч), тогда как Gemini, в зависимости от версии, поддерживает от 1 до 2 миллионов токенов.
Это соответствует примерно 150 000–750 000 слов. Для текста это впечатляющий показатель, но ничтожно мало по сравнению с геометрией, метаданными, техническими условиями, графиками, запросами на разъяснения (RFI), нормативными документами, облаками точек и эксплуатационными данными, содержащимися в современном BIM-проекте. Попытка загрузить весь проект в LLM в настоящее время нецелесообразна.
Именно поэтому гонка за всё более объёмными контекстными окнами может оказаться для инженерного программного обеспечения скорее отвлекающим фактором. Предоставление ИИ большего объёма памяти не обязательно означает, что он будет лучше понимать проект. Данные в сфере архитектуры, инженерии и строительства (AEC) имеют чётко структурированный характер и тесно взаимосвязаны. Стена относится к помещению, которое находится на определённом уровне, входит в состав противопожарного отсека, имеет технические характеристики, влияет на объёмы и затраты, а также определяет бесчисленное количество последующих решений.
Задача заключается не столько в том, чтобы уместить в память больше информации, сколько в том, чтобы сохранить эти взаимосвязи и предоставить ИИ доступ к ним в случае необходимости. Именно в этой области в настоящее время происходит большая часть инноваций. Вместо того чтобы полагаться на всё более обширные контекстные окна, разработчики программного обеспечения всё чаще строят ИИ на основе структурированных проектных данных. Графы знаний, онтологии, системы поиска и цифровые двойники позволяют ИИ извлекать только ту информацию, которая имеет отношение к конкретной задаче, сохраняя при этом инженерный контекст, правила и прослеживаемость. Затем сложные рабочие процессы можно распределить между специализированными ИИ-агентами, каждый из которых работает с четко определенным поднабором проектной информации.
Эти идеи все в большей степени определяют стратегии в области ИИ у крупнейших поставщиков программного обеспечения для архитектуры, инженерии и строительства (AEC).
Цель заключается не в том, чтобы втиснуть весь проект в модель большого языка (LLM), а в том, чтобы предоставить ИИ доступ к нужной информации в нужное время с достаточным инженерным контекстом для принятия надежных решений
Первая волна внедрения ИИ в сфере архитектуры, инженерии и строительства (AEC) в основном состояла из «вторых пилотов» и чат-интерфейсов, интегрированных в существующие приложения. Сейчас акцент смещается в сторону создания постоянного слоя проектных знаний, к которому ИИ может обращаться на протяжении всего жизненного цикла здания. Разные поставщики используют разную терминологию, но основная цель у них удивительно схожа: сохранить инженерный контекст, обеспечить прослеживаемость и дать ИИ возможность анализировать взаимосвязанную проектную информацию, а не отдельные файлы.
Цель заключается не в том, чтобы впихнуть весь проект в модель с большим объемом языковых данных (LLM), а в том, чтобы предоставить ИИ доступ к нужной информации в нужное время с достаточным инженерным контекстом для принятия надежных решений.
Autodesk называет эту концепцию «проектной интеллигенцией» — термин, который генеральный директор Autodesk Эндрю Анагностис объяснил в недавнем посте в LinkedIn.
Анагностис о ИИ
В этом посте Анагностис объясняет, в чём, по его мнению, заключается главный вызов для строительной отрасли. Он признаёт, что мы привыкли искать новые способы повышения производительности проектирования, но считает, что отрасли гораздо важнее повысить свою общую способность возводить больше жилья, объектов инфраструктуры и коммерческих зданий, несмотря на растущую сложность, сокращение бюджетов и ограниченность ресурсов. Он считает, что ИИ сыграет здесь важную роль, но отмечает, что это произойдет только в том случае, если он будет применяться в рамках «интегрированной проектной среды», а не в качестве отдельного инструмента проектирования. Обсуждения в отрасли все чаще сосредотачиваются на моделировании с помощью ИИ и на объединении разрозненных рабочих процессов, но Анагност полагает, что настоящая возможность заключается в увязке данных, решений и знаний о проекте на протяжении всего жизненного цикла здания.
Он утверждает, что ИИ не может заменить архитекторов, поскольку здания должны соответствовать конструктивным, нормативным, финансовым и экологическим ограничениям, одновременно удовлетворяя потребности жильцов. Вместо этого, по его мнению, ИИ следует использовать для преодоления разрыва между идеями архитектора и полностью разработанными моделями зданий, продвигая эти идеи на всех этапах — от проектирования до строительства и эксплуатации.
Анагностис считает, что в строительной отрасли происходят изменения в коммерческих отношениях: подрядчики и заказчики начинают участвовать в проектах на более ранних этапах, а организации, работающие по модели «проектирование-строительство», берут на себя более широкий круг обязанностей. По его мнению, искусственный интеллект снизит барьеры для доступа к экспертным знаниям, что позволит архитекторам оказывать большее влияние на весь жизненный цикл проекта, а не ограничивать свою роль лишь проектированием. Основной тезис статьи заключается в том, что в настоящее время слишком много знаний о проекте теряется при переходе от этапа проектирования к этапу строительства, а затем к этапу эксплуатации. Хотя программные инструменты по-прежнему важны, Анагностис утверждает, что знания, накопленные в ходе проекта, должны сохраняться и после каждой смены этапа. Решения, допущения и извлеченные уроки должны оставаться связанными с проектом, чтобы они могли продолжать приносить пользу на протяжении всего жизненного цикла здания.
Чтобы описать эту концепцию, Анагностис вводит понятие «проектного интеллекта». Вместо того чтобы рассматривать ИИ как изолированного помощника, он описывает проектный интеллект как взаимосвязанный цифровой слой, объединяющий модели, проектные данные и все значимые решения, принятые на этапах планирования, проектирования, строительства и эксплуатации. По мере продвижения проекта эта база знаний постоянно растет, позволяя ИИ понимать не только геометрию модели, но и более широкий контекст, включая ограничения, предыдущие решения, цели проекта и эксплуатационные результаты.
Судя по всему, идея заключается в том, что Forma станет средой, изначально ориентированной на ИИ, в которой будут создаваться, исследовать и дорабатываться системы семантического проектирования, с возможностью их последующего преобразования в элементы и семейства Revit
В этих условиях ИИ может помочь проектным командам на более раннем этапе оценивать компромиссы, сократить объем повторяющейся работы и передавать знания от одного этапа проекта к следующему. Что ещё важнее, Анагностис утверждает, что знания, накопленные в ходе одного проекта, должны стать институциональными знаниями, которые будут использоваться в будущих проектах. По его мнению, конечной целью является не просто создание большего количества чертежей за меньшее время, а формирование единой «памяти проекта», которая позволит организациям совершенствовать процесс принятия решений, сохранять экспертные знания и постоянно повышать способность отрасли реализовывать более качественные проекты.
Neural CAD
Когда компания Autodesk представила Neural CAD на конференции Autodesk University 2025, это ознаменовало значительный сдвиг в подходе компании к роли искусственного интеллекта в программном обеспечении для проектирования. До этого основное внимание в отрасли уделялось использованию больших языковых моделей (LLM) для автоматизации повторяющихся задач или генерации кода, взаимодействующего с существующими API систем CAD. Neural CAD использует иной подход. Вместо того чтобы рассматривать геометрию как объект, с которым нужно работать опосредованно, Autodesk разработала базовую модель, обученную специально на профессиональных CAD-данных, что позволяет ИИ напрямую анализировать геометрию, топологию и инженерные взаимосвязи.
Эта технология основана на многолетних исследованиях лаборатории искусственного интеллекта Autodesk и проекта «Бернини», результатом которых стала модель ИИ с пониманием геометрии, способная генерировать редактируемую CAD-геометрию в формате B-rep на основе комбинации промптов, эскизов, изображений и голосовых команд.
Autodesk позиционирует Neural CAD не как замену традиционному параметрическому моделированию, а как его дополнение. Идея заключается в том, чтобы проектировщики могли более естественно взаимодействовать с ИИ на этапе концептуального проектирования, быстро изучая множество вариантов, прежде чем дорабатывать результаты с помощью традиционных инструментов CAD.
Благодаря созданию ИИ, который понимает инженерную геометрию, а не просто генерирует код или интерпретирует язык, компания Autodesk при презентации Neural CAD охарактеризовала эту технологию как первое фундаментальное изменение в взаимодействии с CAD за более чем четыре десятилетия, причем сфера применения охватывает как производственные, так и рабочие процессы в сфере архитектуры, инженерии и строительства (AEC).
В начале июня 2026 года компания Autodesk связалась с нами и прислала статью, написанную Майком Хейли, старшим вице-президентом по исследованиям, в которой более подробно объясняется концепция, лежащая в основе нового уровня ИИ Neural CAD.
В этой статье Хейли описывает Neural CAD как технологию искусственного интеллекта нового поколения от Autodesk для создания и редактирования CAD-моделей, разработанную специально для понимания геометрии, топологии и физических характеристик 3D-проектирования, а не для того, чтобы полагаться исключительно на модели большого языкового обучения (LLM).
Он утверждает, что за последние сорок лет традиционные системы САПР стали чрезвычайно функциональными, но по-прежнему остаются сложными в использовании. Одним словом, пользователи вынуждены тратить время на освоение сложного программного обеспечения, вместо того чтобы сосредоточиться на проектировании. Система Neural CAD призвана снизить этот барьер, позволяя проектировщикам взаимодействовать с системами САПР Autodesk с помощью естественного языка, эскизов, изображений, голосовых команд и других форм ввода.
По словам Хейли, Neural CAD отличается от существующих подходов на основе искусственного интеллекта тем, что он был обучен непосредственно на профессиональной CAD-геометрии, а не с использованием языковых моделей для генерации команд API. Вместо того чтобы анализировать текст, он анализирует 3D-геометрию и создает редактируемые CAD-модели, которые можно доработать в приложениях Autodesk, таких как Fusion и Forma.
Эта технология способна одновременно генерировать несколько вариантов проекта, создавать полностью редактируемую геометрию в формате B-rep (boundary representation) и, для некоторых задач, воссоздавать последовательность параметрических операций, использованных при построении модели.
Хейли подчеркивает, что Neural CAD не предназначен для замены параметрического CAD. Вместо этого в Autodesk видят будущее в сочетании традиционного параметрического моделирования с генерацией геометрии на основе искусственного интеллекта. Параметрический CAD по-прежнему обеспечивает точность, детерминированный контроль и инженерную точность, в то время как Neural CAD поддерживает концептуальное исследование и более естественное взаимодействие с программным обеспечением. Он также описывает, как LLM могут работать в сочетании с Neural CAD, используя модели, учитывающие геометрию, для анализа сборок, идентификации компонентов и поддержки инженерных рабочих процессов.
Разработка этой технологии основана на многолетних исследованиях лаборатории искусственного интеллекта Autodesk, созданной в 2018 году, а также на более ранних работах, включая проект «Бернини». Хейли объясняет, что Autodesk обучала свои базовые модели с использованием профессиональных CAD-объектов и представлений границ, а не наборов данных изображений, разработав собственную инфраструктуру для обработки больших объемов инженерных данных. Он отметил, что создание моделей ИИ для CAD требовало иных методов, чем те, которые используются для обучения моделей генерации языка или изображений, из-за ограниченной доступности высококачественной инженерной геометрии.
Ожидается, что будущие интерфейсы Neural CAD будут сочетать подсказки, эскизы, справочные документы, изображения и голосовые команды, а не полагаться исключительно на текстовые подсказки. Хейли также рассказала о работе Autodesk в области обеспечения доверия к ИИ, включая внутреннее тестирование, исследования по предотвращению «повторения как попугай», призванные не допустить копирования ИИ проектов клиентов, документацию по прозрачности, описывающую процесс обучения моделей, а также возможности контроля со стороны клиентов над использованием данных и функциями ИИ.
К ранним примерам Neural CAD относятся функция AutoConstrain в Fusion и Forma Building Layout Explorer; планируется внедрение дополнительных возможностей во все приложения Autodesk для проектирования. По словам Хейли, долгосрочная цель заключается в том, чтобы программное обеспечение для проектирования понимало устную речь, эскизы, инженерные данные, физическое поведение и отраслевые рабочие процессы. Он также описывает будущее, в котором организации смогут тонко настраивать базовые модели Autodesk с использованием собственных исторических данных и процессов, создавая специфичные для компании модели ИИ, отражающие их инженерный опыт и рабочие процессы.
Что это означает
В совокупности стратегическое видение Анагности и технический доклад Хейли дают целостное представление о том, в каком направлении, по мнению Autodesk, развивается ИИ в сфере AEC. Я во многом согласен с лежащими в основе этих документов идеями. ИИ в нашей отрасли нуждается в инженерном контексте, а не просто в более крупных языковых моделях, а сохранение знаний о проекте на всех этапах — от проектирования до строительства и эксплуатации — может обеспечить значительный рост производительности.
Учитывая сложность современных проектов, включающих множество дисциплин, специализированных ИИ-агентов и взаимосвязанных рабочих процессов, легко понять, почему Autodesk считает, что постоянный слой проектной интеллектуальной информации является правильной архитектурной основой. Тем не менее, этот подход также поднимает ряд важных вопросов. Если проектная интеллектуальная база станет хранилищем не только BIM-моделей, но и инженерных знаний организации, правил проектирования, рабочих процессов и онтологий, это будет означать гораздо более глубокую форму зависимости от платформы, чем когда-либо создавали проприетарные форматы файлов.
Отрасль потратила двадцать лет на попытки избавиться от проприетарных форматов файлов. Интеллект проекта — по крайней мере, в том виде, в каком его видит Autodesk, — открывает перспективу появления чего-то гораздо более «липкого»: проприетарной «зависимости от знаний». Интеллектуальная собственность все в большей степени перемещается от вручную созданных проектных файлов к знаниям, накопленным вокруг них, и чем полезнее становятся эти модели, тем больше они зависят от доступа к проприетарным проектным знаниям, рабочим процессам и замыслу проектирования.
Хейли подтверждает, что некоторые модели используют проектные данные, созданные клиентами, хотя и в агрегированном и обезличенном виде, с возможностью отказа от использования расширенных функций ИИ. Компания Autodesk также использует «карты прозрачности» и проверки на отсутствие механического повторения для управления доверием и рисками, связанными с интеллектуальной собственностью, что заслуживает одобрения. Однако остаются и практические соображения. Для полной реализации этой концепции клиентам, возможно, понадобятся системы искусственного интеллекта, которые понимают гораздо больше, чем просто геометрию — потенциально это понимание будет включать технические задания клиентов, цели проекта, требования к эксплуатационным характеристикам и замысел проекта.
Я знаю, что многим архитектурным бюро будет неудобно размещать такой объем коммерчески конфиденциальной информации на платформе, управляемой поставщиком, независимо от имеющихся мер безопасности. Наконец, возникает вопрос экономики. Компании и так уже платят за программное обеспечение для проектирования, облачное сотрудничество и хранение данных. Добавление вычислительных ресурсов ИИ и услуг по анализу проектов создает еще один уровень периодических затрат.
В то же время я обращаюсь к компаниям, которые следуют прямо противоположной стратегии: сохраняют права собственности на данные своих проектов в открытых структурах данных, создают собственные графы знаний и запускают всё более мощные модели с открытым исходным кодом локально или в рамках частной инфраструктуры.
Это, несомненно, более сложный путь, но он обеспечивает больший контроль над интеллектуальной собственностью, поведением ИИ и долгосрочными затратами. То, какая модель в конечном итоге возобладает, может оказаться одним из определяющих вопросов для следующего десятилетия развития программного обеспечения в сфере AEC. Мое внутреннее предчувствие подсказывает, что крупные компании вернут себе контроль и перенесут сбор и повторное использование знаний на внутренний уровень, используя локальное оборудование и ИИ без токенов. Малые и средние компании пойдут по пути наименьшего сопротивления и будут платить поставщику программного обеспечения за предоставление уровней разработки, хранения и универсального ИИ, возможно, с некоторыми возможностями для сбора и повторного использования своих собственных процессов.
Revit, Forma и «дом» для ИИ
Концепции «Project Intelligence» и «Neural CAD» описывают архитектуру, построенную на основе взаимосвязанных данных, накопленных знаний и рабочих процессов, изначально ориентированных на ИИ, однако значительная часть установленной базы Autodesk по-прежнему основана на таких продуктах, как Revit, архитектура которого была разработана за много лет до появления как облачных вычислений, так и ИИ. Autodesk, похоже, не может определиться с тем, что же представляет собой Forma — является ли она BIM нового поколения на основе облачных технологий, разработанной с учетом современных веб-сервисов и взаимосвязанных данных, или нет? В 2025 году Карл Кристенсен, вице-президент Autodesk по продуктам, заявил нам, что Forma не является заменой Revit. В мае 2026 года на конференции NXT BLD он заявил нам, что Forma является заменой Revit. В июле 2026 года в интервью с Кристенсеном и Дэном Ломейером, вице-президентом по разработке продуктов, позиция компании была «уточнена»: Forma не ставит целью заменить Revit, и Autodesk продолжит инвестировать в Revit, одновременно создавая в Forma более интегрированные и ориентированные на результат методы работы.
Реальность такова, что стратегия Autodesk в области ИИ, как её объясняет сама компания, гораздо лучше подходит для облачной платформы, чем для файлового настольного приложения. Вся эта «хоки-коки» (или «хоки-поки», как, по моим сведениям, её называют в США) вокруг Revit и Forma лишь поднимает вопрос о том, где именно в конечном итоге будут реализованы эти новые возможности ИИ.
Смогут ли устаревшие настольные приложения и платформы, такие как APS, развиться настолько, чтобы поддержать эту концепцию, или же самые передовые возможности ИИ постепенно появятся в Forma и её преемниках? Autodesk пока не дала публичного ответа на этот вопрос, и многие существующие пользователи Revit внимательно следят за развитием событий. В своей статье и в нашем интервью Майк Хейли, возможно, даёт некоторые подсказки, отмечая, что значительная часть разрабатываемого в настоящее время ИИ ориентирована на Fusion и Forma. Это было бы логично, поскольку речь идет об относительно новых продуктах (хотя Fusion гораздо старше, чем можно подумать).
Похоже, идея заключается в том, что Forma станет средой с встроенным ИИ, в которой будут создаваться, исследовать и дорабатываться семантические строительные системы, с возможностью их последующего сопоставления с элементами и семействами Revit. При таком прочтении Revit становится «марионеткой» ИИ, и перенос ИИ в Revit, BIM 1.0, по-видимому, не является первоочередной задачей.
О Neural CAD
Ответы Хейли создают впечатление, что Neural CAD — это нечто более серьёзное, чем простое дополнение на базе ИИ, но в то же время показывают, насколько ранней стадии развития всё это пока находится в сфере AEC. Важное отличие заключается в том, что Autodesk не говорит о сетках или просто красиво сгенерированной геометрии. Компания нацелена на создание редактируемых CAD-результатов, как правило, геометрии типа B-rep, а для клиентов из сферы архитектуры, инженерии и строительства — на логичные параметрические строительные системы с семантикой, такие как стены, двери и колонны. Это важно, потому что BIM — это не просто геометрия. BIM — это геометрия, наделенная смыслом, взаимосвязями и последующими последствиями, и ответы Хейли позволяют предположить, что Autodesk это понимает.
Его ответы по поводу точности также весьма показательны. Neural CAD пока не может гарантировать идеальную точность. Подход Autodesk заключается в сочетании вероятностного генератора на базе ИИ с детерминированными параметрическими CAD-движками, способными исправлять, ограничивать и приводить геометрию в пределы допуска. Это разумно, но подтверждает, что пока речь не идет о «волшебной кнопке» для генерации полностью проработанных и проверенных на соответствие нормам зданий. Скорее всего, эта технология сначала найдет применение в концептуальных макетах, строительных системах и ограниченных проектных задачах, где ИИ может генерировать варианты, а люди сохраняют контроль.
Что касается проблемы контекстного окна, Хейли права в том, что цель заключается не в том, чтобы просто загрузить всю BIM-модель в LLM. Крупные проекты не просто масштабны — они также отличаются высокой семантической плотностью. Решение должно заключаться в использовании компактных многомасштабных представлений, стратегий поиска и ИИ-агентов, которые получают доступ к нужной информации на нужном уровне абстракции, что тесно согласуется с более широкой концепцией Autodesk «проектной интеллигенции».
В целом Neural CAD больше похож не на ChatGPT для Revit, а на новый уровень ИИ, предназначенный для анализа замысла проекта, геометрии и знаний о проекте. Перспективы здесь значительны, но столь же значительны и нерешенные вопросы, касающиеся Revit, прав собственности на данные, точности, стоимости и зависимости от одного поставщика. Существует также проблема, заключающаяся в том, что результатов пока не так много, если учесть, что Autodesk ведет серьезные исследования в области ИИ как минимум с 2018 года.
Логическая концепция?
В совокупности статьи Анагности и Хейли дают одно из самых четких на сегодняшний день объяснений того, как, по мнению Autodesk, ИИ изменит программное обеспечение для отрасли AEC. Вместо того чтобы просто «навесить» генеративный ИИ на существующие приложения, компания описывает будущее, построенное на постоянном накоплении знаний о проектах, базовых моделях с учетом геометрии и ИИ, который понимает инженерный контекст, а не отдельные запросы.
С технической точки зрения большая часть этой концепции выглядит вполне обоснованной. Проекты в сфере архитектуры, инженерии и строительства (AEC) просто слишком масштабны и взаимосвязаны, чтобы современные модели большого языкового обучения (LLM) могли их анализировать изолированно. Направление развития — к структурированной проектной интеллектуальной системе, ИИ на основе поиска информации и моделям для конкретных областей — кажется всё более неизбежным.
Более интересным вопросом является то, станет ли именно Autodesk той компанией, которая в конечном итоге воплотит это будущее в жизнь. Успех этой стратегии зависит от того, готовы ли клиенты доверить ещё большую часть своих инженерных знаний, рабочих процессов и интеллектуальной собственности единой платформе — и это в то время, когда отрасль, похоже, всё больше раскалывается на два лагеря: с одной стороны — облачные управляемые сервисы искусственного интеллекта, а с другой — компании, стремящиеся сохранить за собой право собственности на свои данные и использовать ИИ на собственной инфраструктуре.
Кроме того, эта стратегия появляется в тот момент, когда Autodesk отменяет традиционные скидки на программное обеспечение, завершает действие акции «две подписки по цене одной» и начинает монетизировать Autodesk Platform Services (APS) (доступ с помощью токена ACC). Это усиливает опасения, что ИИ может стать еще одним платным уровнем, накладывающимся на услуги по созданию, совместной работе и облачные сервисы. Ближайшие несколько лет определят не только то, как ИИ изменит BIM, но и то, как будут развиваться бизнес-модели программного обеспечения, и, в конечном итоге, кому будет принадлежать инженерный интеллект, лежащий в их основе.