Представим обычную ситуацию 2030 года: интернет пропал, но вы просите AI на ноутбуке найти документ, сократить двадцать страниц текста, перевести письмо, проанализировать фотографию и расшифровать голосовую запись. Сегодня многие ожидают, что без сети искусственный интеллект просто перестанет работать, потому что ChatGPT, Gemini и другие сервисы приучили нас к удаленным моделям.
Детали прогноза
Но эта архитектура уже меняется. Microsoft поддерживает локальные языковые модели в Windows: после загрузки Foundry Local может выполнять inference на самом устройстве без обязательной облачной зависимости, а Phi Silica работает локально на Copilot+ PC. Microsoft прямо описывает автономную работу локальных моделей. Apple движется тем же путем, объединяя on-device Foundation Models с серверными моделями Private Cloud Compute. Apple уже развивает мультимодальные модели для работы непосредственно на устройстве.
Текущая оценка ORBK.NET: вероятность того, что к концу 2030 года массовый домашний ПК сможет без интернета выполнять большинство повседневных AI-задач, составляет около 85%, рабочий диапазон — 80–90%. Confidence — 72/100.
Это не означает, что сеть перестанет быть нужна. Скорее новой нормой станет схема device first: компьютер выполняет простую или приватную задачу сам, а к облаку обращается только за свежими данными, внешними сервисами или значительно более мощной моделью.
ИИ без интернета уже существует
В 2026 году локальный AI еще часто воспринимается как инструмент энтузиастов, но граница между экспериментом и функцией операционной системы стирается. Foundry Local позволяет запускать локальные LLM в Windows с использованием CPU, GPU или NPU. После загрузки модели сам inference может выполняться без сети.
Это важное различие: интернет может быть нужен для первого скачивания модели, обновлений или получения новой информации, но не обязательно для каждого запроса. Модель хранится на SSD, загружается в оперативную или видеопамять, а вычисления происходят на самом ПК.
«Без интернета» не значит «знает всё»
Локальная модель может сократить документ, перевести текст, проанализировать фотографию или найти сведения в файлах на диске без внешнего соединения. Но она не сможет сама узнать текущий курс валют, сегодняшнюю погоду, новости, статус рейса или наличие товара, если этих данных нет локально.
Поэтому нужно разделять два понятия: локальные вычисления и доступ к внешним данным. К 2030 году первое, вероятно, станет обычным. Второе по своей природе останется сетевой задачей.
Какие функции вероятнее всего станут офлайн
Первыми массово локализуются текстовые задачи: переписывание писем, сокращение документов, объяснение сложных абзацев, подготовка черновиков. Следующий слой — перевод, диктовка, транскрипция, субтитры и работа с голосом.
Особенно перспективен сценарий с собственными файлами. Пользователь сможет попросить: «найди договор, где мы договорились об оплате в три этапа», не отправляя архив документов стороннему сервису. Локальный AI естественно подходит для личных документов, фотографий, почты и внутренних рабочих материалов.
Изображения тоже постепенно переходят на устройство. Windows AI уже развивает локальные визуальные AI-компоненты. Для программирования локальная модель может объяснять код, искать типичные ошибки и работать с локальным репозиторием. Самый сложный следующий уровень — AI-агенты, которые не только отвечают, но и выполняют контролируемые действия с файлами и программами.
Почему это экономически выгодно
Облако имеет огромное преимущество: в дата-центре можно запустить модель, которую домашний ноутбук физически не потянет. Но персональный ассистент потенциально выполняет сотни мелких операций каждый день. Отправлять каждую из них в дата-центр дорого, это добавляет задержку и создает зависимость от сети.
Microsoft, представляя Foundry Local, отдельно подчеркивала отсутствие cloud dependency, network latency и per-token costs. Для массовых повторяющихся задач это сильный экономический стимул переносить inference ближе к пользователю.
Приватность может стать главным аргументом
Чтобы облачный AI разобрал личные документы, их часто приходится передать внешнему сервису. Локальная модель может прочитать файл, сформировать ответ и не отправлять содержимое за пределы устройства. Это особенно важно для договоров, корпоративных материалов и личной переписки.
При этом «модель работает локально» не означает автоматически, что вся программа полностью офлайн: телеметрия, облачный поиск или fallback inference могут остаться. Поэтому важным вопросом станет не только «есть ли здесь AI?», но и «где именно он сейчас работает?»
Что мешает локальному AI
Первый барьер — память. Большие модели занимают RAM или VRAM. Второй — энергопотребление, особенно в ноутбуках. Именно поэтому в современные процессоры добавляют NPU — специализированные блоки для нейронных сетей. Intel описывает AI-PC как систему, где CPU, GPU и NPU вместе обрабатывают локальные AI-нагрузки.
Третий барьер — качество. Небольшая локальная модель может отлично переписать письмо и заметно уступать серверной в сложном анализе. Но для массового перехода локальному AI не обязательно быть лучшим в мире — достаточно быть достаточно хорошим для большинства повседневных задач.
Скорее всего, победит гибрид
Сценарий «сегодня всё в облаке, завтра всё на ПК» маловероятен. Реалистичнее, что компьютер сначала обрабатывает запрос локально, а сложные случаи передает серверной модели. Apple уже сочетает on-device модели с Private Cloud Compute, а Windows одновременно развивает локальные API и доступ к внешним моделям.
Главная перемена будет проще: отсутствие интернета перестанет означать отсутствие AI.
Три сценария до 2030 года
| Сценарий | Вероятность | Что происходит |
|---|---|---|
| Офлайн-AI становится обычной частью ПК | 60% | Большинство новых ПК локально выполняет текст, перевод, речь, работу с файлами, изображениями и часть агентных действий. |
| Локальный AI развивается еще быстрее | 25% | Компактные модели резко улучшаются, а 32–64 ГБ памяти и мощные ускорители становятся распространенными. |
| Облако сохраняет сильную зависимость | 15% | Локальные модели остаются заметно слабее, а самые полезные агенты по-прежнему требуют серверов. |
Что изменит прогноз
Оценку нужно повышать, если в 2027–2028 годах локальные модели станут стандартными API Windows/macOS, а обычные программы начнут по умолчанию выполнять простые AI-задачи на устройстве. Дополнительными положительными сигналами будут резкое улучшение компактных моделей и безопасный локальный доступ агентов к файлам и приложениям.
Оценку нужно снижать, если основные функции Windows и macOS останутся преимущественно облачными, разрыв в качестве между локальными и серверными моделями будет расти, а память и энергопотребление останутся серьезными ограничениями.
Так сможет ли ИИ на компьютере работать без интернета?
Для большинства повседневных задач к 2030 году — скорее всего, да. Компьютер сможет писать и редактировать текст, переводить документы, искать информацию в собственных файлах, распознавать речь, анализировать изображения и выполнять многие локальные действия без сети.
Но без внешнего соединения он не узнает свежую погоду, новости или данные, которых нет на устройстве. Интернет не исчезнет из AI — он просто перестанет быть обязательным условием существования полноценного персонального ассистента.
Техническая карточка прогноза
| Forecast ID | TECH-AI-OFFLINE-PC-2030 |
|---|---|
| Прогнозный вопрос | Смогут ли к 31.12.2030 массовые потребительские ПК выполнять без сети не менее 5 из 7 определенных классов повседневных AI-задач без удаленного inference? |
| 7 классов задач | Текст; перевод; транскрипция; локальные документы; анализ изображений/OCR; генерация или редактирование изображений; простые агентные действия. |
| Вероятность | 80–90%; центральная оценка — около 85% |
| Confidence | 72/100 — умеренно высокий |
| Критерий YES | На серийных ПК как минимум трех крупных производителей общедоступное ПО при отключенной сети выполняет ≥5 из 7 классов задач без remote inference. |
| Критерий NO | Порог не достигнут или большинство определенных задач всё еще системно требует удаленной модели. |
| Дата итоговой проверки | 31 марта 2031 года |
| Historical Similarity | N/A |
| Тематический индекс | N/A |
| Дата среза данных | 30 сентября 2026 года |
| Следующий плановый пересмотр | Сентябрь 2027 года |
Предупреждение: прогноз не утверждает, что событие обязательно произойдет. Это текущая оценка вероятности на основе информации, доступной на 30 сентября 2026 года.
