Октябрь оказался месяцем, когда технологические идеи часто переходили в проверяемый результат. «Компьютерра» собрала десять героев октября 2026 года и разделила их на две категории — «Технологический бизнес» и «Наука», как и в предыдущих материалах.
Мы не ранжируем состояние компаний, объем привлеченных средств и медийность участников. Финансовые показатели могут говорить о масштабе, но сами по себе не считаются технологическим достижением. В коллективных проектах редакция отмечает человека, чья руководящая, авторская или исследовательская роль прямо подтверждается открытыми источниками, сохраняя за всей командой авторство результата.
Для нас важно, чтобы материал не заканчивался объявлением победителей — мы приглашаем лидеров из рейтинга, с которыми еще не общалась редакция, на индивидуальное интервью. Пишите на почту news@computerra.ru.
Технологический бизнес
1. Денис Филиппов, MWS AI
Первое место в категории «Технологический бизнес» занял генеральный директор MWS AI Денис Филиппов. 27 октября компания вывела на рынок MWS AI Cowork — корпоративное рабочее пространство, в котором ИИ-исполнитель самостоятельно составляет план задачи, обращается к подключенным источникам и готовит итоговый документ, таблицу, презентацию или отчет.
Продукт разворачивается на серверах заказчика или в частном облаке и может работать с моделями разных поставщиков. Его подключают к корпоративной почте, календарям, мессенджерам, хранилищам, системам документооборота и CRM. Агент наследует права конкретного сотрудника, поэтому получает доступ только к тем данным, которые видит пользователь. Для повторяющихся процессов можно сохранять «навыки» — инструкции с перечнем источников, правилами проверки и требуемым форматом результата.
Основной наш аргумент в пользу лидерства — наличие не только готового интерфейса, но и измеренных пилотных результатов. По данным MWS AI, в подразделениях компании с совокупным штатом около тысячи сотрудников подготовка десятислайдовой презентации ускорилась на 40–50%, делового текста — на 40–60%, квартального финансового отчета — на 30–50%.
Филиппов получил по пять баллов за значимость, доказанность и масштаб — Cowork адресован широкой группе офисных процессов, вышел на рынок и уже прошел внутренние пилоты. Новизна оценена в четыре балла — универсальный агент с памятью, навыками, работой с файлами и корпоративными системами представляет современную продуктовую архитектуру, хотя сам класс решений уже сформировался. Личная роль получила четыре балла, поскольку Филиппов отвечает за направление и публично представляет продукт, а инженерный результат принадлежит большой команде. Итог — 93 балла.
2. Владимир Пименов, ВНИИ «Сигнал» и КЭМЗ
На втором месте — генеральный директор ВНИИ «Сигнал», управляющей организации Ковровского электромеханического завода, Владимир Пименов. 12 октября холдинг «Высокоточные комплексы» отгрузил первую серийную партию робототехнических комплексов пожаротушения АНТ-1000ПМ. Машины предназначены для крупной российской топливной компании, где пожары могут сочетать высокую температуру, сильное задымление и риск разрушения конструкций.
Комплекс построен на базе отечественного мини-погрузчика АНТ и управляется через программно-аппаратную систему «Прометей», разработанную ВНИИ «Сигнал». Внешние камеры и датчики передают оператору данные, позволяя вести машину с расстояния до километра. Лафетный ствол подает воду или пену к очагу на дистанцию до 60 метров и высоту до 35 метров. Для пожарного расчета это означает возможность оставить людей за пределами наиболее опасной зоны, сохранив управляемость тяжелой техникой.
Октябрьское событие важно переходом к серии. Прототип АНТ-1000ПМ показывали раньше, но машина прошла многочисленные и сертификационные испытания в аккредитованной лаборатории ВНИИ противопожарной обороны МЧС России.
Пименов получил максимальные баллы за значимость и доказанность, ведь комплекс снижает прямой риск для пожарных, сертифицирован и поставлен первым заказчикам. Новизна оценена в четыре балла, поскольку дистанционная пожарная техника известна, но здесь создан серийный российский комплекс на собственной платформе и системе управления. Личная роль получила четыре балла из-за коллективного характера проекта, масштаб — четыре, так как серийный этап начался, однако объем первой партии и результаты эксплуатации пока не раскрыты. Итог — 91 балл.
3. Илья Кавелашвили, «Росатом — Аддитивные технологии»
Третью строчку занял генеральный директор бизнес-направления «Аддитивные технологии» топливного дивизиона «Росатома» Илья Кавелашвили. 22 октября компания представила RusMelt 100M — самый компактный и доступный по стоимости принтер в серийной линейке российских установок RusMelt для селективного лазерного сплавления металлических порошков.
Установка весит менее 800 килограммов и помещает рабочие узлы в единый корпус. Камера построения размером 100 на 120 миллиметров рассчитана на прототипы, единичные изделия и малые серии. В отличие от тяжелого промышленного оборудования, принтер можно разместить на ровном полу без специального фундамента, укрепления перекрытий и отдельного производственного участка. Такой формат открывает металлическую печать небольшим лабораториям, конструкторским бюро, вузам и предприятиям, которым не требуется крупная камера.
RusMelt 100M разработан в России, а сборка организована в московском Центре аддитивных технологий «Росатома». Вместе с машиной заказчик получает режимы печати, материалы, обучение и техническое сопровождение. В потенциальные сценарии входят изготовление стоматологических изделий, оперативная замена небольших деталей, выпуск сложных прототипов, а также производство компонентов для авиационных, космических и исследовательских задач.
Кавелашвили получил пять баллов за доказанность и потенциал масштабирования, так как готовая установка произведена на российской площадке и рассчитана на широкий круг небольших заказчиков. Значимость и новизна получили по четыре балла — RusMelt 100M снижает инфраструктурный порог входа в металлическую 3D-печать, хотя использует уже освоенную технологию SLM. Личная роль также оценена в четыре балла: Кавелашвили возглавляет направление и представляет продукт, а разработку выполнила инженерная команда центра. Итог — 87 баллов.
4. Владимир Нелюб, «Астра ИИ»
Четвертое место получил управляющий партнер «Астра ИИ» и директор по науке и искусственному интеллекту «Группы Астра» Владимир Нелюб. 26 октября компания вывела на рынок «Астра ИИ [Платформу]» — визуальную среду для создания, запуска и сопровождения корпоративных приложений с машинным обучением, языковыми моделями и ИИ-агентами.
Продукт объединяет два конструктора. ML-контур позволяет собирать конвейеры обработки данных, обучать и разворачивать модели, а LLM-контур — строить ассистентов, RAG-системы и цепочки взаимодействующих агентов. Блоки можно редактировать на Python, подключать к CRM, ERP, почте, поиску и другим инструментам. Платформа поддерживает локальное развертывание и закрытый контур, что делает ее пригодной для организаций с чувствительными данными и формальными требованиями к защите информации.
«Сейчас большинство крупных организаций активно внедряет ИИ, но нехватка ML/LLM-инженеров только растет: количество вакансий стремительно увеличивается. Мы создали «Астра ИИ [Платформу]», чтобы расширить возможности уже существующих команд и ускорить внедрение ИИ в компаниях, где таких специалистов нет».
Владимир Нелюб, управляющий партнер «Астра ИИ», директор по науке и ИИ «Группы Астра», в релизе продукта
Нелюб получил пять баллов за доказанность, личную роль и масштабирование. Продукт вышел на рынок, руководитель напрямую отвечает за направление, а платформенная модель допускает множество корпоративных сценариев. Значимость оценена в четыре балла, поскольку решение закрывает актуальную потребность в локальном ИИ, но его фактический охват еще не раскрыт. Новизна получила три балла, ведь low-code-конструкторы, RAG и оркестрация агентов уже представлены на рынке, сильной стороной здесь стало их объединение в защищенном российском контуре. Итог — 86 баллов.
5. Михаил Рудов, «Студия интеллектуальных технологий»
Пятую позицию занял генеральный директор «Студии интеллектуальных технологий» Михаил Рудов. 15 октября компания подписала соглашение с Новокузнецким государственным гуманитарно-техническим колледжем-интернатом Минтруда, а 19 октября на его базе заработала лаборатория цифровых двойников для будущих специалистов по протезированию и реабилитационной технике.
Технологической основой стала российская платформа ARIUM, объединяющая дополненную реальность, компьютерное зрение и инструменты создания интерактивных инструкций. Через AR-очки студент видит объемную модель протеза на учебном столе, может разобрать механизм, изучить порядок сборки и повторить операцию без риска повредить дорогие детали. Пользователи сами создают трехмерные инструкции, поэтому лаборатория связывает обучение протезистов с работой студентов ИТ- и машиностроительных направлений.
Проект уже дал первый осязаемый результат. Студенты оцифровали основание механизированного протеза кисти, напечатали деталь на 3D-принтере и подготовили инструкцию.
Рудов получил пять баллов за доказанность и личную роль. Значимость оценена в четыре балла благодаря социальной и кадровой ценности проекта. Новизна получила три балла, поскольку цифровые двойники и AR-инструкции уже применяются в промышленности, а сильная сторона проекта заключается в адаптации к подготовке протезистов. Масштаб получил четыре балла: тиражирование заложено в план, но пока работает одна площадка. Итог — 84 балла.
Наука
1. Всеволод Белоусов, Федеральный центр мозга и нейротехнологий ФМБА России
Первое место в научной пятерке занял генеральный директор Федерального центра мозга и нейротехнологий ФМБА России Всеволод Белоусов. 22 октября в Nature Chemical Biology вышла работа его коллектива, показавшая, что принудительная активация митохондриального обмена замедляет деление опухолевых клеток и рост ксенотрансплантатов человеческой меланомы у мышей.
Команда создала генетически кодируемый инструмент Grubraw, который доставляется в митохондрии и превращает D-аланин в пируват непосредственно внутри них. Такой обходной путь позволил усилить окислительный обмен, не полагаясь на естественный транспорт молекулы через мембрану.
В клеточных линиях активация Grubraw увеличивала потребление кислорода и снижала скорость деления. Затем исследователи сформировали у мышей опухоли из клеток человеческой меланомы Lu451 и увидели замедление их роста. Анализ экспрессии генов показал подавление программ, связанных с клеточным циклом, делением и удвоением ДНК.
Результат пока нельзя называть готовой терапией. Grubraw — исследовательский фермент, а эксперименты проведены на клеточных культурах и животных. Ценность работы состоит в демонстрации причинной связи — изменение работы митохондрий способно само передать клетке сигнал, ограничивающий деление. Это открывает отдельное направление поиска лекарственных мишеней.
Белоусов получил по пять баллов за значимость, доказанность, новизну и личную роль. Работа опубликована в рецензируемом журнале, включает клеточные эксперименты и модель на животных, а вклад руководителя прямо раскрыт издателем. Масштабирование оценено в четыре балла, так как Grubraw уже служит воспроизводимым инструментом для изучения метаболизма, однако переход от механизма к лекарственному подходу потребует поиска мишени, проверки безопасности и дальнейших доклинических исследований. Итог — 98 баллов.
2. Сергей Гудошников, НИТУ МИСИС
Второе место занял доцент кафедры цветных металлов и золота НИТУ МИСИС Сергей Гудошников. 1 октября в Journal of Magnetism and Magnetic Materials вышла работа о способе температурной компенсации магнитных датчиков, а 19 октября университет сообщил об успешных испытаниях опытного образца специалистами МЧС России при обследовании аварийных домов.
Датчик использует эффект гигантского магнитного импеданса — сопротивление тонкого ферромагнитного микропровода меняется под действием внешнего магнитного поля. Такие сенсоры компактны и чувствительны к слабым полям, поэтому подходят для поиска микротрещин, остаточных напряжений и других дефектов в металле и строительных конструкциях. Практическому применению мешала температура — нагрев или охлаждение заметно сдвигали показания прибора.
Команда НИТУ МИСИС, НИЯУ МИФИ и ИЗМИРАН разместила рядом с магнитным сенсором миниатюрный датчик температуры. Перед работой прибор калибруют, после чего полиномиальная модель в реальном времени пересчитывает измеренный сигнал с учетом нагрева или охлаждения. В диапазоне от −50 до +80 °C температурная погрешность уменьшилась более чем в 80 раз.
Алгоритм не требует мощного вычислителя и может выполняться на компактном микроконтроллере. Это позволяет встраивать коррекцию в существующие измерительные системы, не увеличивая заметно их массу, размеры и энергопотребление. Опытная проверка на аварийных зданиях показывает, что результат уже вышел за пределы лабораторного стенда, хотя параметры испытаний и сравнение с серийными приборами в открытом доступе пока не раскрыты.
Гудошников получил по пять баллов за значимость, доказанность и личную роль. Датчик решает прикладную задачу безопасности зданий, результат опубликован в рецензируемом журнале и проверен на опытном образце, а концептуальный вклад исследователя раскрыт издателем. Новизна и потенциал масштабирования оценены в четыре балла: программная компенсация повысила точность более чем в 80 раз и подходит для компактных микроконтроллеров, однако независимые характеристики полевого испытания и серийное внедрение еще не опубликованы. Итог — 94 балла.
3. Анна Ткачев, Сколтех
Третью строчку заняла научный сотрудник Центра нейробиологии и нейрореабилитации имени Владимира Зельмана Сколтеха Анна Ткачев. 15 октября журнал npj Aging опубликовал исследование, которое показало, что привычные показатели массы тела и объема талии могут неверно описывать метаболический риск у людей старше 90 лет.
Врачи обычно используют индекс массы тела и отношение окружности талии к росту как быстрые признаки возможных нарушений обмена веществ. У людей среднего возраста рост этих показателей часто сопровождается характерными изменениями липидов в крови. Авторы проверили, сохраняется ли эта связь в возрасте от 90 до 100 лет, когда организм уже прошел через десятилетия возрастных перестроек и сам факт долголетия может говорить об особой устойчивости обмена веществ.
Команда сравнила 182 долгожителя с 306 участниками в возрасте от 25 до 60 лет. С помощью масс-спектрометрии исследователи измерили 195 видов липидов, относящихся к 14 классам. У более молодых взрослых липидный профиль ожидаемо менялся вместе с индексом массы тела и отношением талии к росту. В группе долгожителей эта связь оказалась значительно слабее, особенно для триглицеридов и диацилглицеридов. Модель, обученная на данных взрослых, систематически недооценивала показатели массы тела и объема талии долгожителей при их высоких фактических значениях.
Ткачев получила по пять баллов за значимость, доказанность и личную роль. Работа затрагивает оценку здоровья быстро растущей группы пожилых людей. Новизна оценена в четыре балла, ведь исследователи объединили антропометрические показатели с подробным анализом 195 липидов и показали возрастной разрыв в привычных метаболических связях. Потенциал масштабирования получил три балла, поскольку результат пока основан на одной наблюдательной выборке и требует независимой проверки до изменения клинических рекомендаций. Итог — 92 балла.
4. Павлос Лагудакис, Сколтех
На четвертом месте — первый проректор Сколтеха и руководитель Лаборатории гибридной фотоники Павлос Лагудакис. 27 октября он стал первым лауреатом Премии имени Жореса Алферова, учрежденной для признания выдающихся достижений в инновационных разработках, связанных со стратегическими направлениями науки и института.
Научная область Лагудакиса находится на границе фундаментальной физики и будущей вычислительной техники. Его группа исследует поляритоны — гибридные состояния света и вещества, которые позволяют управлять оптическими сигналами при существенно меньших энергетических затратах, чем во многих электронных схемах. Октябрьская награда стала признанием не одного эксперимента месяца, а сформированного научно-технологического направления.
Лагудакис получил пять баллов за доказанность и личную роль — премия вручена персонально, а его руководство лабораторией и научное направление подтверждены Сколтехом. Значимость, новизна и масштабирование оценены в четыре балла. Поляритонные вычисления способны повлиять на будущую аппаратную базу, но октябрьское событие отмечает совокупный вклад, не фиксируя отдельный новый прототип или внедрение с измеримыми характеристиками. Итог — 88 баллов.
5. Алексей Самарин, НИУ ВШЭ — Санкт-Петербург
Пятое место занял доцент департамента информатики НИУ ВШЭ — Санкт-Петербург Алексей Самарин. 14 октября в журнале Machine Learning and Knowledge Extraction вышла статья его команды об открытой системе автоматизации серийных микроскопов и алгоритме Microscopy-Aware Attention, который учитывает биологически осмысленные признаки изображения.
Проект охватывает всю цепочку получения данных. Исследователи создали недорогой модуль на базе Arduino и шаговых двигателей, который автоматизирует фокусировку, увеличение и освещение нескольких моделей микроскопов. Затем они собрали набор из 100 тысяч изображений пяти классов — микрококков, диплококков, стрептококков, бацилл и фона — с разными режимами съемки и разметкой для классификации, детекции и сегментации. С их помощью лаборатория получает единый протокол съемки и модель, которая учитывает особенности микроскопии, сохраняя возможность доработки.
Как отмечает методолог проекта, академический руководитель программы «Прикладной анализ данных и искусственный интеллект» Елена Михайлова, главное преимущество разработки состоит в том, что она не привязана к конкретной архитектуре и обучается самостоятельно на основе специальных подсказок.
Самарин получил пять баллов за доказанность и масштабирование. Значимость и новизна оценены в четыре балла, поскольку система заметно улучшает воспроизводимость и качество анализа, но пока испытана на ограниченном наборе микроорганизмов. Личная роль получила четыре балла. Итог — 87 баллов.
Как составлялся рейтинг
Рейтинг отражает выбор редакции. Сначала мы сформировали список людей, чьи проекты с 1 по 31 октября 2026 года получили проверяемый результат, вышли на новый этап или заметно повлияли на технологическую повестку. Для исследований и инфраструктурных инициатив с длинным циклом учитывалась работа предыдущих месяцев, однако рейтинговым событием мог стать только результат октября: выпуск продукта, поставка, внедрение, публикация, официально присужденная премия или завершенный эксперимент, публично подтвержденный в этом месяце.
Список разделен на две категории: «Технологический бизнес» и «Наука». Места присваиваются внутри каждой категории, поскольку рыночный запуск, серийную поставку, лабораторный эксперимент и научную премию некорректно сводить в одну турнирную таблицу. Система оценки для всех участников одинакова.
Каждый участник получил от одного до пяти баллов по пяти критериям:
| Критерий | Вес | Что оценивается |
| Значимость | 30% | Возможное влияние на пользователей, отрасль, общество или научное направление |
| Доказанность результата | 25% | Наличие работающего продукта, поставки, проведенного эксперимента, опубликованной работы или официально подтвержденной победы |
| Технологическая новизна | 20% | Оригинальность подхода и сложность решенной задачи |
| Личная роль | 15% | Насколько вклад участника подтверждается открытыми источниками |
| Потенциал масштабирования | 10% | Возможность распространить решение, продолжить исследование или повлиять на развитие отрасли |
Итоговый результат рассчитывался по формуле: Σ (балл ÷ 5 × вес критерия). Максимальная оценка составляет 100 баллов. Если участники набрали одинаковое количество баллов, выше располагается результат с большей доказанностью, затем учитывается значимость.
Балльная система показывает логику расстановки мест, но не превращает экспертный выбор в точное измерение заслуг. Особенно осторожно мы оценивали прогнозы поставщиков и перспективы медицинских разработок: заявленный эффект учитывался только вместе с описанием условий испытания, а лабораторный результат не приравнивался к готовому лечению. Финансовые показатели отдельно не оценивались.
Баллы: технологический бизнес
| Место | Участник | Значимость | Результат | Новизна | Личная роль | Масштаб | Итог |
| 1 | Денис Филиппов, MWS AI | 5 | 5 | 4 | 4 | 5 | 93 |
| 2 | Владимир Пименов, ВНИИ «Сигнал» и КЭМЗ | 5 | 5 | 4 | 4 | 4 | 91 |
| 3 | Илья Кавелашвили, «Росатом — Аддитивные технологии» | 4 | 5 | 4 | 4 | 5 | 87 |
| 4 | Владимир Нелюб, «Астра ИИ» | 4 | 5 | 3 | 5 | 5 | 86 |
| 5 | Михаил Рудов, «Студия интеллектуальных технологий» | 4 | 5 | 3 | 5 | 4 | 84 |
Баллы: наука
| Место | Участник | Значимость | Результат | Новизна | Личная роль | Масштаб | Итог |
| 1 | Всеволод Белоусов, ФЦМН ФМБА России | 5 | 5 | 5 | 5 | 4 | 98 |
| 2 | Сергей Гудошников, НИТУ МИСИС | 5 | 5 | 4 | 5 | 4 | 94 |
| 3 | Анна Ткачев, Сколтех | 5 | 5 | 4 | 5 | 3 | 92 |
| 4 | Павлос Лагудакис, Сколтех | 4 | 5 | 4 | 5 | 4 | 88 |
| 5 | Алексей Самарин, НИУ ВШЭ — Санкт-Петербург | 4 | 5 | 4 | 4 | 5 | 87 |
Общая черта лидеров октября — результат можно проверить по продукту, поставке, данным эксперимента, тексту статьи или решению о премии. Именно эта граница между замыслом и подтвержденным шагом остается главным ориентиром рейтинга.