Мусорный бизнес с AI-прицелом
Каждый день, пока город спит, по его улицам ползут десятки многотонных машин. Мусоровозы. Их маршрут предсказуем до тошноты - от контейнера к контейнеру. Но с марта 2025 года эти утилитарные машины получили новую функцию. Они стали глазами города.
Стартап City Detect просто взял и прикрутил к ним камеры с компьютерным зрением. Гениально и немного жутко. Пока водитель занимается своим делом, нейросеть CityNet-V4 (последний релиз - январь 2026) сканирует асфальт, тротуары, дорожные знаки и фасады. Ищет выбоины, треснувшие бордюры, поврежденные фонари, незаконные свалки и даже рекламные объявления, наклеенные не там, где надо.
На 08.03.2026 флот City Detect из 850 оборудованных машин в 12 странах ежедневно обрабатывает свыше 2.3 петабайт видео. Их патентованная модель CityNet-V4, построенная на гибридной архитектуре Swin Transformer V2 и ConvNeXt V3, показывает точность (mAP) в 94.7% для 57 классов городских дефектов.
Зачем платить людям, если можно платить мусоровозам?
Муниципальные службы десятилетиями боролись с проблемой инспекций. Выездная комиссия из пяти человек, которая раз в квартал объезжает район в поисках ям, - это медленно, дорого и субъективно. City Detect вывернул эту логику наизнанку. Инфраструктура для сбора данных (мусоровозы) уже есть, она уже ездит. Осталось научить ее смотреть.
Платформа стартапа работает так. Камера снимает, бортовой компьютер с GPU NVIDIA Orin (актуальная конфигурация на 2026 год) в реальном времени обрабатывает кадры локально. Обнаруженный инцидент - яма диаметром больше 20 см, поваленный знак - геотегируется и отправляется в облако. Там система присваивает ему приоритет и автоматически создает заявку в CRM подрядчика или муниципального департамента.
| Что ищет City Detect (2026) | Точность обнаружения |
|---|---|
| Дорожные выбоины и трещины | 96.2% |
| Повреждение уличного освещения | 92.8% |
| Несанкционированные свалки | 98.1% |
| Граффити и незаконная реклама | 89.5% |
| Повреждение зеленых насаждений | 91.3% |
Деньги пахнут, но инвесторы это любят
В феврале 2026 года City Detect закрыла раунд Series A на $20 миллионов. Возглавили его Sequoia и фонд, специализирующийся на инфраструктурных технологиях. Причина проста - бизнес-модель. Город не покупает железо. Он подписывается на SaaS-платформу, платя от $500 до $2000 в месяц за каждый мусоровоз-инспектор. Для города с парком в 50 машин - это $30-120 тысяч в месяц. Звучит много? А теперь посчитайте, сколько он тратит на содержание штата инспекторов, их автомобилей и внезапные ремонты из-за вовремя не обнаруженных проблем.
Но здесь City Detect не первопроходец. Подход, когда камеры на уже существующем транспорте следят за порядком, мы уже видели в Санта-Монике, где ИИ штрафует за парковку на велодорожках. Или в Индии, где анализ видео из автобусов помог выявить масштабное мошенничество. Логика та же - использовать то, что уже ездит.
А где подвох? Всегда же есть подвох
Конечно, есть. Первое - приватность. Камеры на мусоровозах смотрят на общественное пространство, но иногда в кадр попадают и частные владения, и люди. City Detect клянется, что их модель обучена игнорировать лица и номера машин, а весь видеопоток удаляется после обработки. Но скептиков это не убеждает. Второе - ложные срабатывания. Тень от дерева, которую модель приняла за яму. Лужа, маскирующаяся под трещину. На ранних версиях CityNet-V2 (2024 год) таких случаев было до 15%. К V4 (2026) - снизили до 3.5%. Но даже этот процент означает сотни лишних заявок для коммунальщиков.
И третье - зависимость. Город, который переложил мониторинг на AI, рискует разучиться смотреть своими глазами. Персонал деградирует. А если у стартапа случится сбой или он поднимет цены? Это классическая ловушка аутсорсинга, но теперь в цифровом виде.
Что дальше? Мусоровозы-разговорчики
Планы у City Detect, как водится, наполеоновские. В 2026 году они тестируют интеграцию своей системы с локальными LLM (например, с помощью архитектур, похожих на те, что описаны в статье про on-prem AI стек для предприятий). Зачем? Чтобы мусоровоз не просто видел проблему, но и мог ее описать естественным языком в отчете. "Трещина на тротуаре по адресу... имеет длину 1.5 метра и пересекает пешеходный путь, что представляет риск для пожилых людей".
Еще один вектор - предиктивная аналитика. Нейросеть уже учится не просто фиксировать ямы, а предсказывать их появление на основе микротрещин и состояния дорожного полотна. Это следующий уровень - переход от реактивного к профилактическому обслуживанию. Похожий подход к анализу визуальных данных для поиска закономерностей демонстрирует и технология DeepEyesV2.
Так что в следующий раз, увидев мусоровоз, не морщитесь. Возможно, он только что спас чей-то автомобиль от поломки, обнаружив яму, которую завтра должны были залатать. Или предотвратил падение старинного фасада, заметив трещину. Город становится умным не благодаря футуристическим экранам на каждом углу, а из-за таких вот незаметных, почти вульгарных решений. AI спустился с небес больших данных и сел на борт грязного грузовика. И это, черт возьми, работает.
Мой совет муниципальным чиновникам в 2026 году? Не гонитесь за дорогими стационарными системами видеонаблюдения с AI, как в проектах 'AI на фонарных столбах'. Посмотрите под ноги. Ваш самый ценный источник данных уже разъезжает по городу и за него вы уже платите. Нужно лишь дать ему зрение.
