Министерство энергетики США открывает доступ к государственным ИИ-моделям для науки и климата

По данным ведомства, национальные лаборатории десятилетиями развивали прикладной ИИ, а теперь эти наработки получают единую точку входа — от климатического прогнозирования до ядерной нераспространенности. Для аудитории ниши это сигнал: государственный сектор США формирует собственный стек foundation models параллельно коммерческим облачным провайдерам.

Что именно строит DOE

Фундаментальные модели — алгоритмы, обученные на широких датасетах и адаптируемые к узким задачам. DOE уже применяет ИИ в продвинутых вычислениях, реагировании на ЧС, экологическом моделировании, климатическом прогнозировании и материаловедении. В перспективе ведомство рассчитывает на ускорение экологических разрешений, масштабирование термоядерной энергетики и повышение надёжности электросетей.

Конкретные прототипы уже работают. Национальная лаборатория возобновляемой энергетики (NREL) развернула модель, которая отвечает на вопросы пользователей о переходе Пуэрто-Рико на 100% возобновляемой энергии — на материалах технических отчётов лабораторий DOE. Лос-Аламос ведёт линейку моделей для биологических исследований: анализ вирусных белковых последовательностей через большие языковые модели, предсказание свойств мутировавших и новых белков, генерация или репозиционирование лекарственных соединений, выработка защитных барьеров для биобезопасности. Заявленные домены применения — критические минералы, климатическое прогнозирование, ядерная нераспространенность.

Связка с энергетикой и незакрытые вопросы

Рост ИИ-инфраструктуры напрямую давит на энергосистему. На Clean Energy EXPO 2026 (29-й Конгресс-EXPO, июнь 2026, EESI) управление энергопотреблением дата-центров вынесено в отдельную панель. DOE позиционирует свои модели как инструмент, который должен связать рост вычислений с реальной нагрузкой на сеть, а не с абстрактной оптимизацией.

За кадром остаются объёмы вычислительных ресурсов под эти проекты, сроки перевода прототипов в продуктивный режим за пределами лабораторий и метрики «доверия», которое DOE вынес в формулировку «secure, trustworthy, and equitable AI». Слово «equitable» пока не подкреплено открытыми аудитами или бенчмарками. Это не опровержение — это перечень того, что инженеру-аудитору стоит запросить у ведомства, прежде чем относить платформу к критической инфраструктуре.

Фундаментальные модели от государственных лабораторий — не альтернатива коммерческим LLM, а узкоспециализированный слой. Но именно он определит, будет ли следующий виток ИИ-инфраструктуры потреблять мегаватты вслепую или с привязкой к энергосистеме. Тем временем те же алгоритмы уже формируют выбор далеко за пределами инженерных задач — вплоть до маршрутов после музейных визитов.