Реальные случаи, когда небольшие компании с помощью ИИ меняют традиционные отрасли: стоимость логистического гиганта сократилась на 23,3 миллиарда юаней, а нарушители выросли в цене в 3 раза за два дня. Будьте осторожны с бизнесом по «синхронизации информации»

Искусственный интеллект (AI) разрушает традиционные отрасли: реальные кейсы с поразительной силой.

12 февраля по восточному времени в США, в случайной новости, логистическая компания Algorhythm Holdings [RIME.O] (далее — Algorhythm) опубликовала отраслевой белый документ, объявив, что их логистическая платформа SemiCab с помощью AI-оптимизации и автоматизации SaaS (облачное программное обеспечение по подписке) позволяет снизить пустой пробег грузовиков при сохранении низких операционных затрат, увеличивая производительность в 3 раза.

После публикации новости, казалось, что капитал рынка почувствовал угрозу: акции логистического сектора на американской бирже резко упали. Индекс транспортных компаний Russell 3000 в течение дня упал более чем на 9%, за день — на 6,6%, что стало крупнейшим однодневным падением с апреля 2025 года, после введения тарифных мер Трампа. Акции логистического гиганта Robinson Global Logistics, использующего легкую модель активов, упали почти на 15%, рыночная капитализация сократилась примерно на 23,3 миллиарда юаней, в течение дня — на 24%, что стало историческим максимумом по падению. Стоимость акций транспортной платформы Laidi Transportation снизилась на 16%.

Цена акций Algorhythm, наоборот, выросла в противоположную сторону: 12 февраля закрылась с ростом почти на 30%, а 13 февраля — на 222,22%, с 1,08 до 3,48 долларов. За два дня рыночная капитализация увеличилась примерно в 3 раза.

Robinson Global Logistics — ведущая компания в сфере легких активов, не владеющая грузовиками, судами или самолетами, объединяющая 450 тысяч контрактных перевозчиков и предоставляющая услуги 83 тысячам клиентов.

В 2024 году Algorhythm полностью перешла на AI-логистику, а в 2025 — приобрела SemiCab. По последней цене закрытия перед сильными колебаниями рынка 11 февраля, рыночная стоимость Algorhythm составляет около 33 миллионов юаней, что по сравнению с 160 миллиардами у Robinson Global Logistics и 38,3 миллиарда у Laidi Transportation — очень мало. Но именно эта небольшая компания, казалось бы, незаметная, за одну ночь разрушила «защитный вал» традиционной логистики с помощью AI.

AI увеличил производительность грузовых платформ в 3 раза

Почему автоматизированное программное обеспечение на базе AI так сильно поражает?

Исследования показывают, что в таких рынках, как Индия и США, 30–35% пробега грузовиков — это пустой пробег, вызванный разрозненным планированием и недостаточной эффективностью использования активов.

12 февраля 2026 года Algorhythm опубликовала отраслевой белый документ, в котором заявила, что их облачная платформа SemiCab, основанная на AI, в реальных условиях эксплуатации способна увеличить грузопоток на 300–400%. Некоторые операторы, использующие SemiCab, без увеличения штата могут управлять более чем 2000 грузов в год, тогда как стандарт в отрасли — около 500 грузов на одного брокера. Это означает, что их производительность выросла в 3 раза.

В белом документе говорится, что в высокоразобщенных рынках объединение требований и предложений отправителей, маршрутов и регионов позволяет выявлять обратные маршруты и межмаршрутные потоки, которые не видны на уровне контрактов. В качестве примера приводится Индия: внедрение этой модели показало снижение пустого пробега с 30–35% до менее 10%, без необходимости пересмотра контрактов или изменения поведения перевозчиков.

На официальном сайте компании указано, что AI обнаружил эффективность, недоступную традиционным системам управления грузоперевозками. Используя масштабируемую глобальную SaaS-платформу для автоматизации рабочих процессов, сокращается ручное планирование, ускоряется выполнение загрузки, автоматически определяется оптимальное сочетание грузов, уменьшается пустой пробег и повышается прибыльность сети.

Algorhythm утверждает, что традиционные системы управления транспортом и брокерские платформы основаны на ручной оптимизации, наложенной на статические правила, что эффективно при низкой и средней нагрузке, но при усложнении модели эффективность снижается.

Несмотря на то, что квартальный доход Algorhythm по состоянию на 30 сентября 2025 года составлял менее 2 миллионов долларов, а чистый убыток — около 2 миллионов долларов, их акции после объявления выросли на 82%, а затем — на 30%, достигнув 1,08 доллара, а 13 февраля — до 3,48 доллара. За два дня рыночная капитализация увеличилась примерно в 3 раза.

Algorhythm считает, что операционный рычаг, основанный на AI, станет ключевой характеристикой следующего поколения логистических сетей.

13 февраля Robinson Global Logistics также в своем годовом отчете отметил, что конкуренты используют передовые цифровые платформы, AI-управляемое сопоставление грузов и автоматизацию для повышения эффективности и снижения затрат. Если компания не сможет быстро масштабировать автоматизацию и внедрение AI, она рискует не достичь стратегических целей по эффективности и цифровой трансформации.

Наступает эпоха «предварительно подготовленных решений» в программной индустрии?

Платформа SemiCab действительно может решить основные проблемы грузоперевозочной отрасли и, возможно, сделать устаревшими традиционные системы управления транспортом. Однако проблема пустого пробега существует давно. Почему именно платформа, основанная на AI, способна революционизировать грузоперевозки?

Чтобы глубже понять этот вопрос, журналист «Daily Economic News» взял интервью у нескольких экспертов в области AI.

Вопрос 1: Платформа SemiCab работает на базе AI. В каких этапах разработки программного обеспечения AI может играть роль? Чем она отличается от традиционной разработки?

Ду Юй, инвестор в технологии, директор Института неизвестного искусственного интеллекта:

Традиционная разработка — это «человек строит весь дом с нуля», а разработка на базе AI — скорее «стандартизировать здание и коммуникации, AI и человек занимаются индивидуальной отделкой и быстрым переоборудованием». AI также может напрямую «проверять структуру, искать интерфейсы, настраивать их», сокращая время на повторное чтение документации, сопоставление полей и написание связующего кода. Можно сказать, что наступает эпоха «предварительно подготовленных решений» в программной индустрии.

Вопрос 2: Почему такие инструменты не появились у крупных традиционных разработчиков? Недостаточно ли у них возможностей для создания подобных платформ, или же AI-основа дает преимущества, которых не было у классической логики разработки?

Пан Хэлинь, член Комитета по информационно-коммуникационной экономике Минкомсвязи:

Повышение эффективности использования обратного пустого пробега действительно возможно, и многие компании этим занимаются. Но проблема в том, что грузовая информация очень разрознена: пользователи размещают заявки на разных платформах, а для выполнения перевозки иногда приходится собирать разрозненные заказы. Объединение таких разрозненных заказов — сложная задача. SemiCab как агрегирующая платформа действительно может решить часть этой проблемы, но не является окончательным решением. Использование AI для объединения информации — хорошая идея.

Вопрос 3: Почему проблема пустого пробега существует так долго, а только сейчас появляется платформа на базе AI, способная ее решить?

Гуо Гочан, заместитель директора Гонконгской фондовой биржи, руководитель отдела технологий:

Проблема пустого пробега — не вопрос «кто придумал», а вопрос «есть ли системное решение». Традиционные системы разработки не справляются с такой сложностью. В классической модели грузовые платформы опираются на правила, опыт и локальную оптимизацию, что при высокой фрагментации требований (по времени, маршрутам, типам грузов, кредитам грузоотправителей), а также при постоянных изменениях (временные изменения, отмены, колебания цен) и длинных цепочках решений, становится неэффективным. Эти системы не «недостаточно логичны», а «слишком большие по состоянию», что ведет к усложнению правил и снижению отдачи. В итоге приходится «набирать людей». Новая AI-платформа SemiCab — это не только идея, а фундаментальное изменение «подхода к разработке».

Она означает переход от «правил, основанных на жестких условиях» к «вероятностным и предсказательным моделям»: традиционные грузовые системы строятся на жестких правилах (If-Then). В условиях огромных, динамичных и разрозненных заказов и маршрутов традиционные алгоритмы не могут быстро находить оптимальные глобальные решения. AI-основа дает платформе возможность обрабатывать высокоразмерные данные.

Также, разработка таких систем — дорогостоящая и сложная. AI-основа обеспечивает обобщающую способность, позволяя системе «понимать» бизнес-процессы без необходимости писать избыточный код для каждого случая.

Гуо Гочан считает, что традиционные навыки разработки могут поддерживать «инструменты», но только AI-основа способна обеспечить «мозг». Преимущество AI — это разрушение линейной зависимости между ростом человеческих ресурсов и производительностью, что приводит к экспоненциальному росту эффективности.

Вопрос 4: Судя по выпуску этого программного обеспечения, произошла ли революция в логике разработки? Как AI влияет на индустрию разработки программ?

Ду Юй:

Логика действительно меняется: от «написания кода и доставки функций» к «использованию стандартной базы + AI для превращения поставки в «процесс»». Раньше компании были «ремесленными мастерскими», делавшими по заказу; сейчас — скорее «централизованные кухни с AI-поваром»: базовые компоненты (универсальные возможности) — фабричного производства, AI быстро собирает бизнес-процессы, а разработчики (повара) отвечают за правильность, производительность, безопасность и удобство.

Поэтому стратегия «стандартная база + AI для ускорения кастомизации» очень перспективна в стране, но конкуренция будет жесткой: кто сможет систематизировать отраслевые знания (как делать), превратив их в модули, данные и шаблоны процессов — тот выйдет вперед. Умение писать код становится менее ценным, а понимание отрасли, способность реализовать идеи и постоянно улучшать — ценнее.

AI — что может и что не может заменить

Вопрос 5: Если разработка программного обеспечения станет проще, легко ли будет копировать новые программы? Модель получения прибыли через разработку программного обеспечения будет разрушена? Если способность разрабатывать ПО перестанет быть барьером, как компании смогут сохранить свою уникальность?

Ду Юй:

Это упростит копирование «поверхностных функций», но усложнит копирование «эффективных систем». AI удешевляет «написать», но делает более редким «работать стабильно, долго, побеждать». Функции можно копировать, а системные возможности и организационные навыки — трудно. Модель прибыли через разработку программного обеспечения будет под давлением, но не исчезнет полностью — она разделится: чистое аутсорсинг, оплата по дням, наем людей — прибыль продолжит сжиматься из-за AI.

Когда программное обеспечение станет «копируемым товаром», клиенты будут больше ценить «ответственность за сбои и возможность долгосрочного сотрудничества». Именно такие бизнес-отношения и ответственность AI заменить не сможет. AI снижает барьер для «создания программ», но повышает барьер для «превращения программ в бизнес, систему, стандарт». В Китае это, скорее всего, усилится.

Вопрос 6: Какие отрасли могут быть полностью разрушены AI (заменены или требовать кардинальной перестройки), а какие — не подвержены?

Пан Хэлинь:

Отрасли, которые могут быть разрушены AI — это сферы информационного взаимодействия: поиск, покупки, грузоперевозки — по сути, все связаны с обменом информацией; и сферы контент-креатива: видео, изображения, текст, код.

Лю Гочан:

Я бы разделил не по «заменит или нет», а по «нужно ли перестраивать производство». Можно выделить:

Самые уязвимые для AI отрасли:

1. Повторяющиеся операции с высокой плотностью: например, традиционные логистические операции с обработкой 500 грузов в год.

2. Отрасли с высокой информационной плотностью и низкими затратами на выполнение решений: интернет-сервисы, финансы, бэк-офис.

3. Стандартизированные рабочие процессы с легко измеряемыми результатами: разработка программ.

Отрасли, маловероятно, полностью разрушенные AI:

1. Те, что требуют сложных взаимодействий с реальным миром и высоких затрат на выполнение: офлайн-сервисы, сложное производство, некоторые области медицины. AI скорее — инструмент усиления, а не замена. Например, AI может управлять грузовиками, но механики на дороге или аварийные службы — пока нет.

2. Области с высокой ответственностью и строгим регулированием: судебные решения, высокотехнологичная медицина, крупные инвестиции. AI может помочь с данными, но окончательное решение — за человеком.

В целом, AI — не «уничтожитель отраслей», а требование к их модернизации. Те, кто не перестроится, — исчезнут, а отрасли продолжат существовать в новых формах.

Вопрос 7: В чем, по сравнению с эпохой паровой машины, AI позволяет человеку стать более чувствительным и в каких сферах произошли эволюционные изменения?

Пан Хэлинь:

Сейчас AI в основном повышает эффективность получения информации. Например, AI в покупках — ускоряет подбор сделок, быстрее соединяет спрос и предложение. В грузоперевозках — тоже самое. В эпоху AI скорость получения информации выше, чем в эпоху интернета, и эффективность общества растет. Если в эпоху интернета проблема — информа overload, то в эпоху AI — точное соответствие спроса и предложения.

Лю Гочан:

Паровая машина освободила человека от физического труда, а AI привел к эволюции в трех сферах:

1. Восприятие.

AI может одновременно обрабатывать гораздо больше источников информации, чем человек (заказы, цены, маршруты, статус), что дает организациям «глобальное восприятие».

2. Производственный парадигм.

Затраты на вызов знаний значительно снизились. Эволюция человека идет не через запоминание и обучение, а через постановку задач.

3. Организационная структура.

Такие системы, как SemiCab, по сути, выводят «отраслевой опыт» из людей и превращают его в повторяемые программные возможности, расширяя управленческий радиус и системно увеличивая организационный рычаг.

С этой точки зрения, AI — не только повышение эффективности в отдельных точках, а определение тех сложных задач, которые стоит автоматизировать. Люди сосредоточатся на постановке целей и оценке ценностей, а многие промежуточные уровни будут перестроены AI.