Найцінніший набір даних в ШІ — це той, який ніхто не зберігає

У першому виданні я стверджував, що наступне покоління ШІ — світові моделі, фізичний ШІ — буде виграно на даних, які ніколи не були опубліковані в Інтернеті. Це була теза.

Це видання є доказом, і воно вужче, ніж я очікував. Тому що, коли ви припиняєте теоретизувати і фактично слухаєте ринок — тисячі датованих, незалежних сигналів з реальної економіки — він не вказує на невизначену можливість «промислових даних». Він вказує, знову і знову, на один набір даних.

Ось що ми дізналися за два місяці слухання.

1. Що почула машина: 5000 сигналів, одна повторювана форма

Наша платформа працює на простому, навмисно нехайпованому принципі, який ми називаємо спочатку сигнали: ми не починаємо з думки про те, де знаходяться дані. Ми починаємо з фактів — раунд фінансування, угода M&A, партнерство з даними, тендер, розгортання IoT, регуляторна подача — кожен з них датований, кожен з них взятий з торгової преси, кожен з них вказує на тему, яка генерує дані.

За останні вісім тижнів двигун зібрав ~5000 таких сигналів. Потім він зробив щось важливе: він відмовився довіряти будь-якому окремому сигналу. Тема стає справжньою «нішею» лише тоді, коли щонайменше три незалежні джерела сходяться на ній — запобіжник від хайпу одного гучного заголовка. За цим критерієм, 195 ніш пройшли підтвердження.

І ось вражаюча частина. Ці ~5000 сигналів згенерували тисячі потенційних тем — але вони зводяться до жменьки сімейств, і кожне з них — це фізична економіка в дії:

• Енергетика, мережа, відновлювані джерела енергії та зберігання — ~1000 кластерів, ~2500 сигналів
• Ланцюг поставок, логістика та вантажні перевезення — ~620 кластерів, ~2200 сигналів
• Робототехніка та промислова автоматизація — ~455 кластерів, ~1500 сигналів
• Мобільність, електромобілі, автомобільна промисловість та автопарки — ~530 кластерів, ~1350 сигналів
• Видобуток корисних копалин, критично важливі мінерали та матеріали — ~310 кластерів, ~1000 сигналів

Не «ШІ». Не «LLM». Не веб. Ринок продовжує говорити про машини, що працюють у реальному світі — і, опосередковано, про дані, які ці машини виробляють щосекунди і які ніхто не зберігає.

2. Запитайте «які дані, і для кого?» — і це зводиться до однієї ніші

Сигнали показують, де є активність. Справжнє питання: які дані це фактично створює, і хто б за це заплатив?

Ми відстежили 413 реальних власників даних (з 311 у попередньому виданні — карта зростає). Коли ми класифікуємо те, що кожен з них фактично має, розподіл не є рівномірним. Одна ніша домінує над іншими:

• 43% кожного власника, якого ми відстежили, припадає на той самий сценарій використання: Предиктивне обслуговування — 179 з 413. Наступні (промисловий моніторинг, інтелектуальна обробка документів, регуляторний RAG, діагностичний ШІ) значно відстають.
• 100% цих 179 — це часові ряди. Кожен окремий. Журнали машин, телеметрія датчиків, телематика автопарків — сирий сигнал фізичного світу, позначений часом.
• Це чітко проходить через сектори: промисловість (89), мобільність/автопарки (58), енергетика та інше (23), охорона здоров'я (7) — ті самі сімейства, про які кричали сигнали.
• І сторона попиту має один домінуючий профіль покупця: постачальники промислового ШІ та оптимізації обслуговування.

Це найбільш повторюваний, найбільш незалежно підтверджений шаблон у всьому, що ми зібрали. Ринок не запитує «дані». Він запитує часові ряди для предиктивного обслуговування — і запитує голосно.

3. Чому ця ніша, а не інша: вартість проблеми приголомшлива

Предиктивне обслуговування — не найпродуктивніша ніша випадково. Вона стоїть на одній з найбільших невирішених витрат у світовій економіці.

Згідно з True Cost of Downtime 2024 від Siemens, 500 найбільших компаній світу втрачають приблизно 1,4 трильйона доларів на рік через незаплановані простої — що дорівнює 11% їхнього доходу, приблизно ВВП Іспанії. На найгострішому рівні, година незапланованого простою на автомобільному заводі тепер коштує до 2,3 мільйона доларів — понад 600 доларів щосекунди — і ця погодинна вартість приблизно подвоїлася з 2019 року.

Це саме той біль, який покликане усунути предиктивне обслуговування. Ось чому ринок для нього реальний, а не обіцянка: незалежні аналітики оцінюють світовий ринок предиктивного обслуговування приблизно в 13–14 мільярдів доларів у 2025 році (Grand View ~$14.2B; Fortune Business Insights ~$13.65B; Mordor ~$14.1B; MarketsandMarkets ~$12.1B). Оцінки зростання значно варіюються — від ~11% до ~34% CAGR залежно від фірми — тому ставтеся до показника зростання як до діапазону, а не до встановленого числа. Але напрямок одностайний: вгору і праворуч, протягом десятиліття.

Величезна, кількісно визначена, повторювана витрата — і дані, які б її вирішили, є саме тими даними, які наші власники недовикористовують.

4. Чому це неможливо отримати шляхом парсингу: ці дані знаходяться за файрволом

Ось що робить цю нішу структурно відмінною від ринку веб-тексту, який лабораторії вже вичерпали.

Часові ряди для предиктивного обслуговування не знаходяться в Інтернеті, і ніколи там не будуть. Вони знаходяться всередині SCADA-систем, промислових істориків, баз даних CMMS та ПЛК — за операційним файрволом, у форматах, створених для керування, а не для публікації. Немає жодного краулера, який би до них дістався.

І більша частина з них навіть ніколи не використовується. Найчастіше цитована цифра тут — Seagate та IDC Rethink Data — виявила, що лише 32% даних, доступних підприємствам, коли-небудь використовуються; інші 68% залишаються невикористаними (2020). Forrester оцінив частку корпоративних даних, невикористаних для аналітики, у 60–73% (2016). Ці цифри старіші, і вони стосуються корпоративних даних загалом — але вони описують саме той резервуар, що простоює всередині кожного заводу, мережі та автопарку.

Масштаб видно всюди, де компанії вдалося агрегувати навіть частину цього. У своїх звітах SEC компанія з підключених операцій Samsara повідомляє про понад 25 трильйонів точок даних, що проходять через її платформу щороку — і прямо заявляє, що «вартість та доступність датчиків, обчислювальних потужностей… перешкоджали широкому аналізу даних про фізичні операції». Двадцять п'ять трильйонів точок, і це одна приватна платформа. Решта — темрява.

Це визначення дефіцитного активу: величезний, цінний і закритий від усіх, хто хотів би на ньому тренуватися.

5. Покупці вже прибувають — і вони є абсолютно новим класом моделей

Роками питання «хто б купував операційні часові ряди?» було справедливим. У 2024 році воно перестало бути таким — тому що з'явилася абсолютно нова категорія ШІ, яка потребує саме цього.

Останні два роки принесли першу хвилю фундаментальних моделей часових рядів: Google's TimesFM, Amazon's Chronos, Salesforce's Moirai, IBM's Granite / Tiny Time Mixers, CMU's MOMENT, Nixtla's TimeGPT. Той самий рецепт «попередньо навчити одну велику модель, узагальнити скрізь», який трансформував текст та зображення — тепер спрямований на сигнали з часом.

Але вони натрапили на ту саму стіну, яку ми описували. Google TimesFM був попередньо навчений на ~100 мільярдах часових точок, взятих переважно з Google Trends та переглядів сторінок Вікіпедії — загальнодоступні веб-дані, не жодна година SCADA або телеметрії датчиків. І дослідники, які створюють ці моделі, відкрито говорять:

«Фундаментальні моделі трансформували зір та мову, попередньо навчаючись на великих, структурно узгоджених корпусах — проте аналогічного субстрату для промислових часових рядів не існує.» — FactoryNet, 2026

«На відміну від мови, для якої існує багато загальнодоступних даних для попереднього навчання в терабайтах, дані часових рядів є відносно дефіцитними, дуже різноманітними та публічно обмеженими.» — IBM Research, Tiny Time Mixers (NeurIPS 2024)

Капітал слідує тій самій логіці. Спеціаліст з машинного здоров'я Augury залучив 75 мільйонів доларів при оцінці понад 1 мільярд доларів (лютий 2025); платформа промислового обслуговування Tractian залучила 120 мільйонів доларів (грудень 2024). Покупці даних для предиктивного обслуговування більше не є гіпотетичними. Вони фінансуються, вони будують, і вони голодують за саме той резерв, на якому сидять наші 413 власників.

Висновок

Видання №1 стверджувало, що наступному ШІ потрібні дані, які ніколи не були онлайн. Видання №2 розповідає вам, які саме дані, тому що ринок не переставав на них вказувати: часові ряди для предиктивного обслуговування з фізичної економіки — машини, мережі, автопарки, шахти.

Це найбільш повторюваний сигнал, який ми збираємо. Це найбільша окрема ніша, яку ми відстежили (43% кожного власника). Це 100% часові ряди. Вона стосується проблеми вартістю 1,4 трильйона доларів на рік. Її неможливо отримати шляхом парсингу. І абсолютно новий клас фундаментальних моделей щойно з'явився, не маючи можливості тренуватися без неї.

З одного боку: оператори, що володіють дефіцитним, невикористаним активом — часто не усвідомлюючи, що це паливо для наступного десятиліття ШІ. З іншого: нове покоління моделей та пов'язані з ними постачальники, готові платити за це. Чого бракує між ними, так це інфраструктури для узгодження, кваліфікації та довіри до обміну.

Ось що ми будуємо.

Якщо ви керуєте машинами, мережею, автопарком або заводом — ви майже напевно володієте часовими рядами для предиктивного обслуговування, за які хтось тепер готовий платити. Якщо ви створюєте ШІ, який потребує реального операційного сигналу — ось де він знаходиться. У будь-якому випадку, зараз час поговорити.

— Салім Лабрікі, d-nvest

Примітка щодо методології: показники розміру ринку є пропрієтарними оцінками постачальників, приписаними фірмі; там, де аналітики не згодні (зокрема щодо CAGR), ми показуємо діапазон, а не вибираємо одне число. «Сигнал» — це датований зовнішній факт (преса/реєстр); ніша вважається кваліфікованою лише тоді, коли на неї сходяться ≥3 незалежні джерела.