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

Как тебе такое, Илон Маск? 😀 Да, это Tesla Cybertruck едет по Москве на эвакуаторе. Похоже, автопилот не справился с московским трафиком 🤔

А какие мысли родились у вас при взгляде на это фото? Напишите в комментариях! 👇

#юмор #фото #Tesla

🚀 ©ТехноТренды

Современные AI-ускорители: плюсы, минусы и перспективы нейронных и тензорных процессоров. Часть 3/3

Завершаем цикл постов (начало, продолжение). Сегодняшняя тема — интеграция AI-ускорителей с большими языковыми моделями на периферийных устройствах.

3️⃣ NPU, TPU и LLM: перспективы внедрения в Edge AI

Не все AI-ускорители могут работать с большими языковыми моделями. Чтобы чип мог «тянуть» LLM, он должен поддерживать нужные математические операции, такие как матричное умножение.

Традиционно с этим лучше всех справляются тензорные процессоры (TPU) — ради этого их и разработали. Но появились и интересные связки NPU+ARM, и даже решения на базе других платформ. Идет активный поиск баланса между мощностью и энергоэффективностью — ключевым параметром для Edge AI.

Рассмотрим несколько перспективных решений.

🔸 Ascend 910C — NPU от Huawei, который получил прозвище «убийца Nvidia A100». Чип рассчитан на обучение и инференс LLM, и может выдавать от 256 до 512 терафлопс на FP16 и INT8 соответственно. Правда, и потребляет немало — 350 Вт. Этим чипом, например, оборудованы одноплатные компьютеры Orange Pi AIPro 16Gb.
�� MLSoC — мультимодальный GenAI-чип от SiMa.ai, объединяющий процессоры ARM, NPU и DSP. Поддерживает фреймворки TensorFlow, PyTorch, ONNX и может запускать любую LLM на скорости 50-200 TOPS. В тестах типа MLPerf он оказался значительно быстрее, чем Nvidia Jetson Orin, при этом в разы энергоэффективнее.
🔸 SOPHON BM1684X — тензорный процессор, выпущенный китайской компанией SOPHGO. Поддерживает PyTorch, TensorFlow и другие основные фреймворки.
🔸 Hailo-10 — TPU для Edge AI от одноименного израильского производителя. Может запускать Llama2-7B со скоростью до 10 токенов в секунду, потребляя менее 5 Вт. Согласно тестам, обеспечивает вдвое более высокую производительность при вдвое меньшей мощности, чем Intel Core Ultra NPU.
🔸 Coral Edge TPU — семейство решений от Google. Плата M.2 с двумя TPU-процессорами для машинного обучения выполняет 4 TOPS при потреблении 2 Вт, т.е. 2 TOPS на ватт. Не так уж много, но для машинного зрения, например, вполне хватает. Один «Коралл» может обслуживать модели типа MobileNet v2 со скоростью почти 400 кадров в секунду.
🔸 Metis AI — ИИ-процессор на базе RISC-V от компании Axelera. Обеспечивает 214 TOPS при INT8 с эффективностью 15 TOPS/Вт —на 37% лучше, чем Nvidia Jetson AGX Orin. Карты PCIe AI Edge доступны в версиях с одним и несколькими чипами с общей производительностью до 856 TOPS.

👉 Комментарий по трендам, прогноз рынка

1️⃣ Как видим, разница между NPU и TPU применительно к большим языковым моделям не принципиальна. То и другое — больше про брендинг, чем про технологию. IT-гиганты разрабатывают чипы под собственные задачи, но некоторые спешат «застолбить» коммерчески-звучные названия типа тензоров.

2️⃣ Развитие всех типов AI-ускорителей движется в сторону улучшения совместимости с LLM. Тот же израильский Hailo планирует оснастить следующую версию своего процессора встроенной поддержкой LLM. Ведутся такие разработки и в России.

3️⃣ Прогнозируем установление нового стандарта: автономные устройства (дроны, роботы и т.д.), оборудованные AI-ускорителями, будут получать предустановленную LLM.

Что это даст? Способность к самообучению, снижение издержек, больше функционала и безопасности:
• беспилотные комбайны будут корректировать маршруты в зависимости от состояния посевов;
• складские роботы — оптимизировать пути объезда препятствий;
• спасательные дроны — анализировать видео в реальном времени при поиске объектов;
• промроботы — мгновенно реагировать на голосовые команды;
• медицинские сенсоры — диагностировать пациента без передачи конфиденциальных данных в «облако», и т.д.

По прогнозам, к 2030 году 75% уличных камер будут оснащены TinyLLM. А общий объем рынка Edge AI с LLM к 2028 году достигнет $142 млрд (CAGR с 2025 г. = 67%).

#тренды #прогноз #цифры #EdgeAI #LLM #NPU #TPU #IoT

🚀 ©ТехноТренды

Кибербезопасность в России: когда преступность идёт в ногу с цифровизацией

Ещё недавно мошенники звонили потенциальным жертвам под видом сотрудников банка и выспрашивали данные по карте — казалось, это верх изощрённости. Сегодня методы киберпреступников ушли далеко вперёд. Масштабы впечатляют: МВД оценивает число так называемых дропперов и их кураторов в 2 миллиона человек. Это 1% населения — крупнейший «работодатель» страны, если задуматься.

По данным TAdviser, 40,25% всех преступлений в России совершаются в сфере киберпреступности. То есть каждое второе преступление скоро может быть цифровым. По данным РБК, финансовые потери от кибератак составляют миллиарды рублей ежегодно. При этом используются новейшие инструменты: deepfake, искусственный интеллект, социальная инженерия, взлом биометрических систем и уязвимостей ПО.

Из свежего отчёта SearchInform на Habr следует:
• В 2024 году в России было зарегистрировано 684 тыс. киберпреступлений, рост составил 12% по сравнению с 2023 годом.
• Средний ущерб от одного киберпреступления — 150 тыс. рублей.
• 80% атак — это социальная инженерия, фишинг, подмена личности.
• Только 2–3% таких дел доходят до суда — крайне низкий уровень раскрываемости.

SecurityLab также подтверждает — атаки становятся всё более изощрёнными, особенно против бизнеса и госсектора. Мошенники используют zero-day уязвимости, таргетированные атаки, вредоносное ПО, скрывающееся от традиционных антивирусов.

Что происходит системно?

Киберпреступность становится неотъемлемой частью цифровизации. Вовлечённость населения в онлайн стремительно растёт: согласно недавним исследованиям, доля населения, использующего интернет для заказа товаров и услуг, увеличилась с 15,3 % в 2013 году до 61,3 % в 2023 году, что подтверждает рост электронной коммерции и изменения в поведении потребителей. Ударными темпами идёт и цифровая трансформация государства: онлайн-документы, госуслуги, биометрия, дистанционные процедуры... Но параллельно ускоряется и преступный сегмент. Информационная безопасность не успевает за ростом цифровизации.
• Уровень образования населения в сфере ИБ низок.
• Вход в преступные схемы для потенциального правонарушителя — простой и с минимальными рисками.
• Раскрываемость преступлений ничтожно мала.
• Законодательство не всегда успевает реагировать на новые виды мошенничества.

Если 2 млн человек задействованы в киберпреступности, это не просто цифра — это симптом социальной и технологической диспропорции. Экономика, правоохранительная система и образовательная база не справляются с вызовом времени.

Вывод:
Сегодня кибербезопасность — это уже не только забота IT-отделов предприятий, это вопрос национальной безопасности. Пока «цифра» растёт, но безопасность буксует, мы будем видеть новые формы киберпреступности. Решение? Масштабное просвещение, системные реформы, усиление правовой базы и технологическая трансформация самого подхода к ИБ.

#план #инфобез #цифры #тренды #кибербезопасность

🚀 ©ТехноТренды

Фонд Содействия Инновациям (https://fasie.ru/)

Стартует новый грантовый сезон.

Уже объявлен конкурс «Студенческий стартап»
В рамках конкурса будет определено 2500 победителей, которые получат
по 1 млн рублей на развитие своего проекта.

В конкурсе могут принимать участие студенты и аспиранты как физические лица🥳

Конкурсные тематики:
🎓цифровые технологии
🎓медицина и здоровье
🎓новые материалы и химические технологии
🎓новые приборы и производственные технологии
🎓биотехнологии
🎓ресурсосберегающая энергетика
🎓креативные индустрии

В рамках проекта необходимо создать прототип продукта/технологии/услуги, который можно протестировать.

Этот грант может дать ресурсы для стартапа ранней стадии, денег не бывает много или мало, но по моему опыту - «деньги идут к деньгам», возможности за возможностями, и когда появляется первая такая возможность и начинается активная деятельность, включаются дополнительные ресурсы, например, родных ВУЗов, стартап студий, акселераторов, потом и инвесторы подтянутся, ну или все закончится, но попытка будет сделана и опыт (на деньги государства) будет получен!

В молодом возрасте надо пробовать и пытаться реализовать свой стартап с большим усердием, пока еще нет ипотеки-)

1 млн это небольшая сумма, но достаточная для разработки MVP, также она может быть хорошей добавкой к уже выделяемому на проект бюджету.

Много денег🏦 - враг инноваций🛠 и стартапов🦄

Используйте методику lean-стартапов.

Рекомендую поучаствовать всем, кому этот конкурс подходит!

На подходе конкурсы «Старт» от ФСИ и там уже есть возможности для участия не только для студентов! Гранты бесплатный источник финансирования, с определенными требованиями, бюрократией, конкурсным отбором, но БЕСПЛАТНЫЙ!!!

К Конкурсам надо готовиться заранее, выходные на подумать и с понедельника начинаем готовить заявки!!🗓

#пользастратапу #помогисебесам #источники_инвестиций #мудрости

Современные AI-ускорители: плюсы, минусы и перспективы нейронных и тензорных процессоров. Часть 2/3

Возвращаемся к теме, которую начали позавчера. Сегодня поговорим о тензорных процессорах.

2️⃣ TPU (Tensor Processing Unit)

TPU — специализированная интегральная схема (вариант архитектуры ASIC), разработанная компанией Google специально для нейронных сетей. Тензорные процессоры (сюрприз!) оптимизированы под работу с тензорами — многомерными массивами данных, которые составляют основу большинства современных моделей глубокого обучения.

👉 Ключевые особенности TPU:
• Наличие матричного умножителя (MXU) — модуля, который с невероятной скоростью выполняет операции умножения матриц и векторов, что очень важно для обучения и инференса LLM или распознавания изображений.
• SparseCore — специализированный ускоритель для обработки сверхбольших встраиваемых моделей, которые часто используются в продвинутых задачах ранжирования и рекомендаций.
• Запатентованная топология интерконнекта (способ связывания узлов в вычислительном кластере, который в случае с TPU обеспечивает высокую скорость при минимальных задержках отклика).

⚡️ При этом TPU весьма энергоэффективны. Производительность в расчете на ватт в рабочем режиме у процессоров семейства Google TPU в 25–80 раз выше, чем у CPU или GPU. Отдельный сопроцессор Edge TPU может выполнять 4 триллиона операций в секунду (4 TOPS), потребляя всего 2 Вт энергии.

👉 Примеры использования TPU
Если NPU чаще встречаются в мобильных и встроенных системах, то TPU чаще используются в облачных вычислениях и крупных вычислительных кластерах.
• Google начала применять тензорные процессоры в 2015 году для собственных исследований в области машинного обучения, а впоследствии — для оптимизации фреймворка Google Tensorflow. Популярность фреймворка также способствовала успеху архитектуры.
• TPU использовались для извлечения текста из фотографий Google Street View, а в «Google Фото» один тензорный процессор мог обрабатывать более 100 миллионов фотографий в день.
• В 2018 году «корпорация добра» сделала TPU общедоступными через свою облачную платформу Google Cloud. Такие продукты Google, как Gmail, Поиск и Переводчик, работают на специализированных облачных TPU.

👉 Применяются эти ускорители и в устройствах Edge AI. Например, чипами TPU оснащаются вычислительные шлюзы (Intelligent edge computing gateway). Это устройства, которые обеспечивают мощную производительность периферийных вычислений для интеллектуального анализа данных и машинного зрения на базе ИИ.
Некоторые области применения таких шлюзов:
🔸 Промышленность: сбор, вычисления и передача данных на интеллектуальных фабриках.
🔸 Энергетика: мониторинг расхода и обработка данных для управления энергией на электростанциях.
🔸 «Умный город»: энергетический мониторинг зданий, сооружений и заводов.
🔸 Интернет вещей: сбор и пересылка данных, удаленный мониторинг и управление, а также проникновение в интранет для полевых ПЛК, систем управления дронами, различных контроллеров, датчиков приборов.

#TPU #ML #IoT #EdgeAI #Google

🚀 ©ТехноТренды

🔲Чип Микрона уверенно управляет «Тройкой», пока кучер... осваивает новую профессию с "Путь инженера"!

🚍 9% участников теста в честь Дня рождения Тройки считают, что Тройкой управляет кучер.... Похоже, где-то по Москве всё ещё мчит карета, а кучер бодро объявляет: «Оплата Тройкой, кешбэк счастливыми подковами!»😆🤭

Средний процент правильных ответов по всем вопросам 62.91% — отличный результат! 💡

Ловите стикеры с Тройкой от Микрона! ✌️

Хотите узнать больше о производстве транспортной карты? Приходите увидеть своими глазами: https://www.tour.mikron.ru/

#Микрон #Тройка #MSP

⬆️⬆️⬆️ К предыдущему посту — текст апрельского выпуска Technology Radar vol.32 (2 апреля 2025) в формате PDF на 🇬🇧 английском языке.

Кстати, если внезапно вы не владеете английским языком (мы уверены, что среди наших читателей таких нет, но мало ли вдруг) — бесплатный сервис перевода PDF с английского на русский при сохранении структуры документа.

#дайджест #TechnologyRadar

Ненадолго отвлечемся от темы AI-ускорителей — у нас экстренное включение 🔥⚡️😉

Сайт Technology Radar от международной консалтинговой компании ThoughtWorks выпустил свой очередной «opinionated guide» по современному технологическому ландшафту. В свежем выпуске собраны самые актуальные тренды и рекомендации для профессионалов IT-индустрии.

Главные темы «Радара» за 2 апреля 2025:

👉 Один из новых трендов — всплеск интереса к инструментам для мониторинга и оценки производительности LLM, таким как Weights & Biases Weave, Arize Phoenix, Helicone и HumanLoop.
Еще одна тенденция — использование ИИ для улучшения анализа и получения более полной информации. Растет распространение OpenTelemetry (ее теперь поддерживают многие ведущие инструменты, включая Alloy, Tempo и Loki), что способствует более стандартизированному подходу к наблюдаемости, позволяя командам не зависеть от поставщиков и быть более гибкими в выборе инструментов.

👉 Отмечаются новые подходы к CI/CD, автоматизации тестирования и управлению качеством кода. Быстро растут возможности AI-ассистентов. Современные инструменты позволяют разработчикам управлять реализацией непосредственно из AI-чата в своей IDE. Лидеры в сфере IDE-интегрированных приложений — Cursor, Cline и Windsurf, развивается также GitHub Copilot.
Другой яркий пример — «агентные» помощники (напр., aider, goose и Claude Code), по сути, настоящие ИИ-программисты, которые выполняют многоэтапные задачи на основе подсказок высокого уровня. Они научились анализировать и изменять код, обновлять тесты, выполнять команды и даже активно исправлять ошибки компоновки и компиляции.

Однако есть и риски. LLM продолжают галлюцинировать, а разработчики впадают в самоуверенность, пристрастившись к генерации кода путем голосовых команд. «Радар» рекомендует проявлять ответственность и бдительность при работе с искусственным интеллектом.

👉 Рост популярности решений с использованием #RAG (retrieval-augmented generation). Одно из ключевых взаимодействий с «черным ящиком» LLM — настройка входных данных для создания релевантных и полезных ответов.
Команда «Радара» анализирует новые инструменты поиска:
   • Corrective RAG, который динамически корректирует ответы на основе обратной связи или эвристики;
   • Fusion-RAG, который объединяет несколько источников и стратегий поиска;
   • Self-RAG, который полностью исключает этап поиска, извлекая данные по запросу;
   • FastGraphRAG, который упрощает понимание за счет создания графиков, удобных для восприятия человеком.

👉 ИИ до сих пор не решил некоторые из самых больших повседневных проблем — например, постоянные сбои в работе кроссплатформенных фреймворков. Но и здесь идет прогресс. «Радар» рассматривает как свежие разработки, так и привычные инструменты, позволяющие создавать гибкие и масштабируемые приложения.

Например, интерфейсы командной строки (CLI) процветают даже с появлением графических интерфейсов, AI-чатов и автоматизации проверки кода. Причина — в скорости работы, контроле и прозрачности. Новое поколение инструментов CLI, такие как uv и MarkItDown, доказывают адаптивность старых технологий в меняющемся мире.

👉 Интересные изменения происходят и в языках программирования. Набирают популярность новые языки, такие как Gleam. Другие, такие как Swift, расширяют сферу своего применения далеко за пределы изначальных экосистем. В частности, Swift играет важную роль в средах с ограниченными ресурсами, где производительность, надежность и безопасность памяти важны как никогда.

👉 Особый раздел посвящен технологиям, которые имеют большой потенциал, но еще требуют глубокого изучения. «Радар» на своей знаменитой круговой диаграмме оценивает продукты по четырем категориям:
• Adopt: проверенные решения, можно смело внедрять.
• Trial: успешно прошло пилотное тестирование, заслуживает внимания.
• Assess: стоит присмотреться, но нужны дополнительные проверки и эксперименты.
• Hold: не спешите — технология слишком сырая либо устарела.
Таким образом, можно быстро узнать, на чем сфокусироваться, а что не стоит внимания.

#дайджест #TechnologyRadar

Современные AI-ускорители: плюсы, минусы и перспективы нейронных и тензорных процессоров. Часть 1/3

👉 В спецификациях устройств сегодня часто встречаются сочетания «NPU acceleration» или «TPU coprocessor». Что это за очередные волшебные слова из трех букв? Давайте разбираться.

Быстрое развитие искусственного интеллекта и больших языковых моделей (LLM) предъявляет растущие требования к производительности при обработке огромных массивов данных и к энергоэффективности «железа». Традиционные CPU не умеют в параллельные вычисления, а GPU умеют, но стоят дорого и потребляют много энергии. Передовые архитектуры, такие как ASIC, ARM и RISC-V, гораздо экономичнее, но имеют ограничения по производительности в задачах, связанных с обучением и развертыванием GenAI. Поэтому их всё чаще дополняют специализированными ускорителями — нейронными (NPU) и тензорными (TPU) процессорами.

Рассмотрим обе эти архитектуры, а потом сделаем некоторые практические выводы и прогнозы.

1️⃣ NPU (Neural Processing Unit)

Нейронные процессоры называются так, потому что их архитектура имитирует нейронную сеть человеческого мозга, за счет чего хорошо справляется с параллельными вычислениями. NPU также способны обучаться на основе накопленных данных, чтобы со временем находить оптимальные решения, что полезно для глубокого машинного обучения (ML).

Первые NPU, выпущенные в 2015 году, были основаны на свёрточных нейронных сетях (CNN) и предназначались для использования в сфере аудио- и речевых технологий ИИ. С тех пор архитектура постоянно развивается параллельно с развитием ИИ, особенно в области вывода данных на периферийных устройствах (Edge AI). Ключевые производители NPU — Huawei, Nvidia, Intel, Qualcomm, Apple.

Задачи ИИ в основном сводятся к обсчету слоев нейронной сети — скалярной, векторной и тензорной математике — с последующей нелинейной функцией активации. NPU разработан так, чтобы оптимизировать рабочие нагрузки при решении этих задач, а значит, потреблять меньше энергии. Этому способствуют его технические особенности: кэш-память на кристалле, память с высокой пропускной способностью и т.п.

👉 Применение NPU
Современные NPU способны выполнять триллионы операций в секунду, и активно конкурируют с графическими процессорами там, где важна компактность, автономность и экономичность.

Уже существует довольно много решений, где модулем NPU усилен основной процессор на базе ARM и RISC-V: смартфоны, планшеты, SBC. Применяются нейропроцессоры и отдельно в устройствах Edge AI: носимых устройствах, «мозгах» роботов, инфраструктуре «умных» городов и пр.

Еще более перспективны NPU в гетерогенных вычислениях, где их функционал сочетается с центральным и графическим процессорами. Несколько примеров:
🔸 Обработка изображений и видео в системах видеонаблюдения или медиаиндустрии. CPU управляет общей логикой приложения, потоками данных и интерфейсами; GPU в реальном времени выполняет преобразование изображений, фильтрацию, кодирование/декодирование видеопотока; NPU отвечает за работу ИИ, например, при распознавании, добавлении или удалении объектов на видео.
🔸 Финансовые технологии (FinTech). CPU управляет бизнес-логикой и взаимодействием с пользователем; GPU занимается анализом данных, отслеживанием трендов; NPU — финансовым прогнозированием, оценкой кредитных рисков, выявлением мошенничества, анализом корреляционных моделей.
🔸 Медицина и биоинформатика (анализ генетических данных, диагностика, прогнозирование заболеваний). CPU управляет процессами обработки информации, взаимодействием с базами данных; GPU анализирует изображения с МРТ и других медицинских устройств; NPU используется для машинного обучения и классификации данных, например, для ранней диагностики заболеваний «по картинке».
🔸 Гетерогенные связки с участием NPU востребованы и в таких областях, как виртуальная реальность, беспилотный транспорт, игровая индустрия.

#NPU #ML #IoT #EdgeAI

Городская инфраструктура для IoT в 2025 году

Несмотря на снижение интереса к термину «интернет вещей» в последние несколько лет, масштабирование IoT-технологий в городской инфраструктуре набирает обороты. Технология уже прошла от хайпа к принятию в отрасли и повсеместному использованию. Сегодня ключевую роль в этом процессе играет NB‑IoT — технология узкополосной сотовой связи с низким энергопотреблением (LPWAN), предназначенная для работы с большим количеством маломощных устройств на больших расстояниях.

С 7 октября 2024 года протокол NB‑IoT утвержден в качестве российского национального стандарта,  обновив собой существующий ГОСТ, разработанный в 2020 году.

NB-IoT использует часть стандарта LTE (Long-Term Evolution). Узкая полоса пропускания (200 кГц или менее) позволяет NB‑IoT качественно работать в условиях высокого уровня помех и шума, что делает этот стандарт идеальным выбором для интернета вещей #IoT, которому требуется низкая пропускная способность, длительное время автономной работы и низкая стоимость подключения.

👉 Одно из ключевых преимуществ NB-IoT — способность обеспечивать связь на больших расстояниях: до 10 км в городской черте и до 40 км на открытой местности, что значительно больше, чем у других технологий LPWAN. Это делает его эффективным в целом ряде сфер:
   • «умный город»,
   • доставка,
   • здравоохранение,
   • сельское хозяйство,
   • сервисные роботы,
   • промышленная автоматизация,
   • отслеживание объектов (например, домашних питомцев или личного транспорта),
   • мониторинг окружающей среды и др.

👉 Еще одним ключевым преимуществом NB-IoT является энергоэффективность: технология значительно снижает потребление энергии конечными устройствами. С другой стороны, если протокол работает в лицензированном спектре частот, устройства должны часто синхронизироваться с сетью, что расходует батарею.

Другие преимущества NB-IoT:
👉 Высокая плотность соединения. NB-IoT предназначен для поддержки до 100 тысяч устройств в одной ячейке, что в десятки раз превышает возможности существующих стандартов мобильной связи.
👉 Быстрое обновление сети. Технология NB-IoT обратно совместима с существующими сетями 4G и 5G, что упрощает ее интеграцию в существующую инфраструктуру.
👉 Низкая стоимость по сравнению с другими технологиями связи для интернета вещей. Эта особенность делает NB-IoT привлекательным для решений, требующих большого количества устройств.
👉 Скорость передачи данных. Средняя скорость в сетях NB-IoT — 200 Кбит/с, что достаточно много и подходит для сложных задач, таких как управление роем роботов.
👉 Улучшенный охват. Протокол обеспечивает улучшенное покрытие и качество сигнала, что делает его идеальным в отдаленных районах или под землей.
👉 Надежность. Протокол использует передовые методы исправления ошибок, что обеспечивает точную и бесперебойную передачу данных даже в сложных условиях.
👉 Повышенная безопасность, включая аутентификацию и шифрование, для защиты устройств от киберугроз.

Примеры использования NB-IoT:
🔸Умные датчики, которые применяются для снижения уровня травматизма на производстве. Носимые устройства отслеживают местоположение сотрудника и оповещают о его перемещении в опасную зону.
🔸SIM-карты с поддержкой NB-IoT, встраиваемые в городские терминалы проката, например, велосипедов или самокатов. Таким образом можно не только защитить транспорт от угона, но и получать актуальную информацию о его техническом состоянии.
🔸 Интеллектуальные системы для роботов геологоразведки, позволяющие вести подземные изыскания в удаленных местностях.

🚀 Кстати, с января 2025 года в РФ принят еще один стандарт для устройств IoT — протокол спутниковой связи на основе технологий LoRa и LoRaWAN, регулирующий обмен данными в низкоорбитальных системах и их совместимость с наземными системами интернета вещей. Это особенно важно для контроля и управления роботизированными комплексами и БПЛА  различного назначения за пределами прямой видимости, в том числе в труднодоступных районах.

#ГОСТ #интернет_вещей #роботизация_промышленности #умный_дом #умный_город

�� ©ТехноТренды

Канал ТехноТренды анализирует опыт индустрии, перспективные технологии и ключевые векторы развития. Представляем вам #дайджест самых интересных публикаций за март:

⚡️ Edge AI против «облаков». Обзор актуальных процессорных архитектур для запуска ИИ на периферийных устройствах: SBC • ARM • RISC-V • сравнения и выводы.
⚡️ Как высокие технологии меняют гостиничный бизнес: роботы-доставщики и кибер-официанты.
⚡️ Команда DeepSeek может зарабатывать миллиарды на опенсорсной LLM, но не делает этого — почему? Кое-что о бизнес-составляющей рынка искусственного интеллекта.
⚡️ Медицинские AI-ассистенты: тренды и вызовы. Как ИИ облегчает и усложняет работу врачей.
⚡️ Обзор мирового рынка GenAI: в каком направлении движется развитие больших языковых моделей?
⚡️ Микроробототехника — одна из перспективных технологических отраслей. Разработки нано- и микроботов идут по всему миру.
⚡️ Как генеративный искусственный интеллект освещал Открытый чемпионат США по теннису: опыт внедрения LLM в спортивной медиаиндустрии.
⚡️ Обмен данными в кластере высокопроизводительных вычислений (HPC): объясняем про технологию Infiniband.
⚡️ Знаковые IT-ивенты этой весны: форумы, саммиты, конференции, даты, адреса, пароли, явки.

🎯 Следите за Технотрендами — держите руку на пульсе прогресса! 🤖

Обзор локальных архитектур для больших языковых моделей. Часть 4/4

4️⃣ Сравнения и выводы

👉 Развитие ИИ остается ключевым драйвером роста для всех трех архитектур.
⚡️ ARM активно захватывает рынок процессоров, неумолимо вытесняя x86. Архитектура сейчас господствует в high-end сегменте (Apple M4, Snapdragon Elite от Qualcomm и т.п.).
⚡️ RISC-V догоняет лидера, усиливая свои позиции, причем не только в интернете вещей, но и в других отраслях, таких как транспорт и связь. Росту способствуют открытость архитектуры и низкая стоимость (прогноз: 20% рынка к 2027).
⚡️ Микро-ПК набирают популярность как настольная платформа для GenAI, обеспечивая приличный инференс на устройствах с низким энергопотреблением. Наличие модулей NPU/TPU становится стандартом даже в бюджетных SBC.

👉 Энергоэффективность CPU в Edge AI является сегодня определяющим трендом.
Здесь вне конкуренции RISC-V. Новый процессор Micro Magic на базе RISC-V выдает 55,000 баллов CoreMark на ватт при потреблении около 0.2 Вт.
Сравните с другими архитектурами:
• Apple M1 (ARM) — 100 баллов на ватт при энергопотреблении около 15 Вт;
• Intel Core i9-11980HK (x86) — те же 100 баллов, но при потреблении около 35 Вт.

В недавней работе, представленной на arXiv, исследуется ускорение вывода больших языковых моделей (LLM) на серверных платформах с архитектурой RISC-V. На стандартной модели Llama 7B инференс удалось разогнать до 6,63 и 13,07 токенов/с при генерации и предварительном заполнении, что в 4,3—5,5 раза быстрее по сравнению с базовым уровнем и вполне конкурентно с CPU на базе x86. При этом энергоэффективность возросла в 1,2 раза (55 токенов/с/мВт против 45 токенов/с/мВт).

Это исследование демонстрирует потенциал RISC-V в задачах, связанных с искусственным интеллектом, особенно в контексте энергоэффективных решений Edge AI.

👉 В целом, высокий спрос на GenAI и роботизацию кардинально меняет индустрию CPU для периферийных устройств. Уходят старые технологии, а новые диверсифицируются и совершенствуются, расширяя спектр доступных решений. При этом практический выбор архитектуры зависит от баланса между мощностью, энергопотреблением и поддержкой AI-ускорителей.

#EdgeAI #внедрениеAI #LLM #SBC #ARN #RISCV #инференс

🚀 ©ТехноТренды

Обзор локальных архитектур для больших языковых моделей. Часть 3/4

3️⃣ RISC-V

Архитектура RISC-V — открытый набор инструкций (ISA), позволяющий разрабатывать кастомные процессоры без лицензионных отчислений. В отличие от закрытых решений типа ARM (хотя и там появляется опенсорс), RISC-V дает полную свободу модификации и оптимизации под конкретные задачи, что критично для Edge AI-решений.

Главные преимущества RISC-V перед ARM:
👉 Открытость — разработчики могут адаптировать ISA под любые нужды, не заботясь о лицензировании.
👉 Модульность и кастомизация — можно брать определенный набор инструкций и расширений под конкретное решение, ничего лишнего.
👉 Энергоэффективность — микропроцессор RISC-V на 5 ГГц «ест» всего 1 Вт при напряжении 1,1В, т.е. менее 1% рабочего энергопотребления чипа Intel Xeon.
👉 Экономичность — отсутствие лицензионных платежей снижает себестоимость чипов.

Есть и недостатки:
➖ Недостаточная зрелость технологии. RISC-V — относительно новая архитектура по сравнению с той же ARM. Отсюда несбалансированность, дефекты команд, небольшой выбор инструментов, библиотек и документации для разработчиков, ограниченная поддержка операционных систем, приложений и драйверов.
➖ Относительно низкая производительность для AI-решений. Процессоры RISC-V показывают пока невысокий инференс даже на оптимизированных LLM типа TinyLlama 1.1B — 1-5 TOPS на выходе.

И все-таки архитектура стремительно наращивает популярность. Зрелость — дело наживное, целые лаборатории работают над оптимизацией алгоритмов и созданием софтверной экосистемы. Благодаря опенсорсу сложилось огромное комьюнити независимых разработчиков. Да и лидеры не отстают: консорциум RISC-V International, контролирующий технологию, включает уже почти 400 научных и коммерческих организаций, включая китайский Институт вычислительных технологий, Google, Qualcomm, Western Digital, Hitachi, Samsung, Huawei, ZTE, Tencent и Alibaba Cloud.

Почему? Смотрите выше. Если ARM хороша для многофункциональных мобильных устройств, то RISC-V — идеальный вариант для специализированных нишевых решений. А ниш очень много.

Где особо востребована архитектура RISC-V?
👉 Везде, где нужны не огромные LLM, а оптимизированные и заранее обученные малые модели:
• интернет вещей,
• промышленная робототехника,
• беспилотный транспорт,
• машинное зрение,
• интеллектуальные системы безопасности
• с/х автоматика (умные теплицы и пр.)
Здесь RISC-V обеспечивает нужное быстродействие, автономность, дешевизну и защищенность.
👉 Популярной сферой применения RISC-V являются периферийные шлюзы ИИ, например системы управления датчиками «умного дома» и другой потребительской робототехники, рынок которой постоянно расширяется.
👉 Отдельная тема — применение RISC-V в военной и аэрокосмической отрасли, над чем давно работают в Китае, США и Европе.
👉 Более того: на CPU RISC-V строят вычислительные кластеры для облачных дата-центров. Даже ноутбуки выпускают со специальными фреймворками и нейромодулями (NPU), позволяющими подключать локальные API LLM и разгонять инференс до 40 терафлопс. Но это скорее экзотика, с ARM здесь не поконкурируешь.

📈 Динамика рынка чипов RISC-V
По некоторым оценкам, начиная с 2024 года объемы поставок процессоров RISC-V будут в среднем расти на 50% ежегодно. К 2030-му годовой объем поставок чипов RISC-V для Edge AI (исключая TinyML) достигнет 129 миллионов, заняв 25% рынка процессоров. Из этого количества 70% составят поставки для личных и рабочих устройств и шлюзов Edge AI.

Некоторые энтузиасты спешат объявить RISC-V «ARM-киллером» и «геймчейнджером на рынке EdgeAI». На самом деле это просто еще одна технология, для которой пришло время и сформировался спрос. Развитие ИИ подстегнуло интерес к архитектуре, а развитие архитектуры становится драйвером для дальнейшего развития периферийных AI-устройств.

#EdgeAI #внедрениеAI #LLM #RISCV #SLM

🚀 ©ТехноТренды

Обзор локальных архитектур для больших языковых моделей. Часть 2/4

2️⃣ ARM

ARM (Advanced RISC Machine) — это семейство архитектур процессоров, основанных на принципах RISC (Reduced Instruction Set Computing). Процессоры ARM широко используются в различных сценариях обучения (ML) и эксплуатации больших языковых моделей. Их преимущество — высокая энергоэффективность. Чипы потребляют на 30–50% меньше энергии по сравнению с CPU x86, что делает их идеальными для мобильных устройств, где важны срок работы без подзарядки и низкое тепловыделение.

Имея сервер ARM с четырьмя ядрами и 8 ГБ оперативной памяти, можно запускать различные сценарии использования GenAI, например, проводить обучение чат-бота модели Llama-3.1-8B. Команда llama.cpp представила новый двоичный формат под названием GGUF, использующий методы сжатия и квантования, которые снижают потребность в вычислительных ресурсах и объеме ОЗУ. При этом инференс остается на очень приличном уровне — более 300 TPS (токенов в секунду).

Связка ARM и NPU дает еще больше мощности с сохранением энергоэффективности.

Недавний хайп вокруг DeepSeek и последовавшая за этим дискуссия о том, насколько необходима для ИИ облачная инфраструктура, привлекли новое внимание к Edge AI. Свежие заявления руководителей Qualcomm и Arm показывают явный оптимизм: LLM быстро совершенствуются, становятся разнообразнее — а значит, возникает всё больше возможностей для их развертывания на ПК, смартфонах и устройствах IoT («интернета вещей»).

Естественно, лидеры рынка наперегонки «осваивают поляну». Конкуренция просто бешеная.

🔸 Oracle и Ampere объявили о сотрудничестве в оптимизации llama.cpp для работы с CPU Ampere Arm 64, используя методологию GGUF. На процессоре Arm A1 с 40 OCPU скорость инференса приближается к 40 TPS.

🔸 Компания Arm форсирует проникновение на рынок с целой серией решений на базе передовой платформы Armv9, специально заточенной под обслуживание LLM на IoT-устройствах. Платформа обеспечивает в 8 раз более высокую производительность машинного обучения (ML) по сравнению с прошлогодним Cortex-M85.

🔸 Китайцы из Radxa продвигают новинку Radxa Orion O6 mini-ITX — по сути одноплатник с 12-ядерным процессором Cix P1 Armv9 SoC, GPU Arm Immortalis-G720 и AI-ускорителем на 30 TOPS. Конфигурация догоняет по производительности Apple M1.

🔸 Apple, в свою очередь, продолжает идти в отрыв, выкатив очередную имбу — чип M3 Ultra: CPU с AI-ускорителем, самый мощный в истории Apple встроенный графический процессор, 32-ядерный NPU + программные оболочки Apple Intelligence и Mac Studio. В результате пользователи получают возможность запускать LLM с более чем 600 млрд параметров непосредственно на своем домашнем «Маке».

🔸 Quallcomm вступает в соревнование с Apple, расширяя линейку ARM-процессоров для бюджетных ПК и ноутбуков. Новая версия Snapdragon X с интегрированным нейромодулем (NPU) может обрабатывать до 45 TOPS, что делает ноутбуки совместимыми с AI-приложениями, например с Microsoft Copilot+.

🔸 AMD, желая наверстать свое отставание и потеснить Qualcomm, разрабатывает собственный ARM-процессор Sound Wave с мощным NPU.

🔸 Nvidia тоже объявила о выпуске первого чипа на архитектуре ARM. Релиз планируется на сентябрь 2025 года.

🔸 В конкуренцию с грандами врываются и стартапы. Прошлым летом на краудфандинговой платформе Crowdsupply мгновенно собрали средства на разработку модульного AI-friendly лэптопа GenBook RK3588 с интегрированным NPU мощностью 6 TOPS. В апреле новинка уже выйдет в продажу.

🔸 А где здесь Intel? А она, как тот господин подпоручик, единственная идет «в ногу» и упорно допиливает архитектуру x86, добиваясь сопоставимой с ARM энергоэффективности. Но упорство явно не в плюс: технология морально устарела, и компания теряет контракты. Производители ПК массово переходят на ARM.

Как говорится, зацените движ. Драйвер роста здесь очевиден: устройства на ARM-процессорах становятся всё более востребованными именно как платформа EdgeAI. А значит, конвергенция технологий в этом сегменте продолжится.

#EdgeAI #внедрениеAI #LLM #ARM #IoT

🚀 ©ТехноТренды

Обзор локальных архитектур для больших языковых моделей. Часть 1/4

Один из главных современных AI-трендов — конвергенция развития больших языковых моделей и вычислительных мощностей. Модели оптимизируются, а устройства совершенствуются. Появляется всё больше возможностей для запуска LLM с миллиардами параметров на периферийных устройствах (Edge AI), без необходимости подключаться к облаку высокопроизводительных GPU-серверов.

О том, как эволюционируют LLM, мы уже писали не раз (тыц, тыц, тыц, тыц). Давайте посмотрим, какие решения предлагают разработчики оборудования.

1️⃣ SBC (Single Board Computers), или одноплатные компьютеры

Одноплатники отличаются тем, что их конфигурация заточена под минимальное энергопотребление, обеспечивая при этом приличное быстродействие. Часто в них встроены NPU (Neural Processing Unit) — специализированные сопроцессоры для решений вида Edge AI. Появление SSD-накопителей, новых скоростных микроконтроллеров и AI-ускорителей сделало эту платформу очень перспективной для домашней или офисной работы с LLM.

Несколько интересных SBC на начало 2025 года:

🔸 Orange Pi 5 Plus — универсальный, очень мощный мини-ПК с новейшим чипом RK3588. Хоть и не обладает специализированным AI‑ускорителем, но имеет встроенный графический процессор и NPU с умеренными показателями.
⚡️ Показатели: вычислительная мощность ~8 TOPS (триллионов операций в секунду, или терафлопс), инференс ~25 токенов в секунду, энергопотребление ~7-10Вт.

🔸 Raspberry Pi 5 Plus — популярный инструмент с тем же чипом RK3588 для самостоятельной разработки и обучения LLM. Благодаря интеграции AI-ускорителя Hailo-8L или Hailo-8 может запускать модели среднего размера.
⚡️ Показатели: ~26 TOPS, ~35 токенов/сек, ~8-12Вт.

🔸 NVIDIA Jetson Orin Nano Super (на базе NVIDIA Jetson Orin Nano) — решение, оптимизированное для работы с нейронными сетями на базе архитектуры Ampere, обеспечивает высокий инференс, но отличается повышенным энергопотреблением.
⚡️ Показатели: ~40 TOPS, ~45 токенов/сек, ~25Вт.

Скорость выше 10 токенов в секунду превосходит скорость чтения большинства людей, т.е. работа приложений воспринимается практически без задержек. Как видим, одноплатные компьютеры на оптимизированных LLM сегодня могут обеспечить достаточно комфортный инференс для повседневных задач.

• Подробнее об актуальных AI-конфигурациях SBC

#EdgeAI #внедрениеAI #LLM #SBC

🚀 ©ТехноТренды

Edge AI, или периферийный ИИ — принцип развертывания искусственного интеллекта на локальных микроустройствах или компактных компьютерах с низким энергопотреблением. Сегодня это один из главных векторов развития AI-индустрии, наряду с Cloud AI (облачными сервисами).

Рынок Edge AI бурно растет. В 2024 году он оценивался в $12,5 млрд и, по прогнозам, к 2034 году достигнет $109,4 млрд (среднегодовой темп роста — 24,8%, неплохо, хоть и медленнее «облаков»).

В чем преимущества локального AI над «облаком»?
👍 Скорость работы: на локалке модуль AI связан напрямую с источником данных, что позволяет ему принимать решения намного быстрее облачных систем, за счет минимальных задержек сигнала.
👍 Низкое энергопотребление, особенно с применением специальных оптимизирующих сопроцессоров типа NPU.
👍 Сокращение трафика: Edge AI обрабатывает данные без передачи в облако, за счет чего экономится много пропускной способности.
👍 Повышенная безопасность и конфиденциальность: по той же причине система с Edge AI гораздо менее уязвима для кибератак и утечек информации.
👍 Способность работать вообще без интернета, что может быть важно в удаленных районах, на море или в сельской местности.
👍 Экономия средств: производственное предприятие среднего размера, использующее периферийный ИИ для мониторинга оборудования, может ежегодно экономить до 1,2 миллиона долларов на облачном хранилище и пропускной способности.

Всё это делает Edge AI привлекательным решением для многих сфер применения ИИ:
👉 в промышленности и сельском хозяйстве (автономные станки, комбайны, мобильные AI-ассистенты)
👉 в логистике и на транспорте (умные дроны-перевозчики, складские роботы, беспилотные автомобили)
👉 в медицине (носимые и стационарные устройства с AI для диагностики и контроля)
👉 в городской инфраструктуре (системы контроля трафика и управления городскими службами)
👉 в «интернете вещей» (IoT) — голосовые помощники и интеллектуальные устройства, в т.ч. умные дома
👉 в космической, добывающей, энергетической и других отраслях.

Для развертывания LLM на малом или среднем предприятии локальная платформа тоже может быть выгоднее и безопаснее, чем облачный сервис или собственный кластер GPU. Особенно это актуально в розничной торговле, консалтинге, юриспруденции, гостиничном бизнесе.

Минусы Edge AI
🔻 Низкая производительность периферийных устройств по сравнению с облачными системами.
🔻 Возможность ошибок и сбоев из-за ограниченных ресурсов и проблем с подключением к сети.
🔻 Ограниченная масштабируемость и сложность управления большим количеством устройств.

Ограниченность ресурсов преодолевается путем комбинации разных чипов, оптимизации инференса и разработки более экономных алгоритмов ML, что позволяет размещать вполне функциональные GenAI-модели на слабых устройствах вроде смартфонов или часов.

Там, где это имеет значение (например, при управлении «роем» мобильных роботов), создаются гибридные системы, сочетающие индивидуальные ИИ c единым центром принятия решений, или же формируются распределенные экосистемы. Например, на днях Intel презентовала Edge AI Suites и Open Edge Platform — набор инструментов и модульную платформу для массового внедрения GenAI на локальных устройствах.

Развитие трендов
Если мы посмотрим в будущее после 2025 года, то увидим несколько новых тенденций, связанных с Edge AI:
🔸 Микро-LLM: фреймворки типа TinyML сделают ИИ доступным на крошечных устройствах.
🔸 Edge-AI маркетплейсы: на торговых площадках будут предлагать заранее обученные модели и готовые к использованию периферийные AI-приложения.
🔸 Развитие мобильных сетей. Технологии 5G-Advanced и 6G обеспечат терабитные скорости передачи данных, открывая новые перспективы для смартфонов с ИИ, очков с дополненной реальностью и роевой робототехники. Кстати, на прошедшей недавно MWC'25 в Барселоне Edge AI был одной из главных тем.
🔸 Квантовый компьютинг. А вот когда настанет цифровой коммунизм и квантовые компьютеры займут нишу современных ПК, для периферийного ИИ придут совсем уж золотые времена 😉 Но это уже совсем другая история...

#EdgeAI #внедрениеAI #LLM

🚀 ©ТехноТренды

Кое-что о сетях для нейросетей.

Чтобы внедрить LLM у себя на предприятии, недостаточно закупить GPU и воткнуть его в сервер. И обычных серверов, объединенных в сеть на основе Ethernet, недостаточно. Если вы хотите развернуть LLM локально, не прибегая к облачным услугам, необходимо построить кластер высокопроизводительных вычислений (High Performance Computing, HPC). А главное в этом кластере — наличие специализированных каналов обмена данными между процессорами.

Ключевые параметры сетевой инфраструктуры HPC:
🔸 скорость обмена — на сегодня считается нормальной от 100 гигабит в секунду и выше;
🔸 задержка (она же латентность) при передаче — чем ниже, тем лучше, желательно меньше 1 микросекунды.

Если со скоростью всё понятно, то по латентности нужны пояснения. Низкая латентность важна при передаче служебных сообщений, необходимых, чтобы узлы сети знали о состоянии друг друга. Такие сообщения, как правило, очень малы (несколько десятков байт), но их очень много в нейросети. Они используются для синхронизации вычислений, предотвращения логических гонок (race condition) и тупиков (deadlock), тормозящих работу LLM.

Для коммутации в сети HPC лучше использовать не Ethermet (где скорость обмена большими пакетами высокая, но и задержки большие), а решения типа Infiniband. Это довольно старая технология (развивается с 1990-х годов), но с началом бума ИИ она снова стала сверхвостребованной, потому что обеспечивает минимальные показатели латентности.

⚡️ Современные коммутаторы Infiniband стандарта XDR (eXtended Data Rate) дают ультравысокие скорости передачи данных (800 Гбит/с на одно соединение), а задержки при этом составляют менее 10 наносекунд (не микро, а нано, Карл!).

Также XDR отличается высокой плотностью передачи данных благодаря использованию PAM4-кодирования, меньшим энергопотреблением и масштабируемой архитектурой — можно использовать несколько каналов XDR одновременно.

Всё это особенно актуально для приложений искусственного интеллекта и машинного обучения. Не удивительно, что такие гранды, как Nvidia, AMD, IBM и другие, уже активно продвигают HPC-решения на основе Infiniband XDR.

👉 Впрочем, стандарты XDR и более ранний NDR — это хай-энд для суперкомпьютеров. Вполне возможно, что для кластера HPC на вашем предприятии будет достаточно адаптеров попроще:
▫️стандарт HDR — скорость 200 Гбит/с на порт, низкая задержка. Хорош для высокоскоростного компьютинга, систем AI/ML/DL, финансовой аналитики и любых приложений, требующих высокой скорости и пропускной способности сети;
▫️стандарт EDR — самый старый из поддерживаемых на сегодня. Дает скорость до 100 Гбит/с при задержке 0,7 микросекунды. Поддерживает технологии RDMA, GPUDirect, SR-IOV и др.

☝️ В общем, планируя развертывание LLM в вашей компании, думайте не только о количестве GPU, но и о качестве связи между ними.

#HPC #infiniband #LLM

🚀 ©ТехноТренды

«Мы знаем, что вы делали прошлым летом»: как генеративный искусственный интеллект освещал Открытый чемпионат США по теннису

US Open — крупнейший международный теннисный турнир. 256 теннисистов на 17 кортах проводят 254 матча, разыгрывая более 125 000 очков. Команды журналистов и экспертов должны проанализировать порядка 7 млн «точек данных», начиная от статистики скорости подач и соотношения побед/поражений и заканчивая содержанием тысяч статей в прессе и постов в соцсетях.

На турнире 2024 года Ассоциация тенниса США (USTA) впервые масштабно привлекла GenAI к информационному освещению события. Поставщиком услуг стала IBM, с которой USTA уже давно сотрудничает.

🔸 Под задачу команда IBM Consulting скомбинировала и доработала несколько платформ на базе watsonx, своего флагманского GenAI-продукта. усилив его LLM Granite 13B.

🔸 Вся работа велась также с применением ИИ-инструмента, ускоряющего труд разработчиков за счет автоматизации рутинных функций, таких как генерация кода по промптам, анализ фрагментов кода, проставление комментариев и автоматическое завершение фрагментов проанализированного кода.

🔸 Для согласования процессов с USTA и оптимизации работы использовалась облачная инфраструктура Garage, обеспечивающая быстрый доступ к базам данных IBM, в том числе к накопленной мета-статистике по теннисным состязаниям, которые IBM обслуживает уже много лет.

🔸 Эта же мета-статистика стала основой для дообучения LLM, чтобы адаптировать ее к работе со спортивной информацией (изначально модель Granite была разработана для бизнеса).

🔸 С учетом функционала LLM был полностью переработан старый сервис IBM SlamTracker (платформа для сбора и показа статистики в реальном времени, с 2014 года обслуживающая крупные спортивные первенства). Он научился предоставлять подробную информацию до, во время и после игры, включая прогнозы на победу, визуализировать ход встречи в 3D, а также делать краткие обзоры и репортажи с показом лучших моментов через несколько минут после окончания матча.

🔸 Во время турнира LLM работала как целый пул журналистов и аналитиков: формировала отчеты о матчах, писала по их итогам сводки и лонгриды и даже комментировала в прямом эфире — голосом и субтитрами. Статистика, аналитика и прогнозы в формате Match Insights транслировались по цифровым каналам USTA, а также в соцсети и мобильные приложения к услугам болельщиков.

По завершении турнира платформа используется Фондом USTA в рамках программы обучения молодых теннисистов. ИИ на основе Big Data помогает составлять индивидуальные планы обучения и дает рекомендации тренерам при подготовке и проведении соревнований.

Как это работает?
👉 Сбор персональных данных. Система обрабатывает массу статистики с различных датчиков: частота сердечных сокращений, скорость, количество ударов, физиологическое состояние и характер движений.
👉 Системы захвата движения на основе ИИ анализируют биомеханику спортсмена, помогая тренерам в освоении правильной техники и в предотвращении травм.
👉 Игровая стратегия и тактика, прогнозная аналитика: модели ИИ анализируют игровые видеоматериалы, выявляя закономерности, предсказывая стратегии и тенденции соперников, что позволяет командам разрабатывать эффективные контрстратегии и рисунок игры.
👉 Поиск перспективных игроков. ИИ анализирует статистику спортшкол и выявляет перспективных юниоров для отбора в профессиональные команды.
👉 Реабилитация: ИИ помогает разрабатывать индивидуальные программы реабилитации спортсменов после травм, отслеживая прогресс и при необходимости корректируя упражнения.

🤔 Помните фильм «Moneyball», где тренер в исполнении Брэда Питта привлек в команду математика и стал добиваться побед, анализируя статистику игроков и матчей? История, основанная на реальных событиях, может повториться на новом витке. Ожидается, что в ближайшем будущем ИИ научится глубоко прорабатывать игровые стратегии на основе исторических данных и текущих результатов, что может кардинально изменить работу тренерских штабов и сделать состязания еще более сложными и захватывающими.

#внедрениеLLM #спорт

🚀 ©ТехноТренды

🤖 Микроминиатюризация — устойчивый тренд в робототехнике.

1️⃣ Исследователи из Корнеллского университета (США) представили самого маленького в мире шагающего робота, предназначенного для работы в микромасштабе. Устройство размером от 2 до 5 микрон способно взаимодействовать с волнами видимого света и автономно перемещаться. (Для сравнения: диаметр эритроцита человека составляет примерно 7 микрон).

Управляемый внешними магнитными полями, робот перемещается по твёрдым поверхностям и может «плавать» в жидкой среде. Такая универсальность позволяет ему эффективно работать в различных средах, от биологических тканей до микрофлюидных устройств.

Микробот рассчитан на применение в медицине. С его помощью можно получать детальные изображения образцов тканей, проводить измерения на клеточном уровне, выполнять другие задачи в области диагностики.

2️⃣ Ученые из Калифорнийского университета создали модель миниатюрных (около 5 см) роботов, которые способны действовать как рой и «сливаться» в единую конструкцию, такую как мост или движущаяся платформа. Причем конструкция может менять форму и даже переходить из твердого состояния в жидкое.

Роботы снабжены электрическими шестернями для перемещения в группе, магнитами для сцепления и фотодетекторами для получения команд от источника света с поляризационным фильтром. Их недостаток — работают на литиевых батареях, которые нужно заряжать вручную. Конструкторы ищут альтернативные решения, например, способы беспроводной подзарядки.

👉 Микроробототехника — одна из перспективных технологических отраслей, которая сегодня активно развивается. Разработки нано- и микроботов размерностью от нескольких микрон до нескольких сантиметров идут по всему миру.

❇️ Возможные сферы применения микроботов:

🔸 Биотехнологии и медицина: неинвазивная диагностика тканей, картографирование организма, адресная доставка лекарств к конкретному органу. Ожидается, что в будущем микроботы смогут проводить полостные операции, например, удалять раковые клетки, тромбы и холестериновые бляшки.
🔸 Поисково-спасательные операции: обнаружение людей под завалами и в других местах, недоступных для обычной спасательной техники. Для таких микродронов уже изобретена специальная энергобатарея.
🔸 Сельское хозяйство: рои «робопчёл» могут опылять растения и уничтожать вредителей.
🔸 Экология: массы микроботов, снабженные специальными рецептами и устройствами захвата, способны эффективно очищать воздух и воду от вредных примесей. В Китае еще в 2021 году создана модель на основе водорослей, способная удалять вирус COVID-19 из сточных вод.

Список далеко не полон. Микро- и наноботы потенциально могут использоваться в научно-исследовательских миссиях (в т.ч. глубоководных и космических), материаловедении, энергетике, строительстве, геологии и пр.

☝️ Развитие микроминиатюризации сдерживается несколькими факторами:
▫️сложность микроботов в производстве (здесь могут прийти на помощь биотехнологии и трехмерная печать);
▫️недоверие публики — например, боязнь несанкционированного применения (все помним слухи о зловредных наноботах в антиковидных вакцинах);
▫️осторожность инвесторов: на современной стадии развития технологий коммерческая оправданность вложений в производство микроботов вызывает сомнения.

Серьезными вызовами являются также технологические:
▫️ уровень развития средств удаленного контроля, связи и искусственного интеллекта, которые призваны обеспечивать автономную работу микроботов, особенно в составе «роя»;
▫️ необходимость в инновационных материалах для «тел» роботов, двигателей и элементов энергопитания.

#микроботы #роботизация

🚀 ©ТехноТренды

🇷🇺 Сервис RoboJobs выпустил карту компаний-поставщиков профессиональной сервисной робототехники в России. На карте отмечены предприятия, которые разрабатывают, производят и интегрируют сервисных роботов для бизнеса (например, гостиничного).

По состоянию на 2024 год, в России 463 компании работают в этом сегменте. Из них 124 — научные и исследовательские центры, производством роботов занимается 272 компания, дистрибуцией и оказанием услуг (RaaS) — 67 компаний.

Большинство компаний сосредоточены в Москве и Санкт-Петербурге, но карта охватывает и другие города России —всего 80, включая Владивосток, Екатеринбург, Новосибирск.

📊 Динамика рынка робототехники РФ: основные показатели

Прошлая карта, выпущенная в 2021 году, содержала информацию по 290 компаниям. Таким образом, по данным сервиса, число отечественных организаций, занимающихся созданием и внедрением робототехники, за 4 года выросло на 60%.

Согласно результатам опроса, основная масса компаний возникла между 2015 и 2019 гг. (39%) и в 2020—2024 гг. (35%). Только 26% компаний существуют более 10 лет.

Среди опрошенных компаний только 21,6% имеют более 50 сотрудников. При этом 88% планируют расширение штата. Наиболее востребованные профессии:
- инженер-конструктор;
- программист;
- менеджер по продажам.
Меньше ищут сотрудников на вакансии:
- специалист по международным продажам и внешнеэкономической деятельности;
- логист;
- инженер-исследователь.

Опрос показал, что, несмотря на Covid-19 и СВО, робототехнические компании РФ демонстрируют положительную динамику по многим показателям. Нехватка работников в промышленности и сфере услуг, уход иностранных компаний привели к перестраиванию рынка и сделали робототехнику более привлекательным направлением для инвестиций. Фирмы развиваются, расширяют клиентуру и штат.

Выручка робокомпаний* также показывает хорошие темпы роста:
🔸 2021 год — 17,6 млрд руб.
🔸 2022 год — 20,3 млрд руб. (+15,3%)
🔸 2023 год — 29,3 млрд. руб. (+44,3%)
🔸 2024 год (прогноз) — 32,1 млрд. руб. (+9,5%)

* В статистике представлены совокупные данные по 31 компании, согласившейся предоставить информацию организаторам опроса.

41% участников опроса отметили, что помимо ведения бизнеса в России они развивают экспорт своих товаров и услуг на зарубежные рынки — преимущественно в Юго-Восточной, Юго-Западной и Центральной Азии.

#робототехника

🚀 ©ТехноТренды

Европейцы врываются на рынок генеративных LLM. 🇫🇷Французский стартап Mistral AI, занимающийся искусственным интеллектом, получил финансирование в размере €105 млн на разработку собственных моделей, пишет The Economist.

У французов дифференцированный подход: планируется разрабатывать как опенсорс-версии для широкого использования, так и платные LLM для корпоративного внедрения. Таким образом, Mistral собирается конкурировать как с американскими, так и с китайскими лидерами индустрии. Прежде всего за европейский рынок (что соответствует недавно объявленной стратегии ЕС), а там, глядишь, и в глобальном масштабе.

Если вы помните наши недавние посты (тыц, тыц, тыц), то и сами могли уловить общий тренд. Идет быстрая трансформация рынка. Первичное накопление капитала освоение технологии завершается. Компании наигрались с ChatGPT и оценили перспективы GenAI в разных сферах бизнеса. Фокус смещается от мультимодальных систем в сторону специализированных и профессиональных, заточенных под конкретные задачи. Так сказать, с теорией разобрались, переходим к практике.

Преобразования происходят сразу на нескольких уровнях.

👉 Бизнес-стратегии. Внедрение специальных LLM закладывается в планы развития компаний, просчитываются необходимые ресурсы и кадровая политика.
👉 Корпоративная культура. Интеграция GenAI в бизнес подчеркивает амбициозный статус компании и выдвигает новые требования к менеджменту. Нужно грамотно решить технические, организационные и нормативные аспекты внедрения, переосмыслить все рабочие процессы в плане их алгоритмизации, сформулировать требования к параметрам самой LLM и к квалификации сотрудников. При необходимости (на самом деле, практически всегда 😉) перестроить всю систему управления предприятием.
👉 Отношения «клиент—поставщик». С учетом роста специализации рынку нужны уже не базовые, а производные LLM. Это формирует новый уровень взаимодействия между IT-департаментом предприятия и разработчиком модели: от простого предоставления исходников для модификации до сложной многоуровневой колаборации многих участников.
👉 Расширение Open Source. Даже самые отъявленные проприетарщики осознали, что можно завоевать большую долю коммерческого рынка путем выноса базовой технологии за пределы компании. Закрытость кода становится негативным конкурентным фактором из-за пресловутого эффекта «черного ящика»: проприетарную модель нельзя толком ни адаптировать, ни контролировать, да и к кибербезопасности есть вопросики. Успехи китайцев всех заставили задуматься.

Что в итоге?
🔸 AI-гиганты (Microsoft, IBM, Google, Qwen, DeepSeek) уже все более активно занимаются созданием корпоративных форков своих базовых моделей, и этот тренд будет нарастать, меняя корпоративный обиход и рынок труда.
🔸 Рынок GenAI продолжит расти и дифференцироваться. По оценке Grand View Research, к 2030 году его объем достигнет $109,37 млрд. Всё большую долю будут занимать специализированные и нишевые LLM.
🔸 Возникнет обширный новый рынок комплексных услуг по обучению больших и малых языковых моделей и внедрению их везде, где только можно: в научно-исследовательской сфере, высокотехнологичных отраслях промышленности, на транспорте, в сервисе, логистике и госсекторе.

🚀 ©ТехноТренды

Две новости, и обе про квантовые компьютеры.

⚡️ QuantWare, ведущая компания по производству квантового оборудования, привлекла €20 млн под проект масштабирования квантовых процессоров серии A. Цель проекта — научиться создавать крупномасштабные монолитные квантовые процессоры (QPU) с более чем 1 миллионом кубитов, избегая ограничений производительности, присущих современным квантовым процессорам.

⚡️ NanoQT, японский стартап-разработчик квантового оборудования, и QuEra Computing, американский лидер в области квантовых вычислений, объявили о совместном проекте интеграции интерфейсов квантовых сетей с QPU на нейтральных атомах. Целью партнерства является разработка масштабируемой сетевой архитектуры, которая позволит создавать системы распределенных квантовых вычислений.

Что наблюдаем? Народ с двух сторон старается одолеть главную проблему современных квантовых компьютеров — их маломощность. Сейчас QPU имеют на борту в лучшем случае несколько десятков кубитов, и в большинстве практических задач пока не могут превзойти классические суперкомпьютеры. Возможных решений два: преодолеть технологические ограничения, не позволяющие создавать по-настоящему большие QPU, и найти надежный способ строить сети из множества маленьких.

Почему это важно?

Решение задачи масштабирования QPU вызовет мировую компьютерную революцию. Кубиты (квантовые биты) за счет своей способности к суперпозиции состояний, а также эффектам квантовой запутанности и интерференции, несравнимо лучше могут справляться с параллельными вычислениями, чем процессоры, работающие в двоичной системе. Но чем больше кубитов в системе, тем сложнее ею управлять, поскольку квантовые состояния чрезвычайно неустойчивы.

Основные проблемы QPU, требующие решения:
🔸 Чувствительность к окружающей среде — на работу кубитов влияют перепады температуры и давления, шумы, излучения и множество других факторов.
🔸 Коррекция квантовых ошибок — кубиты подвержены ошибкам как из-за вышеперечисленных причин, так и из-за недостаточной проработанности квантовых алгоритмов.
🔸 Масштабируемость — при увеличении числа кубитов возможность ошибок и сбоев системы возрастает геометрически.
🔸 Стоимость — производство кубитов пока что очень сложно и дорого.

Однако, если эти ограничения удастся преодолеть (есть основания считать, что это произойдет в ближайшие годы), влияние квантовых процессоров на различные отрасли трудно переоценить. Например:

🎯 Фундаментальные и прикладные исследования в области космоса, физики, химии, энергетики, электроники. Квантовые компьютеры смогут с беспрецедентной точностью моделировать молекулярные структуры, химические и физические взаимодействия. Это особенно важно для фармацевтики, разработки новых материалов, проектирования наземных и космических объектов.

🎯 Моделирование климата и экологическая прогностика. QPU, способные к обработке огромных массивов неструктурированных данных, смогут эффективно отслеживать атмосферные потоки, океанские течения и углеродные циклы. Это позволит делать более точные прогнозы, просчитывать экологические риски, планировать развитие хозяйства.

🎯 Оптимизация экономических и бизнес-процессов. QPU революционизируют логистику, транспорт, производство, финансы, делопроизводство — все сферы, где необходимо просчитывать взаимодействие множества меняющихся факторов.

🎯 Криптография и кибербезопасность. С одной стороны, здесь кроется угроза: мощные QPU способны за считанные минуты решать задачи по факторизации больших чисел — то, на чем стоят классические методы шифрования, такие как RSA. С другой стороны, квантовые процессоры позволят разработать гораздо более безопасные методы шифрования, основанные на принципах квантовой механики.

🎯 AI и машинное обучение. С QPU скорость и глубина обучения LLM возрастет экспоненциально, как и качество инференса. Квантовые компьютеры помогут оптимизировать алгоритмы работы AI-систем, делая их более компактными. QLM (квантовое машинное обучение) может стать прелюдией к созданию AGI («сильного искусственного интеллекта»).

🚀 ©ТехноТренды

Пришла весна, и принесла с собой много интересных форумов, конференций, саммитов и прочих пати. В этом посте мы собрали для вас знаковые IT-ивенты этой весны.

🌍 В мире:

�� GPU Technology Conference — ежегодная конференция NVIDIA, где обсуждаются новые разработки в области графических процессоров и AI-вычислений.
- Место: Сан-Хосе, Калифорния, США
- Даты: 17-20 марта
👉 В рамках конференции впервые будет проведен «Квантовый день» (Quantum Day), который состоится 20 марта. Лидеры индустрии и исследователи обсудят текущие достижения и перспективы развития квантовых компьютеров.

🔸 ERF 2025, European Robotics Forum — последние тенденции, разработки и научные исследования в области робототехники.
- Место: Штутгарт, Германия
- Даты: 25-27 марта
👉 Регистрация тут.

🔸 AWS Summit Paris 2025 — бесплатное однодневное мероприятие от Amazon, посвящённое генеративному AI, данным, безопасности, устойчивому развитию и многому другому.
- Место: Palais des Congrès, Париж, Франция
- Дата: 9 апреля

🔸 AWS Summit London 2025 — саммит по облачным технологиям, машинному обучению, аналитике, работе с данными, цифровой трансформации и т.п.
- Место: Excel London, Лондон, Великобритания
- Дата: 30 апреля

🔸 AIR2025 — международная конференция по искусственному интеллекту и робототехнике.
- Место: Астана, Казахстан
- Даты: 9-11 мая
👉 Конференция будет проходить в гибридном режиме — офлайн + онлайн с помощью Google Meet. Крайний срок подачи докладов — 15 марта.

🔸 Google I/O 2025 — ежегодный ивент для разработчиков, «корпорация добра» представит свои последние продукты, технологии и обновления.
- Место: Маунтин-Вью, Калифорния, США
- Даты: 20-21 мая 2025
👉 Ожидается, что Google представит новую версию своего ИИ-бота Gemini.

🔸 ICRA-IEEE 2025 — флагманская конференция Общества робототехники и автоматизации IEEE (RAS), на которой ведущие исследователи и лидеры отрасли делятся идеями и знаниями.
- Место: Атланта, США.
- Даты: 19-25 мая
👉 Подача авторских заявок — до 12 марта, стандартная регистрация — до 17 мая.

🔸 AAMAS 2025 — 24-я Международная конференция по автономным агентам и многоагентным системам (AAMAS).
- Место: Детройт, США.
- Даты: 19-25 мая
👉 Подача заявок прекращена. Регистрация открыта до 30 апреля.

🔸 Beneficial AGI Summit 2025 — форум, посвященный разработкам «сильного искусственного интеллекта».
- Место: Стамбул, Турция.
- Даты: 26-28 мая
👉 Многие площадки форума будут вести бесплатную онлайн-трансляцию, доступную по регистрации.

🇷🇺 В России:

🔸 RIGF 2025, Российский форум по управлению Интернетом — актуальные вопросы управления интернетом и развития цифровой инфраструктуры, ИИ и новые технологии, кибербезопасность и многое другое.
- Место: Согласие Hall, Москва
- Дата: 7 апреля
👉 В рамках RIGF состоится также Молодежный спецкурс — шесть образовательных вебинаров (15, 22 и 29 марта) и два интерактивных семинара (31 марта и 3 апреля). Прием заявок заканчивается 10 марта, не опоздайте!

🔸 «Завалишинские чтения 2025» — XX международная научно-техническая конференция по электромеханике и робототехнике.
- Место: Санкт-Петербург
- Даты: 15-16 апреля
👉 Для участия необходимо заполнить анкету.

🔸 DUMP-2025 — «масштабная и тёплая конференция для IT-специалистов».
- Место: Екатеринбург-Экспо, Конгресс-Центр, Екатеринбург
- Дата: 25 апреля
👉 11 тематических секций + круглые столы и доклады по проблемам продукт-менеджмента, бэкенд/фронтенд-разработки, инжиниринга платформ, развития ИИ и т.д.

Пожалуйста, уточняйте даты и места проведения мероприятий, так как они могут изменяться.

🚀 ©ТехноТренды

Мы же говорили, что опенсорс рулит ☺️. И вот опять. Qwen Team выпустили новую рассуждающую LLM QwQ-32B с открытой лицензией Apache 2.0. Модель по большинству тестов превосходит OpenAI o1-mini и практически на равных тягается с DeepSeek R1-671B, будучи при этом в 20 раз (!) «легче» последней.

Характеристики модели:
🔸 Основана на вышедшей в феврале нейросети Qwen 2.5
🔸 Архитектура: трансформеры с RoPE, SwiGLU, RMSNorm и смещением внимания QKV
🔸 Количество параметров: 32,5 млрд
🔸 Количество параметров (без встраивания): 31,0 млрд
🔸 Количество слоев: 64
🔸 Количество точек внимания (GQA): 40 для Q и 8 для KV
🔸 Длина контекста: 32 тыс. токенов, с возможностью расширения до 131 072.

Модель специально обучена для решения сложных аналитических задач и, по уверениям разработчиков, особенно эффективна для математических вычислений, разработки и оптимизации ПО, научных и образовательных целей. К тому же она нетребовательна к ресурсам и (в отличие от той же базовой DeepSeek R1) может быть установлена даже на среднем домашнем ПК. И кстати, неплохо владеет русским языком.

Наш комментарий по этому поводу:
👉 Китайские технологические гиганты (а команда Qwen принадлежит концерну Alibaba Group) продолжают атаковать западных конкурентов с их проприетарными моделями, делая ставку на Open Source. Как мы видим на примере DeepSeek, это и экономически вполне оправданно.
👉 Потенциал оптимизации алгоритмов LLM далеко не исчерпан, что ведет к появлению новых мощных и компактных, а главное, дешевых в разработке и обучении моделей, не требующих топового оборудования для запуска.
👉 Открытые лицензии позволяют строить на основе базовых LLM сколько угодно производных, адаптированных под особые задачи и сценарии использования. (Кстати, Qwen сейчас лидирует по количеству таких форков). Нас ждет расцвет SLM (Small Language Models) и облачных AI-решений в разных сферах науки и бизнеса.

🚀 ©ТехноТренды

Microsoft анонсировала Dragon Copilot — голосового помощника, который объединяет функции Dragon Medical One (ассистент-справочник по клинической документации, работающий, судя по всему, с помощью RAG) и DAX Copilot (генеративный AI-инструмент для создания медицинских заметок).

Запуск модели состоится в мае. В ее обучении использовался массив в >15 млн записей разговоров врачей с пациентами. При этом она не предназначена для самостоятельной диагностики. Задача копилота — облегчить работу врача, максимально разгрузив его от административной нагрузки.

Microsoft давно работает над специализированными AI для медиков. В 2023 году компания представила Medprompt — новую стратегию подсказок, которая позволяет врачам более эффективно использовать GPT-4. В октябре 2024 редмондцы выкатили набор инструментов для медицинской визуализации, позволяющий медицинским учреждениям разрабатывать AI-решения для своих нужд без необходимости обучать модели с нуля.

Внедрение медицинских LLM в мире

MS не является единственным игроком на этом рынке. Мы уже писали об успешных медицинских AI-проектах. Google тоже развивает семейство MedLM. Свои медицинские LLM выпускают и технологические стартапы типа John Snow Labs. Внедряются новые модели и в России, такие как платформа МосМедИИ — набор сертифицированных ИИ-сервисов удаленной диагностики для ГИСЗ и медучреждений.

Интересная статистика:
🔸 использование AI-ассистентов в клиниках и медцентрах на 20% уменьшает время, затрачиваемое врачами на административные процедуры;
🔸 ожидается, что ИИ может на 70% сократить расходы, связанные с открытием новых лекарств;
🔸по прогнозам, в 2025 году более 90% больниц внедрят ИИ-приложения для улучшения удаленного мониторинга состояния пациентов.

Тренды и вызовы

По данным Meticulous Research, глобальный рынок виртуальных медицинских ассистентов ежегодно растет со средним темпом в 24,7% и к 2025 году достигнет $1,76 млрд. Около 40% научных открытий в сфере здравоохранения связаны с применением искусственного интеллекта.

Рост спроса обусловлен множеством факторов: нехватка врачей, растущее бремя заболеваний, связанных с образом жизни, необходимость оптимизации расходов на здравоохранение, рост осведомленности медицинских специалистов о технологии, урегулирование вопросов конфиденциальности данных.

Будет расширяться и инструментарий для оценки «компетентности» медицинских LLM, формироваться новые профессиональные стандарты.

❗️Одна из проблем, требующих решения — границы применения AI в медицине, как этические, так и технические.

Преобладание на рынке проприетарных моделей внушает тревогу врачебному сообществу. Необходимо учитывать склонность моделей к галлюцинациям, а также отсутствие прозрачности процессов, происходящих «под капотом» LLM и приводящих модель к тому или иному решению. В результате коммерческие интересы бизнес-гигантов могут поставить здравоохранение в зависимость от ИИ, который не всегда поддается качественному контролю.

Решение видится в увеличении доли Open Source, тем более что в большинство открытых LLM заложена возможность масштабирования и модификации под специальные задачи. Появляются даже готовые «конструкторы» для бескодовой разработки AI-агентов на основе LangChain с использованием собственных данных и моделей.

🚀 ©ТехноТренды

Похоже, что китайцы умеют в бизнес-составляющую AI лучше американцев. Новый обзор инференса DeepSeek V3/R1 показывает невероятную экономическую эффективность модели, тогда как OpenAI работает в убыток, а Grok-3 пока не оправдывает ожиданий.

Согласно отчету, DeepSeek R1 может приносить более $560 000 выручки в день при затратах на аренду GPU всего $87 000. Рентабельность = 545%, как тебе такое, Илон Маск? (Реальный доход, конечно, меньше за счет скидок и бесплатных сервисов)

При этом мы помним, что и затраты на обучение китайской LLM составили менее $6 млн — для индустрии это почти даром.

💡 Причина столь впечатляющей рентабельности — оптимизация инференса. В чем ее суть?

✅ Метод Cross-node Expert Parallelism, при котором нагрузка делится между несколькими GPU-узлами. Каждая видеокарта обрабатывает лишь небольшую часть модели, что позволяет избегать простоев или перегрузки узлов, тем самым ускоряя вычисления и снижая издержки.
✅ Двухфазная стратегия инференса (префиллинг + декодинг). На каждой фазе вычисления тоже распараллеливаются, в результате размер батча (т.е. пакета запросов, которые может обработать один узел) возрастает, повышая эффективность вычислений с матрицами на GPU и увеличивая пропускную способность. Производительность на выдаче резко повышается без потери качества ответа.

28.02.2025 были проведены замеры на серверах, обслуживающих публичный чат DeepSeek. Совокупная пиковая загруженность узлов для сервисов V3 и R1 достигла 278, при этом средняя загруженность составила 226,75 узлов (каждый узел содержит 8 графических процессоров H800). Средняя пропускная способность в секунду — 73,7 тыс. токенов на узел (включая обращения к кэшу) на предварительной фазе и 14,8 тыс. токенов при декодировании. Суточная производительность — 608 млрд токенов на входе (с 56.3% cache hit rate) и 168 млрд на выходе при скорости 20–22 токена/сек. Это значительно выше, чем обычная эффективность vLLM.

💰При такой пропускной способности стоимость токена буквально стремится к нулю, что позволяет DeepSeek устанавливать очень «вкусные» цены. Цена 1 млн токена модели R1: $0,14 на входе (попадание в кэш), $0,55 на входе (пропуск в кэш), $2,19 на выходе.

⚖️ Для сравнения — цена 1 млн токенов на o3-mini от OpenAI: $1,10 input; $0,55 cached input; $4,40 output. И это не демпинг китайцев, а чистая эффективность.

Далее, команда DeepSeek гибко маневрирует ресурсами в течение суток. Ночью, когда нагрузка ниже, часть узлов выделяется под обучение моделей и исследования. Таким образом, издержки на аренду процессоров отрабатываются более эффективно. Но китайцы не жадничают: для ночных пользователей действует система скидок.

И это еще не всё. Инженеры DeepSeek активно контактируют с сообществом, предлагая новые решения по масштабированию модели для разных систем. Буквально на прошлой неделе выпустили библиотеку для работы с процессорами H200 Hopper.

О чем это нам говорит?

👉 Оптимизация алгоритмов повышает производительность LLM без необходимости наращивать мощности «железа».
👉 Тренд на удешевления инференса продолжается. Конкурентоспособность моделей становится выше, возможности по их масштабированию — шире.
👉 Опенсорс рулит. Китайцы понимают преимущества открытых моделей перед проприетарными архитектурами и активно вкладываются в сообщество и инфраструктуру (чего не скажешь про отечественные компании... а вот в Европе и даже в США это осознают).
👉 В обозримом будущем ставка на потребление мощных и дорогих GPU (а мы знаем ее главного бенефициара) может не оправдаться. Зато может сработать ставка на разработку новых методов оптимизации, а это откроет новые перспективы для развертывания LLM на относительно скромных пользовательских конфигурациях.

🚀 ©ТехноТренды

🤖 Роботы-доставщики и кибер-официанты приобретают популярность в индустрии гостеприимства. Эти роботы способны выполнять различные задачи — от доставки свежих полотенец до утреннего кофе, — обеспечивая гостям быстрое и эффективное обслуживание.

Согласно отчету Hospitality Technology, более 60% отелей планируют инвестировать в сервисных роботов к 2025 году. Это не дань моде. Две основных проблемы, с которыми сталкивается гостиничный бизнес — рост цен и нехватка персонала.

Владельцам отелей роботы позволяют оптимизировать обслуживание и снизить нагрузку на персонал, позволяя сосредоточиться на других важных аспектах обслуживания гостей. Гостям же общение с роботами приносит комфорт и инновационный опыт, придающий уникальность их пребыванию в отеле.

В 2024 году мировой рынок роботов для гостиничного бизнеса оценивался в $472,51 млн, а к 2031 году, как ожидается, достигнет $2.5 млрд. К этому сегменту относятся робоуборщики, робопортье, робоносильщики, рободворецкие и др. Основную долю (>40%) занимают как раз доставщики, которые становятся более универсальными и способны совмещать несколько ролей.

Например, робоофицианты умеют:
▫️ доставлять еду и напитки к столу клиента в ресторане, кафе, баре;
▫️ собирать грязную посуду и уносить ее из зала в зону мытья;
▫️ разносить напитки и закуски в вестибюле отеля;
▫️ дистанционно принимать и доставлять заказы в конференц-залы, переговорные комнаты и номера (продвинутые модели имеют встроенные модули взаимодействия с лифтами, в т.ч. по API);
▫️ отслеживать загрязнения и вызывать уборщиков в случае необходимости.

Особенности сервисных гостиничных роботов:
🔸 Голосовая связь: некоторые модели способны приветствовать гостей или давать устные инструкции, а также понимать простые голосовые команды.
🔸 Интерфейс с сенсорным экраном для отображения сообщений и взаимодействия с роботом.
🔸 Бесконтактное обслуживание клиента, соответствующее требованиям гигиены. После пандемии гости отдают приоритет минимальному физическому взаимодействию, чтобы снизить риск заражения, что побуждает отели, рестораны и другие предприятия гостиничного бизнеса принимать инновационные решения.
🔸 Доступность. Робот «на службе» 24/7, обеспечивая более быстрый сервис, чем штатный персонал в часы пик.

Технологические вызовы, с которыми сталкивается разработка гостиничных роботов:
👉 Механизмы прокладки пути. Новые эффективные сенсоры и алгоритмы путенахождения должны помогать роботу ориентироваться в гостиничных локациях, лавируя в толпе и избегая столкновений.
👉 Шасси и манипуляторы, обеспечивающие роботам передвижение по помещениям и между этажами, а также надежную транспортировку грузов (например, некоторые кибер-консьержи оборудуются роборукой для манипуляций с багажом гостей).
👉 Интеграция в цифровую экосистему гостиницы: взаимодействие робота с системами облачного управления, децентрализованного бронирования, интернета вещей и т.п.
👉 Искусственный интеллект и интерфейсы. Роботы должны оснащаться развитым AI, способным понимать голосовые команды и вести общение на естественном языке. Желательна также интеграция мобильных приложений и QR-кодов для дистанционных платежей.
👉 Программное обеспечение, поддерживающее рабочую среду для всех этих функций.

Тренды и перспективы. Назовем 3 главных фактора:
🎯 Стабильный рост интереса к сервисным роботам со стороны отельеров и туристов продолжит привлекать инвестиции в разработку и внедрение этих устройств.
🎯 Растущая популярность бесконтактных услуг подчеркивает долгосрочный тренд на более эффективные и гигиеничные модели обслуживания, тем самым способствуя постоянным инновациям в гостиничном секторе.
🎯 Одновременно с разработкой всё более эффективных и доступных роботов развиваются новые модели их внедрения, в т.ч. по схеме RaaS (Robotics as a Service). Это обеспечивает гибкость и масштабируемость, позволяя предприятиям внедрять новые технологии постепенно и более эффективно управлять расходами.

�� ©ТехноТренды

⚡️ Один из главных ограничителей для развития ИИ — дефицит электроэнергии. Мы уже писали об этом. За последние 10 лет энергопотребление флагманских моделей GPU выросло с 250 до 1200 Вт. В США на большие центры обработки данных (ЦОД) сейчас уходит 3,7% общего объема потребляемой в стране электроэнергии, а к 2029 году — до 10%. И тратится она не только на питание чипов, но и на их охлаждение. По статистике, свыше 50% отказов оборудования серверных станций связано с перегревом микросхем и узлов.

Естественно, ученые вместе с инженерами ищут пути повышения энергоэффективности. Одно из возможных направлений — использование новых сверхтеплопроводных материалов.

⚡️ Британская компания Element Six (E6), входящая в De Beers Group, представила на днях медно-алмазный композит Cu-Diamond.

Чистая медь, используемая в современных радиаторах, имеет теплопроводность 319,5 Вт/м·К. Новый материал обладает теплопроводностью 800–1000 Вт/м·К (в зависимости от размера алмазных микрочастиц) при коэффициенте теплового расширения в 1,6 раза выше, чем у меди. К тому же он гораздо более долговечен.

⚡️ Композит E6 далеко не единственный пример. Недавно TDK вложилась в стартап NovoLINC на базе Университета Карнеги-Меллона (США), производящий термоинтерфейсы для высокомощной электроники. Одна из его разработок — гибкие «сэндвичи» из медных нанопроводов с 3D-покрытием из графена, обеспечивающие сверхнизкое тепловое сопротивление ∼0,24 мм²·К/Вт. Это примерно в 10 раз эффективнее, чем припой, и в 1000 раз лучше, чем термопасты, гели и эпоксидные смолы.

🎯 Новые материалы позволяют повышать энергоэффективность и отказоустойчивость серверов, а значит — наращивать мощность ЦОДов. А значит — еще активнее развивать ИИ.

Именно искусственный интеллект (ну и немножко майнинг криптовалюты 😉) служит драйвером прогресса на этом направлении, заставляя крупных производителей инвестировать в научные стартапы для создания коммерческих технологических решений.

🚀 ©ТехноТренды

Nvidia отчиталась о доходах за четвертый квартал, закончившийся 26 января 2025 года. Прибыль составила $39,3 млрд, что на 12% больше, чем в предыдущем квартале, и на 78% больше, чем год назад. Прогноз на первый квартал 2026 — около $43 млрд.

Что видим? Не просто устойчивый рост, а прямо-таки взлет. Выручка выросла на 114%, а чистая прибыль — на 145%. И это несмотря на опасения, связанные с успехом DeepSeek.

Столь высокие результаты связаны с растущим спросом на чипы для систем искусственного интеллекта. И тренд будет сохраняться, поскольку бум AI в мире только набирает обороты.

Со временем привычные графические чипы на пользовательских конфигурациях и в облачных решениях будут постепенно уступать место специализированным AI-чипам, таким как ASIC, тензорные процессоры (TPU) или вентильные матрицы (FPGA). Но для задач обучения LLM серверные GPU останутся базой еще долго благодаря мощности и гибкости своей архитектуры.

🚀 ©ТехноТренды

Прошедший месяц был богат на яркие события в мире технологий. На канале 🚀 ТехноТренды вы найдете непредвзятый анализ самых актуальных тенденций в сфере AI, IT и робототехники. Здесь не только следят за новостями, но и обобщают, прогнозируют, выявляют закономерности.

Вот о чем писали ТехноТренды в феврале:
⚡️ OpenAI бросает вызов китайскому DeepSeek: что может новая рассуждающая LLM o3-mini?
⚡️ BVLOS — инновационная технология управления беспилотниками вне зоны прямой видимости оператора.
⚡️ Роботизация промышленности: роборабочие становятся всё умнее, адаптивнее и человекообразнее.
⚡️ Беспилотный транспорт на улицах России: эксперимент продлен на 5 лет.
⚡️ Росатом строит АЭС четвертого поколения — уникальный роботизированный энергокомплекс замкнутого цикла.
⚡️ Парад «Старгейтов»: как ведущие страны мира (и наша в том числе) вкладываются в разработку искусственного интеллекта.
⚡️ Первый в мире квантовый чип на топопроводниках: прорывная разработка Microsoft.
⚡️ Редкоземельные металлы — для чего они нужны и почему вдруг стали всем интересны?
⚡️ Что нужно знать об аддитивных технологиях, и многое другое.

🎯 Следите за Технотрендами — держите руку на пульсе прогресса! 🤖

Что нужно знать об аддитивных технологиях

Еще немного по следам прошедшего форума «Новые материалы и химия». Одной из доминант нового технологического уклада (вот прям так, дословно) признаны аддитивные технологии. Их развитие является глобальным трендом, и это одна из самых бурно развивающихся инновационных отраслей.

❇️ Аддитивные технологии — это просто 3D-печать

Additive Manufacturing (АМ) — метод создания трехмерных объектов путем послойного добавления материала с помощью 3D-принтеров (от слова 🇬🇧 add — добавлять).

Материал может быть любым, лишь бы обладал необходимой пластичностью: полимеры, металл, бетон, керамика, биологические ткани.

У метода масса преимуществ перед, скажем, штамповкой, сваркой или расточкой: он прецизионный (уже есть технологии молекулярной печати!), экономичный, безотходный, идеально совместим с цифровыми моделями.

Особо важно то, что AM обеспечивает строгую однородность (или заданную неоднородность) материала по всему объему изделия или сверхсложную топологию объекта. Упраздняются целые технологические цепочки: на 3D-принтере можно за один прием напечатать деталь, которую раньше приходилось собирать из 100 и более элементов. КПД готового изделия возрастает порой до 90%.

Возникло даже направление прямого цифрового производства (Direct Digital Manufacturing, DDM) — изготовление аддитивными способами конечного продукта сразу с цифровой модели, разработанной с помощью ИИ.

❇️ Где применяются аддитивные технологии?

AM открывает революционные возможности практически во всех ключевых отраслях:

🔸 Машиностроение — изготовление пресс-форм для прецизионного литья, сверхсложных элементов шасси, высокопрочных деталей для сборки.

🔸 Аэрокосмическая отрасль — всё то же плюс новые особо прочные, стойкие к воздействиям и легкие материалы для эксплуатации в агрессивных средах, в т.ч. космическом пространстве и на других планетах.

🔸 Электротехника и электроника. Методом молекулярной печати можно изготавливать улучшенные наполнители для аккумуляторов и конденсаторов, чипы и т.п.

🔸 Медицина — не только зубные протезы! С помощью стереолитографии печатаются индивидуальные сердечные клапаны и даже целые сердца, протезы суставов, детали слуховых аппаратов и многое другое. В будущем планируется изготавливать фрагменты живых тканей и органы для пересадки (кое-что уже получается).

🔸 Строительство. 3D-печать ускоряет и удешевляет процесс, позволяет применять нестандартные архитектурные решения и, опять же, новые материалы, что может быть очень важно, например, в сейсмоопасных зонах.

🔸 Металлургия. 3D-печать и 3D-литье сильно модифицировали процессы создания прототипов, инструментов, оснастки, конечных продуктов. Появляются новые технологические процессы. Металлургия сейчас переживает, по сути, второе рождение.

🔸 Робототехника. Помимо совершенствования электронной начинки, 3D-печать эффективна для изготовления «тел» роботов — каркасов, сочленений, амортизаторов и полимерных мышц.

🔸 Разработка новых материалов. 3D-печать в сочетании с ИИ позволяет создавать материалы с программируемыми физическими характеристиками — например, имитацию дерева или кости, сверхпроводники или сверхэластики, а в перспективе — наноматериалы типа графена.

❇️ Перспективы и вызовы

По данным Research and Markets, объем мирового рынка аддитивных технологий имеет ежегодный прирост в 21,2% и к 2030-му может составить до $83,6 млрд. Прогноз для России — ₽58 млрд.

В нашей стране принята госстратегия по развитию аддитивных технологий. Лидеры по их внедрению — машиностроение, атомная энергетика, аэрокосмическая отрасль, медицина. Главная задача — обеспечить доступом к AM-процессам как можно большее количество предприятий.

Основными сдерживающими факторами пока считаются острый дефицит специалистов, нехватка необходимых материалов и отсутствие некоторых техпроцессов, которые есть за рубежом. Также актуальной остается проблема межотраслевого взаимодействия — например, смычка производства с прикладной математикой (та самая интеграция с ИИ).

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

🎯 Единая база данных по материалам: что имеем на сегодня?

На прошедшем недавно Форуме будущих технологий одной из самых обсуждаемых тем было развитие межотраслевой координации научных разработок и промышленного внедрения новых материалов.

Один из ключевых элементов такой координации — единая цифровая платформа, которая аккумулировала бы всю информацию по существующим и новым материалам. Ее создание тоже активно обсуждалось в кулуарах, и не удивительно — необходимость давно назрела.

Что дает универсальная база данных? Массу возможностей:

✅ инженеры, архитекторы или проектировщики могут быстро найти нужную марку стали или пластика с конкретными свойствами, посмотреть состав, стандарты, патенты, диаграммы напряжения-деформации, кривые долговечности при растяжении и т.п., узнать о поставщике, условиях испытания, цене и еще массе параметров, а при необходимости экспортировать их в CAE-систему;
✅ поставщики, со своей стороны, выкладывают эти параметры в общий доступ, что очень удобно для поиска заказчиков;
✅ база оперативно пополняется информацией о новых материалах от научных лабораторий и технологических стартапов;
✅ платформа собирает запросы от производителей к научным центрам о разработке еще несуществующих материалов с нужными свойствами;
✅ исследователи, в свою очередь, могут организовать краудфандинг от заинтересованных производителей на создание нового материала;
✅ встроенный AI-ассистент помогает сравнить материалы по нужным параметрам, выбрать альтернативу, просчитать поведение материала в конкретных условиях на моделях и цифровых двойниках (похожие решения уже внедряются)...

Как говорится, «не жизнь была б, а песня бы». Ставьте 👍 кто хотел бы, чтобы в РФ была такая цифровая платформа 😉

В мире, конечно, подобные проекты уже существуют. Мы сделали для вас краткий обзор наиболее развитых и интересных баз данных по материалам.

👉 Total Materia. Информация по более чем 540 000 материалам (как металлам, так и не металлам) из 60+ стран, 25 млн записей о свойствах, система идентификации сходных и эквивалентных материалов, поиск по свойствам, подбор класса материалов для конкретного применения и т.п. Поддерживается 🇷🇺 русский язык.

👉 MatDat. Более 1500 марок стали, сплавов, сварных металлов и других материалов, используемых в проектировании. Поисковая система объединяет данные и контакты 12 000 лабораторий по тестированию материалов и продуктов по всему миру, поставщиков услуг, оборудования и материалов.

👉 База данных NASA. Информация по 1500+ промышленным материалам, разделенным на 32 категории, в т.ч. клеям, абляторам на основе кремния, наноматериалам и углерод-фенольным смолам. Учитывается более 150 параметров: плотность, теплопроводность, удельная теплоёмкость, коэффициент излучения, коэффициент поглощения и др.

👉 Репозиторий университета Карнеги-Меллона. Коллекция ссылок на онлайн- и офлайн-ресурсы по свойствам материалов, собранная одним из сотрудников университета. Многие ссылки ведут на NIST Materials Data Repository Национального института стандартов и технологий США — еще одна большая база материаловедческих данных, включая исследовательские публикации и стандарты.

👉 Ansys GRANTA MI. Единая среда данных по материалам от сколковского АО МЦД — ресурс сведений о металлах, пластмассах и композитах, пополняемый клиентами компании, предоставляющими точные данные для CAD, CAE и PLM.

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

Еще об одном свойстве редкоземов.

🤔 Возможно, весь этот шум поднялся, поскольку мир стоит перед решением большой, космической во всех смыслах задачи?

🚀 РЗЭ — один из драйверов развития космической отрасли. Вот несколько направлений, где их применение особенно заметно:

1️⃣ Постоянные магниты. Неодим и самарий используются для создания мощных и компактных магнитов (например, NdFeB и SmCo магниты). Эти магниты находят применение в двигателях, генераторах и системах управления, которые критически важны для спутников, ракет и других космических аппаратов. Также неодимовые магниты применяются в беспроводных инструментах, жестких дисках и магнитных застежках (элемент космического скафандра).

2️⃣ Легкие и прочные сплавы. Некоторые редкоземы применяются для улучшения свойств сплавов, делая их легче, прочнее, устойчивее к агрессивным средам. Это особенно важно для конструкционных материалов, используемых в космических аппаратах, где важна минимизация массы без потери прочности. Один из ярких примеров — алюминиево-скандиевые сплавы. При добавлении небольшого количества скандия в алюминий улучшается структура металла: уменьшается зернистость, повышается прочность, термостойкость и антикоррозионные свойства, при этом сохраняется низкая плотность. Такие сплавы широко применяются в аэрокосмической и авиационной промышленности, где важны сочетание малой массы и высокой механической надежности.

3️⃣ Оптические и электронные компоненты. Такие элементы, как лантан, европий, церий используются в производстве лазеров, детекторов, дисплеев и других высокотехнологичных компонентов, необходимых для навигационных систем, устройств связи и научных приборов на борту космических кораблей, спускаемых аппаратов и спутников.

4️⃣ Стабильность при высоких температурах. Некоторые редкоземы обладают высокой термостойкостью и резистентностью к проникающим излучениям, что делает их незаменимыми при работе в космическом пространстве. Например, чипы, сенсоры, батареи и кинетические узлы, созданные с применением РЗЭ, позволят создавать высоконадежных и долговечных исследовательских роботов.

5️⃣ Применение в энергоустановках. Ряд уникальных свойств редкоземов делает их исключительно полезными при решении задач энергообеспечения космических миссий — в частности, для создания долговременных источников энергии, новых эффективных двигателей и изолирующих экранов. Скажем, скандий и церий используется в твердооксидных топливных элементах (ТОТЭ) — прорывной технологии, позволяющей создавать компактные химические аккумуляторы мощностью от 500 Вт до 1 МВт, которые способны работать месяцами.

Таким образом, редкоземельные металлы способствуют развитию целого спектра эффективных и надежных технологий, необходимых для успешной реализации космических программ.

#РедкоземельныеМеталлы #ТехнологииБудущего #Космос

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

🔬🌍 Редкоземельные металлы: как они влияют на технологии и технолидерство?

Всю последнюю неделю в новостях только и разговоров, что о редкоземельных металлах — правда, в основном в политическом контексте. А мы давайте попробуем разобраться, в чем их важность с технологической точки зрения.

❇️ Редкоземельные элементы (РЗЭ) имеют критическое значение для производства высокотехнологичных устройств и инновационных материалов (см. например тут и тут). Это один из ключевых ресурсов для экономики будущего, поскольку, особенно в комбинации с ИИ, позволяют создавать новые композиты и сплавы с уникальными заданными свойствами, позволяющими решать любые стратегические задачи. Как в XIX-XX веках углеводороды и сталь стали основой индустриализации, так редкоземы станут материальной базой для новой промышленной революции.

Правда, есть одно «но»: их очень трудно и невыгодно добывать.

В отличие от других металлов, которые часто встречаются в рудных месторождениях и которые добывать экономически выгодно, РЗЭ обычно рассеяны в щелочных и магматических породах и не обнаруживаются металлодетекторами. Извлечение их из руды требует сложных и затратных процессов, использования токсичных химикатов, от чего страдает окружающая среда.

В результате многие страны, обладающие большими запасами редкоземов (в т.ч. Россия), не спешат их разрабатывать, предпочитая покупать у китайцев. Ситуация постепенно меняется, по мере появления новых технологий разработки:

🔸 Геофизическое и геолокационное зондирование. Спутники и дроны с применением магнитной и гравитационной съемки позволяют проводить мониторинг больших территорий. Специальные радары для подземного зондирования выявляют минералы на глубине и определют их концентрацию, выявляя месторождения с высокой эффективностью добычи.

🔸 Биотехнологии. Для поиска концентрированных источников РЗЭ с недавних пор стали использовать флуоресцентные зонды с сенсорами на основе белка, которые меняют окраску при контакте с лантаноидами. А для добычи применяется биомайнинг, т.е. извлечение РЗЭ из хвостов обогащения с использованием бактерий.

🔸 Нанотехнологии. Расширяется применение наноматериалов, таких как фосфатный полимерный наногель, для более эффективного извлечения РЗЭ из руд. Эти материалы могут улучшать селективность и скорость извлечения.

👉 🇷🇺 Не случайно в нацпроекте РФ «Новые материалы и химия» целое направление сфокусировано на редкоземельных элементах. Инвестиции в новые способы разведки и добычи РЗЭ дадут кумулятивный эффект для развития целого ряда передовых отраслей. Вот лишь несколько примеров.

🔸 Квантовые технологии. РЗЭ благодаря своим уникальным свойствам могут использоваться в квантовых компьютерах и системах квантовой связи. Например, гольмий в 2017 году стал первым элементом, на один атом которого удалось записать один бит информации. В теории на 1 грамм гольмия можно записать 456 эксабайт данных.

🔸 Энергетика. В условиях глобального технологического перехода редкоземы необходимы для создания эффективных систем получения и хранения энергии. Например, твердотельные лазеры на неодимовом стекле используются для инерционного удержания в установках термоядерного синтеза.

🔸 Нанотехнологии. По сути, мета-направление. Новые материалы, для структурирования которых используются уникальные физико-химические свойства РЗЭ, крайне важны для медицины, электроники, аэрокосмической отрасли, робототехники и т.п.

🔸 ИИ и роботизация. Уже сейчас РЗЭ позволяют создавать чипы, сенсоры, аккумуляторы и полимеры, делающие роботов более автономными, умными, мобильными и адаптивными. Этот тренд продолжится. Кстати, роботы будут незаменимы для разработки редкоземельных руд в глубоких пластах залегания.

🔸 Наконец (last but not least) — фундаментальная и прикладная наука. РЗЭ необходимы для физико-химических экспериментов, исследования всё новых качеств самих редкоземов и открытия новых эффектов и материалов, которые будут продвигать дальше высокие технологии.

#РедкоземельныеМеталлы #ТехнологииБудущего #Наука #Промышленность

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

В России представлен национальный проект «Новые материалы и химия» — один из 9 стратегических проектов технологического лидерства, рассчитанных на перспективу до 2030 года. Этому был посвящен очередной, третий по счету Форум будущих технологий, прошедший в Москве 20-21 февраля.

Нацпроект включает себя пять направлений (каждому присвоен статус федерального проекта):

1️⃣ Развитие химических производств под патронажем государства. До 2030 года предполагается создание более 150 новых производств и формирование «экосистем развития на основе федеральных центров компетенций по химии, объединяющих усилия науки, инжиниринга и бизнеса». Один из фокусов — на мало- и среднетоннажной химии. Стартапы и научные лаборатории смогут получать гранты на развитие собственных небольших производств.

2️⃣ Материалы для будущего — новые композиты, полимеры и сплавы с уникальными свойствами. Планируется разработать и внедрить около 20 перспективных продуктов. Повышенное внимание уделяется применению искусственного интеллекта и цифровых технологий в разработке материалов, проектировании промышленных установок и обмене данными.

3️⃣ Освоение редких и редкоземельных металлов и другого сырья для новой экономики. В рамках проекта планируется запускать инвестиционные проекты производств полного цикла от сырья до высокотехнологичных товаров. Будут созданы свыше 60 новых продуктов, начнут работу более 15 новых производств.

4️⃣ Импортозамещение критической химической и биотехнологической продукции. Сейчас импортозависимость российской промышленности по разным отраслям составляет 35–75% (основная часть импорта — китайская). Цель — увеличить к 2030 году уровень производства химической промышленности и промышленности новых материалов на 40% и снизить импортозависимость до 15–45%. Самое масштабное снижение ожидается по редкоземельным металлам – с 75% до 15%.

5️⃣ Кадровое и научно-технологическое обеспечение. Обсуждалась необходимость подготовки молодых специалистов по химии, материаловедению и физике, создание новых образовательных программ (например, Курчатские классы).

Особое внимание уделено межотраслевой координации, для чего планируется создать единый штаб управления технологическим развитием и межведомственные центры для разработки и внедрения новых материалов.

❗️ Что здесь важно?

👉 В очередной раз подчеркнута ведущая роль государства в переоснащении национальной экономики. Россия здесь не отстает от общемирового тренда на технологический суверенитет. Все развитые страны сейчас вкладываются в инновационные технологии, обеспечивая их господдержкой организационно и финансово. В России только на «химический» нацпроект планируется выделить почти 170 млрд руб., из них 55,6 млрд — в 2025-2027 гг.

👉 Радует системный подход: единая стратегия развития, координация между ведомствами и отраслями, вложения в подготовку кадров, регулярные ивенты вроде прошедшего форума — площадки для дискуссий, обмена мнениями и продвижения идей.

👉 Возрастает роль цифровизации и роботизации: роботы будут всё активнее использоваться на новых производствах, а ИИ — в управлении процессами и данными, в научных исследованиях, при решении инженерных и аналитических задач. Всё это даст мощный импульс развитию ИИ.

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

А вы не страдаете синдромом FoMO? 😉 Специально для тех, кто стремится быть всегда в курсе событий, мы подготовили обзор самых интересных новостей за прошедшую неделю.

⚡️ Японские ученые продемонстрировали биогибридный манипулятор — искусственную руку с живыми мышечными волокнами, выращенными из человеческих клеток, пластиковыми костями, напечатанными на 3D-принтере, и электродами вместо нервов.

⚡️ Фонд развития промышленности Санкт-Петербурга запустил программу «Займы для роботизации промышленных предприятий». Сумма займа составляет от 5 до 500 млн рублей сроком на пять лет под 3% на весь период.

⚡️ Илон Маск официально представил Grok 3 — «самый умный ИИ на Земле». Модель опережает GPT-4o, DeepSeek R1 и Gemini 2.0 Flash Thinking в нескольких сравнительных тестах, включая ELO, Chatbot Arena. AIME и GPQA. На данный момент релиз доступен лишь пользователям тарифа Premium+ ($50/мес.), но более ранняя модель early-grok-3 выложена для тестирования на LmArena в разделе «Direct Chat».

⚡️ Команда Стэнфордского университета США во главе с Максимом Заславским отработала методику медицинской диагностики с использованием ИИ. Инструмент, который объединяет шесть моделей машинного обучения, успешно распознаёт заболевание COVID-19, диабетом 1 типа, ВИЧ или волчанкой, а также выявляет недавнюю вакцинацию против гриппа.

⚡️ Новые модели смартфонов и планшетов Xiaomi и Redmi получат поддержку DeepSeek: опубликован список устройств.

⚡️ «Яндекс Переводчик» с YandexGPT на борту признан мировым лидером по качеству перевода с английского на русский по итогам международного независимого бенчмарка DiBiMT, опередив Google Translate, ChatGPT и DeepL. (Кстати, сами им пользуемся и подтверждаем — толмачит адекватнее всех). С другими языками дело обстоит похуже.

⚡️ Ученые из Университета Торонто с помощью искусственного интеллекта создали новый сверхлегкий и сверхпрочный материал на основе уникальных углеродных нано-решёток. Применив многоцелевое байесовское оптимизационное машинное обучение (MOBO), исследователи смогли рассчитать наилучшую возможную архитектуру распределения напряжений в наноструктурных конструкциях. Новый материал получился легким, как полистирол, при этом в 5 раз прочнее титана.

#обзор_новостей

Microsoft представила первый в мире квантовый чип на топопроводниках

Топологические проводники — особые сверхпроводящие материалы, которые позволяют управлять майорановскими частицами, на основе чего можно создать более надежные, стабильные и масштабируемые кубиты. Это может произвести революцию в микроэлектронике — например, производить чипы с миллионом кубитов на борту и, что важно, создавать для них эффективные интерфейсы.

Все современные компьютеры в мире, работая вместе, не смогут сделать того, на что будет способен один квантовый компьютер с миллионом кубитов. Надежные квантовые компьютеры уже существуют, но их мало и они маломощные. Разработка Microsoft, как утверждают в компании, позволит начать выпускать их в промышленных масштабах уже через несколько лет.

Если проект «взлетит», нас вскоре ожидает фантастический прорыв в развитии AI, а также множества информационных и промышленных технологий, науки и медицины.

#кубиты #квантовые_компьютеры #Microsoft

Почему G, а не C?
Многие уже давно в курсе, но здесь важно лишний раз подчеркнуть. GPU это не только «про картинку». Сильная сторона GPU — способность к параллельной обработке нескольких массивов данных в реальном времени. Их память имеет в сотни раз более высокую пропускную способность, чем у CPU. Это делает видеокарты несравнимо более эффективными при обсчете сложных задач.

Именно использование графических чипов революционизирует развитие генеративных нейросетей. При обучении и эксплуатации искусственного интеллекта GPU обеспечивают лучший инференс, т.е. скорость обработки запросов и формулирования ответов на естественных языках.

👉 Интересная статья по теме

Новый рынок вычислений и роль GPU
Развитие LLM и RAG привело к росту спроса на видеочипы. Для растущей индустрии их требуются буквально миллионы. Например, кластер для обучения искусственного интеллекта GROK 3, построенный Илоном Маском, включает в себя 100 тыс. чипов H100 от Nvidia. Это, конечно, случай исключительный, но, к примеру, средний GPU-сервер имеет 8 слотов под видеочипы, и они сейчас продаются в массовых количествах.

ИИ-революция заставляет многие компании кардинально пересматривать архитектуру своих систем хранения и обработки данных, и инвестировать в их модернизацию.

Ожидается, что мировой рынок ИИ будет расти в среднем на 37% в год, и к 2030 году достигнет объема в $1 847,5 млрд. Параллельно лидеры рынка видеокарт по экспоненте наращивают как производство, так и мощность чипов. Так, производительность чипа H100 в 16 раз выше, чем у A100, выпущенного двумя годами ранее. В 2023 году Nvidia выпустила 500 тыс. H100, а за 2024 год более чем утроила их производство плюс запустила новую модель — H200.

�� Интересная статья по теме (🇬🇧 англ).

Облачные сервисы: GPU в аренду (Cloud GPU)
Один чип H100 стоит $30000 — не каждому по карману. Но чтобы разработать и использовать продвинутый ИИ с RAG, не обязательно строить собственный дата-центр. Кластер GPU можно арендовать. Тот же Маск сначала арендовал чипы Nvidia для обучения LLM GROK 2 у Oracle.

Серверы с GPU для «тяжелых» технических задач пользуются всё большим спросом на рынке облачных услуг. Например, в России доля аренды таких серверов для обучения LLM в 2023 году составила 5,4% рынка, а общая выручка операторов сервисов — почти 6,6 млрд руб. (рост в 44% по сравнению с 2022 г.). По прогнозам, к 2030 году доля аренды на рынке GPU-серверов удвоится, а выручка их владельцев достигнет 50,3 млрд руб.

👉 Интересная статья по теме
👉 Еще одна

Open Source LLM
Параллельно растет и предложение Open Source LLM, их порой выпускается по несколько в неделю. Из «горячих» недавних примеров — пресловутый DeepSeek R1 или грядущие европейские аналоги.

Открытые версии больших языковых моделей дают возможность их масштабирования и модификации. Например, PyTorch выпустил библиотеку torchchat, предназначенную для локального инференса LLM. Инструменты типа LangChain и HuggingFace позволяют бесплатно реализовать RAG, предоставив LLM доступ к локальной базе данных пользователя.

Такие системы тоже требуют довольно продвинутых локальных машин, оснащенных новейшими GPU. Хотя некоторые модели работают и на CPU, инференс получается существенно ниже. Так что спрос на GPU в ближайшее время будет расти среди как корпоративных, так и частных пользователей.

#LLM #RAG #GPU

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

Инференс LLM и рост потребления GPU

Большие языковые модели (#LLM) и средства генерации с дополненной выборкой (Retrieval-Augmented Generation, #RAG) на наших глазах меняют технологический ландшафт. Требования к вычислительным мощностям растут. В результате прогресс программных средств (нейросетей) тесно смыкается с проблемой насыщения рынка продвинутым «железом».

Особую актуальность приобретают (второй раз после бума биткойнов) графические процессоры — #GPU. Еще недавно видеокарта была необязательным приложением к компьютеру, всех больше интересовали возможности центрального процессора (CPU). Теперь именно видеочипы — основной драйвер развития технологий.

На картинке — график роста размеров больших языковых моделей за последние шесть лет. Как откликаются на это производители чипов?

Подробности читайте в нашем обзоре

Университет Иннополис выпустил сборник «Искусство манипуляции: #промышленная_робототехника и интеграция технологий». Крайне полезный гайд для руководителей, который дает представление об общей ситуации на рынке промышленных роботов и о массе практических аспектов роботизации предприятий.

Краткое содержание:
🔸 обзор промышленной робототехники по категориям и функционалу
🔸 подробный анализ мирового и российского рынка промышленной робототехники: структура, обороты, объем инвестиций, ключевые тренды, прогнозы до 2030 года, основные производители (зарубежные и отечественные)
🔸 расчеты и примеры экономической эффективности внедрения робототехники
🔸 разбор ключевых направлений развития роботов, их интеграции с системами виртуальной и дополненной реальности, предиктивным ИИ и т.п.
🔸 патентный обзор промышленной робототехники
🔸 меры господдержки роботизации в РФ
🔸 календарь событий на 2025 год: выставки и конференции в России и по всему миру
🔸 много интересных интервью, цифр, инфографики

Рекомендуем 👍

Проект OpenEuroLLM (создание европейского пула LLM с открытым кодом) получил статус «Стратегические технологии для Европы». Очередной маленький шаг для ЕС и гигантский скачок для консорциума, который финансируется по приоритетной программе Digital Europe. Общий бюджет проекта — €37,4 млн, из них €20,6 млн выделены Европейской комиссией.

В проекте участвуют 20 ведущих европейских организаций, включая университеты, исследовательские центры и компании: Карлов университет (Чехия), Технический университет Эйндховена (Нидерланды), Институт ELLIS в Тюбингене (Германия), Университет Хельсинки (Финляндия), Aleph Alpha Research (Германия), LightOn (Франция) и Prompsit Language Engineering (Испания).

❗️Почему это важно?

Европа стремится взять интеграцию AI-технологий на континенте в свои руки, отвязавшись от «больших дядь» за океаном и в Поднебесной. Проникновение искусственного интеллекта в оборонный сектор, госаппарат, транспорт, связь и промышленность ускоряется на глазах, и мало кому в ЕС хочется, чтобы этим процессом рулили лидеры рынка из США и Китая. К — кибербезопасность.

Отсюда приоритеты OpenEuroLLM, они же его потенциальные конкурентные преимущества:

👉 Мультиязычность. Европейское культурное многообразие создает особые требования к обучающим программам, учитывающие наличие большого числа равноправных языков. Очевидно, что к таким моделям будут присматриваться и многие страны за пределами ЕС.

👉 Прозрачность. Открытая лицензия и публикация всех ключевых компонентов (данных, кода и методик обучения) сделают модели доступными для проверок и аудитов. Каждая стадия (от подготовки данных до валидации) будет описана и опубликована в репозитории для свободного использования.

👉 Ориентация на поддержку бизнеса. Новые модели должны строиться так, чтобы предприятия и госструктуры ЕС могли модифицировать их, адаптируя для своих отраслевых нужд.

👉 Приоритет цифрового суверенитета Европы. Его принципы уже давно утверждены, и LLM должны соответствовать им на всех уровнях разработки.

👉 Регуляторная совместимость. Например, данные для обучения моделей будут проверяться на релевантность происхождения и соответствие культурным нормам стран ЕС. Здесь большое значение имеет упор на принцип «ответственного ИИ», от которого отказываются США, но который считают важным многие другие страны.

Надо заметить, европейцы не вчера спохватились. OpenEuroLLM — вишенка на торте, который выпекают уже почти 10 лет. Под проект создана гигантская инфраструктура, включая 8 суперкомпьютеров программы EuroHPC: Lumi (Финляндия), Discoverer (Болгария), MeluXina (Люксембург), Vega (Словения), Karolina (Чехия), Leonardo (Италия), Deucalion (Португалия) и MareNostrum 5 (Испания), последний из которых запущен в декабре 2023. На их базе будут создана сеть AI-фабрик для поддержки европейских стартапов, фирм-производителей и исследователей.

🔥 Еще одно подтверждение тренда, о котором мы писали недавно. Европа демонстрирует прекрасное понимание двух вещей: 1) цифровой суверенитет критически важен уже теперь, и станет еще важнее в будущем; 2) для его достижения необходима активная политика государства, как организационно-регулирующая, так и инвестиционная.

Судя по масштабу инвестиций и темпам работы, ЕС реально способен скоро стать одним из глобальных центров развития ИИ, наряду с США и Китаем, а то и пободаться с ними за пальму первенства. Ведь приоритет означает преимущество в экспорте технологий, а значит, лидирующие позиции на мировых рынках.

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

🇷🇺 Магнитогорский металлургический комбинат (ПАО «ММК») объявил о создании Центра компетенций искусственного интеллекта. Задача Центра — разрабатывать высокотехнологичные решения и обеспечивать масштабируемость проектов ИИ для повышения эффективности бизнеса компании.

Над цифровизацией производства в ММК работают уже более 5 лет, более половины проектов разрабатываются с учетом привлечения ИИ. Экономический эффект от внедрения этих решений превысил 4,5 млрд рублей.

Свежий пример — AI-ассистент, внедренный в январе в электросталеплавильном цехе. ИИ, разработанный с применением методов машинного обучения, предназначен для прогнозирования температуры заказа. Модель обучена на исторических данных по 32 тыс. плавок и учитывает десятки параметров плавки. Вся информация отображается в онлайн-таблице цеха и накапливается в базе для последующего анализа закономерностей и отклонений.

Добавим, что ММК — не исключение. Например, на Надеждинском металлургическом заводе (входит в «Норникель») ИИ, цифровые двойники и специальные роботы применялись при проектировке и монтаже печи для переработки медно-никелевого концентрата. «Северсталь», Новолипецкий ЛМК, РУСАЛ тоже не отстают. В целом по горно-металлургической отрасли в 2023-2024 гг. доля компаний, планирующих увеличить эффект от цифровизации, выросла почти в 4 раза: с 15% до 55%.

🎯 Какие здесь тренды?

👉 Системный подход к внедрению AI. Крупные промышленные компании инвестируют в создание собственных центров компетенций, таких как вышеупомянутый центр на ММК, программа «Цифровая сталь» на «Северстали», Лаборатория ГИИ на Новолипецком ЛМК и т.п. Это позволяет разрабатывать и масштабировать AI-решения под конкретные задачи бизнеса, снижая издержки и повышая эффективность.

👉 Комплексность. Интеграция в производственный процесс широкого спектра технологий (машинное обучение, статистическое моделирование, компьютерное зрение, LLM и др.), а также перспективное планирование их внедрения свидетельствует о более зрелом, комплексном подходе к цифровизации отрасли.

👉 Фокус на производственные процессы. Изначально ИИ использовался преимущественно для оптимизации менеджмента (логистика, HR, работа с клиентами). Теперь мы видим, как акцент всё больше смещается на производство: обработка больших данных, прогнозирование параметров, контроль качества, обеспечение безопасности труда, что, по оценкам руководства компаний, уже приводит к значительному экономическому эффекту.

👉 Концепция AI-first. То, что происходит в металлургии, соответствует общему мета-тренду: все ведущие промышленные отрасли сейчас переходят на новый технологический уровень, где ИИ становится ключевым инструментом повышения эффективности, конкурентоспособности и экономической отдачи.

#роботизация_промышленности #AI_ассистенты #ИИ #металлургия

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

🤖🇷🇺 Рынок чат-ботов в России: спрос растет втрое быстрее, чем предложение

⚡️ Свежая аналитика интереса россиян к услугам чат-ботов: спрос растет взрывными темпами — на 3 183% в 2024 году, а предложение выросло лишь на 1 193%.

Бум спроса объясняется развитием электронной коммерции, логистики и онлайн-сервисов, где чат-боты «играют ключевую роль в поддержании связи с клиентами».

Индустрия не поспевает «окучивать» рынок. Выявляется дефицит разработчиков. Спрос предприятий на разработку ботов для общения с клиентами и автоматизации бизнес-процессов вырос более чем на 1000%, а предложение специалистов не дотягивает — всего +980%.

📊 По оценке Naumen Research, лидерами по внедрению чат-ботов являются ритейл (42% компаний), медицинские организации (38%), банки (27%) и страховые компании (19%). Новый бурно растущий сегмент — образование. ИИ-ассистенты пользуются «огромной популярностью» у школьников и студентов. Преподаватели тоже всё активнее пользуются их услугами.

Прогноз на 2025 год более чем благоприятный — рост сохранит темпы, а может даже и ускориться, судя по успехам развития LLM и NLP.

🔥 Основные тренды:

🔸 Улучшение обработки естественного языка (natural language processing, NLP) с помощью больших языковых моделей (LLM) позволит ботам адекватнее понимать запросы пользователей и глубже вникать в контекст беседы. Процесс общения с ботами станет более «человечным».

🔸 Интеграция ИИ и машинного обучения. Боты смогут учиться и изменять свой подход к пользователям в режиме реального времени.

🔸 Персонализация. Чат-боты будут учитывать личные данные пользователей (их предпочтения, историю покупок, поведение в соцсетях) для улучшения качества своих рекомендаций. Это может привести к созданию ботов, которые не только отвечают на вопросы, но и предсказывают потребности пользователей.

🔸 Мультиканальность, кроссплатформенность, экосистемность. Усилится тренд на интеграцию чат-бота с разными платформами: социальные сети, мессенджеры, сайты и приложения. Также следует ожидать активного использования API для улучшения такой интеграции. В результате будет складываться единая экосистема общения, позволяющая пользователю по мере необходимости менять канал диалога с ботом, сохраняя историю и контекст беседы.

🔸 Развитие голосовых интерфейсов. Чат-боты, способные поддерживать голосовой диалог, уже активно используются не только в сервисе, но и в промышленности. Совершенствование алгоритмов распознавания речи сделает таких ассистентов еще более востребованными.

🔸 Новые сферы применения. Чат-боты продолжат находить свои ниши в различных отраслях. Про образование мы уже упомянули. Другие перспективные направления — проектирование и дизайн, туристический сервис, программирование интерфейсов приложений, обрабатывающая промышленность. Ожидается, что продолжит расти интеграция чат-ботов в бизнес-процессы, особенно в областях, связанных с улучшшением клиентского обслуживания и снижением затрат.

🔸 Важным драйвером роста становится также общественное принятие. По мере повышения качества сервисов и роста информированности о развитии технологий, пользователи начинают больше доверять ботам, привыкают к ним и активнее прибегают к их услугам.

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

Кстати об ИИ и национальном суверенитете. Очень показательные моменты связаны с попытками регулирования искусственного интеллекта. На разных уровнях уже принимаются разные декларации и нормы, но разные страны по-разному на эти инициативы откликаются.

На Парижском форуме была подписана декларация «Заявление об инклюзивном и устойчивом искусственном интеллекте для людей и Планеты». США и Великобритания отказались подписывать, Япония, Ю.Корея, ОАЭ, Китай и Индия подписали.

Одновременно «в низах» возникают свои инициативы. Например, Microsoft (США) и G24 (ОАЭ) создали фонд Responsible AI Foundation.

Летом ожидается Глобальный саммит под эгидой ООН «ИИ во благо», а осенью — Всемирная конференция по ИИ во Франкфурте. На этих площадках также будут решаться проблемы правового и этического регулирования искусственного интеллекта, и наверняка найдутся страны, у которых будет что возразить.

Причины возражений понятны. ИИ — очень чувствительная тема, связанная с суверенитетом. Трамп не хочет, чтобы Америку кто-то ограничивал в развитии этой важнейшей отрасли: ему надо догнать и обогнать китайцев сохранить технологический отрыв от Китая и Европы. Британцы прямо признают, что озабочены вопросами нацбезопасности. Когда делишься такими технологиями, становишься более уязвимым.

У других стран противоположная стратегия, больше ориентированная на сотрудничество. Да и в тех же США на уровне товарища Гейтса видим готовность бизнеса к самоограничениям.

#AI #искусственный_интеллект #регулирование_ии

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

Парад «Старгейтов»

Похоже, 2025 год имеет все шансы стать годом #ИИ. Еще только февраль, а глобальных событий масса, и еще много предстоит. И каждое окажет влияние на то, как пойдет развитие #AI-технологий в ближайшие годы.

Вот несколько недавних новостей, оцените, как кучно идут:

🔸 В Париже 11 февраля прошел саммит Евросоюза AI Champions Initiative. Европа выделяет €200 млрд на строительство «гигафабрик», на которых будут обучаться новые европейские нейронки.

🔸 В тот же день Эммануэль Макрон объявил о выделении €109 млрд на собственный французский проект развития ИИ — Франция хочет сделать свой Stargate.

🔸 Напомним, что Трамп анонсировал Stargate с бюджетом $500 млрд 22 января.

🔸 27 января Китай ответил Трампу, субсидировав на развитие ИИ 1 триллион юаней ($137 млрд).

🔸 А полутора месяцами ранее, 11 декабря, было объявлено о создании Альянса БРИКС по развитию искусственного интеллекта.

Тенденция, однако.

О чем это говорит? Все развитые страны понимают, насколько БОЛЬШОЕ влияние ИИ окажет на мир вот прям скоро. И спешат принять меры. Кто может — сам, кто не может — коллективно. Ставки слишком высоки.

�� NYT уже сравнила обладание собственными моделями ИИ с наличием ядерного оружия. Это теперь не просто технология, а 1) важный элемент национального суверенитета (экономического и военного) и 2) очень весомый козырь в борьбе за мировое лидерство. Кто выиграет гонку ИИ, будет диктовать правила игры при новом технологическом укладе.

Не будем вдаваться в геополитику, поговорим об экономике и технологиях (хотя всё это связано). Евросоюз озабочен своим отставанием от США и Китая в целом ряде ключевых позиций, в т.ч. роботизации. Согласно прогнозу General Catalyst, внедрение генеративных нейросетей может повысить производительность Европы на 3% к 2030 году. Три процента для Европы — это много, но дело даже не в этом: если сейчас не форсировать развитие ИИ, ЕС утратит все надежды на возможное лидерство в будущем.

Тем же самым озабочены и США относительно Китая. Отсюда и «парад Старгейтов».

🇷🇺 Каковы в этой гонке шансы России? Кстати, не так уж плохи. Во-первых, у нас тоже идут инвестиции в ИИ. До 2030 года намечено вложить 149 млрд рублей (с 2019-го по 2023 год потратили всего 19,4 млрд). Во-вторых, можем, умеем, практикуем. Более трети моделей генеративного ИИ, используемых в российском бизнесе, являются отечественными. Создаются целые кластеры специализированных вычислений ИИ. А всего сектор ИИ к 2030 г. должен составить не менее 12 трлн руб. (сейчас — 4 трлн, или 2,2% ВВП). Ну и в-третьих, надо состоять в удачных альянсах. В наше время колаборация — это всё, а у нас в партнерах Китай, Индия и ОАЭ, которые тоже активно вкладываются сейчас в развитие нейронок. По некоторым оценкам, реализованный экономический эффект от внедрения генеративного ИИ в странах БРИКС+ к 2030 г. может достичь $350–600 млрд.

P.S. На наш взгляд, NYT излишне драматизирует. Скорее, ИИ надо сравнить не с атомной бомбой, а с индустриализацией XX века. Тогда тоже менялся глобальный технологический уклад. И хотя каждый, при наличии денег, мог лично построить завод, именно от усилий государства зависело, насколько быстро страна перейдет на новые рельсы. Но в итоге все там будут 😉

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

Конец января — начало февраля были богаты на хайп вокруг ИИ, интересные эксперименты и значимые даты для российской науки. Канал ТехноТренды предлагает вашему вниманию краткий #дайджест публикаций за последние две недели.

🔸 «Где у нас случилось?» © — обзор самых значимых новостей в мире AI

�� DeepSeek R1 обошел OpenAI по бенчмаркам и скачиваниям — анализируем китайскую сенсацию и смотрим, к чему это приведет

🔸 На каких платформах работает DeepSeek и увидим ли мы наручные часы с ИИ-ассистентом

🔸 Применение LLM + RAG для диалоговых систем в службе поддержки — авторский лонгрид на Хабре

🔸 Нейрочип для Элджернона — российские ученые экспериментируют с мозговыми ИИ-имплантами

🔸 Ответ OpenAI китайцам — обеспокоенные успехом DeepSeek американцы выложили в бесплатный доступ свою новую AI-модель, простые потребители в выигрыше

🔸 Андроиды наступают — почему рынок гуманоидных роботов будет активно расти в ближайшие годы

🔸 Deep Earth — новый суперпроект Китая по освоению недр сочетает в себе цифровые, геологические и космические технологии

🔸 Правда ли, что DeepSeek основан на советских разработках, и вообще — какой вклад отечественные ученые внесли в развитие кибертехнологий

🔸 Графеновая шина лечит разрыв спинного мозга — успешный эксперимент испанцев открывает новые возможности в медицине

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации, и вы будете в курсе самых важных и актуальных событий!

Кстати о графене.

🇪🇸 Испанские ученые из Института материаловедения в Мадриде (ICMM-CSIC) с помощью графена впервые в истории смогли восстановить полностью разорванный спинной мозг у крысы. 🐀

Используя трёхмерную пену из графена, исследователи сформировали особую среду, которая способствовала росту кровеносных сосудов и нервных клеток. Спустя 10 дней появились первые признаки восстановления, а через 4 месяца регенерация стала еще более выраженной. Постепенно новая ткань полностью «зарастила» поврежденную зону. Тесты показали, что нервные сигналы вновь полноценно передаются в головной мозг.

🔬 Как это работает? Восстановленный оксид графена подвергают термообработке при 220 ºC, чтобы удалить излишки кислородных групп и увеличить химические связи между двумерными листами для достижения большей механической стабильности. Полученный каркас имплантируют в поврежденные ткани. Нейроны, которые выжили в области вокруг очага поражения, проецируют свои продолжения через каркас и проникают в него по всей его трехмерной протяженности, за счет чего формируется новая ткань.

❗️Ранее уже было доказано, что подобные материалы стимулируют регенерацию тканей, однако теперь исследователи оценили их эффективность в случае полного разрыва спинномозгового канала.

👉 Работа, только что опубликованная в журнале Bioactive Materials, демонстрирует потенциал графена для лечения поражений спинного мозга и открывает новые перспективы для лечения пациентов с параличом нижних конечностей.

А мы напомним, что оксид графена — универсальный суперматериал, который успешно применяется не только в медицине, но и в микроэлектронике, энергетике, космических технологиях и т.п. Открытый недавно способ массового производства графеновой ткани обещает в обозримом будущем сделать его распространенным элементом не только технологий, но и нашего быта.

#графен #медицина

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

С днем Российской науки! 🥂

8 февраля 1724 года Петр I подписал указ об учреждении в Петербурге Академии наук и художеств, что положило начало российской науке как системной и организованной деятельности.

Мы уже рассказывали о вкладе наших ученых в развитие робототехники. Вспомним еще несколько недавних достижений отечественной науки, которые продвинули вперед высокие технологии.

�� Кубиты на основе олова (Институт общей физики им. Прохорова). Алмазные микрочастицы с примесью олова дешевле в производстве, чем германиевые или кремниевые, что важно для прогресса квантовых компьютеров.

🔸 Синтетический намибит (МГУ) — еще один прорыв в области квантовых вычислителей: технология гидротермального синтеза намибита, крайне редкого минерала, необходимого для создания кубитов.

🔸 Высокоточная навигация для дронов — новая разработка МИСИС дешевле аналогов, при этом не имеет погрешностей от температуры и вибрации двигателя.

🔸 Нейросеть для распознавания опухолей мозга по МРТ (ЮУГУ). Модель, сочетающая в себе элементы свёрточной и конволюционной нейронных сетей, показала 99,39% точности при диагностике.

🔸 Нейросеть для банкинга (ЮУГУ). ИИ распознаёт подозрительные банковские транзакции с помощью градиентного бустинга с точностью до 99,21% верных попаданий, что впервые удовлетворяет требованиям банковской сферы к таким алгоритмам.

🔸 Графен — пожалуй, одна из самых сенсационных отечественных разработок, принесшая в 2010 году Нобелевскую премию по физике Андрею Гейму и Константину Новосёлову. Без преувеличений — материал будущего, словно пришедший из научно-фантастических романов. Но он уже работает в огромном количестве сфер, от космоса до медицины.

🥳 Еще раз поздравляем российских ученых с профессиональным праздником и желаем новых открытий, высокого индекса Хирша и неограниченного финансирования!

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

Поздравляем всё прогрессивное человечество с Международным днем робототехники! 🥳

🤖 Праздник отмечается 7 февраля, потому что, как гласит легенда, именно в этот день американский учёный-биохимик и писатель-фантаст Айзек Азимов сформулировал знаменитые Три закона робототехники. На самом деле думал он над ними много лет, а впервые все вместе они появились в рассказе «Хоровод», написанном в октябре 1941 года. Кстати, почитайте в честь праздника — хороший рассказ. Между прочим, действие там происходит в 2015 году на Меркурии... кажется, где-то мы не там свернули.

🥂 Пожелаем в этот день нам всем гармонии между искусственным и естественным интеллектом и немного вспомним об истории робототехники. А началась она еще до нашей эры.

❇️ Первого в истории человечества робота, как концепт, придумал в IV веке до н. э. греческий ученый Архит Тарентский — он спроектировал механическую птицу из дерева, которую предполагалось приводить в движение паровой тягой для подъёма до 200 метров в высоту.

❇️ Первый задокументированный чертеж человекоподобного робота сделал Леонардо Да Винчи в 1495 году. На схеме изображен каркас робота, который был запрограммирован выполнять человеческие движения.

❇️ Термины «робот» и «робототехника» появились в XX веке. Чешский писатель Карел Чапек в своей пьесе R.U.R. («Универсальные роботы Россума», 1921) впервые употребил слово «робот», которое придумал его брат Йозеф. А слово «робототехника» ввёл в обращение уже упоминавшийся Айзек Азимов.

❇️ Современная робототехника появилась во второй половине XX века. С 1950-х годов началось активное внедрение программируемых манипуляторов в промышленности.

❇️ Первый робот с зачатками искусственного интеллекта и зрения был создан в 1968 году. Он мог самостоятельно двигаться и объезжать предметы, хотя был еще довольно неуклюж.

❇️ А вот современная эра робототехники началась в 1970-х годах, когда микропроцессоры и специализированные устройства управления на программируемых контроллерах позволили кратно удешевить производство роботов, сделав рентабельным их массовое внедрение в промышленности и в быту.

Еще раз с праздником, и 🚀 подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

#история_робототехники

🚕 Минэкономразвития: эксперимент по эксплуатации беспилотных автомобилей в России продлят до 2028 года.

Минэк РФ подвел итоги эксперимента по тестированию беспилотных автомобилей, и оказался доволен результатами. С апреля 2022 года по ноябрь 2024 года роботакси совершили 92 тысячи поездок: 70 тысяч — в федеральной территории Сириус, 20 тысяч — в Иннополисе, 2000 — в Ясенево.

Поездки проходили с водителем-испытателем на пассажирском сиденье (ВАТС-1) либо без водителя, но с оператором, который управлял машиной дистанционно (ВАТС-2). Всего автомобили проехали 8 млн км, из них 50 км — без испытателя.

❗️За два года было зафиксировано 36 ДТП, но только два из них — по вине беспилотника, остальные — по вине «другого участника», пишет РБК. Для сравнения: автомобили Tesla в режиме Autopilot с 2019 по 2023 г. попали в 736 аварий. Конечно, статистику еще предстоит сравнить более детально, с учетом количества поездок и наличия/отсутствия удаленного контроля. Но российские цифры показались правительству однозначно приемлемыми. Эксперимент решено продлить еще на 5 лет (как говорят, «из-за необходимости перехода на новые технологии»), расширив количество зон для тестирования в Москве.

👉 Наш комментарий: очевидно, что широкое внедрение ВАТС (высокоавтоматизированного транспорта) неизбежно во всех развитых странах. На определенном этапе развития такой транспорт будет и дешевле в эксплуатации, и безопаснее. Согласно статистике, основная причина ДТП — ошибки водителей, такие как неверное определение дистанции или выезд на встречку. ИИ справляется с этими задачами лучше, показывая высокое качество вождения в «рутинной», стандартной обстановке. Но в более сложных условиях (в сумерках, при слабой видимости или слишком интенсивном трафике) часто теряется. Развитие ИИ и сенсоров поможет преодолеть этот недостаток — дело только за отработкой технологий, т.е. за инвестициями. И учитывая огромные перспективы рынка, инвестиции последуют.

⚡️ Что почитать о рынке беспилотных автомобилей: подборка статей на TAdviser.

Россия движется в русле общемирового тренда. Некоторые аналитики предсказывают, что к 2035 году более 25% автомобилей на российских дорогах будут беспилотными, а к 2042 году показатель превысит 80%. Объем рынка ВАТС в России к 2035 году может составить от $25 млрд до $32 млрд ежегодно. При этом переход к массовому запуску робомобилей высокой автономности потребует более $5 млрд инвестиций на формирование доверенного набора технологий.

#ватс #беспилотный_автотранспорт

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

Читали недавнюю мистификацию ИА «Панорама» про то, что DeepSeek разработан на основе советской системы ОГАС академика Глушкова? Многие поверили, даже в «Вестях» показали.

☝️Шутки шутками, но советские и российские ученые действительно внесли вклад в развитие ИИ, особенно в области теоретических основ, кибернетики, машинного обучения и прикладных систем. Давайте перечислим некоторых из наших реальных героев.

Советский период

❇️ Виктор Глушков (1923–1982) — раз уж о нем шла речь, с него и начнем. Один из создателей советской кибернетической школы, разработавший систему алгоритмических алгебр и теорию для управления распределёнными базами данных. Инициатор проекта ОГАС (это не вымысел), где рассматривались элементы ИИ для управления экономикой.

❇️ Алексей Ляпунов (1911–1973) — пионер советской кибернетики и программирования. Заложил основы теории алгоритмов и математического моделирования, что стало базой для развития ИИ.

❇️ Дмитрий Поспелов (1932–2019) — основоположник исследований в области экспертных систем и логического программирования в СССР. Автор работ по ситуационному управлению и моделям принятия решений, основатель журнала «Новости искусственного интеллекта».

❇️ Николай Красовский (1924–2012) — математик, создатель научной школы по теории оптимального управления и дифференциальных игр (одна из основ алгоритмов управления в ИИ).

❇️ Михаил Ботвинник (1914–1995) — не только чемпион мира по шахматам, но и крупный инженер-исследователь, автор работ в области электроэнергетики и электропромышленности. В конце жизни много работал над проблемой компьютерного моделирования человеческого мышления. Его идеи повлияли на методы поиска в игровых ИИ.

❇️ Сергей Лебедев (1902–1974) — создатель первых советских ЭВМ (например, БЭСМ). Под его руководством были созданы 15 типов ЭВМ, начиная с ламповых и заканчивая современными суперкомпьютерами на интегральных схемах. Разработки Лебедева определили вектор мирового компьютеростроения на несколько десятилетий вперед.

🇷🇺 Современная Россия

❇️ Владимир Вапник (род. 1936) — один из соавторов теории Вапника-Червоненкиса о статистическом машинном обучении, а также метода опорных векторов (SVM), одного из ключевых алгоритмов машинного обучения.

❇️ Константин Воронцов (род. 1971) — специалист в области машинного обучения, анализа данных и нейросетей, автор работ по методам коллективного принятия решений.

❇️ Александр Дьяконов (род. 1979) — исследователь нейронных сетей и глубокого обучения, автор теоретических работ в области распознавания образов, дискретной математики, прикладных задач анализа данных (data mining).

❇️ Владимир Арлазаров (1939) — учёный в области системного программирования, теории игр, искусственного интеллекта, систем управления базами данных и информационных технологий. Один из разработчиков советской шахматной программы «Каисса» — первого чемпиона мира среди компьютерных программ (1974).

❇️ Григорий Осипов (род. 1960) — создатель теории синхронизации неоднородных ансамблей (цепочек и решеток) локально связанных осцилляторов, имеющей важное значение для разработки новых методов управления динамическими режимами сложных систем, в т.ч. импульсных нейросетей.

P.S. Данный пост подготовлен при участии DeepSeek, и это не шутка ))

#кибернетика #фундаментальные_исследования

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

На следующей неделе пройдет мероприятие «Состояние рынка GenAI в России и в мире», организованном Фондом «Сколково». Событие состоится 12 февраля 2025 года и будет посвящено обсуждению текущих тенденций и перспектив развития генеративного искусственного интеллекта (GenAI) как в России, так и на международной арене.

Генеративный ИИ активно внедряется в различные сферы, включая искусство, дизайн, здравоохранение и финансовый сектор. По данным Coherent Market Insights, объем глобального рынка GenAI в 2024 году достиг $68,34 млрд и, по прогнозам, продолжит ежегодно расти на 32,8%, достигнув $496,82 млрд к 2031 году. В России ожидается еще более динамичный рост — с $420 млн в 2024 году до $4,15 млрд к 2030 году, что соответствует среднегодовому темпу роста в 46,49% .

На мероприятии выступят ведущие эксперты в области искусственного интеллекта, которые поделятся своими знаниями и опытом, обсудят ключевые тренды и вызовы, стоящие перед индустрией.

Вся информация и на официальном официальный сайте мероприятия.


🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

🇨🇳 Китай объявил о запуске масштабного научно-технического мегапроекта Deep Earth, который призван обеспечить национальную энергетическую и ресурсную безопасность. Суть проекта — добыча нефти со сверхглубоких пластов залегания, с параллельным изучением структуры земной коры.

❗️Запасы нефти и газа на большой глубине составляют примерно 34% от общей ресурсной базы страны, так что их освоение критически важно. При этом недра Земли остаются одной из самых сложных для изучения сред. На глубине 10 км температура может превышать 260 градусов по Цельсию, а давление достигает 1100 мегапаскалей.

Ясно, что проект неосуществим без масштабной роботизации, причем инновационной. Основные сложности при глубинной добыче ресурсов — обеспечение автономной работы механизмов и надежных каналов связи между ними. Для этого нужен не просто мощный AI, а целая система уникальных интеллектуальных комплексов, отвечающих за оценку ситуации и координацию роботизированных бурильных устройств.

Китайцы привлекли лучшие научные силы — несколько университетов во главе с национальной академией геологических наук. Разрабатывается специальная интеллектуальная буровая установка, рассчитанная на глубину 15 000 м. На сегодня самая глубокая нефтяная скважина в Китае достигает 11 км, она на втором месте в мире после еще советской З-44 «Чайво» на Сахалинском шельфе (15 км).

📡 Интересно то, что в разработке используется опыт, накопленный при реализации космических программ Китая, прежде всего по освоению Луны и Марса — технологии бурения и извлечения материалов в экстремальных средах без участия человека. Соответственно, опыт, полученный на проекте Deep Earth, пригодится для развития программ космической геологии и добычи ресурсов.

👉 Наш комментарий. Китай нацеливается одновременно на недра Земли и на космос. Не случайно.

1️⃣ Разработка глубинных месторождений будет приобретать всё большее значение по мере истощения легкодоступных залежей. Это касается не только нефти, но и золота, и палладия, и редкоземельных элементов.
2️⃣ Автономная добыча ресурсов становится одним из главных драйверов роботизации, наряду с традиционными (микроэлектроникой, автомобилестроением и т.п.)
3️⃣ Развитие земных технологий берет на вооружение наработки космических программ и дает им ответный толчок.

Китайцы мыслят стратегически, тем самым обеспечивая себе определенное лидерство по всем трем трендам.

#промышленная_роботизация #китай #deep_earth

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

BVLOS (Beyond Visual Line Of Sight) — активно развивающаяся и самая перспективная на сегодня технология управления беспилотниками «вне пределов прямой видимости» оператора. Она более требовательна к оборудованию (например, к системам передачи данных и удаленного контроля, а также к сенсорам и бортовому ПО самих БПЛА). Но по мере развития ИИ и совершенствования интерфейсов сеть BVLOS позволяет одному оператору управлять целым роем аппаратов, что резко снижает себестоимость услуг гражданской микроавиации.

Возьмем, скажем, доставку. По оценке McKinsey & Company, прямые эксплуатационные расходы, связанные с доставкой одной посылки курьерским дроном, в 2023 году составляли около $13,5 — выше, чем у автофургонов, развозящих до 100 посылок за выезд. При этом до 95% издержек приходилось на оплату труда оператора. Переход к диспетчированию одним оператором хотя бы 20 БПЛА сократит стоимость доставки до $1,5-$2.

Конечно, под такое дело придется приспосабливать городскую среду, интегрируя в нее инфраструктуру для обслуживания беспилотников: ретрансляции сигнала, парковки, подзарядки и т.п. В этом направлении уже работают ведущие производители, а в России принят соответствующий ГОСТ.

10 января американская компания A2Z Drone Delivery объявила о запуске многофункциональной сети док-станций для дронов BVLOS. Станции AirDocks, расположенные на высоких платформах, автоматически подзаряжают дроны, находящиеся на маршруте, так что вращающиеся пропеллеры находятся на безопасном расстоянии от зданий, линий электропередач и других потенциальных городских препятствий.

В китайском городе Аньцзи одна такая сеть, где на одного оператора приходится до 4 БПЛА, уже обслуживает местное Бюро водных ресурсов. Дроны Longtail UAV мониторят состояние водохранилищ, систем водоснабжения и городских водных путей, отслеживая незаконные стоки, строительство, рыбную ловлю, катание на лодках и купание, а в промежутках между патрулированием занимаются доставкой товаров населению. А в случае необходимости будут использоваться для поддержки поисково-спасательных операций, доставки спасательных жилетов с помощью бортовой лебедки и оказания помощи терпящим бедствие.

#БПЛА #БАС #UAV #BVLOS

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

⚡️ Ответ OpenAI китайцам не заставил себя долго ждать: вчера выкатили новую модель o3-mini, и она уже доступна в ChatGPT (в том числе бесплатно) и через API.

Тарифы Plus и Team позволяют отправлять 150 запросов в день, а Pro — без ограничений. Лимиты бесплатной версии официально пока не названы, но юзеры говорят, что где-то 10 сообщений каждые 4 часа.

Прайслист и бенчмарки можно посмотреть тут (EN) или тут (РУ). В среднем o3-mini на 24% быстрее, чем o1-mini, и выдает на 56% меньше ошибок при поиске.

Модель имеет три режима «размышления» (low, medium, high), в зависимости от необходимой глубины анализа (на «хай» работает вдумчивее, но медленнее) и ЗНАЧИТЕЛЬНО эффективнее решает логические задачи. OpenAI особо подчеркивает, что o3-mini не поддерживает распознавание фотографий — для этих задач по-прежнему нужно использовать модель o1.

Подписчики ChatGPT уровня Plus, Team и Pro получили доступ к OpenAI o3-mini со вчерашнего дня, а доступ для предприятий появится в течение февраля. Удобный момент, чтобы попробовать GPT, если вы еще не: впервые «рассуждающая» модель от OpenAI стала доступна пользователям без подписки.

🔥 Тренд на удешевление искусственного интеллекта набирает обороты. С момента запуска GPT-4 стоимость ИИ от OpenAI постоянно росла. Теперь цена за токен снизилась на 95%, при одновременном росте качества ответов. А значит, всё больше людей и организаций сможет внедрять генеративные модели в свою работу без значительных финансовых затрат.

�� Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

🐁 Нейрочип для Элджернона

Российские ученые вживили в мозг крысы чип с подключением к нейросети, после чего смогли потолковать с грызуном о квазарах, программировании на Питоне, оболочках нейронов, о королях и о капусте. Общение шло на языке бинарной логики: ученые задавали вопрос, ИИ находил ответ, стимулировал рецепторы крысы, и та в зависимости от своих ощущений давала сигнал «да» или «нет».

По словам авторов эксперимента, это важный практический шаг к интеграции искусственного и естественного интеллекта. Отрабатывают технологии смычки живых нейронов с электродами.

Наши тут не первые, первый как всегда Илон Маск со своим «Нейралинком». Он уже не крысам, а людям вживляет. И сколько бы ни спорили по поводу этичности таких экспериментов, тренд несомненно продолжится: расширяющиеся перспективы роботизации диктуют необходимость в максимально эффективных интерфейсах. Так что VR-шлемами и AR-очками дело не ограничится — ученые и инженеры будут упорно искать возможность внедрить AR прямо в мозг.

�� Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

Вот и авторский лонгрид на Хабре подъехал 🫡

�� Применение LLM + RAG для диалоговых систем в службе поддержки

Всем уже надоели тупые боты-автоответчики без LLM. С продвинутой нейросетью бот становится лишь чуть умнее — уже не совсем чурбан железный, а как бы не очень сообразительная сотрудница колл-центра.

Совсем другое дело, когда к LLM подключается архитектура RAG (Retrieval‑Augmented Generation), которая объединяет генеративные возможности нейронки с поиском по базе структурированных данных. Такой бот и общается вменяемо, и резко повышает уровень компетентности. Он с большей вероятностью подскажет, что именно пошло не так и где надо подкрутить, а при необходимости сформирует заявку на выезд мастера.

Но при внедрении такой системы возникает слишком много «как»:
- как выбрать модель нейронки и RAG под задачи компании?
- как избежать «галлюцинаций» ИИ?
- как интегрировать систему с legacy‑сервисами?
- как создавать уникальные датасеты для дообучения моделей?
И т.д.

👉 В статье разбираю теорию и практику на примере компании, автоматизировавшей техподдержку с помощью платформы Robovoice. Детально объясняю, что и как надо настроить, чтобы связка LLM + RAG эффективно работала на вашем предприятии, радовала клиентов и приносила профит вам. Welcome ))

Пока в медиа кипят страсти и народ «хоронит» Nvidia, умельцы вовсю экспериментируют с DeepSeek, запуская его на чем только можно.

Пользователь X Алекс Чима поделился постом, в котором он запускает DeepSeek R1 на семи Mac mini M4 Pro и MacBook Pro M4 Max с 496 ГБ унифицированной памяти. Он сделал это, используя распределенный вывод EXO Labs и 4-битное квантование, и обеспечил точность FP4. Ну да, точность невысокая, зато и памяти надо немного — для локальных задач самое то. Причем дальше Алекс планирует достичь точности FP8, но для этого ему потребуется уже >700 ГБ унифицированной памяти.

Другой X-юзер Вайбхав Шривастав сумел запустить версию DeepSeek R1 на 1,58 бит в веб-браузере без подключения к интернету и добился скорости 60 токенов в секунду при поддержке WebGPU.

Ну а пример, где DeepSeek запускается на смартфоне, наверно, уже все соцсети обошел.

Но это экзотика, хотя смысл в таких экспериментах тоже есть — они проверяют на прочность пределы квантования слоёв MoE модели без утраты ее работоспособности.

А вот ребята из Umsloth «подковали» китайскую «блоху» так, чтобы она могла работать даже на среднем домашнем ПК. В их версии для запуска 1,58-битного R1 вообще не нужна видеопамять (GPU), достаточно 20 ГБ оперативной памяти (CPU), но это может быть медленно. Для оптимальной производительности рекомендуют сумму VRAM+ОЗУ не менее 80 ГБ.

🤔 Стоит ли в связи с этим хоронить Nvidia? Отнюдь нет. И напрасно ее упрекают в гигантомании. Да, китайские новинки (кстати, вот полный список релизов, не дипсиком единым) выявили утопичность ставки на рост потребления GPU. Как выяснилось, для развития AI этого вовсе не требуется. Но другой тренд — на демократизацию платформ для LLM и отвязку моделей от облачных сервисов — компания уловила точно, выйдя на рынок с проектом Nvidia Digits.

Так что самое интересное только начинается. Мы еще увидим небо в алмазах архитектуры, которые будут способны запускать LLM на наручных часах. Но с другой стороны, мощные настольные компьютеры для сложных AI-моделей тоже будут востребованы. Больше платформ хороших и разных, в выигрыше от этой «битвы технологий» будем в первую очередь мы с вами.

�� Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

Главная сенсация прошлой недели: DeepSeek R1 — новейшая рассуждающая LLM от китайской лаборатории Fire-Flyer — побила OpenAI на ее же поле. Круги еще расходятся, все переживают за фондовый рынок и упавшие акции Nvidia, а мы с вами давайте подумаем о технологических причинах и последствиях успеха китайских коллег.

Итак, какие особенности DeepSeek R1 обеспечили ей такой прорыв?

✅ Качество ответов модели сопоставимо с последними версиями ChatGPT и аналогов, а в некоторых бенчмарках превосходит их.
✅ При этом разработка DeepSeek R1 обошлась в сумму менее $6 миллионов, что значительно ниже затрат конкурентов. Для обучения модели использовалось около 2 тыс. графических процессоров Nvidia, что также существенно меньше по сравнению с другими компаниями. Более того, это были старые и дешевые чипы H800, а не новые и специализированные, как до сих пор было принято.
✅ Хотя количество параметров в модели DeepSeek R1 может достигать 671 млрд, эта LLM требует значительно меньше вычислительных мощностей и людских ресурсов для обучения. Ее можно запускать на обычных компьютерах, а не строить огромные дорогие дата-центры. Да и компьютеров для развертывания нужно гораздо меньше.
✅ Модель имеет открытый исходный код, т. е. любой разработчик может взять ее, доработать и адаптировать под свои нужды.
✅ Наконец, распространение «младших» версий DeepSeek полностью бесплатно, а «старшие» и API для разработчиков предлагаются по сути за символическую цену.

Что всё это означает для развития технологий?

1️⃣ Закрепляется общий тренд на удешевление разработки и эксплутации ИИ, о чем мы уже писали. Инференс высокоразвитых LLM-моделей и раньше постепенно дешевел. Теперь будет дешеветь быстрее. Начавшему было надуваться новому «сверхпузырю» на рынке IT не дали надуться, и это хорошо!

2️⃣ Резко снижаются требования к оборудованию. Во-первых, теперь ясно, что даже для модели с 670 млрд параметров не нужно покупать сверхсовременные и супердорогие графические чипы. Во-вторых, DeepSeek предлагает и сокращенные версии своей LLM с числом параметров от 1,5 до 70 млрд, подходящие для более скромных потребностей и слабых систем. Например, модель 7B может работать на GPU с объемом видеопамяти 6 ГБ или на CPU с объемом оперативной памяти около 4 ГБ для формата GGML/GGUF.

3️⃣ Остальным лидерам придется подстраиваться. Nvidia также рассматривает варианты с использованием небольших мощностей. Теперь этот процесс еще ускорится, к нему подключатся другие производители. OpenAI уже начала снижать стоимость подписки на ChatGPT.

👍 Это отличные новости для индустрии. ИИ становится доступнее. Раньше лишь мегакорпорации могли позволить себе заниматься разработкой рассуждающих LLM, поскольку для этого требовались сотни тысяч самых современных видеокарт, инфраструктура на миллиарды долларов и сверхвысокооплачиваемые спецы. Теперь появилась возможность для создания различных foundation models — базовых моделей использования, в рамках которых даже небольшие компании или госструктуры могут разрабатывать и обучать собственные LLM.

👉 В этом и заключается настоящий технологический (а не рыночный или PR) прорыв DeepSeek. Меняется парадигма развития. Если каждый может создать свой ИИ под конкретные задачи, то открываются очень интересные перспективы роботизации в тех сферах и отраслях, где раньше она казалась слишком сложной или слишком дорогой.

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!

Если в 2024 году вы опубликовали научную статью по теме ИИ или науки о данных, подавайте заявку на премию Data Fusion Awards "Научный прорыв года в ИИ"

Продлён приём заявок на премию Data Fusion Awards до конца января!
В этом году впервые премия будет включать специальную номинацию, посвященную научным прорывам в области искусственного интеллекта. Члены жюри отберут самые значимые научные работы российских ученых в области ИИ, опубликованные в 2024 году — всего определят трех победителей.

Общий призовой фонд конкурса составит 3 000 000 рублей — каждый из номинантов получит 1 000 000 рублей в качестве денежного вознаграждения.

Успеть подать научную статью в журналах и трудах конференций можно до 31 января 2025 года.

Торжественное награждение победителей состоится на конференции Data Fusion в Москве 16-17 апреля 2025 года.

Узнать подробнее про номинацию «Научный прорыв года в ИИ» можно на официальном сайте премии

Если вы вдруг устроили себе цифровой детокс и пропустили события в мире ИИ за последнюю неделю, не переживайте — мы подготовили для вас краткий обзор самых значимых новостей в мире AI.

1. Запуск OpenAI Operator

Компания OpenAI представила Operator — платформу для интеграции ИИ в бизнес-процессы. Этот инструмент позволяет компаниям настраивать решения для автоматизации задач, клиентской поддержки и анализа данных, облегчая внедрение ИИ в корпоративную среду.
Подробнее: Официальное объявление OpenAI

2. Публикация исследования DeepSeek-R1

Исследователи представили DeepSeek-R1 — модель ИИ, демонстрирующую выдающиеся способности к рассуждению и решению логических задач. Модель использует методы глубокого обучения и обучения с подкреплением для повышения точности предсказаний.
• Полный отчет: DeepSeek_R1.pdf
• Обзор исследования: Блог Саймона Уиллисона

3. Запуск Google Gemini AI для управления умным домом

Google представила новую функцию в рамках платформы Gemini AI, предназначенную для управления умными устройствами в доме. Теперь пользователи могут с помощью голосовых команд управлять освещением, температурой, системами безопасности и мультимедиа, что делает взаимодействие с умным домом более интуитивным.
Подробнее: The Verge

4. Выпуск OpenAI O3-mini

OpenAI объявила о выпуске O3-mini — Новой, более совершенной LLM- модели. Модель o3-mini является частью последних достижений OpenAI в области генеративной технологии ИИ. Модель бцдет доступна в бесплатной подписке, при этом CEO openAI Сэм Альтман сообщил, что платные подписчики планов ChatGPT Plus и Pro получат «тонны использования o3-mini», что даст людям стимул перейти на платную учетную запись в компании.
Подробнее: Tom’s Guide

5. Публикация исследования “Humanity’s Last Exam”

Компания Scale AI опубликовала отчет под названием “Humanity’s Last Exam”, в котором рассматривается роль ИИ в оценке человеческих знаний и навыков. В исследовании обсуждаются потенциальные риски и этические вопросы, связанные с использованием ИИ в образовательных и экзаменационных процессах.
Подробнее: Скачать отчет (PDF)

6. Анонс Perplexity Sonar Pro API

Perplexity представила Sonar Pro API — новый интерфейс программирования приложений, предназначенный для разработчиков, желающих интегрировать возможности ИИ в свои продукты. API предоставляет доступ к мощным моделям обработки естественного языка и другим ИИ-инструментам.
Подробнее: Блог Perplexity

7. Выпуск Doubao 1.5 Pro

Компания Doubao анонсировала Doubao 1.5 Pro — обновленную версию своей ИИ-платформы, предлагающую улучшенные возможности обработки данных и новые инструменты для разработчиков. Обновление направлено на повышение эффективности и удобства использования платформы.
Подробнее: Официальный сайт Doubao

8. Открытие проекта Open-R1 от Hugging Face

Компания Hugging Face запустила проект Open-R1 — полностью открытое воспроизведение модели DeepSeek-R1. Цель проекта — предоставить сообществу доступ к передовым ИИ-моделям и способствовать их дальнейшему развитию и исследованию.
Подробнее: GitHub репозиторий Open-R1

9. Анонс Claude 2 от Anthropic

Компания Anthropic объявила о выпуске Claude 2 — новой версии своего ИИ-ассистента, предназначенного для обеспечения более безопасного и надежного взаимодействия с пользователями. Claude 2 предлагает улучшенные возможности обработки естественного языка и повышенную устойчивость к ошибкам.
Подробнее: Официальный анонс в X (бывший Twitter)

Эти события подчеркивают стремительное развитие технологий искусственного интеллекта и их интеграцию в различные аспекты нашей жизни, от бизнеса и образования до повседневного использования в умных домах и носимых устройствах.

🚀 Подписывайтесь на ТехноТренды — самый экспертный канал об AI, IT и роботизации!