Робот выгружает посудомоечную машину по команде — и управляет им не человек, а мультимодальная модель Vision-Language-Action (VLA), работающая в эмулированной среде Isaac Lab от Nvidia.

🇮🇳 Индийская команда Black Coffee Robotics обучила роботизированную руку выполнять повседневные задачи (например, вынимать посуду из бокса посудомойки) с помощью модели OpenVLA-7B. Это мультимодальная трансформер-модель с видеокодером и декодером действий: на вход она получает RGB-изображение 224×224, а на выходе предсказывает 7-мерный вектор действия (позиция, ориентация и захват).

Всё обучение проходило в эмуляторе Isaac Lab (Nvidia). Данные собирали в формате RLDS: на каждом шаге — картинка и соответствующее действие. Задача с посудомойкой включает в себя 50 эпизодов — до 60 шагов на эпизод. Управление — с частотой 5 Гц. Для реалистичности в демо-политики добавляли шум.

Затем модель дообучали с помощью LoRA — всего ~10 тыс. шагов (4–5 часов на одном GPU с 24 ГБ VRAM).

🔥 Что получилось:
• Простые задачи (подъем предметов) — почти 100% успех;
• Модель адаптируется к разным роботам (Widow-X, Kinova);
• Обучение новым задачам — быстрое и воспроизводимое.

🤷‍♂️ Что пока не вышло:
• Без дообучения модель «не видит» новые сцены (~0% успеха);
• Сложные манипуляции с множеством контактов (вроде той же задачи с посудомойкой) — 5–10% успеха даже после настройки.

ИИ пока еще не готов к бесперебойной работе на кухне, но движется к этому уверенными шагами.

#VLA #видео #технологии #ML

🚀 ©ТехноТренды

По данным отчета ООН, в 2025 году мировая готовность к передовым технологиям — включая ИИ, IoT и блокчейн — по-прежнему демонстрирует резкий разрыв между развитыми и развивающимися странами. В лидерах — США, Швеция и Великобритания, а вот страны BRICS — Бразилия, Россия, Индия, Китай и Южная Африка — показывают разнонаправленные, но перспективные результаты.

📊 В инфографике — позиции стран по индексу готовности к передовым технологиям. Среди стран BRICS:

🇨🇳 Китай — 21 место, наивысший результат среди развивающихся стран.

🇷🇺 Россия — 33 место.

🇮🇳 Индия — 36 место.

🇧🇷 Бразилия — 38 место.

🇿🇦 ЮАР — 52 место.

Также в состав расширенного BRICS входят: 🇦🇪 ОАЭ (35), 🇮🇷 Иран (72), 🇮🇩 Индонезия (76), 🇪🇬 Египет (85) и 🇪🇹 Эфиопия (144). Эти страны демонстрируют растущие амбиции, но ограничены инфраструктурой, доступом к данным и нехваткой специалистов.

📉 Отчет подчеркивает: без укрепления инфраструктуры, кадрового потенциала и данных, развивающимся странам будет сложно не только догнать лидеров, но и избежать технологической зависимости. Особенно важно развивать национальные стратегии в области ИИ и наращивать международное сотрудничество.

#тренды #аналитика #ИИ #IoT #технологический_суверенитет

🚀 ©ТехноТренды

В конце апреля UNCTAD представил отчет о положении дел с внедрением инновационных технологий в разных странах мира. Мы выбрали для вас информацию по странам BRICS.

VLA: новый уровень интеллекта для роботов

VLA-модели (Vision-Language-Action) — мультимодальные ИИ-системы, которые интерпретируют визуальные и текстовые инструкции (в том числе полученные не из указаний, а из анализа окружающей среды), преобразуя их в физические действия.

🚀 Ключевые разработки в области VLA

1️⃣ RoVI (Robotic Visual Instruction)
Новая ступень развития embodied AI, объединяющая сильные стороны LLM с возможностями физического действия. Система воспринимает текст, изображения и сенсорные данные (напр., голосовые инструкции + видео с камер) и использует нейросетевые архитектуры для обработки контекста. В реальных тестах RoVI достигает 87,5% успешности в выполнении новых задач.

Технически:
• Основные вычисления выполняются на NVIDIA Jetson Orin с поддержкой ROS 2 (Robot Operating System).
• Комбинация реальных данных (Something-Something V2, Epic Kitchens) и синтетических сцен из Isaac Sim.
• Человеческие демонстрации (Human-in-the-loop) для тонкой настройки действий.

Результат: Робот умеет преобразовывать технические схемы в последовательность операций (напр., сборка узлов по CAD-моделям), понимает команды типа жест + голос (напр., показать пальцем на чашку + сказать «Наполни ее»). Если объект переместился, RoVI корректирует план без новых инструкций. Встроенные предикторы риска блокируют опасные действия (напр., падение груза) на этапе планирования.

2️⃣ TOPIC (Few-Shot Vision-Language Action-Incremental Policy Learning)
Метод, сочетающий использование специальных подсказок и стратегий непрерывного обучения, позволяет быстро дообучать робота новым действиям по нескольким примерам, без потери старых навыков.

Технически:
• Модуль Prompt-Driven Feature Conditioning, который вводит «soft prompts» в скрытое пространство модели, чтобы адаптировать поведение.
• Архитектура базируется на RT-2 с дополнительными слоями для memory-aware обобщения.
• Применяется REHEARSAL buffer, предотвращающий катастрофическое забывание старых навыков.

Результат: Модель способна адаптироваться к новой задаче по 5 примерам, сохраняя эффективность на предыдущих действиях.

3️⃣ OpenVLA-OFT
Оптимизированная стратегия дообучения VLA-моделей, повышающая скорость и точность выполнения задач. В тестах на реальных роботах, таких как ALOHA, она показала улучшение успешности выполнения задач до 97.1%.

🤖 Перспективные VLA-модели:

1️⃣ NORA — эффективная, компактная модель с 3 млрд параметров, оптимизированная для работы на обычных GPU.

Технически:
• Обучение без физического доступа к роботам на 970,000 демонстрациях.
• Используется Frozen VLM (EVA-CLIP) и трансформер на действия.
• Демонстрации собираются из симуляций (RoboHive) и 2D видео.
• Применяется Imitation Learning с BEHAVIOR CLONING, но без Reinforcement Learning.

Результат: При меньшем размере модель превосходит PaLM-E и RT-2 в задачах манипуляции и обобщения.

2️⃣ π₀.₅ — мультизадачная модель, способная к обобщению в неизвестной среде.

Технически:
Архитектура включает:
• Видеопроцессор (перцепт из RGB, масок, depth);
• Языковой энкодер (LLaVA-7B);
• Action-декодер (на токенах действий).
Обучение происходит на множестве задач (около 1M эпизодов), покрывающих разнородные сцены. Новая метрика VLA-score учитывает успех в условиях вариативности окружения.

Результат: Модель с высокой точностью справляется с задачами в незнакомых интерьерах (например, уборка на новой кухне).

🔮 Будущее VLA

С развитием VLA-моделей роботы становятся более адаптивными и способными к самостоятельному обучению. Они смогут эффективно взаимодействовать с людьми, понимать обстановку и выполнять сложные задачи в динамичных условиях. Технология особенно перспективна для промышленности, логистики, сервиса, медицины и опасных сред (космос, АЭС).

#VLA #технологии #промышленная_робототехника

🚀 ©ТехноТренды

❓Voice cloning и безопасность: как защититься от дипфейков?

Как мы уже писали, проблема безопасности при использовании Voice cloning в 2025 году остается крайне актуальной. Согласно последним исследованиям, 37% компаний, пострадавших от мошенничества с использованием личных данных, подверглись голосовым дипфейк-атакам, а наиболее распространенным методом, используемым мошенниками, является аудио, сгенерированное искусственным интеллектом.

Киберпираты стали угрозой не только для компаний, но и для развития технологий. Год назад OpenAI отложила релиз своего инструмента Voice Engine именно из боязни массового злоупотребления. Да так и не выпустила до сих пор. По мнению некоторых экспертов, даже голосовая аутентификация как форма защиты может умереть.

🎯 Современные методы защиты от незаконного применения Voice cloning

1️⃣ Audio Watermarking — встраивание в аудиосигнал скрытых цифровых меток, которые позволяют идентифицировать источник записи. Метки неразличимы для человеческого слуха, устойчивы к сжатию и преобразованиям.

👉 Технология VocalCrypt, построенная на этом методе, создает уникальный «отпечаток» голоса спикера, который преобразуется в спектральные маскируемые паттерны. Специальный детектор может извлечь метку даже после редактирования аудио.
• Применение: VocalCrypt используется, например, для маркировки официальных аудиоматериалов СМИ или для защиты голосовых данных знаменитостей в коммерческих TTS-системах.
• Ограничения: при агрессивном внедрении может снижать качество записи; уязвим к атакам типа «перезаписи с шумом».

2️⃣ VoiceShield (adversarial noise) — добавляет специально сгенерированный шум, который почти незаметен для человеческого уха, но дестабилизирует работу нейросетей, производящих клонирование.

👉 Технология позволяет создавать динамическую защиту: система подбирает помехи под конкретную TTS-архитектуру в реальном времени.
• Применение: OpenAI разработала инструмент AntiFake, который добавляет в запись голоса узкополосные импульсы, снижающие точность клонирования на 60-80%.
• Ограничения: требует частого обновления под новые версии TTS-моделей; может конфликтовать с системами шумоподавления (например, в Zoom).

3️⃣ Deepfake Detection — нейросетевые модели-классификаторы, анализирующие запись голоса, чтобы найти признаки синтезированной речи.

👉 Искусственная речь часто имеет аномалии в соотношении упорядоченных и неупорядоченных шумов (Harmonic-to-noise ratio) — например, звука голоса и шума дыхания. Также TTS-модели (особенно WaveNet-архитектуры) генерируют неестественные фазовые паттерны, аномалии в распределении пауз, использовании заполнителей («э-э», «мм» и т.п.). Всё это и отслеживает Deepfake Detection.
• Применение: программа Microsoft Video Authenticator анализирует как аудио, так и лицевые микродвижения в видео; система распознавания от Reality Defender в реальном времени фиксирует артефакты zero-shot моделей через сравнение с эталонными эмбеддингами.
• Ограничения: высокий уровень ложных срабатываний для голосов с акцентами, отставание от быстро эволюционирующих TTS-методов.

🎯 Будущие тренды защиты

Технологии не стоят на месте, и в сфере Voice cloning идет постоянная борьба «щита» и «меча». Против развивающихся методик обучения TTS развиваются всё новые способы защиты.

• Гибридные системы: комбинация watermarking и adversarial noise.
• Блокчейн-верификация: хранение эталонных голосовых отпечатков в децентрализованных реестрах.
• Квантовые метки: внедрение аудио-маркеров, устойчивых к квантовым вычислениям.
• Embedded System Security: нейросетевые модули защиты от дипфейков будут встраиваться в клиенты безопасности наподобие Windows Defender.

И всё-таки угроза остается довольно серьезной. Какой GenAI окажется сильнее — добрый или злой — покажет время.

#voice_cloning #тренды #кибербезопасность #дипфейк

🚀 ©ТехноТренды

На семинаре AIRI рассказали про работу трансформеров в рамках доклада «Современные трансформеры для видео и не только».

На презентации (см. фото) сравнили три подхода: RNN, Attention, SSM.

Особое внимание привлекают SSM — модели, которые могут стать альтернативой классическим трансформерам.

SSM (State Space Models) и новая модель Mamba предлагают линейную сложность и локальную рекурсию, что делает их особенно эффективными для длинных последовательностей. Это открывает путь к более быстрому и экономичному инференсу, что особенно важно для работы с видео, аудио и другими типами данных, требующих мгновенного анализа в режиме реального времени.

👉 Важно: исследование Гарварда указывает, что трансформеры по-прежнему лучше показывают себя в задачах с долгосрочной памятью (например, копирование и повтор). Так что SSM пока — не полноценная замена, а скорее мощное дополнение.

Репозиторий:
• Mamba на GitHub — с туториалами, Colab-ноутбуками и готовыми весами.

Что почитать:
• https://huggingface.co/blog/lbourdois/get-on-the-ssm-train
• https://arxiv.org/abs/2312.00752

#ssm #инференс #трансформеры

�� ©ТехноТренды

AIRI Seminars в эфире, ссылки на трансляции: VK Видео, YouTube 🍿

⚡️Впервые! СмартКвест в НГУ на СмартПикнике!

17 мая в 13.00 в рамках научно-популярного фестиваля СмартПикник пройдет СмартКвест, посвященный науке и НГУ.

Приглашаем школьников и их родителей. Участники смогут узнать об истории НГУ, его факультетах и погрузиться в атмосферу крутейшего университета.

📌 В программе квеста:
головоломки, решение инженерных задач, физический квиз и многое другое.

Самые быстрые и сообразительные получат подарки от НГУ и Т-Банка.

*При поддержке партнёра
НГУ Т-Банк, Т-Поколение — программы для школьников от Т-Банка. Т-Банк проводит бесплатные курсы и мероприятия, а еще готовит к олимпиадам по математике, информатике и анализу данных.

📍Встречаемся в субботу, 17 мая в 13.00 по адресу ул. Пирогова, 1, корпус Ректората, в холле возле мамонта

❗️Регистрация участников до 13.05.2025 включительно.


Работу площадки обеспечивает соорганизатор фестиваля Новосибирский государственный университет
Организатор - АО «Академпарк» при поддержке Правительства Новосибирской области, Мэрии Новосибирска, СО РАН

Продолжаем изучать стэнфордский отчет AI Index Report 2025 (начало тут и тут). Вторая глава «Technical Performance» посвящена эволюции технических возможностей ИИ-систем.

🔥 Контекст и ключевые тренды. В 2024 году модели сильно продвинулись в классических тестах, но при этом столкнулись с фундаментальными ограничениями в сложных задачах.

1️⃣ Прорывы в бенчмарках и специализированных задачах

▫️ Рекорды на новых тестах. В сложных комплексных бенчмарках (MMMU, GPQA, SWE-bench) ИИ за год показал впечатляющий прогресс. Например, на SWE-bench в 2023 году модели решали лишь 4.4% задач, а в 2024 — 71.7%. Кстати, и мы на канале фиксировали этот тренд.
▫️Преодоление «человеческого» барьера. Благодаря улучшению алгоритмов рассуждений и интеграции символьных методов модели вроде o1-preview и Claude 3.5 Sonnet достигли 97,9% точности на датасете MATH — выше человеческого уровня (90%).

2️⃣ Конвергенция технологий и сокращение разрывов

▫️Открытые vs. закрытые модели. Разрыв в производительности между топовыми открытыми и проприетарными моделями сократился с 8% до 1.7% (уровень статистической погрешности), что демократизирует доступ к передовым ИИ-технологиям.
👉 Добавим от себя пару комментариев:
• опенсорс заставляет даже завзятых проприетарщиков, таких как OpenAI, выпускать бесплатные версии своих моделей;
• но демократизация доступа к ИИ имеет обратную сторону — проблему безопасности данных.

▫️Малые модели vs. большие. Успехи таких проектов, как Mistral и Phi-3, доказали, что могут небольшие модели при правильном обучении. Phi-3-mini (3.8B параметров) сравнялась по эффективности с PaLM (540B) — 142-кратное сокращение размера при той же производительности. Качество работы модели больше не зависит линейно от масштаба, и мы об этом писали.

▫️Глобальное выравнивание. Китайские модели (напр., DeepSeek и Qwen) догнали по качеству американские. Разрыв на бенчмарках за год сократился с десятков до долей процента.

3️⃣ Новые парадигмы обучения

Индустрия освоила test-time compute (TTC) — метод оптимизации работы ИИ, при котором ресурсы выделяются динамически, а не фиксируются заранее. Это позволяет модели дольше «размышлять» над сложными задачами, улучшая качество ответов.
▫️Например, модель o1 от OpenAI решает 74.4% задач математической олимпиады против 9.3% у GPT-4o. Но требует в 6 раз больше вычислительной мощности и работает в 30 раз медленнее.

4️⃣ Революция в генерации видео

Видеогенерация в продвинутых моделях SORA и Veo 2 преодолела проблему контекстной согласованности — теперь возможно создание минутных роликов с физически точной динамикой и детализацией, которые были немыслимы еще год назад.

5️⃣ Ограничения и «стены» прогресса

Несмотря на успехи в математике, модели проваливаются в задачах, требующих многошаговой логики. Лучшие системы решают лишь 2% задач из FrontierMath и 8-12% на PlanBench и Humanity’s Last Exam, что указывает на фундаментальные ограничения текущих архитектур.

🎯 Выводы

👉 Главный тренд: ИИ становится быстрее и доступнее, но упирается в непреодолимые барьеры в сложных рассуждениях. Дальнейшее улучшение работы потребует смены парадигмы, а не оптимизации существующих подходов, резюмируют авторы.

👉 Перспективы: Активное развитие агентного ИИ (что совпадает и с нашей оценкой) и поиск альтернатив масштабированию (нейроморфные чипы, квантовые методы). ИИ-агенты уже используются для автоматизации программирования, анализа данных и управления ИТ-инфраструктурой. Отдельно подчеркивается их роль в науке и робототехнике.

👉 Продолжение следует...

#AI #ниокр #bigdata #инференс #тренды #аналитика #тесты #AI_index_report_2025

🚀 ©ТехноТренды

Мы обновили программу форума + сделали план работы по трекам для вашего удобства!

📱 Скачивайте себе на телефон
👉🏼 Регистрируйтесь на сайте, если еще этого не сделали
🥳 Увидимся через 2 недели!

🔥 Огромная статья, которая посвящена оптимизации вывода (инференса) больших языковых моделей (LLM) с использованием одного графического процессора!

🌟 Автор делится опытом создания собственного движка для LLM на основе C++ и CUDA, фокусируясь на максимизации пропускной способности. Рассматриваются ключевые этапы, такие как загрузка модели, выполнение прямого прохода, использование кеша KV и многозадачность на CPU. Также подчеркивается важность пропускной способности памяти и квантования модели (например, FP16) для эффективного вывода. В статье приводятся бенчмарки и сравнение с другими фреймворками, такими как llama.cpp и Hugging Face, чтобы установить реалистичные цели по производительности.

🔗 Ссылка: *клик*

#machinelearning

@data_analysis_ml

🎙 Клонирование голоса в 2025: от научной фантастики к реальности

Клонирование голоса (Voice cloning) — способность ИИ воспроизводить голос конкретного человека, включая его тембр, интонацию и ритм. Современные системы могут создавать реалистичную речь даже на основе коротких аудиофрагментов.

Сегодня технологии клонирования голоса достигли уровня, при котором отличить искусственный голос от настоящего становится всё сложнее. Новый обзор на arXiv под названием Voice Cloning: Comprehensive Survey систематизирует современные подходы и вызовы в этой области.

🤖 Архитектура современных voice cloning систем

Типичная система клонирования голоса включает в себя три ключевых модуля:
1. Speaker Encoder извлекает эмбеддинг голоса — уникальный вектор речевых признаков.
2. Text-to-Speech (TTS) модель на основе эмбеддинга генерирует мел-спектрограмму по заданному тексту.
3. Vocoder преобразует спектрограмму в аудиосигнал, выдавая реалистичный звук.

Наиболее популярные архитектуры:
• Tacotron 2 + WaveNet (высокое качество, но тяжелые вычисления);
• FastSpeech 2 + HiFi-GAN (высокая скорость и хорошее качество);
• VITS — end-to-end решение, объединяющее TTS и vocoder.

Основные методы обучения моделей:
🔸 Speaker-dependent. Модель обучается исключительно на данных одного человека, создавая уникальную архитектуру под его голос. Необходимо 10+ минут чистой аудиозаписи для покрытия всех фонем и интонационных паттернов.
Применение:
  • Персонализированные голосовые ассистенты (например, для людей с ограниченной речью) — вот бы Стивен Хокинг порадовался 😉
  • Дубляж фильмов с сохранением уникального тембра актера.

🔸 Speaker-adaptive. Предобученная на множестве голосов универсальная модель дообучается на небольшом датасете целевого спикера (1–5 минут). Это позволяет, например, переделать голос спикера на детский или женский без полного переобучения.
  • Данный подход используют речевые ассистенты, такие как Google’s Voice Adaptation API, для быстрой кастомизации.

🔸 Zero-shot / Few-shot cloning. Модель синтезирует голос без дообучения, используя лишь короткий референсный аудиофрагмент (3–5 секунд для zero-shot, до 1 минуты для few-shot). Используются мощные speaker encoder'ы на основе нейросети: d-vector, x-vector или ECAPA-TDNN.
  • Это самый сложный, но и самый перспективный метод. Модель может всего за 3–5 секунд «понять», как звучит новый голос. Продвинутые модели могут синтезировать речь на языках, отсутствующих в референсной записи, копируют не только тембр, но и эмоциональную окраску.
  • Данные технологии находят применение в создании виртуальных ассистентов, системах автоматического перевода и персонализированных голосовых интерфейсах.

Мы на канале уже рассказывали про цифровые двойники людей (тут, тут и тут). Это тоже один из возможных вариантов применения клонирования голоса.

⚠️ Риски и вызовы

❗️Увы, с ростом возможностей Voice cloning увеличиваются и риски мошенничества с использованием поддельных голосов. Будьте осторожны!

  • Например, скамеры научились использовать ИИ для подделки голоса в Телеграме на основе аудиосообщений владельцев аккаунта, чтобы вымогать деньги у их родственников и знакомых.
  • Согласно прогнозам экспертов, еще до конца года каждый второй россиянин столкнется с подобной атакой.
  • Сбер опубликовал инструкцию для пользователей по предотвращению дипфейк-атак.

🔮 Будущее клонирования голоса

Voice cloning в 2025 году — уже не игрушка, а промышленный инструмент. Но с возможностями приходят и вызовы: юридические, этические и технические. В ближайшие годы вопрос «можно ли отличить фейковый голос от реального?» станет крайне актуальным.

#voice_cloning #тренды #кибербезопасность #дипфейк

🚀 ©ТехноТренды

Как Китай укрепляет свой технологический суверенитет за счет американцев

🇨🇳 Китай демонстрирует форменное айкидо в борьбе за технологическую независимость. С одной стороны, ввел ответные торговые пошлины против США, а с другой — взял, да и освободил от них американские компании, которые поставляют чипы для китайских и тайваньских производителей. А потом еще раз освободил.

Для чего это делается? Для сохранения доступа к критическим технологиям, естественно.
• Микроэлектроника сейчас один из важнейших драйверов экономики, и в будущем ее важность будет только расти.
• Пока США стараются собрать обратно разбросанные по всему миру производства, Китай стимулирует американских лидеров отдавать производство интегральных микросхем на аутсорс.

📈 Не случайно акции AMD, Nvidia и Qualcomm выросли в цене на фоне этих новостей — это давние поставщики Китая и Тайваня. Они сохранят огромный китайский рынок для своих чипов, а Китай продолжит получать необходимые ему комплектующие, чтобы дальше развивать собственную производственную базу. Более того, примеру трех вышеназванных могут последовать Intel, Texas Instruments и другие.

Что здесь важно:

🔥 Грамотной тарифной политикой Китай по сути делает американские компании своими союзниками в борьбе за технологическое лидерство. Всё по Марксу: в погоне за прибылью капиталисты сами продают ту веревку, на которой их потом повесят 😁

🔥 Начав с «пайки и сборки», китайцы перенимают наработки ведущих компаний, чтобы осваивать и внедрять у себя. Китайские заводы превращаются в центры создания микроэлектроники полного цикла — от разработки и прототипирования до производства и сбыта. Параллельно развиваются и исследовательские мощности.

Результаты уже налицо. Китайцы не только выпускают OEM-платы на чужих чипах по контракту, но и готовятся делать свои чипы, не хуже. Пара самых свежих примеров:
• На шанхайской выставке компания Geehy Semiconductor представила микроконтроллер, который может заменить аналоги Texas Instruments и других зарубежных компаний.
• Huawei приступает к тестированию новейшего ИИ-процессора Ascend 910D, который, как ожидается, по производительности догонит или даже превзойдет Nvidia H100.

Китай, таким образом, постепенно смещает США с позиций глобального лидера развития микроэлектроники. И это несмотря на санкции и торговые войны.

👉 Так работает стратегия, о которой мы не раз писали (например, тут, тут и тут): тренд на максимальную локализацию высокотехнологичных производств. Важно не просто обеспечить себе технологическую независимость на ключевых направлениях, но и самому стать источником технологий — исследований, концепций, компонентов. Что и делает Китай, и этому стоит только поучиться.

#микроэлектроника #тренды #Китай #США #технологический_суверенитет

🚀 ©ТехноТренды

Собрали для вас в одном посте всё про экономику инференса LLM.

Краткое summary:
1️⃣ Из чего складывается стоимость инференса? Как размер модели, тип данных и объем задач влияют на итоговую сумму и за счет чего можно понизить требовательность приложения.
2️⃣ Облачный сервис или свой сервер? Ожидаемые вложения в пользование облаком или в создание собственной инфраструктуры. Реальные расклады по CAPEX и OPEX, «подводные камни», способы снижения затрат.
3️⃣ Как считать затраты и рентабельность — детальный разбор для разных сценариев внедрения. Используйте наш калькулятор, чтобы выбрать оптимальный вариант.

Читайте, считайте, делитесь с коллегами и друзьями, задавайте вопросы в комментариях👇

#ИИ #оптимизация #инференс #аналитика #токеномика #дайджест

�� ©ТехноТренды

Конец апреля в мире IT и робототехники был богат на интересные события — от новых аппаратных решений до прорывов в области искусственного интеллекта. Представляем очередную подборку новостей, привлекших наше внимание за последнюю неделю.

⚡️ FANUC представила новые коботы с рекордной грузоподъемностью. На крупнейшей выставке робототехники Automate 2025 в Детройте компания FANUC анонсировала линейку коботов CRX с грузоподъемностью до 50 кг и автономных мобильных роботов для автомобильной промышленности. Среди новинок:
• CRX-10iA/L Paint Cobot — робот для покраски и нанесения покрытий с 3D-камерами для точного отслеживания деталей.
• Автономный мобильный робот для комплектации автомобильных зеркал, интегрированный с системой iRVision 3DV.

⚡️ 3D-камеры для промышленных роботов — точность до 0.1 мм. IDS Imaging Systems представила обновленную линейку 3D-камер Ensenso B с разрешением сенсоров до 5 мегапикселей и частотой захвата изображения до 30 FPS.
Камеры поддерживают технологию структурированного света с точностью глубины измерения до ±0,1 мм на расстоянии до 1 м. Обновленный процессор повысил скорость обработки 3D-моделей на 30%, что значительно ускоряет контроль качества и процессы сборки на производстве.

⚡️ Microsoft представила «Phi 4 Reasoning Trio» — линейку компактных ИИ-моделей, которые в логических задачах не уступают крупным моделям. Например, флагманская версия Phi-4 Plus превосходит GPT-4 на 15% в тестах на математические рассуждения (GSM8K) и анализ кода (HumanEval), потребляя при этом на 80% меньше вычислительных ресурсов. Версия дообучена с Reinforcement Learning и почти догоняет оригинальную DeepSeek-R1 (70B) по качеству.

Phi-4 Mini (1,5 млрд параметров) работает даже на смартфонах, Phi-4 Standard (7 млрд) оптимизирована для облачных сервисов, а Phi-4 Plus (14 млрд) ориентирована на сложные корпоративные задачи. Все модели доступны бесплатно для загрузки и использования через API Hugging Face.

⚡️ Xiaomi выпустила собственную языковую модель Mimo 7B с 7 млрд параметров, оптимизированную для работы на мобильных устройствах с минимальным энергопотреблением — менее 5 Вт при инференсе.

Представлены три улучшенные версии базовой модели MiMo-7B. Одна из них была доработана с помощью контролируемой дообучения, другая — с помощью обучения с подкреплением, а третья — с использованием обоих методов. По словам компании, третья модель превосходит o1-mini от OpenAI в генерации кода и решении математических задач.

⚡️ Яндекс предоставил пользователям «Алисы» Live-режим, который работает на базе мультимодальной нейросети (VLM). В этом режиме ИИ-ассистент распознаёт объекты, показанные через камеру смартфона, и рассказывает о них пользователю. VLM уже применяется в других сервисах и приложениях Яндекса: Поиске по картинкам, Умной камере и Нейроэксперте.

Новая VLM основана на семействе моделей YandexGPT 5, использует претрейн от YandexGPT и прошла несколько стадий обучения на мультимодальных данных. По утверждению компании, модели YandexVLM Lite и YandexVLM Pro работают быстрее, чем соответствующие версии Qwen2.5-VL. Так, в соревновании с Qwen2.5-VL-7B модель Lite победила в 56,6% случаев против 43,4%, а Pro обогнала Qwen2.5-VL-72B со счетом 53,3% : 46,7%. Т.е. в прикладных задачах, выбранных Яндексом, их модели работают эффективнее, хотя на опенсорс-бенчмарках Qwen2.5-VL показывает более высокие результаты.

⚡️ ИИ-платформа Cursor ежедневно генерирует свыше 1 млрд строк принятого программного кода для различных языков программирования, включая Python, JavaScript, Java и C++. Для сравнения, по оценкам, разработчики по всему миру пишут лишь несколько миллиардов строк в день. По словам соучредителя Cursor Амана Сангера, 40% кода, написанного профессиональными инженерами с помощью Cursor, сгенерировано искусственным интеллектом.

Впрочем, в профессиональном сообществе эта новость вызвала смешанную реакцию. Программисты напомнили, что «принятый» код не всегда означает «хороший» или «рабочий», и лучше не гнаться за количественными показателями.

#дайджест

🚀 ©ТехноТренды

Продолжаем анализировать Artificial Intelligence Index Report 2025. Начало тут.

1️⃣ ИИ и НИОКР в 2025: кто задаёт темп?

ИИ-революция начинается с науки и разработок. Первая глава AI Index 2025 показывает, как стремительно меняется ландшафт исследований: публикации, конференции, патенты, создание крупных LLM и опенсорсных программных продуктов, развитие аппаратных средств.

Главные факты:

1. Бурный рост публикаций.
Количество публикаций по ИИ утроилось за 10 лет — с ~102 000 в 2013 году до более чем 242 000 в 2023-м. Сейчас ИИ — почти половина всех публикаций о компьютерных науках (41.76% в 2023 году). По регионам лидировали Восточная Азия и Тихоокеанский регион (34.5% от общего числа), за ними следовали США, Европа и другие страны. Подавляющее большинство работ посвящено машинному обучению #ML, которое, как мы отмечали, сейчас развивается особенно стремительно.

2. Наука vs индустрия.
Академический сектор (университеты и исследовательские центры) остается поставщиком основной массы исследований — 85% публикаций. В то же время более 90% значимых ИИ-моделей создаются сегодня индустрией (еще в начале 2010-х абсолютным лидером были научные структуры).

3. Китай — основной конкурент США.
Китайцы впереди всех по общему количеству публикаций, а США сохраняют лидерство по качеству: именно американские исследователи больше всего присутствуют в топ-100 самых цитируемых работ.

4. Патентная гонка.
Количество патентов на ИИ выросло почти в 30 раз за последние 13 лет. Почти 70% всех выданных патентов приходится на долю Китая.

5. Модели растут в масштабах и аппетитах.
Каждые 5 месяцев удваивается вычислительная мощность, необходимая для обучения топовых моделей (как и прогнозировалось). Размеры датасетов для обучения LLM удваиваются каждые 8 месяцев.

6. Данные для обучения заканчиваются.
ИИ уже «съел» большую часть открытых данных интернета. Исследования показывают, что высококачественные данные могут исчерпаться к концу десятилетия. Это создает давление на индустрию: придется искать новые методы обучения — например, генерировать синтетические данные или создавать специализированные приватные датасеты.

7. Стоимость инференса падает.
Цена запроса к модели уровня GPT-3.5 обрушилась более чем в 280 раз за 18 месяцев, сделав ИИ-инструменты гораздо доступнее для разработчиков и компаний. Тренд на удешевление инференса мы уже не раз отмечали. Другая важная тенденция — усиление позиций опенсорса по сравнению с прориетарными моделями (тыц, тыц).

8. Аппаратная часть ускоряется.
Производительность оборудования для ИИ (FP16 операций в секунду) растет на 43% в год. Цены на чипы падают на 30% ежегодно, а энергоэффективность увеличивается на 40% в год. (Наш комментарий: драйвером роста здесь является развитие альтернативных платформ, не только GPU. Индустрия активно работает с архитектурами ARM и RISC-V, а также с различными ускорителями).

9. Энергоэффективность против выбросов.
Несмотря на рост энергоэффективности (см.), обучение моделей сопровождается всё большими выбросами CO₂. Например, обучение Llama 3.1 потребовало выбросов в 8 930 тонн CO₂ — в 500 раз больше годового следа обычного человека в США. Добавим, что проблема энергетического обеспечения потребностей ИИ становится всё более актуальной.

Вывод:
ИИ быстро эволюционирует. Но за ростом моделей стоит не только увеличение вычислений и данных, но и вызовы — энергопотребление, дефицит данных и необходимость нового подхода к этике ИИ.

👉 Продолжение следует...

#AI #ниокр #bigdata #экология #инференс #тренды #аналитика #AI_index_report_2025

�� ©ТехноТренды

Опубликован Artificial Intelligence Index Report 2025 — ежегодный аналитический доклад Института человекоориентированного ИИ при Стэнфордском университете (Stanford HAI). Цель отчета — составить объективное, на основе количественных данных, представление о масштабах, тенденциях и последствиях развития ИИ по всему миру.

Интересно будет разобрать стэнфордские выкладки и сопоставить с нашими наблюдениями, выводами и прогнозами.

#AI #тренды #аналитика #AI_index_report_2025

🚀 ©ТехноТренды

🚀 Субсидии на популяризацию промышленной робототехники в России: условия и требования

Правительство РФ запустило программу субсидирования для производителей и интеграторов промышленной робототехники. Цель — повысить осведомленность о российских технологиях и ускорить роботизацию производств.

📌 Основные условия:
• Субсидия покрывает 50% затрат на мероприятия по популяризации (конгрессы, выставки, реклама).
• Получатель обязан привлечь не менее 50% собственных или сторонних средств для каждого мероприятия.

🔍 Кто может участвовать?
Юридические лица без налоговых задолженностей и процедур банкротства/ликвидации. Требования:
• Доля иностранного участия в уставном капитале — не более 25%.
• Отсутствие статуса «иностранного агента» и связей с экстремистскими/террористическими организациями.

💡 На что можно потратить субсидию?

1. Конгрессно-выставочные мероприятия:
• Аренда площадей (до 100 кв. м — 100% субсидии, свыше — 50%).
• Транспортировка оборудования, командировки сотрудников (до 30-40% субсидии).

2. Рекламно-информационные мероприятия:
• Размещение рекламы, демо-акции, сувенирная продукция (до 40% субсидии).
• Продвижение в интернете и на ТВ (до 70% для онлайн-контента).

🤖 Требования к технике:
Робототехника должна соответствовать кодам ОКПД2 (например, 28.99.39.200 — промышленные роботы, 28.99.39.240 — роботизированные линии).

📅 Сроки подачи заявок:
24 апреля — 14 мая 2025 года.

Подробности и документы:
👉 https://gisp.gov.ru/nmp/measure/12448857

#господдержка #робототехника #гранты #субсидии #инновации

🚀 ©ТехноТренды

🇷🇺 Минпромторг России представил комплекс мер поддержки для развития промышленной робототехники. Документ охватывает три категории участников: производителей, интеграторов и потребителей.

Для производителей:
• Субсидии до 70-90% на НИОКР (срок — до 5 лет).
• Гранты для малых предприятий (до 30 млн руб., срок реализации — 12-18 мес.).
• Льготные кредиты (ставка от 9,3%, сумма до 100 млрд руб.).
• Компенсация 50% скидки покупателям роботов.
• Промышленная ипотека (до 500 млн руб., срок — 7 лет).
• Поддержка участия в выставках (возмещение 50% затрат).

Для интеграторов:
• Субсидии на создание центров развития робототехники (подготовка кадров, аудит предприятий).
• Государственная аккредитация IT-компаний (кредиты под 3%, пониженные страховые тарифы).

Для потребителей:
• Льгота по налогу на прибыль (учёт расходов на роботов с коэффициентом 2).
• Промышленный кешбэк (до 20% от стоимости робота).
• Льготные кредиты (5% годовых) и лизинг (5% на срок до 3 лет).

👉 Как получить:
• Подать заявку через портал ГИСП, сайт ФСИ или обратиться в банки/лизинговые компании.
• Консультации: контактные данные Департамента станкостроения Минпромторга и Фонда развития промышленности.

❗️Важно:
• Сроки старта программ: апрель-май 2025 г. (для большинства мер).
• Требуется соответствие критериям (например, включение в реестр российских производителей).

#господдержка #робототехника #гранты #инновации

🚀 ©ТехноТренды

Запуск модели Qwen 3 в Ollama — версии 4B-q4_K_M и 8B-q4_K_M. Обе уже поддерживают reasoning и работают локально. Ниже — краткий опыт и метрики. Запуск на nvidia v100.

Qwen 3-4B

Модель очень быстрая:
• prompt_token/s: 6681
• response_token/s: 99.4
• Общее время ответа: ~13 сек

Подходит для простых задач и инструментов, где важна скорость, а не точность. Хорошо работает как быстрый чат-бот. Однако легко сбивается.
Пример: вопрос «Кто антигерой в романе Достоевского “Руслан и Людмила”» дал вымышленный ответ с выдуманным персонажем.

На вопрос что умеет модель: отвечает, что не может управлять устройствами или писать код.

Qwen 3-8B

Более логичная и точная, хотя чуть медленнее:
• prompt_token/s: 6662.4
• response_token/s: 78.74
• Общее время ответа: ~11,9 сек

На тот же провокационный вопрос модель пояснила, что «Руслан и Людмила» — произведение Пушкина, а не Достоевского, и разобрала, что антигероя там в классическом смысле нет. В остальном ответ некорректен

🚀 ©ТехноТренды

Qwen3: Think Deeper, Act Faster – новая серия больших языковых моделей от Qwen, вышла 29 апреля 2025 г.

Линейка включает как плотные модели от 0.6B до 32B (контекст до 128K токенов), так и MoE-модели Qwen3-30B-A3B и флагман Qwen3-235B-A22B с 235 млрд параметров (22 млрд активированных), демонстрирующие высокую эффективность в кодинге, математике и общих задачах .

Ключевые особенности Qwen3:
• Гибридные режимы мышления: выбор между глубинным (длительный Chain-of-Thought) и скоростным ответом для оптимизации качества и затрат.
• Мультиязычность: поддержка 119 языков и диалектов для глобальных приложений.
• Усиленные агентные способности: улучшенные механизмы вызова внешних инструментов и кодирования .

Модели предобучены на ~36 трлн токенов в три этапа с контекстом 4K→32K и дообучены в четыре этапа с RL для укрепления Chain-of-Thought, плавного переключения режимов и общей гибкости .

Qwen3 уже доступна на Hugging Face.

Для локального развёртывания уже доступна на Ollama.

🚀 ©ТехноТренды

Дискуссия на тему ИИ в антропоморфных роботах (2/2)

2️⃣ Проблемы, риски, вызовы

🔸 Технологические вызовы:
• Энергоэффективность. Время автономной работы и перегрев остаются проблемой.
• Безопасность. Необходимость коллаборативных роботов, способных работать рядом с людьми без риска травм.
• Срок службы. Современные роботы по срокам «эксплуатации» пока не сопоставимы с человеком (30–50 лет).

🔸 Безопасность и этика:
• Вызывает опасение возможное распространение в будущем самореплицирующихся систем (гипотетическая «фабрика скрепок», поглощающая ресурсы).
• У роботов по умолчанию отсутствуют моральные ограничения и эмоции. Отсюда, например, вопрос о доверии к ИИ в медицине и образовании.

🔸 Юридическое регулирование:
• Правовой статус роботов в обществе. Пример Японии: уголовная ответственность за жестокое обращение с обучающимися роботами.
• Проблема сертификации работы ИИ в чувствительных для человека областях: право, образование, здравоохранение.

Выводы по рискам:
👉 Развитие робототехники требует международного регулирования и философского осмысления роли роботов в обществе.

Заключение
Антропоморфная робототехника — динамичная область на стыке технологий, этики и экономики. Её развитие зависит от баланса между инновациями, регулированием и практической целесообразностью.

#робототехника #дискуссии #тренды #кибербезопасность

🚀 ©ТехноТренды

Дискуссия на тему ИИ в антропоморфных роботах (1/2)

Кроме презентации Топы, на ROS meetup состоялась панельная дискуссия, в ходе которой эксперты обсудили основные тренды в развитии антропоморфных роботов.

В дискуссии участвовали:
• Святослав Морошкин (Центр робототехники Сбер)
• Евгений Дудоров (Андроидная техника)
• Михаил Романов (МИРЭА)
• Алексей Бурков (Центр робототехники Сбер)

Мы собрали для вас главные темы и выводы, обозначенные участниками.

1️⃣ Технологии и экономика

🔸 Тренд на антропоморфность:
• Роботы проектируются для работы в неструктурированных средах (гостиницы, рестораны, космос), где требуется адаптивность и замещение человеческого труда.
• Акцент делается не столько на внешней, сколько на функциональной антропоморфности (способность выполнять задачи, как человек).

🔸 Тренд на универсальность:
Концепция универсальных роботов, по мере развития ИИ и кинематики, становится всё более популярной. Интеграция ИИ и улучшенной механики открывает путь к роботам, способным обучаться новым задачам.
Примеры успеха:
• Робот-телетроид для работ на МКС (копирующее управление + автономные операции).
• Промышленные манипуляторы на заводах.

🔸 Технологические драйверы:
— Роль искусственного интеллекта.
• Прорывы в ИИ, особенно мультимодальные языковые модели (GPT), позволяют роботам декомпозировать задачи, заданные на естественном языке, и генерировать планы действий.
• LLM позволяют роботам «понимать» мир, что критично для выполнения универсальных задач (например, приготовление чая по инструкции).
— Развитие безредукторных приводов и компактных электродвигателей. Выявляется эксплуатационное превосходство электрики над гидравликой.
• Гидравлические приводы, несмотря на мощность, уступают электрическим из-за сложности обслуживания, опасности в быту и экологических ограничений.
• Электрические приводы (включая безредукторные технологии) доминируют благодаря безопасности, легкости интеграции и перспективам для массового применения.

🔸 Экономика внедрения:
Работает закон Райда: снижение цены при массовом производстве. Антропоморфные роботы постоянно дешевеют (от $100 тыс. до $25–30 тыс.), но остаются дороже классических манипуляторов ($3 тыс.).
Сферы роста: промышленность, логистика, автосервис, космос.
Распространение бытовых антропоморфных роботов пока ограниченно из-за вариативности среды и требований к безопасности.

🇷🇺 Российский контекст
В РФ развитие робототехники сосредоточено в крупных компаниях (например, разработки МИРЭА и Сбера — роботы-спасатели, автономные «собаки», сервисные миниботы), тогда как Китай и США активно инвестируют миллиарды в исследования, полигоны для тестирования и частные проекты по внедрению антропоморфных роботов на производстве.

Выводы по трендам:
👉 Электрические приводы и ИИ — основа будущего антропоморфных роботов.
👉 Создание универсальных роботов общего назначения — всё еще отдаленная перспектива (20+ лет). Необходимо как развитие технологий, так и прорыв в понимании «сознания» ИИ.
👉 Массовое внедрение начнется, когда роботы станут дешевле человеческого труда.
👉 Россия на мировом рынке конкурентоспособна в нишевых проектах, но отстает по масштабу инвестиций.

#робототехника #дискуссии #тренды #антропоморфные_роботы

🚀 ©ТехноТренды

⚡️Завтра последний день подачи заявок на Летнюю школу по искусственному интеллекту от AIRI!

Дата проведения: 30 июня — 10 июля 2025 года, г. Томск (Томский государственный университет).

Участников ждет глубокое погружение в работу с современными методами ИИ и машинного обучения, практические семинары, проектная деятельность и лекции ведущих ученых из AIRI, ТГУ, МФТИ, ВШЭ, Сколтеха и других организаций.

Кто может участвовать:
• Бакалавры 2–4 курсов
• Магистранты
• Аспиранты естественно-научных и технических специальностей российских вузов

Срок подачи заявок: до 29 апреля 2025 года, 23:59.
Количество участников: 80 человек.

Организаторы обеспечивают обучение и проживание. Участники сами оплачивают дорогу.

Подробнее и регистрация: airi.net/ru/summer-school-2025/

Не упустите шанс провести лето в окружении сильнейших умов в области ИИ!

🚀 ©ТехноТренды

Участники конференции получили эксклюзивную возможность поуправлять Топой и посмотреть на живую демонстрацию обучения и управления локомоцией робота.

Под руководством Евгения Пономарева (Центр робототехники Сбера) Топу включили и сняли с «насеста», после чего он немного прогулялся по аудитории.

На видео хорошо заметно, как ИИ управляет приводами сгибания колена и голеностопа, сохраняет равновесие и корректирует положение корпуса.

Почему это важно
👉 Топа и его «коллеги» Куба, Краб и Слон — основа будущей индустрии сервисных решений: от промоутеров и гидов до роботов-ассистентов в офисах и торговых центрах. А ещё — отличная тестовая платформа для отработки технологий управления движением: как сделать ходьбу не только устойчивой, но и максимально экономной по энергии. Это ключевой тренд в современной робототехнике.

#робототехника #конференция #ML #видео

�� ©ТехноТренды

Конструкция и кинематика Топы.

Другой слайд презентации показывает схему закрытой кинематики ноги робота:

• Схематичная модель ноги. Простая 2D-диаграмма с соединенными точками (A, B, C, D, E, F, G, H, K), которые обозначают суставы и звенья.

• Приводы. Стопа управляется приводами сгибания колена (knee pitch) и голеностопа (ankle pitch).

• Переменные q1, q2, q3 и другие параметры описывают углы суставов или длины звеньев.

• Координатные оси ψx и ψy отображают ориентацию стопы.

• Уравнения кинематики. На слайде приведены формулы, описывающие зависимость между положением/ориентацией стопы и положениями суставов.

В итоге конструкция обеспечивает замкнутую кинематическую структуру, за счет чего достигаются высокая устойчивость и точный контроль движений.

#робототехника #фото

🚀 ©ТехноТренды

Об обучении Топы

Прокомментируем слайд, предоставленный Евгением Пономаревым. Он демонстрирует структуру цикла обучения робота — Reinforcement Learning Loop.

1️⃣ Вход (Observed State). В сеть поступают данные: скорость центра масс, угловая скорость торса, проекция вектора гравитации, положения и скорости приводов, команды джойстика и предыдущие действия.

2️⃣ Нейронная сеть (Policy Network): многоуровневая нейросеть обрабатывает входное состояние и на его основе генерирует действие — вектор желаемых положений приводов.

3️⃣ Окружение (Environment): робот в симуляции IsaacLab применяет действие к своему физическому моделированию, что приводит к изменению состояния.

4️⃣ Награда (Reward): окружение вычисляет скалярную награду, оценивая, насколько успешным было действие (поддержание баланса, скорость передвижения, минимизация энергопотребления и пр.).

5️⃣ Обновление модели: награда используется для обновления весов нейросети. Система учится выполнять всё более успешные действия.

#ML #фото

🚀 ©ТехноТренды

Мини-робот «Топа» от Сбера

26 апреля на конференции ROS meetup Центр робототехники Сбера представил бипедального мини-робота по имени Топа. Аниматроник имеет кавайную внешность «избушки на курьих ножках» и управляется сберовской нейросетью SymFormer.

Особенности реализации:
• Для ИИ Топы использована методика обучения с подкреплением в виртуальной среде IsaacLab от Nvidia. Это позволяет, избегая износа физических компонентов, создавать поведения, которые трудно запрограммировать вручную: корректировку шага при потере равновесия, обход препятствий и т.п.
• При обучении применяются Actor-Critic методы: ИИ пробует действия, получает «награды» и постепенно учится ходить лучше.
• Схема замкнутой кинематики упрощает контроль за конечностями и обеспечивает высокую энергоэффективность.

👉 В результате получился функциональный отечественный прототип робота-помощника, сочетающий в себе передовые AI-технологии и уникальный дизайн.

#робототехника #конференция #ML #фото

�� ©ТехноТренды

29 апреля 2025 г., 16:00 (онлайн)
📡 Круглый стол «Будущее радиоэлектроники: тренды и импортозамещение»

АО «Микрон» — крупнейший российский производитель микроэлектроники (группа «Элемент», ELMT) и резидент ОЭЗ «Технополис Москва» — представит перспективы применения MIK32 Амур — первого отечественного 32-разрядного микроконтроллера на архитектуре RISC-V.

🎙 Спикеры:
• Станислав Шепелев, начальник отдела системных разработок АО «Микрон»
• Эксперты НПП «Торий» и АО «МЦСТ»

🎓 Для студентов технических направлений:
• Актуальные разработки и тренды отрасли
• Как стать инженером и устроиться на стажировку
• Карьерный рост: проект «Путь инженера» и авторские экскурсии «Ключ к профессии»

👥 Организаторы: ВНИИР (ФГБУ) и Всероссийская олимпиада студентов «Я — профессионал»

💼 После выступлений — блок по стажировкам и вакансиям в АО «Микрон» (инженер-технолог, инженер-конструктор, ведущий инженер-электронщик, инженер по технологическим проектам и др.).

🔗 Регистрация по ссылке:
https://forms.yandex.ru/cloud/6801ffe349363959f43a8e3c/

🚀 ©ТехноТренды

Экономика LLM: из чего складывается стоимость инференса?

Часть 2. Оцениваем накладные расходы

В предыдущем посте мы говорили о том, что влияет на цену инференса В ОБЩЕМ. Теперь давайте посмотрим на ожидаемые конкретные суммы вложений в пользование облачным сервисом или в создание собственной инфраструктуры.

1️⃣ Облачный инференс: почем нынче токен

Ведущие облачные провайдеры, такие как OpenAI, Anthropic, Azure и Google, предлагают различные варианты использования своих LLM в качестве сервиса с оплатой за токены. Следует учитывать, что стоимость 1 млн токенов резко возрастает при больших объемах запросов, а на выходе токены в разы дороже, чем на входе.

Многие cloud-провайдеры (например, Selectel, Яндекс, другие компании) предлагают уже настроенные серверы с предустановленными LLM, как проприетарными, так и опенсорсными. Но это аренда инфраструктуры, а не SaaS, и там имеются свои накрутки. Провайдеры могут брать доплату за хранение данных, обработку и другие услуги.

Итоговая стоимость облачных LLM зависит от задач и объемов использования. Облачный инференс удобен для старта, но при масштабировании может повлечь непредвиденные расходы.

2️⃣ Локальный инференс: капитальные затраты vs. долгосрочная экономия

Развертывание LLM на своих серверах требует значительных первоначальных вложений, но может быть выгодно при больших нагрузках (100+ млн токенов/мес.). Основные статьи расходов:

a) Затраты на оборудование (CAPEX)
Приобретение мощных GPU может стоить от $1000 до $10000 и более за устройство. Карты Nvidia (A100, H100, H200) в России стоят от ₽ 1 млн до 5 млн. Альтернатива — игровые карты RTX 4090, 5090 (32 Gb).

б) Энергопотребление и эксплуатация (OPEX)
Электричество в России сейчас стоит от ₽1,77 (Иркутская обл.) до ₽11,36 (Чукотка) за кВт·ч. Для дата-центров возможны спецтарифы от ₽3/кВт·ч. Накинем также расходы на охлаждение (+20–30%, в зависимости от климатического пояса) и на аренду стойки в дата-центре: от ₽10-15 тыс./мес.

Помимо CAPEX и OPEX, нужно вложиться в интеграцию и развертывание LLM на собственной инфраструктуре, в т.ч. в инженерные ресурсы, лицензирование ПО и т.п.

Таким образом, стоимость локального инференса LLM может быть значительно выше, чем в облачном сервисе. Но это оправдано, если проект даст большую отдачу. Плюс безопасность, если речь идет о медицинской или коммерческой тайне. Напомним, что в РФ действует запрет на обработку персональных данных (ФЗ 152), а облачные провайдеры используют данные пользователей для обучения своих моделей.

3️⃣ Итого: что выгоднее?

Выбор зависит от конкретных потребностей и возможностей вашего предприятия. Распределение бюджета должно начинаться с вопроса: чего вы хотите добиться? Повысить эффективность работы сотрудников с помощью SaaS, или монетизировать ИИ, интегрировав LLM в собственное приложение и продавая его как услугу или продукт?

👉 Если потребность в инференсе LLM невелика, облачные решения являются более экономичными. Малый и средний бизнес обычно склонен к использованию «облака».

👉 При долгосрочном использовании квантованных LLM (и, соответственно, меньших затратах на CAPEX), локальное развертывание может оказаться выгоднее, особенно если учитывать растущие затраты на облачные сервисы.

👉 Также свой дата-центр предпочтительнее, если для вашего бизнеса требуются специализированные настройки или интеграции — например, большая гибкость, безопасность и контроль.

#инференс #экономикаИИ #LLM #SaaS #capex #opex

🚀 ©ТехноТренды

🇷🇺 Печатные платы. Аналитика. Россия

Российский рынок печатных плат – российский на 18.7%

Такой оценкой поделился гендиректор компании Резонит Андрей Кучерявый на форуме #ExpoElectronica 2025.

81% рынка занимают платы импортного производства. Емкость российского рынка печатных плат оценена в 1.23 млн кв.м. Соответственно, 230 тыс. кв.м приходится на российские. Объем импорта плат в 2024 году оценен в $255 млн (+6%) г.г. Об этом сегодня рассказывает CNews.

Если сосредоточиться на российском рынке, то можно видеть, что на нем уже действуют сравнительно крупные игроки, причем некоторые из них в ближайшие годы планируют дальнейшее расширение, что удвоит объемы производства плат в России. Картинка - данные Андрея Кучерявого, источник – Cnews.

Есть и еще более оптимистичные оценки рынка, согласно которым к 2027 году объемы вырастут не до 5 млн кв.дм, а до примерно 6 млн кв.дм в год.

Впрочем, важны далеко не только квадратные дециметры. Спрос потребителей смещается в сторону печатных плат все более высокой точности – от 5-6 и даже до 7-го класса, с большим количеством слоев и большими габаритами. Такие платы в России способны выпускать далеко не все участники рынка, абсолютное большинство не располагает оборудованием, необходимым для выпуска плат выше 4-го класса точности. Для апгрейда технологических возможностей производств необходимы инвестиции. Но в условиях текущего уровня КС ЦБ, мало кто имеет соответствующие возможности.

Стоит упомянуть о том, что современные "российские производства" печатных плат построено на базе примерно 100% импортного оборудования. Хотя мааааленькие подвижки есть, отдельные участники рынка пробуют или даже внедряют отдельные образцы российского оборудования, включая даже установки для SMT-монтажа, оптического контроля и т.п. На сегодня это больше эксперименты, далекие от мейнстрима.

Регулятор, между тем, готовит все новые стимулы для перехода на отечественные платы – речь идет о поправках в ПП №719, которые будут требовать от производителей печатных плат использования российских химикатов, если они хотят, чтобы их продукция попадала в реестр. Текстолит, фольгу и препреги пока что вроде бы не упоминают в списках материалов к замене.

@RUSmicro

#печатныеплаты

💰 Экономика LLM: из чего складывается стоимость инференса?

Внедрение больших языковых моделей (LLM) в бизнес-процессы требует не только технической экспертизы, но и глубокого понимания экономики эксплуатации и влияния оборудования на скорость отклика.

В этой серии постов мы разберем ключевые факторы, влияющие на стоимость инференса, сравним облачные и локальные решения и посчитаем, какой подход выгоднее и когда.

Часть 1: Общее представление и аппаратные факторы задержки

1️⃣ Основные статьи затрат

• Размер и сложность модели
Модели на 3B, 7B, 13B, 70B+ параметров требуют всё больше GPU-памяти и вычислительных ресурсов, а значит — растут затраты.
• Объём входных и выходных токенов
Чем больше контекста и детализированный ответ вы запрашиваете, тем выше счёт за токены и нагрузка на инфраструктуру.
• Тип данных
• Текст — минимальные требования к ресурсам.
• Аудио — предварительная транскрипция (Whisper, Wav2Vec) повышает нагрузку на GPU и RAM.
• Видео — самый ресурсоёмкий сценарий: специализированные модели (ViT, CLIP) и десятки гигабайт памяти.
• Формат эксплуатации
• Собственная инфраструктура — полный контроль, но высокие CAPEX и OPEX.
• Облачные решения (SaaS) — оплата по факту использования; выгодно при небольшом или переменном объёме запросов.

2️⃣ Как аппаратные характеристики GPU влияют на задержку (latency)

Для приложений с критичными требованиями к скорости (чат-боты, interactive AI) задержка состоит из двух ключевых фаз:
• Prefill + TTFT (Time to First Token) — вычислительно-ограниченная фаза, когда GPU строит KV-кеш и генерирует первый токен.
• ITL (Inter-Token Latency) — межтокеновая задержка при генерации каждого последующего токена, часто ограничивается пропускной способностью памяти.

🔹 Пропускная способность памяти (Memory Bandwidth)
• Основное «узкое место» при низких батчах: скорость загрузки весов и KV-кеша из глобальной памяти.
• У NVIDIA A100 HBM2e достигает 1.6 TB/s (40 GB) и 2.0 TB/s (80 GB) — это помогает минимизировать межтокеновую задержку.

🔹 CUDA-ядра (FP32/FP16 throughput)
• Отвечают за операции FMA при prefill и TTFT.
• В A100 их 6912, что обеспечивает до 19.5 TFLOPS в FP32 и 156 TFLOPS в TF32, ускоряя расчёт первых токенов.

🔹 Tensor-ядра (mixed-precision ускорение)
• Специализированы на матричных операциях с низкой/смешанной точностью.
• Третье поколение Tensor-ядер A100 выдаёт до 312 TFLOPS в FP16 и обеспечивает 16× ускорение по сравнению с FP32 на обычных CUDA-ядрах, критично для throughput и минимизации задержки на длинных последовательностях.

3️⃣ Рекомендации по оптимизации

• KV-caching — кэширование ключей/значений для избежания повторных расчётов.
• Квантование (INT8/INT4) — уменьшение объёма памяти и ускорение операций.
• Параллелизм и батчинг — рост пропускной способности (throughput), при этом важно балансировать с требованиями к latency одиночного запроса.

🚀 Вывод:

Стоимость инференса LLM складывается из вычислительных ресурсов (GPU/CPU), объёма обрабатываемых токенов и требований к скорости отклика. Грамотный выбор архитектуры, оптимизация ПО и правильный баланс между собственной инфраструктурой и облачными сервисами помогут найти оптимальное сочетание качества, скорости и стоимости.

#инференс #экономикаИИ #LLM

🚀 ©ТехноТренды

#анонс
X юбилейная конференция
«ЦИФРОВАЯ ИНДУСТРИЯ ПРОМЫШЛЕННОЙ РОССИИ» (ЦИПР)

Даты проведения: 2–5 июня 2025 года

Место: Нижний Новгород, выставочный комплекс «Нижегородская ярмарка» и молодежный центр «Высота»

Регистрация открыта до 25 мая 2025 года.

ЦИПР — крупнейшая экспертная площадка России в области цифровой экономики, входящая в топ-5 ключевых мероприятий отрасли. В 2025 году конференция отмечает 10-летний юбилей, объединяя лидеров бизнеса, стартапов, науки и цифрового искусства для трансляции инновационных практик и технологий.

Основные темы:

✅ Цифровизация промышленности — внедрение AI, IoT и роботизации.
✅ Искусственный интеллект — этика, регулирование и кейсы внедрения.
✅ Кибербезопасность — защита данных в условиях санкций.
Импортозамещение — развитие отечественных IT-решений.
✅ Big Data и нацпроект «Экономика данных» — аналитика для промышленности.

Всего запланировано более 100 сессий по различным направлениям. Подробности — в официальной программе конференции (pdf).

Сопутствующие события:

👉 Глобальный цифровой форум (5–6 июня) — международные тренды.
👉 Техно-фестиваль «Тех-френдли уикенд» (5–8 июня) — интерактивные мастер-классы.
👉 CIPR Digital Awards (2 июня) — премия за лучшие цифровые проекты.

Как стать делегатом?
Участие предусмотрено по 3 пакетам: : СТАНДАРТ, VIP, SUPER VIP. Детали см. в документе УСЛОВИЯ УЧАСТИЯ (pdf).

🔥 Для преподавателей и аспирантов предусмотрено льготное участие по промокоду.
🔥 Представители госструктур и студенты очной формы обучения: участие в конференции по пакету СТАНДАРТ бесплатное. Бесплатное участие также доступно для вузов-партнёров по квоте.

Для получения промокода необходимо направить запрос на info@сірr.ru в формате: ФИО, должность, организация.

Как стать спикером?
Направьте запрос на почту speaker@cipr.ru — при заинтересованности программная дирекция свяжется с вами напрямую.

Экспертные активности:
⚡️ Хакатоны и питчинг-сессии для стартапов.
⚡️ Выставка NFT-искусства.
⚡️Дискуссии по регулированию цифровых инициатив.

Присоединяйтесь к сообществу, определяющему будущее цифровой промышленности России!

Подробности на официальном сайте: https://cipr.ru/

#конференция

🚀 ©ТехноТренды

Сегодня мы решили спросить у искусственного интеллекта, что он считает самыми важными IT-событиями прошедшей недели.

🔥Итак, встречайте ТОП-5 новостей от ИИ за 14-21 апреля 2025 года!

1️⃣ Гуманоидные роботы участвуют в полумарафоне в Пекине. 19 апреля в Пекине состоялся первый в мире полумарафон с участием 21 гуманоидного робота. Роботы, разработанные компаниями Noetix Robotics и Unitree Robotics, преодолели дистанцию в 13 миль. Несмотря на падения и столкновения, один из них — Tien Kung Ultra — успешно финишировал за 2 часа 40 минут. Мероприятие направлено на популяризацию робототехники в Китае.

2️⃣ Китай активно внедряет «воплощённый ИИ» в повседневную жизнь. В городах Китая, таких как Шэньчжэнь, активно используются технологии «воплощённого ИИ»: дроны Meituan доставляют еду, а гуманоидные роботы работают в общественных местах. Правительство поддерживает развитие ИИ и робототехники для решения демографических проблем и усиления технологического сектора. Особое внимание уделяется разработке отечественных ИИ-моделей, таких как DeepSeek R1.

3️⃣ Южная Корея создаёт альянс для развития гуманоидной робототехники. 10 апреля в Сеуле был запущен альянс K-Humanoid Alliance, объединяющий правительство, университеты и компании, включая LG Electronics и Doosan Robotics. Цель альянса — вывести Южную Корею в лидеры по производству гуманоидных роботов к 2030 году. Альянс сосредоточится на разработке аппаратного и программного обеспечения для гуманоидных систем. ​

4️⃣ Автоматизация в США ускоряется из-за торговых пошлин. После введения новых тарифов администрацией Трампа в начале 2025 года, компании в США активизировали внедрение роботов. Компания Formic, предоставляющая роботов по модели «роботы как услуга», зафиксировала рост использования своих решений на 17% в январе-феврале, особенно в пищевой промышленности. Автоматизация помогает компаниям справляться с ростом затрат и нестабильностью поставок.

5️⃣ Глава DeepMind предсказывает появление ИИ общего назначения в ближайшие 5–10 лет. Демис Хассабис, CEO Google DeepMind, заявил, что ИИ общего назначения (AGI) может быть создан в течение 5–10 лет. AGI способен решать научные задачи на уровне или выше человеческого. Хассабис подчеркнул необходимость международного сотрудничества и этических норм для безопасного развития AGI. Он также отметил, что достижения, такие как AlphaFold, являются шагами на пути к AGI. ​

💬 А как по-вашему, ИИ правильно определяет тренды? Пишите в комментариях!

#дайджест #новости #ChatGPT

�� ©ТехноТренды

АО «НИИЭТ» приглашает специалистов в области микроэлектроники, разработчиков встраиваемых систем, инженеров, студентов технических специальностей и всех, кто интересуется современными микроконтроллерами, на онлайн-семинар «Быстрый старт микроконтроллера К1921ВГ015» 🔲

📏 В ходе мероприятия специалисты АО «НИИЭТ» представят возможности 32-разрядного ультранизкопотребляющего микроконтроллера К1921ВГ015 на базе архитектуры ядра RISС-V для гражданского рынка, разработанного и произведенного институтом.

На семинаре будут рассмотрены:
🔹Конкурентные преимущества К1921ВГ015: почему RISC-V – архитектура будущего, и какие преимущества дает использование нашего микроконтроллера на гражданском рынке.
🔹Быстрый старт: как начать работу с К1921ВГ015, какое ПО использовать и с чего начать разработку.
🔹Успешные кейсы применения: примеры реальных проектов, в которых успешно используется микроконтроллер К1921ВГ015 для применения в приборах учета электроэнергии и энергоносителей.

🔗 Не упустите шанс узнать о передовой разработке российской электроники – переходите по ссылке и регистрируйтесь ➤➤

В продолжение поста про локализацию GPU. Мы тогда подняли вопрос: можно ли считать собранный в России GPU с иностранным чипом (Nvidia) отечественным продуктом?

И вот на выствке #ExpoElectronica2025 подоспело предложение. Объявлено о введении новой балльной системы оценки производителей электроники. Проект ВНИИР предусматривает изменения в постановлении №719 «О подтверждении производства российской промышленной продукции».

🔸 Баллы против «переклейки»

Авторы идеи развивают нашу мысль про бо’льшую локализацию IT. Выпущенные в РФ интегральные схемы должны признаваться российскими лишь при наборе определенного количества баллов, вместо прежних двух уровней. Баллы будут начисляться за применение сложнофункциональных блоков собственной разработки, использование российского ПО и другие аспекты.

Тем самым хотят поставить заслон практике «переклейки» (когда покупают noname-китайца и лепят на него шильдик «Сделано в РФ») и создать стимул для развития российских разработок. Просто так перепродавать не годится. Нужно создавать добавленную стоимость.

🔸 Баллы и баксы: а что у нас с инвестициями в микроэлектронику?

Чтобы создать добавленную стоимость, надо сначала вложить. Сравним объемы инвестиций по ключевым странам (2024–2025 гг.):

🇺🇸 США — $52.7 млрд (общий объём господдержки по CHIPS Act (2022–2026), включая субсидии TSMC, Intel и Samsung для строительства заводов).

🇨🇳 Китай — $143 млрд (господдержка с 2020 года, включая субсидии SMIC и Huawei).

🇪🇺 Евросоюз — €43 млрд (бюджет European Chips Act до 2030 года). Цель — 20% мировой доли в производстве.

🇷🇺 Россия — ₽3.2 трлн / $35 млрд (программа развития до 2030 года). Реально вложили пока ₽450 млрд ($5 млрд). «Ангстрем-Т» и «Микрон» получат ₽120 млрд на модернизацию (нормы 28–65 нм). «Байкал Электроникс» привлек ₽15 млрд частных инвестиций в чипы для серверов.

С одной стороны, у нас не так уж и мало, с другой — заметен фокус на импортозамещении устаревших норм.

За годы пандемии и санкций российская IT-отрасль продвинулась в компетенциях, но о многих перспективных разработках потенциальные инвесторы даже не знают. Пока что выгоднее пиарить «фасадные» проекты вроде сборки серверов на Intel под российским брендом, чем развивать свое и инвестировать в НИОКР. Изменить ситуацию и призвана новая система баллов.

🔸 Вопросы и вызовы

Есть у проекта и «подводные камни»: возможное усложнение сертификации из-за бюрократии и нехватка кадров для разработки СФ-блоков необходимого уровня.

Но любая система — не волшебная палочка, а инструмент. Как всегда, всё работает в комплексе. Успех новой инициативы зависит от двух вещей:
🎯 будет ли контроль за «накруткой» баллов (вспомним историю с «российскими» смартфонами на Qualcomm),
🎯 подтянутся ли на сертификаты частные инвестиции и госзаказы. Китай, например, 15 лет субсидировал SMIC, прежде чем тот освоил 7 нм техпроцесс.

🔸 Что это значит для отрасли?

Для крупных предприятий — дополнительный стимул перейти от «отверточной» сборки к реальным заводам, к экспертизе, подготовке специалистов, своим дизайн-центрам. Весь мир идет по этому сценарию. Но без госзаказа (как у «Эльбруса») риски весьма высоки.

Для стартапов — баллы могут стать путевкой в жизнь. Многие лаборатории получат новые возможности для продвижения и коммерциализации своих разработок.

👉 Например, в случае с GPU уровень локализации достаточно высок. Платы и компоненты выпускаются в России, только чипы импортируются — но их производят всего несколько компаний в мире, и не факт, что с ними надо пытаться конкурировать. Бум LLM может пройти, на смену GPU придут другие устройства (те же NPU, TPU). Соответственно, громадные инвестиции в создание своих GPU не обязательно нужны.

Зато, если мы активно будем развивать дизайн-центры GPU-карт (чего сейчас почти нет), то со временем появятся специалисты, способные двигать отрасль в новых, более актуальных направлениях.

#микроэлектроника #IT #импортозамещение

🚀 ©ТехноТренды

Стартовал приём статей для публикации в научном журнале международной конференции по искусственному интеллекту - AI Journey

Приз за лучшую статью - 1 миллион рублей!
Ключевые исследования будут опубликованы в специальном выпуске журнала «Доклады Российской академии наук. Математика, информатика, процессы управления» и его англоязычной версии Doklady Mathematics. Издание выходит на площадках мировых электронных библиотек и индексируется в крупнейших библиографических базах научного цитирования

Подайте заявку до 20 августа и получите возможность не только опубликовать статью, но и представить свое исследование на площадке конференции AI Journey 2025 и побороться за денежный приз!

Работа может быть написана на русском или английском языке, а также не должна содержать ранее опубликованные материалы

Подать заявку и подробнее ознакомиться с Правилами отбора статей можно на сайте AI Journey

Мы недавно писали, что для развития ИИ-индустрии России необходимо 70000 GPU, как минимум A100, а лучше H100.

«Оригинальная» Nvidia H100 стоит ~3 млн рублей. Получается, на всю AI-отрасль придется потратить около 210 млрд.

Как оптимизировать затраты и заодно развить свою микроэлектронику?

Nvidia продает чипы OEM-производителям (PNY, ASUS, Gigabite и др.). Те проектируют свои платы, делают разводку, устанавливают компоненты и чипы и продают в розницу. Выходит дешевле «оригинала» примерно в 1,5 раза.

На фото — готовый чип Nvidia H100. Такие чипы можно заказывать у OEM-фирм в среднем по $10-12 тыс. (~1 000 000 рублей) и на отечественных мощностях выпускать готовые GPU для установки в корпус.

Не импортозамещение? Да. НО при этом в экономике страны остается дополнительно 70 млрд рублей, инвестированных в микроэлектронику. Получается хоть частичная, но локализация производства. А со временем научимся делать и отечественные чипы GPU (такие уже есть, сделаем обзор).

#ExpoElectronica2025 #фото

🚀 ©ТехноТренды

Аппарат по промышленной отмывке печатных плат от производных (пасты) после установки компонентов. Технологии очистки, позволяющие эффективно удалять остатки припоя и прочие загрязнения, что повышает долговечность и функциональность печатных плат. Поставку осуществляет компания «Диполь».

#ExpoElectronica2025 #фото

🚀 ©ТехноТренды

Решения на базе СнК «СКИФ» производства зеленоградского научно-производственного центра «Электронные вычислительно-информационные системы» (НПЦ «Элвис»).

#ExpoElectronica2025 #фото

🚀 ©ТехноТренды

Скучающий робот на выставке ExpoElectronica 2025, выполняющий самую скучную и однообразную работу в мире 😅

#ExpoElectronica2025 #видео

�� ©ТехноТренды

Выставка ExpoElectronica2025 охватывает все этапы создания микроэлектронных изделий — от печати и сборки печатных плат до их очистки и контроля качества.

На видео: демонстрация работы автоматизированного припоя компонентов на печатной плате.

#ExpoElectronica2025 #видео

🚀 ©ТехноТренды

Отечественные модули связи для монтажа на печатную плату от АО «НИИМА Прогресс» (входит в ГК «Элемент»).

Группа «Элемент» представляет широкий спектр ведущих отечественных производителей, таких как «Прогресс», «Марс» и «Микрон». Холдинг демонстрирует комплексный подход к развитию микроэлектроники, объединяя различные этапы производства и поставок, что позволяет укреплять позиции российских технологий на внутреннем и международном рынках.

#ExpoElectronica2025 #фото

🚀 ©ТехноТренды

Стенд компании «Резонит». Компания производит печатные платы и осуществляет установку компонентов.

Сильное присутствие отечественных производителей, активно конкурирующих с китайскими участниками, свидетельствует о высоком потенциале отечественной микроэлектроники

#ExpoElectronica2025 #фото

🚀 ©ТехноТренды

Контроль качества печатной платы с помощью акустического микроскопа. Поверхностный акустический микроскоп для небольших полупроводников и промышленных материалов. Привлекательная цена, высокая производительность и минимальные размеры серии Acoulab-SAM.

#ExpoElectronica2025 #фото

🚀 ©ТехноТренды

Выставка становится важным событием для отрасли, способствуя обмену опытом и презентации как новых технологических решений, так и эффективных производственных процессов в сфере микроэлектроники.

На видео: загрузка ленты в машину для размещения компонентов на печатной плате.

#ExpoElectronica2025 #видео

🚀 ©ТехноТренды

Выставка ElectronicaExpo объединяет российских и зарубежных производителей и поставщиков оборудования для полного цикла производства микроэлектроники.

Одно из важнейших направлений, материальная база развития IT — производство многослойных печатных плат. На выставке представлены технологии полного цикла, включая оборудование для пайки компонентов, чистки, контроля качества.

На видео: машина по установке компонентов на печатную плату Hanwha, DECAN S2. Максимальная скорость монтажа — 92 000 компонентов в час. Контроль качества установки.

#ExpoElectronica2025 #видео

🚀 ©ТехноТренды

В московском «Крокус Экспо» 15-17 апреля проходит международная выставка ExpoElectronica — крупнейшая по количеству участников и посетителей в России и ЕАЭС.

Ключевое бизнес–событие собрало на одной площадке разработчиков, производителей и дистрибьюторов электроники, конечных пользователей, сервисные организации, интеграторов и других представителей отрасли, заинтересованных в продвижении и закупках электронных систем.

Приготовьтесь — будет целая серия постов! 🔥🔥🔥

На фото: робогуманоид H1 и робособака Go2 от китайской Unitree Robotics. Компании из Поднебесной широко представлены на выставке и демонстрируют готовность поставлять в РФ любые устройства и компоненты, даже GPU от Nvidia, что критично важно для стимуляции российского рынка высокопроизводительных вычислений.

🇷🇺 Российские производители также демонстрируют сильные позиции и активно конкурируют с китайскими аналогами. О самых интересных отечественных разработках — в наших следующих репортажах. ⬇️⬇️⬇️

#ExpoElectronica2025

🚀 ©ТехноТренды

С добрым утром! Вам к завтраку — несколько трендовых новостей IT-индустрии. ☕️

⚡️Компания Docker представила программу Docker Model Runner (доступна пока в бета-версии) для загрузки, запуска и тестирования AI-моделей прямо на локальном компьютере, без необходимости настройки сложной инфраструктуры. Модели загружаются из Docker Hub, после чего кешируются и дальше работают уже локально, как обычный контейнер. Поддержка OpenAI-совместимых API значительно упрощает интеграцию Docker Model Runner с существующими приложениями.

👉 Событие знаковое. Контейнеризация моделей через Docker указывает на переход LLM из категории экспериментальных технологий в статус де-факто стандарта разработки. LLM теперь легко встраиваются в существующие ИТ-системы наравне с традиционным ПО, что означает зрелость технологии LLM и ее переход в категорию must-have для современных цифровых решений.

⚡️ Google выкатила Firebase Studio — облачную платформу для разработки ИИ-приложений с помощью ИИ. Теперь можно разработать и задеплоить полностью работающее приложение, не написав ни строчки кода. Платформа интегрирована с ассистентом Gemini и экосистемой Google Cloud и представляет собой полнофункциональный конструктор, который быстро генерирует функциональные прототипы веб-приложений (начиная с Next.js) с помощью подсказок, изображений или даже рисунков. Gemini по запросу сам добавляет любой функционал (напр., аутентификацию пользователей), дорабатывает макет и интерфейс, изменяет алгоритмы ИИ. Доступен мгновенный просмотр результата на любом устройстве. Платформа в версии Preview доступна бесплатно всем желающим обладателям аккаунта Google.

⚡️ В Южной Корее разработан уникальный композитный наноматериал для литий-ионных аккумуляторов. Анод из инновационного композита продемонстрировал рекордную удельную емкость 1687,6 мА·ч/г−1 при плотности тока 100 мА/г−1 и «превосходную циклическую стабильность». По прогнозам, его внедрение позволит увеличить срок службы аккумуляторов до 5-10 лет, сделав их более легкими и компактными.

⚡️ Ученые из израильского Техниона нашли новый вид квантовой запутанности — впервые за последние 20 лет. Эффект, получивший название «запутанность фотонов ближнего поля в общем угловом моменте», позволит в будущем разработать новый тип квантовых компьютеров на основе фотонов — значительно более миниатюрных и мощных.

⚡️ Еще одна новость от Google: на рынок представлен Ironwood — новый TPU для инференса AI мощностью >4,5 петафлопс. На минуточку, это мощность, сопоставимая с суперкомпьютерами из мирового ТОП-50 (скажем, «Ломоносов-2» в МГУ выдает всего ~2.5 PFLOPS). Каждый чип имеет 192 ГБ выделенной оперативной памяти с пропускной способностью ~7,4 Тбит/с. Борьба за лидерство на рынке высокопроизводительных вычислений не сбавляет обороты.

⚡️ Сбербанк выпустил в релиз второе поколение нейросетевых моделей GigaChat. Версии GigaChat 2 Pro (для повседневных задач) и GigaChat 2 Max (для сложных и профессиональных) можно попробовать бесплатно на сайте, в телеграм-боте и в мессенджере Max от VK. Значительно улучшены навыки распознавания аудио и видео — модель способна понимать устную речь, акценты, фоновые шумы и музыку, обрабатывать изображения, голосовые сообщения и аудиофайлы длительностью до 60 минут и размером до 30 МБ без предварительного преобразования в текст, анализировать массивы документов (до 200 страниц формата А4 в одном диалоге). ГигаЧатом теперь «из коробки» оборудованы умные колонки Sber.

#дайджест #тренды #LLM #AI

�� ©ТехноТренды

Рынок вычислений для ИИ — мировые и российские тренды

Мы уже писали о том, что искусственный интеллект становится одним из приоритетов развития бизнеса. В свою очередь, спрос на внедрение генеративного AI вызвал в мире кратный рост рынка вычислительных мощностей.

Согласно данным аналитиков, глобальный рынок центров обработки данных (ЦОД) вырос с $187 млрд в 2020 году до $342 млрд в 2024 году. Стремительное развитие ИИ привлекает всё новые инвестиции. Например, только в 2023 году на ИИ-проекты было потрачено более $150 млрд, что стимулировало строительство новых ЦОД по всему миру.

А что у нас?
Россия не остается в стороне от общемирового тренда. По данным ассоциации «Финтех», уже к середине 2023 года 95% компаний внедрили ИИ-технологии в основные процессы. Крупные игроки, такие как «Ростелеком» и «Яндекс», инвестируют в строительство новых дата-центров и разработку собственных процессоров для ИИ. Например, «Яндекс» к 2025 году планирует увеличить мощности своих ЦОД на 30%.

Спрос на вычислительные мощности в стране продолжает расти, опережая предложение. По итогам 2024 года объем российского рынка центров обработки данных достиг 156,5 млрд рублей — на треть больше, чем в 2023-м. CAGR (среднегодовой темп роста) 30% — не самый высокий для технологичных отраслей, но рынок далек от насыщения, и есть основания ожидать, что в ближайшие годы CAGR вырастет до 45% и выше.

На фоне мировых лидеров это всё равно пока выглядит скромно. Например, в США объем рынка ЦОД в тот же период составил $120 млрд — почти в 70 раз больше, чем в России. На долю США приходится около 40% всех мировых вычислительных мощностей, тогда как РФ занимает менее 1%.

Важное преимущество для развития отрасли в России — дешевизна электроэнергии, почти вдвое ниже среднемировых цен (4,80 ₽ за кВт·ч против 8,67 ₽ за кВт·ч).

С другой стороны, мешают развитию ограниченный доступ к современным технологиям, дефицит квалифицированных кадров, высокая стоимость заемных средств (а отсюда недостаток инвестиций).

Пятилетка ударного роста
Тем не менее, эксперты отрасли настроены позитивно. По мнению вице-президента «Ростелекома» Д.Халитова, к 2030 г. мощность российских ЦОД для решения задач ИИ должна превысить эквивалент 70 000 GPU Nvidia А100.

Крупнейшие российские IT-компании сейчас суммарно владеют вычислительными мощностями, эквивалентными примерно 10 тысячам A100. (Для сравнения, в США только компания Tesla располагает массивом в 350 000 карт Nvidia H200, а каждая H200 в 15 раз мощнее A100). Т.е. парк высокопроизводительных вычислителей в РФ должен за 5 лет вырасти всемеро.

Насколько реалистична такая оценка? Надо учесть, что даже Nvidia A100 в достаточных объемах закупать сейчас не так-то просто. С 2022 года США запретили поставки в Россию и Китай современных GPU-ускорителей, а схемы параллельного импорта как следует еще не выстроены. Одним из решений может стать разработка отечественных AI-процессоров, и такие разработки уже есть. Следите за нашими публикациями!

#ИИ #AI #ЦОД #прогноз #цифры #Россия

🚀 ©ТехноТренды