R&D-лідери технологічних компаній: хто стоїть за лабораторіями, чипами і моделями

Коли технологічна компанія оголошує про новий чип, проривну AI-модель або відкриття в матеріалознавстві, у заголовках зазвичай фігурує ім’я CEO. Проте за кожним таким результатом стоїть інша людина — керівник досліджень і розробок, який роками будував лабораторію, збирав команду вчених і вирішував, у які напрямки вкладати мільярди доларів, знаючи, що більшість із них не дасть продукту. Саме ці люди визначають, якими будуть технології через п’ять-десять років, і розібратися, хто вони і як працюють, корисно не лише журналістам чи інвесторам, а й інженерам, які обирають кар’єру в research.

Хто такі R&D-лідери простими словами

R&D-лідер — це керівник, який відповідає за дослідження та розробку (research and development) у компанії: за портфель наукових і інженерних проєктів, бюджет лабораторій, наймання дослідників і перетворення наукових результатів на технології, які рано чи пізно стануть продуктами. У великих корпораціях ця роль може називатися по-різному: VP of Research, Chief Scientist, Head of AI Research, директор дослідницької лабораторії. Суть одна — людина приймає рішення про те, що компанія досліджуватиме, і відповідає за результат перед радою директорів і CEO.

Важливо відрізняти цю роль від суміжних. CEO відповідає за бізнес загалом: виручку, стратегію, ринки. CTO зазвичай відповідає за інженерну архітектуру продуктів і технологічний стек, який працює тут і зараз. R&D-лідер працює на горизонті, якого ще немає в продуктовому каталозі: фундаментальні алгоритми, нові матеріали, архітектури чипів, які виготовлятимуть через кілька років. На практиці межі розмиті — у деяких компаніях CTO поєднує обидві функції, у інших дослідження підпорядковані окремому віцепрезидентові з власним бюджетом.

Типова кар’єрна траєкторія такої людини проходить через науку: докторська ступінь, публікації, роки роботи дослідником, потім керівництво групою, напрямком, лабораторією. Тому серед керівників R&D технологічних компаній неподивно зустріти лауреатів престижних наукових премій і професорів, які зберігають академічні позиції. Це не прикраса біографії, а вимога професії: щоб оцінювати ідеї команди на межі можливого, потрібно самому розуміти предмет на рівні, де закінчуються підручники.

Як влаштована робота великої дослідницької лабораторії

Щоб зрозуміти, як працює R&D-лідер, варто подивитися на механіку лабораторії зсередини. Великі корпоративні лабораторії — Bell Labs і Xerox PARC у минулому, Google Research, Meta FAIR, Microsoft Research, лабораторії NVIDIA чи Samsung сьогодні — будуються навколо довгих горизонтів планування. Проєкт може тривати п’ять-сім років, і протягом більшої частини цього строку його цінність неможливо виміряти виручкою.

За цього керівник R&D виконує кілька функцій, які рідко помітні зовні:

• Формує портфель напрямків. Частина ставок — еволюційні (покращити наявну технологію на 20%), частина — ризиковані (нова парадигма, яка може не зійтися). Баланс між ними і є головне управлінське рішення.
• Захищає дослідження від квартального тиску. Коли бізнесу потрібен прибуток зараз, лабораторії ріжуть першими. Сила R&D-лідера вимірюється тим, чи вдається зберегти довгі проєкти в складні роки.
• Збирає і утримує людей. У вузьких галузях — наприклад, у фотоніці або навчанні великих мовних моделей — у світі існує лічена кількість спеціалістів потрібного рівня, і конкуренція за них жорсткіша, ніж за клієнтів.
• Будує міст між наукою та продуктом. Відкриття само по собі нічого не варте для компанії, доки інженери не перетворять його на щось, що працює масово, надійно й за прийнятною собівартістю.

Останній пункт — найболючіший. Історія технологій повна лабораторій, які винайшли майбутнє, але не змогли його продати власній корпорації: графічний інтерфейс, лазерний друк, Ethernet з’явилися в Xerox PARC, а капіталізували ці ідеї інші. Саме тому сучасні R&D-лідери приділяють стільки ж уваги процесам трансферу технологій, скільки самим дослідженням.

Чипи, моделі, лабораторії: у що перетворюються мільярди на дослідження

Масштаб витрат пояснює, чому роль керівника досліджень стала настільки помітною. Найбільші технологічні компанії витрачають на R&D десятки мільярдів доларів на рік: за відкритими даними фінансової звітності, у Amazon, Alphabet, Meta, Microsoft і Apple сукупні річні витрати на дослідження та розробку вимірюються сотнями мільярдів доларів. Точні цифри змінюються щоквартально, тому для актуальних значень варто дивитися форми 10-K і 10-Q, які компанії подають до Комісії з цінних паперів і бірж США — вони доступні безкоштовно через систему EDGAR.

Куди йдуть ці гроші, добре видно на трьох прикладах. У напівпровідниках розробка нового технологічного процесу чи флагманського чипа коштує мільярди доларів і триває роки: проєктування, верифікація, тестові партії, налагодження виробництва. Помилка в архітектурних рішеннях, прийнятих на старті, проявляється через три-чотири роки, коли повернутися вже неможливо. Тому керівники R&D у чипових компаніях приймають рішення з надзвичайно довгим зворотним зв’язком — фактично прогнозують попит і фізичні можливості виробництва на півдесятиліття вперед.

У штучному інтелекті економіка інша, але не менш вимоглива. Навчання фронтирної великої мовної моделі вимагає обчислювальних ресурсів, вартість яких оцінюється в десятки, а за останніми поколіннями — в сотні мільйонів доларів на один навчальний цикл, не рахуючи зарплат команди та вартості даних. Керівник AI-досліджень вирішує, які архітектури тестувати, скільки обчислень виділити на ризиковані гіпотези, а скільки — на масштабування перевірених. Ці рішення потім визначають, які моделі з’являться на ринку.

У фундаментальних лабораторіях — квантові обчислення, нові матеріали, робототехніка — горизонти ще довші, а ймовірність комерційного результату нижча. Там успіх керівника вимірюється не продуктами, а якістю портфеля: чи рухається галузь уперед, чи публікуються результати, які цитує весь науковий світ, чи вирощуються люди, які потім очолюють напрямки.

Як визначають лідерство: рейтинги та показники

Питання «хто лідер у R&D» не має однієї відповіді, бо лідерство вимірюють різними показниками, і кожен рейтинг за показником дає власну картину. Найпоширеніші підходи варто знати, щоб не плутати їх між собою.

Практичне правило: рейтинг за показником абсолютних витрат відповідає на питання «хто інвестує найбільше», рейтинг за інтенсивністю — «хто найбільше залежить від науки», рейтинг за цитуванням — «чия наука впливає на галузь». Порівнювати компанії має сенс лише в межах одного показника й однієї галузі. У статистиці OECD і національних бюро, наприклад у даних OECD щодо науки та інновацій, використовується саме інтенсивність R&D, що дозволяє порівнювати країни й сектори різного розміру.

Окрема характеристика — публічність результатів. Компанії, які публікують дослідження у відкритому доступі, випускають відкриті моделі чи датасети, отримують репутаційну перевагу й легше наймають, але розкривають частину ноу-хау конкурентам. Вибір між відкритою та закритою стратегією — теж рішення R&D-лідера, і за останні роки в AI-галузі видно, як різні лабораторії рухаються в протилежних напрямках.

Де шукати відкриті дані та статистику про R&D

Перевірити твердження про лідерство в дослідженнях можна самостійно, без доступу до платних аналітичних баз. Основні джерела відкритих даних:

• Фінансова звітність публічних компаній. Рядок «Research and development» у звіті про прибутки та збитки, деталізація в річних формах 10-K. Це найточніші офіційні цифри витрат.
• Патентні відомства. Бази USPTO, EPO та WIPO дозволяють дивитися кількість заявок і патентів за заявником, а статистика WIPO агрегує дані за країнами й компаніями.
• Бібліометричні платформи. Публікації та цитування дослідницьких підрозділів корпорацій видно в Google Scholar, Semantic Scholar, у рейтингах на кшталт Nature Index, де враховуються й промислові лабораторії.
• Макроекономічна статистика. OECD, Eurostat і ЮНЕСКО публікують витрати на R&D за країнами та секторами — корисно для контексту, у якому працюють компанії.
• Відкриті бенчмарки в AI. Незалежні тестування моделей і лідерборди дають хоч і неповну, але перевірювану картину того, чиї дослідження перетворюються на найсильніші системи.

Тлумачити ці дані варто обережно. Витрати в звітності включають не лише фундаментальні дослідження, а й рутинну інженерію наявних продуктів; патентні стратегії відрізняються між компаніями в рази; публікації — лише та частина роботи, яку компанія вирішила розкрити. Висновки роблять за сукупністю джерел, а не за одним рейтингом.

Люди та історії: що добірки й таймлайни розповідають про лідерів досліджень

За статистикою стоять конкретні біографії, і саме добірки й таймлайни людей найкраще пояснюють, як народжуються технологічні переломи. Кілька характерних історичних прикладів, які ілюструють різні моделі керівництва дослідженнями.

Дженсун Хуанг у NVIDIA роками фінансував дослідження навколо паралельних обчислень і програмної платформи CUDA задовго до того, як штучний інтелект створив для них масовий ринок. Це приклад ставки на платформу: лабораторія готувала інструмент, не знаючи точно, який застосунок стане вирішальним. Коли глибинне навчання зірвалося на початку 2010-х, компанія вже мала і залізо, і програмний шар, і зв’язки з дослідницькою спільнотою.

Деміс Хассабіс побудував DeepMind як лабораторію, де амбітна довга мета — загальний штучний інтелект — поєднується з публікаціями на найвищому науковому рівні. Програма AlphaFold, яка передбачає структуру білків, показала, що корпоративна research-лабораторія здатна закрити наукову проблему, над якою академічний світ працював десятиліттями, і потім відкрити результати всьому світу. За цю роботу Хассабіс і Джон Джампер отримали Нобелівську премію з хімії 2024 року — рідкісний випадок, коли керівництво корпоративного R&D відзначене вищою науковою нагородою.

Джеффрі Гінтон, який поєднував роботу в Google з професурою в Торонто, і Ян Лекен, який багато років очолював дослідження ШІ в Meta, — приклади вчених, які принесли в корпорації академічну культуру: відкриті публікації, робота з аспірантами, участь у конференціях. Обидва разом із Йошуа Бенджіо отримали премію Тюрінга за фундамент глибинного навчання, а Гінтон згодом — і Нобелівську премію з фізики. Їхні історії показують, що межа між університетом і корпоративною лабораторією в сучасному AI умовна.

На боці чипів показовий таймлайн Лізи Су в AMD: інженер із досвідом досліджень у IBM, вона повернула компанію до першого ряду напівпровідникової галузі через ставку на чиплетну архітектуру — технічне рішення, яке на момент прийняття вважалося ризикованим. У TSMC десятиліттями нарощували R&D у технологічних процесах, і саме ця послідовність, а не разовий прорив, зробила компанію центральною для всієї індустрії.

З цих історій складається узагальнення: видатні керівники R&D відрізняються не здатністю передбачити майбутнє, а вмінням тримати ставку довше, ніж це комфортно для бізнесу, і будувати лабораторію так, щоб удача мала де статися.

Поширені запитання про R&D-лідерів

Чим R&D-лідер відрізняється від CTO?

CTO відповідає за технології, які працюють у продуктах зараз: архітектуру, інженерні процеси, інфраструктуру. Керівник R&D відповідає за те, чого в продуктах ще немає: дослідження нових методів, матеріалів, архітектур. У малих компаніях ролі часто поєднуються, у великих — розділені, і між ними існує постійні переговори про трансфер технологій із лабораторії в продукт.

Чи обов’язково керівникові досліджень мати науковий ступінь?

У великих research-організаціях — практично так: більшість керівників лабораторій мають PhD і власні публікації, бо без глибокої експертизи неможливо оцінювати ідеї команди та підтримувати авторитет серед дослідників. Винятки трапляються в компаніях, де R&D ближчий до продуктової інженерії, ніж до науки.

Скільки в середньому технологічні компанії витрачають на R&D?

За даними OECD, у високотехнологічних секторах — напівпровідниках, фармацевтиці, програмному забезпеченні — витрати на дослідження часто становлять 10–25% виручки, тоді як середній показник по економіці розвинених країн близький до 2–3% ВВП. Конкретна норма залежить від галузі, і порівнювати компанії з різних секторів за цим показником некоректно.

Чому деякі компанії публікують дослідження, а інші приховують?

Відкритість допомагає наймати сильних дослідників, впливати на стандарти галузі й отримувати зворотний зв’язок від наукової спільноти. Закритість захищає ноу-хау й ускладнює копіювання конкурентами. Це стратегічний вибір, який залежить від бізнес-моделі: компанії, що заробляють на інфраструктурі й послугах, частіше відкриваються, ніж ті, чия перевага в самій технології.

Як відстежити, хто керує дослідженнями в конкретній компанії?

Найнадійніші джерела — сторінки дослідницьких підрозділів на сайтах компаній, профілі керівників у професійних мережах, програми профільних конференцій (NeurIPS, ISSCC, IEDM), де виступають лідери напрямків, а також щорічні звіти, у яких описані структура та пріоритети R&D.

Як самостійно оцінити, хто справді лідер у дослідженнях

Якщо потрібно швидко й тверезо оцінити позиції компанії чи її наукового керівника — для статті, інвестиційного рішення або вибору роботодавця — працює простий алгоритм із п’яти кроків. По-перше, знайдіть витрати на R&D в останній річній звітності й порахуйте їхню частку у виручці, щоб порівняти з прямими конкурентами в тій самій галузі. По-друге, подивіться динаміку за п’ять років: стабільне чи зростаюче фінансування важливіше за разовий пік, бо дослідження дають результат із затримкою в кілька років. По-третє, перевірте публікаційний слід: чи присутній підрозділ у топових конференціях галузі, чи цитують його роботи. По-четверте, оцініть трансфер у продукт: які технології, що з’явилися в дослідженнях три-п’ять років тому, сьогодні продаються. По-п’яте, подивіться на людей: хто очолює напрямки, звідки вони прийшли і чи залишаються в компанії надовго — плинність у дослідницькому керівництві зазвичай сигналить про проблеми зі стратегією. Жоден окремий рейтинг за показником не замінить цю сукупну картину, бо справжнє лідерство в R&D — це не один рекорд, а здатність лабораторії відтворювати результат рік за роком.