Практика лицензирования разработок НИУ ВШЭ отмечена премией в области корпоративных инноваций GIA
На церемонии вручения премии GIA совместный проект Центра искусственного интеллекта НИУ ВШЭ и АО «Новое сервисное бюро» получил награду в номинации «Трансфер технологий». Это стало плодом интенсивной работы университетского Центра трансфера технологий и научных сотрудников вместе с индустриальным партнером.
24 октября 2024 года в Москве подвели итоги крупнейшей федеральной премии в области корпоративных инноваций GenerationS Innovation Award (GIA). Финалистами премии стали 23 российские компании в четырех основных номинациях: «Инновационная компания года», «Коллаборация года», «Внутренняя инновация года» и «Трансфер технологий». Премия GIA создана для того, чтобы отметить наиболее яркие и успешные кейсы, практики, партнерства и команды российских организаций в области инноваций и трансфера технологий, а также оценить измеримую инновационную деятельность корпораций.
На участие в премии поступило 538 заявок. Экспертный отбор успешно прошли 42 проекта, представленных 23 организациями — крупнейшими российскими бизнес-компаниями и вузами, ведущими технологическую и инновационную деятельность.
В номинации «Трансфер технологий» финалистом стало АО «Новое сервисное бюро», развивающее проект платформы предиктивной аналитики для индустрии гостеприимства Data.Forecast вместе с коллективом ученых из НИУ ВШЭ. В основе решения лежит программное обеспечение, работающее с разнородными источниками данных с помощью специально созданного AutoML пайплайна. Данная разработка была создана Центром искусственного интеллекта НИУ ВШЭ в 2022–2023 годах и с тех пор развивается как кастомизируемый продукт, продаваемый по лицензии.
Алексей Масютин
«Data.Forecast является хорошим примером, когда научный проект проходит полный цикл от фундаментального исследования до конкретного продукта, который внедряется в отрасли туризма, — отметил Алексей Масютин, руководитель Центра ИИ НИУ ВШЭ. — Сейчас это одна из фокусных тем для национальных проектов, а повышение маржинальности позволит создавать новые интересные туристические объекты, удовлетворяя рост спроса на внутренний туризм». В рамках этого процесса Центр коммерциализации разработок и трансфера технологий (ЦКРТТ) НИУ ВШЭ помог команде ученых сформулировать и правильно подготовить к защите интеллектуальную собственность, которая была разработана в течение проекта, после чего взял на себя процесс сопровождения отношений с индустриальным партнером.
Алексей Казьмин
«Участие в премии GIA стало вызовом для нашей компании. Продукт, который мы делаем совместно с учеными из Вышки, довольно молодой, поэтому попадание в число финалистов из более чем 500 проектов для нас стало высокой оценкой работы. Предложенный Центром трансфера технологий ВШЭ гибкий механизм создания продукта, основанный на лицензировании университетских разработок, оказался для нас очень удобным», — подчеркнул Алексей Казьмин, руководитель проекта Data.Forecast, заместитель руководителя службы продаж и маркетинга АО «НСБ».
Антон Яновский
«Data.Forecast является примером, когда заказная разработка программного обеспечения для целей решения конкретных задач лицензируется как кастомный продукт. Появление проекта в списке финалистов означает, что эксперты признали его заслуживающим внимания и лучшей практикой в области трансфера технологий», — говорит Антон Яновский, директор ЦКРТТ.
Вам также может быть интересно:
В НИУ ВШЭ пройдет международная конференция об обучении служением и искусственном интеллекте
21–23 октября 2026 года в НИУ ВШЭ пройдет Международная научно-практическая конференция «Обучение служением и искусственный интеллект: человекоцентричная социальная миссия университета». Конференция объединит представителей российских и зарубежных университетов, органов власти, некоммерческих организаций и бизнеса. Регистрация уже открыта.
Исследователи НИУ ВШЭ оценили вклад стран БРИКС в ведущие конференции по машинному обучению
Наукометрический центр НИУ ВШЭ проанализировал более 104 тысяч работ за 2020–2025 годы, которые были представлены на десяти конференциях высшего уровня A* по рейтингу ICORE 2026. Исследователи изучили вклад Бразилии, России, Индии, Китая и ЮАР: на эти страны пришлось около 40,8 тысячи публикаций — 39,2% от всего массива. Однако распределение крайне неравномерно, и единого исследовательского пространства БРИКС пока нет.
Лаборатория будущих сетей: в НИИТ ВШЭ создали стенд для исследований 5G/6G
Стенд 5G/6G в НИИТ ВШЭ становится исследовательской площадкой, образовательной лабораторией и основой для разработки новых программных компонентов сетей будущего. Он позволяет не просто наблюдать за работой мобильной сети, а менять условия ее работы и измерять результат: скорость передачи данных, задержки, ошибки, использование радиоресурсов и другие параметры. На его основе исследователи планируют развивать технологии MIMO, O-RAN, xApp и IAB, а также экспериментировать с искусственным интеллектом.
Ученые НИУ ВШЭ научили нейросеть превращать 3D-модели в готовые технологические карты
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ разработали систему CAD2TechSpec, которая автоматически превращает 3D-модели деталей в готовые технологические карты — пошаговые инструкции для станков. Разработка направлена на сокращение времени подготовки технической документации в машиностроении, авиастроении и других высокотехнологичных отраслях. Результаты исследованияо публикованы в журнале PeerJ Computer Science.
В НИУ ВШЭ запущен реестр ИИ-сервисов и моделей
Институт искусственного интеллекта и цифровых наук ФКН разработал сервис для регистрации и учета достижений в области искусственного интеллекта (ИИ). Платформа уже доступна для сотрудников и студентов университета.
Исследователи НИУ ВШЭ и Сбера научили нейросети лучше угадывать предпочтения пользователей
Институт искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ и Сбер представили новую архитектуру для рекомендательных систем: благодаря объединению двух классов моделей алгоритмы лучше угадывают интересы и потребности пользователей. Препринт работы опубликован на сайте arxiv.org и представлен на летнем фестивале «Урбан ML».
Исследователи ВШЭ показали, как создавать регуляторную ДНК напрямую
Исследователи НИУ ВШЭ разработали модель для генерации промоторов и энхансеров — участков ДНК, регулирующих работу генов. Модель работает с нуклеотидами ДНК напрямую, без промежуточного преобразования в непрерывное числовое пространство. Разработка может быть полезна в синтетической биологии и генной терапии. Результаты исследования представлены на воркшопе конференции ICLR 2026.
ФКН ВШЭ и ЧГУ реализовали три отраслевых образовательных модуля по искусственному интеллекту
В 2025/26 учебном году факультет компьютерных наук (ФКН) ВШЭ совместно с Череповецким государственным университетом реализовал три отраслевых образовательных модуля по искусственному интеллекту. Инициатива была представлена в рамках проекта «Топ-ИИ» Минцифры России при участии АНО «Аналитический центр при Правительстве Российской Федерации». Эксперты НИУ ВШЭ совместно с индустриальными партнерами разработали линейку отраслевых образовательных модулей в области искусственного интеллекта.
ИИ для врачей: ФКН ВШЭ провел курс для студентов Российского университета медицины
В июне завершился курс, посвященный использованию искусственного интеллекта в медицине, который факультет компьютерных наук НИУ ВШЭ провел для студентов первого курса направления «Педиатрия» Российского университета медицины. Курс реализован при поддержке гранта, полученного НИУ ВШЭ в соответствии с мероприятиями федерального проекта «Искусственный интеллект» национального проекта «Экономика данных и цифровая трансформация государства».
Новый метод НИУ ВШЭ и Т-Технологий повышает качество работы ИИ
Ученые из лаборатории научных исследований «Т-Технологий» и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ разработали новый метод семплирования для моделей маскированной диффузии — G-Star+. Он помогает быстрее и качественнее исправлять ошибки во время генерации текста и кода за небольшое число шагов. Метод показал эффективность в задачах генерации текста и кода и может применяться там, где генеративным моделям нужно быстро и качественно создавать текст или код при ограниченных вычислительных ресурсах.