Трек исследования сопоставления. Дата: 2026-04-23. Автор: T1-агент. Скоуп: топ-исследовательские университеты США, UK, EU, Израиля, Канады — фундаментальный слой производства знания и кадров.
Ниже — компактная карта «реакторов» академического слоя. Критерии включения: количество статей на NeurIPS/ICML/ICLR-2024/25, концентрация крупных labs, объём AI-бюджета, пайплайн в frontier labs.
США (ядро):
Stanford University — HAI (Human-Centered AI Institute, основан 2018). По данным Stanford Report за 2025 г., HAI распределил $50 млн среди 400+ профессоров всех 7 школ; отдельный AI-related research budget университета оценивается в $150–200 млн/год. Ключевые фигуры: Fei-Fei Li (сейчас на partial leave, World Labs, $230 млн seed — TechCrunch 2024), Chris Manning (NLP), Percy Liang (CRFM, Center for Research on Foundation Models), Andrew Ng (формально emeritus, но сохраняет аффилиацию). PhD Computer Science — ~45–55 выпусков/год, из которых ~60% в AI. Топ-spinouts: Google, Coursera, World Labs, Character.AI (частично), Sambanova.
MIT — CSAIL (Computer Science and AI Lab, ~1000+ членов, 115+ PIs). Отдельная Schwarzman College of Computing (создан 2019, $1 млрд endowment от Steven Schwarzman). Ключевые фигуры: Regina Barzilay, Tommi Jaakkola, Josh Tenenbaum, Antonio Torralba, Max Tegmark. CSAIL-спиноффы включают Akamai, Boston Dynamics, iRobot, Meraki, Nuance, Mobileye (через alumni), RightHand Robotics. PhD CSAIL ~70–90/год. METEOR program (diversity pipeline для PhD).
Carnegie Mellon University (CMU) — Machine Learning Department (первый в мире, 2006), School of Computer Science (SCS). По данным Resume Genius (2026), CMU входит в top-4 поставщиков кадров для OpenAI+Anthropic. Ключевые фигуры: Tom Mitchell, Ruslan Salakhutdinov (теперь Apple ML research director, частичная аффилиация), Zico Kolter (теперь CSO Anthropic по safety alignment, удерживает CMU appointment). Количество AI-PhD: 120+/год по всем SCS. Spin-outs: Duolingo, Argo AI (закрыта, растворилась в Ford/VW), Petuum.
UC Berkeley — BAIR (Berkeley AI Research Lab, 50+ PIs). Sutardja Dai Hall — центр CITRIS. Ключевые: Pieter Abbeel (Covariant), Sergey Levine (robotics/RL, Physical Intelligence — PI, $400 млн Series A 2024), Stuart Russell (safety), Dawn Song. Spinouts: Databricks (AMPLab), Anyscale (Ray), Covariant, Physical Intelligence.
Princeton — Center for Statistics and Machine Learning + AI Lab. Sanjeev Arora (theory), Jia Deng, Olga Russakovsky. Фокус на theoretical ML. OpenAI co-founders Ilya Sutskever (Google Brain → OpenAI → SSI) — alumni связи через Hinton-линию.
Harvard — Kempner Institute for the Study of Natural and Artificial Intelligence (открыт 2022 на $500 млн Priscilla Chan + Mark Zuckerberg). SEAS-компьютеры: Finale Doshi-Velez, Sasha Rush (теперь Cornell Tech). Фокус — neuro-inspired AI, нейронауки.
Caltech — небольшой, но плотный: Yaser Abu-Mostafa, Anima Anandkumar (после NVIDIA research), Pietro Perona. Фокус — ML theory + applications в science.
Cornell (включая Cornell Tech в NYC) — Kilian Weinberger, Thorsten Joachims, Alexander Rush. Cornell Tech — прямой pipeline в NYC-экосистему.
University of Washington — Allen School of CSE. Ali Farhadi (YOLO, теперь CEO Allen Institute for AI), Noah Smith, Yejin Choi (переход в Stanford 2024). Тесная связь с AI2 (Paul Allen).
UIUC (Urbana-Champaign) — Jiawei Han (data mining), Svetlana Lazebnik. Крупный поставщик PhD в Google/Microsoft.
UK:
Oxford — объявлено £80 млн инвестиций EPSRC в 2024 на AI hubs; собственный hub Oxford возглавляет Michael Bronstein (DeepMind Chair). Marioh Niepert, Yarin Gal (AI safety). Партнёрство с OpenAI (NextGenAI, март 2025).
Cambridge — Computer Lab + Department of Engineering. Zoubin Ghahramani (Uber/Google → Cambridge), Neil Lawrence. DeepMind Scholars program.
Imperial College London + UCL + Edinburgh — в Edinburgh ILCC (Informatics), Adam Lopez, Iain Murray. UCL — Gatsby Unit (neuroscience-ML интерфейс, исторически кузница DeepMind: Hassabis, Legg — выпускники).
EU:
Max Planck Institute for Intelligent Systems (Tübingen/Stuttgart) — Bernhard Schölkopf (kernel methods, causality), Michael Black (3D vision → Meta). Немецкая версия «мозгоцентра».
Академический слой выполняет пять функций одновременно — и это важно, потому что ни одна из них по отдельности не объясняет его влияние.
Источник фундаментальных идей. Backprop (Хинтон/Румельхарт, университетские), Transformer (Google Brain, но 7 из 8 авторов — PhD university pipeline, преимущественно CMU/Toronto/Berkeley), diffusion (Jonathan Ho — Berkeley), RLHF (совместная OpenAI × university work). По измерениям Stanford AI Index 2025, ~38% всех notable AI-models в 2024 имели как минимум одного университетского со-автора (несмотря на доминирование индустрии по чистому количеству).
Фильтр и сертификация кадров. PhD-программа — это 5–6-летний «отбор» с жёстким peer review. По Resume Genius 2026: «just five schools account for more than half of the combined OpenAI + Anthropic alumni» — Stanford, Berkeley, MIT, CMU, плюс Toronto/UCL-линия. PhD — это не диплом, а подтверждённый «signal» для найма на уровне senior research scientist.
Incubator для стартапов. Stanford OTL: по отчёту Stanford Report сентябрь 2025, университет получает equity примерно в 20–30% спинаутов; с 1970 г. TLO сгенерировал >$2 млрд cumulative licensing revenue. Модель: 15% admin fee, 1/3 inventors, остальное — universit.
Поставщик ко-фаундеров для frontier labs. OpenAI: Sutskever (Toronto-Hinton line), Karpathy (Stanford). Anthropic: Dario/Daniela Amodei (Princeton/Stanford), Jack Clark, Jared Kaplan (Johns Hopkins, но university route). DeepMind: Hassabis + Legg из UCL Gatsby. Mistral: ex-DeepMind/Meta, но academic-trained. Почти все frontier labs — эмиссии университетского слоя 10-15-летней давности.
Площадка «некоммерческой» исследовательской свободы. Длинные проекты (8–10 лет до результата) — вроде causality Schölkopf’а, или long-term AI safety у Russell — не окупаются в корпоративном timeline. Универы — единственное место, где это финансируется.
PI-model (Principal Investigator). Каждый tenured профессор — автономная лаборатория: 5–15 PhD, 2–5 postdocs, 1–2 research staff, бюджет $1–10 млн/год. Финансирование — лоскутное: federal grants (NSF, DARPA, NIH, DOE), industry gifts (Google/Meta/MSR unrestricted grants по $100K–$1М), фонды (Open Philanthropy, Schmidt Futures), endowment.
Tenure-track. 6-7 летний assistant professor период, затем «up or out». Tenure даёт пожизненную позицию и право на абсолютно любые темы — именно это позволяет tolerar-атиь «рискованные» 10-летние ставки (Hinton и глубокие сети после AI winter — классический случай). Salary base: $180–280K, но консалтинг/equity могут давать 5–10x от этого.
Grant-driven funding structure: - NSF CAREER / Medium / Large — $500K–$5М на 3-5 лет. - DARPA BAAs (I2O, DSO, TTO) — типично $500K–$5М, но программы типа CLARA идут до $2 млн × 24 мес, ML2P — $5,9 млн совокупно (Granted AI 2026). - NIH (для biomedical AI) — R01 до $2,5 млн × 5 лет. - DOE NAIRR — новая линия через национальные лаборатории, но через университетских PI. - Industry gifts — «unrestricted», оптимально для PI (нет IP-претензий от донора; характерно для Google Faculty Research Awards, Meta Research).
Постдоки. 2–4 года, $70–90К salary, это «вторая отборочная воронка» после PhD. ~40% постдоков в топ-10 AI-labs — не американцы по происхождению (Индия, Китай, Израиль, Европа) — это основа «насоса мозгов».
Interdisciplinary centers. Stanford HAI (cross-7-schools), MIT Schwarzman College ($1 млрд новой compute), Kempner at Harvard ($500 млн, neuro+AI), Princeton NLP/Language+Flow, CMU CyLab (security+AI), Berkeley Simons Institute (theory). Общий принцип: переиспользовать PI-структуру, наложить поверх программный budget + compute shared pool.
Spin-out policy. Stanford OTL — золотой стандарт: «non-exclusive preferred», equity 1/3 inventors, 15% admin fee, «no blocking» — профессор может взять sabbatical, вернуться через 2 года без потери tenure. MIT TLO похож, с чуть более формальной IP-assignment процедурой. UK (Oxford/Cambridge): более агрессивные equity-ratios (до 50% у университета исторически) — именно поэтому Oxford в 2023-24 реформирует условия в сторону Stanford-модели.
Pipeline в frontier labs. Stanford → OpenAI (Karpathy, несколько исследовательских leads), CMU → Anthropic (Zico Kolter + серия alumni включая Keane Lucas), Toronto → Google Brain/OpenAI (Hinton line — Sutskever/Krizhevsky/Hinton сам), UCL Gatsby → DeepMind. По публикации в Schneier blog 2026, молодые highly-cited researchers (5 лет опыта) в 2024–25 уходили в индустрию в 100x раз чаще, чем 10-летние ветераны.
Co-authorship с BigTech researchers. Google Brain / DeepMind / MSR Redmond / FAIR / NVIDIA Research — структурно часть «академического графа»: совместные публикации, joint appointments, интернатуры. На NeurIPS 2024 ~55% статей имели смешанные industry×academic авторские составы.
DARPA BAA цикл. Длительность 3–5 лет, но рекуррентный: новый BAA каждый FY с небольшими темами-drift’ами. Университеты держат постоянные «BAA-response groups» (writers-ready teams). Это даёт predictable $1–3 млн/год baseline.
Diaspora-пайплайн. OPT (Optional Practical Training) + H1B + O-1 visas — ключевая ось. По MacroPolo / Paulson Institute данным 2023-24, из топ-20% AI-researchers в США 38% родились в Китае, 20% — в Индии, 12% — в США, ~8% — Israel/Europe-other. Университеты — основная «точка входа» этого потока (PhD-программа → H1B после).
Industry-academic residency programs. Google Brain Residency (создан 2016), OpenAI Residency, Anthropic Residency, Apple AI/ML Residency, Meta AI Residency (2020), NVIDIA Research Internship — по факту «post-postdoc» прослойка. Типичный путь: PhD → residency 1–2 года → senior research scientist. Это размывает границу универ-индустрия, но сохраняет академический стандарт.
NSF AI Institutes (~$20 млн × 25 институтов на 5 лет каждый, запуск 2020–2024). Пример: NSF AI Institute for Societal Decision Making (CMU, 2023).
Brain drain ускорился в 10–100x. Meta в 2025 предлагал отдельным AI-researcher’ам пакеты до $250 млн / 4 года (Nature, конец 2025); типичный senior scientist pay в frontier labs поднялся с $1–2 млн (2022) до $5–15 млн total comp (2025). Stanford, Berkeley, CMU потеряли серию key faculty: Fei-Fei Li (partial leave → World Labs), Christopher Ré (SambaNova + joint), Sergey Levine (Physical Intelligence, сохраняет 20% Berkeley), Ruslan Salakhutdinov (Apple ML research director).
Рост joint appointments. Модель «50/50 university–industry» распространилась резко: Hinton–Google (исторический прецедент), но теперь типична. Это компромисс: universit сохраняет имя, индустрия получает доступ к PhD pipeline.
AI-specific majors. MIT запустил AI+Decision Making undergraduate major (2023). Stanford имеет Symbolic Systems / AI minor. CMU — первый в мире undergrad AI degree (2018). К 2026 г. ~40 университетов США имеют отдельный AI undergrad major.
NAIRR Pilot запущен в январе 2024. По состоянию на конец 2025: 600+ проектов, 6000+ студентов, все 50 штатов + DC + PR. NSF Planning: award до $35 млн × 5 лет на NAIRR Operations Center. Это попытка выровнять compute-gap между академией и индустрией (академические labs имеют H100-clusters на 100–1000 GPU; OpenAI/xAI — 100K–200K GPU clusters).
Ответ на китайскую конкуренцию. Stanford AI Index 2025 фиксирует: Китай обогнал США по количеству top-tier AI публикаций в 2024, но США держит лидерство по citation-weighted impact и по frontier models (40 из 42 крупнейших моделей — западные). Ответ: CHIPS & Science Act — $280 млрд на 10 лет, включая $50 млрд на CS/AI research; export controls на H100/H200/B200 к Китаю; увеличение DARPA AI-budget; ужесточение визовых проверок Chinese PhD applicants (с одновременными попытками удержать их после окончания — классический двойной сигнал).
Open-source reaction. Европейский ответ (Apertus от ETH/EPFL, 1000 языков) — политическое заявление о цифровом суверенитете, не конкурент GPT-5 по raw capability, но показывает: академический слой ЕС пытается отвоевать нишу «prosocial open AI».
После разбора: ни один из элементов по отдельности не объясняет, почему работает — работает связка 4-х факторов.
(А) Tenure как якорь талантов + startup mobility без стигмы. Это ключевое. Профессор может: - основать компанию (Стэнфордский OTL поддерживает), - взять 2-летний sabbatical («come back if it fails» — это не fake опция, она реально работает), - работать 20% в универ + 80% в стартапе (Andrew Ng, Fei-Fei Li — реальные кейсы). В России и Европе академический уход в бизнес до недавнего времени считался «провалом карьеры»; в Stanford/MIT наоборот — «маркер успеха». Этот культурный компонент невозможно создать декретом.
(Б) TLO-модель «non-blocking» передачи IP. Stanford не требует exclusive-license от профессора; 15% admin + 1/3 inventors + 1/3 department + 1/3 university. По сравнению с немецкой моделью (где профессор часто не владеет IP своих изобретений) или британской pre-2020 (до 50% universit) — американская модель оптимизирована под быстрый spin-out. Bayh-Dole Act (1980) был институциональным триггером.
(В) Grant-ecosystem как stable baseline. PI знает: если он/она держит 2–3 федеральных гранта, позиция устойчива на 5–10 лет. Это эквивалент «безусловного базового дохода» для fundamental research — который больше нигде в мире в таком объёме не существует. NSF + DARPA + NIH + DOE совокупно тратят ~$7–9 млрд/год на CS/AI research.
(Г) Насос иностранных postdocs. Без этого США бы не имели полового конкурентного преимущества: top-tier labs держатся на Chinese/Indian/Israeli/European postdocs. OPT + H1B + O-1 — инфраструктурный элемент. Это «импорт мозгов» в чистом виде; ни одна другая страна не воспроизвела систему такого масштаба.
(Д) Interdisciplinarity как архитектурный принцип. HAI / Schwarzman / Kempner / CSAIL — это не «CS-факультеты», это cross-faculty hubs. AI по природе — стык CS, stat, neuro, EE, ethics, law. Институциональная структура центров (а не факультетов) позволяет этому работать: общий budget, shared compute, joint appointments.
Из этих пяти — (А)+(Б)+(Г) — настоящее ядро. (В) — баланс, (Д) — amplifier.