6078
- канал для всех кто не стоит на месте, о всем передовом 🔥 особенно в технологиях ит, ии и около. 📱 Для связи @digital_in_real
🧠 Математика против «Один дома»: Кевина Маккаллистера «заказали»?
Физик Луис Баталья (Luis Batalha) решил проверить завязку фильма через распределение Гаусса. Его расчеты подтверждают: шансов на то, что это произошло случайно, почти нет.
Разбор «полетов» (в Париж):
Баталья взял данные о сне американцев из National Sleep Foundation. Чтобы проспать до 8 утра (когда приехали шаттлы) при отбое в 23:00, взрослые должны были пролежать в отключке минимум 9 часов.
• Вероятность, что проспит один взрослый: 19%. Допустимо, бывает с каждым.
• Вероятность, что одновременно вырубятся все четверо (Питер, Кейт, Фрэнк и Лесли): 0,13%.
Это 1 шанс из 750. С такой же вероятностью вы вытянете туза пик из четырех разных колод подряд. В мире ИТ такой «сбой» назвали бы не случайностью, а целенаправленным саботажем.
Почему 0,13% — это еще слишком оптимистично?
В этой истории видятся дыры в безопасности похлеще, чем в софте нулевых:
1. Биологические триггеры. В доме 11 детей. Кто-то из них обязан был вскочить в 6 утра от предвкушения Парижа. То, что 11 детей синхронно проигнорировали рассвет — аномалия, не поддающаяся логике.
2. Предполетный кортизол. Международный рейс — это стресс для тех кто не летает часто. Любой подтвердит: в ночь перед вылетом ты спишь «в полглаза», прокручивая в голове список вещей.
3. Внешние сигналы. Водители такси не просто ждали, они сигналили. Четыре независимых организма не могут одновременно игнорировать шум улицы и яркий солнечный свет.
Вердикт 🕵️♂️:
Либо Маккаллистеры — феноменальные везунчики, либо перед нами идеально исполненный Inside Job (внутреннее дело).
С точки зрения теории вероятностей, оставить ребенка дома «случайно» при таких вводных невозможно. Вся суета в аэропорту и легендарный крик «КЕВИИИН!» выглядят как продуманное алиби для органов опеки. Родители просто хотели отдохнуть от самого шумного ребенка. 😉
Как считаете: это сценарный «костыль» или Питер и Кейт — гении социальной инженерии, которые всех переиграли? 👇
Источник:
https://x.com/luismbat/status/2003724824720605417?s=46
⚡️ RAG больше не панацея? Эволюция архитектуры ИИ
Если вы внедряете LLM в бизнес, аббревиатуру RAG (поиск информации в базе перед ответом) вы наверняка выучили наизусть. Долгое время это был единственный способ заставить нейросеть не галлюцинировать.
Но индустрия взрослеет. Мы поняли, что классический RAG — это часто стрельба из пушки по воробьям. Это медленно и дорого.
На смену приходит Гибридная архитектура. Давайте разберем, как это работает у профи, и где здесь подводные камни.
Проблема RAG.
Представьте сотрудника, который на вопрос «Во сколько открывается офис?» каждый раз лезет в шкаф за графиком работы. И так 100 раз в день.
Каждый лишний поиск в векторной базе — это задержка (latency) и сожженные токены.
✅ Решение: Умное кэширование (CAG)
CAG (Cache-Augmented Generation) — это подход, когда мы берем «холодные данные» (регламенты, документацию, FAQ) и загружаем их прямо в контекстный кэш модели. Она больше не ищет их — она их знает. Ответ мгновенный.
Реальная архитектура сегодня
Это не выбор «или-или». Это система с Маршрутизатором (Router).
Схема выглядит так:
Запрос пользователя ➡️ Smart Router ➡️
1️⃣ Простой вопрос? ➡️ Ответ из кэша (CAG). Быстро, дешево.
2️⃣ Нужны свежие данные? ➡️ Поиск в базе (RAG).
3️⃣ Сложная аналитика?
➡️ Агенты + Инструменты (API, SQL, внешние сервисы).
Но дьявол в деталях (Важно!)
Кэширование — не волшебная таблетка. Если ваши разработчики предложат «закэшировать всё», задайте им два вопроса:
- Инвалидация (обновление) данных. Если вы обновили цены в базе, а в кэше осталась старая версия — модель будет уверенно продавать клиенту услуги по тарифам прошлого года? Нужна жесткая система сброса кэша.
- Экономика токенов. Кэш выгоден только при частом использовании. Если вы загрузили в контекст «Войну и мир», а спросили про нее один раз — вы переплатили. Кэшируем только High Frequency Data (часы работы, условия возврата — то, что спрашивают сотни раз в день).
Вердикт редакции:
Эра «тупых» ботов, которые просто ищут по ключевикам, уходит. Будущее за гибридными системами, которые понимают, когда нужно вспомнить (CAG), а когда — погуглить (RAG).
Это и есть та самая оптимизация, которая режет косты на 40-90%.
#AI #Architecture #Dev #RAG #Optimization #REALDIGITAL
Может ли ИИ вести IT-проект сам? Разбор Devin 2.0
Cognition представила обновлённого Devin 2.0, и снова возникли разговоры про «автономного инженера». Но если убрать эффект новизны, остаётся вопрос: насколько реалистично, что ИИ сможет тянуть IT-проект почти без участия человека? Попробуем разобраться.
Что у Devin получается
Он неплохо разбирает ТЗ: ловит противоречия, уточняет детали, поднимает вопросы, которые обычно всплывают только на созвонах. Но скрытые зависимости — те, что опытные архитекторы чувствуют интуитивно, — остаются для него невидимыми. Это могут быть устные межсервисные договорённости, технический долг или бизнес-правила «так принято», которые в документах не отражены.
С кодом у Devin проще. Он пишет его стабильно, собирает проект, тестирует, исправляет ошибки. Особенно уверенно работает на типовых задачах: внутренних сервисах, простых веб-проектах, стандартных CRUD-приложениях
(CRUD — базовые операции Create/Read/Update/Delete; подробнее: https://en.wikipedia.org/wiki/Create,_read,_update_and_delete)
SCADA уязвима не из-за «хакеров», а из-за архитектуры. И это можно исправить
CERT-организации (ENISA, CISA) фиксируют всё больше попыток проникновения в системы управления энергообъектами: телеметрия, подстанции, диспетчеризация.
Но главный вывод не в том, что атак стало больше —
главное, что злоумышленники используют слабости, которые уже есть внутри самих SCADA/OT-систем.
(SCADA — системы диспетчерского управления и сбора данных.
OT — Operational Technology, технологическая инфраструктура, управляющая реальными физическими процессами)
Сегодня реально эксплуатируются:
• команды без проверки подлинности
• отсутствие журнирования «кто что сделал»
• единые учётки операторов
• слабая сегментация между IT и OT
• патчи, которые «некогда ставить»
Что стоит улучшить прямо сейчас — без остановки технологии
1. Проверка подлинности каждой команды
Протоколы IEC 60870-5-104, DNP3, Modbus исторически не проверяют, откуда пришла команда.
Полная криптографическая подпись (IEC 62351) подходит не всем старым PLC/RTU — это нормально.
Решение: использовать внешние шлюзы, которые верифицируют источники команд и блокируют подозрительные действия.
2. Логирование с нормализацией данных
Без логов инцидент заметен только по последствиям.
Но логировать «всё подряд» бесполезно — OT даёт огромный шум.
Решение: централизованный журнал + нормализация: фиксируем, кто, откуда, какую команду отправил.
Даже базовые правила для «нестандартных команд» значительно повышают наблюдаемость.
3. Разделение ролей (RBAC), а не «единый ключ от всего»
Оператор ≠ инженер. Инженер ≠ администратор.
Решение: разграничить права даже на уровне HMI/RTU — это дешёвый и рабочий шаг.
4. Микросегментация — только после карты потоков
Если сразу включить «deny-all», можно случайно остановить технологический процесс.
Решение: сначала снять реальную карту потоков (passive monitoring),
а затем резать сеть на сегменты и включать строгие правила трафика.
5. Патчи как плановая инженерная работа
«Не сейчас — на следующем ТО» часто превращается в «поздно».
Решение: регистр уязвимостей оборудования + тестирование патчей на стенде + согласованные окна обновлений.
Итого, главная мысль.
Если SCADA не умеет:
— отличать настоящую команду от поддельной,
— показывать, кто и когда отключил линию,
— ограничивать оператора в рамках его задач, то дело не в «высокоорганизованной атаке» (APT — Advanced Persistent Threat),
а в архитектуре самой системы.
Это инженерные задачи. Их можно решать постепенно.
Начните с одного пункта — технологический процесс даже не заметит, а безопасность вырастет сразу.
REAL DIGITAL
#SCADA #OTsecurity #CriticalInfrastructure
Источники:
• ENISA Threat Landscape for ICS 2024–2025
• CISA ICS Advisories
• NIST SP 800-82 Rev.3
Рекордный seed-раунд: двухмесячный стартап привлек $475 млн
Unconventional AI, основанный всего два месяца назад бывшим главой AI-направления Databricks Навином Рао, закрыл один из крупнейших посевных раундов в истории — $475 миллионов при оценке в $4,5 миллиарда .
Ключевые детали сделки:
• Раунд возглавили Andreessen Horowitz и Lightspeed Venture Partners
• В числе инвесторов: Lux Capital, DCVC, Databricks и основатель Amazon Джефф Безос
• Сам Рао инвестировал $10 млн на тех же условиях, что и другие участники
• Это только первая часть потенциального миллиардного финансирования
О компании:
Unconventional AI разрабатывает новый тип компьютера для ИИ-приложений с существенно меньшим энергопотреблением.
Навин Рао покинул пост главы AI в Databricks в сентябре, чтобы запустить проект, который моментально привлек внимание крупнейших венчурных фондов.
Такая оценка на столь раннем этапе подчеркивает колоссальный интерес инвесторов к инфраструктуре для ИИ и уверенность в команде основателя, ранее успешно продавшего свою компанию Nervana Systems Intel.
REAL DIGITAL
Источники:
1. https://www.investing.com/news/company-news/twomonthold-unconventional-ai-raises-475-million-at-45-billion-valuation-93CH-4396602
2. https://www.bloomberg.com/news/articles/2025-12-08/ai-computer-startup-hits-4-5-billion-valuation-in-seed-round
👌 Китайская компания AtmosWell представила первый в мире комплекс технологий, позволяющий получать питьевую воду прямо из воздуха.
Эта уникальная система работает автономно в любом климате, производя от 50 до 1600 литров в сутки без централизованной инфраструктуры.
Разработка призвана решить глобальную проблему нехватки воды, предлагая эффективные решения для удаленных регионов, экстренных ситуаций и устойчивого городского водоснабжения.
Источник: тг канал НАУКА 4.0
🔐 Данные — основа комплаенса!
На IV Compliance Forum DAMA Kazakhstan (президент — Дмитрий Цой) и Ассоциация комплаенс и деловой этики (со-основатель и председатель Наблюдательного совета — Даурен Акшалов) подписали меморандум о сотрудничестве.
Цель: укрепить стандарты управления данными как ключевого элемента прозрачности, этики и регулирования.
Надёжные данные = надёжные решения.
Источник: DAMA-Kazakhstan
Как эффективно организовать хранение данных: LakeHouse и хранилище S3
💾🏗️🚀
В условиях постоянно растущего объема данных и работы с ИИ-нагрузками важно грамотно выстраивать архитектуру хранилища. Эффективным подходом, объединяющим архитектуру LakeHouse и сервис Object Storage, поделились эксперты Yandex Cloud. ⚙️📊
Подход LakeHouse эволюционно сформировался как гибрид Data Warehouse и Data Lake, объединив их преимущества. LakeHouse позволяет хранить сырые данные, но за счет открытых табличных форматов и сопутствующих метаданных добавляет им структуру, а также обеспечивает поддержку транзакций. 🧱📚
Подход обычно применяется в тесной связке с объектным хранилищем S3, где хранятся сырые данные. S3 обеспечивает надежность и масштабируемость под любые объемы данных. ☁️📦
Использование S3 под задачи LakeHouse и ML/AI, а также совместное использование S3 и баз данных — основные тренды в работе с объектными хранилищами. 📈🤖
Источник: Digital Business
#ИИ #RealDigital #технологии #инфраструктура
Серверы греют квартиры в Хельсинки.
Финны начали использовать тепло дата-центров для обогрева домов не вчера. Первый крупный проект появился в 2018 году, когда Telia запустила в Хельсинки дата-центр, подключённый к городской системе теплоснабжения. Тогда это выглядело как экологический эксперимент для энтузиастов. Сейчас всё иначе. С ростом ИИ-вычислений идея из категории «интересно, но зачем» превратилась в очевидное инженерное решение.
Серверы выделяют огромное количество тепла. Обычно его выбрасывают наружу, тратя до половины всей энергии ЦОДа на охлаждение. Финны задали простой вопрос: если тепло всё равно появляется, почему бы не направить его туда, где оно действительно нужно — в батареи жилых домов.
Технология при этом элементарная. Охлаждающий контур нагревается до 70–90 градусов, подключается к городской системе теплоснабжения, и эта же вода идёт в квартиры. Никакой магии — только нормальная логика.
И масштабы уже серьёзные. Telia обогревает своим дата-центром около двадцати тысяч квартир. Проект Fortum и Microsoft, объявленный в 2022 году, движется к тому, чтобы стать одним из ключевых источников тепла в Эспоо. Работает это не потому, что «экологично и модно», а потому что выгодно: нет смысла тратить энергию на уничтожение ресурса, который и так можно использовать.
Почему об этом снова говорят именно сейчас? Потому что ИИ-кластеры потребляют гигантское количество электроэнергии и греются как печи. Раньше тепла было недостаточно, чтобы окупать инфраструктуру. Теперь его избыток, и главный вопрос стал техническим: куда девать эту энергию. Финляндия первой ответила на него — не в небо, а людям.
Идея старая, но только сейчас стала по-настоящему актуальной. ИИ не только нагружает энергосистему — он может стать её частью. Нужно лишь перестать выбрасывать то, что уже сегодня можно превращать в пользу.
REAL DIGITAL
Источник: https://www.instagram.com/p/DR5E8FFExIu/?igsh=c3g5cG12М2xubnNz
#ИИ #технологии
Китайский гуманоид AgiBot A2 прошёл 106 км — новый рекорд для роботов-«пешкоманов»
В ноябре 2025 года китайская компания AgiBot заявила, что её гуманоид A2 прошёл пешком 106.286 км по маршруту от озера Jinji в Сучжоу до набережной Bund в Шанхае — и это признано рекордом Guinness World Records в категории «Longest journey walked by a humanoid robot».
🛠 Техническая «магия» за рекордом
A2 — коммерческая модель, не прототип, как заявляют в AgiBot. Робот оснащён двойным GPS, LiDAR-датчиками и инфракрасными глубинными камерами — благодаря этому он мог ориентироваться в условиях меняющегося освещения, ночью и среди сложных урбанистических препятствий. Использована технология «hot-swap battery» (быстрая замена аккумуляторов), что позволило роботу не прекращать работу на всём протяжении маршрута.
A2 — первый гуманоид, который официально преодолел такую дистанцию по реальным дорогам, улицам, мостам, тротуарам — не на беговой дорожке и не в лаборатории, а «в живую».
Это демонстрация того, что робототехника в Китае выходит за пределы шоу-демонстраций: технологии баланса, энергопитания и сенсорики достигли уровня, при котором возможно реальное уличное и инфраструктурное применение.
В перспективе такие роботы могут участвовать в логистике, доставке, патрулировании, обслуживании — особенно там, где требуется мобильность, устойчивость и автономность.
⚠️ В открытом доступе мало информации о деталях маршрута: как часто меняли батареи, были ли паузы для обслуживания, сопровождали ли людей A2 «на заднем плане» и насколько автономной была каждая секция пути.
То, что рекорд достигнут — хорошо. Но это скорее тест выносливости, нежели гарантия, что A2 «поживёт» в городских реалиях: плотное движение, непредсказуемые толпы, погодные условия, неожиданные препятствия. Массовость выпуска не означает массовой надёжности — сколько других единиц A2 пройдут тот же путь без проблем, неизвестно.
Источники:
- [Guinness World Records — официальная запись рекорда]
- [Xinhua — китайское государственное информагентство]
- [Interesting Engineering — технический обзор достижения]
- [UPI — новостной репортаж о рекорде]
- [Yahoo News UK — детали о прохождении маршрута]
REAL DIGITAL
#AgiBot #A2 #гуманоидныероботы #робототехника #ИИ #Китай #GuinnessWorldRecords #инновации #технологии #роботы #автономность #будущее #robotics #AI
Следим с интересом за ходом форсайт-сессии. Голосование среди участников подошло к завершению.
Вот что получилось :
Лидирует сценарий “Усиленный СД” - 49% голосов.
Участники видят будущее в интеграции ИИ-инструментов для поддержки решений через прогнозирование и анализ.
Второе место - улучшенная работа с рисками через ИИ (23%).
Третье место - экспертный СД - 14%,.
Видно, что люди за баланс: ИИ как помощник, а не замена человека в управлении.
ИИ вышел на уровень Совета директоров: включение из МФЦА
Мы привыкли рассматривать искусственный интеллект как прикладной инструмент — для кода, маркетинга, анализа данных.
По приглашению коллег, пришли на открытие форсайт-сессии QID.
Не совсем было понятно как же тут, мы как канал о технологиях, оказались и зачем?
Но уже из докладов первых же выступающих стало понятно, технологии официально добрались до высшего звена.
Прямо сейчас Ассоциация QID (Qazaq Independent Directors) проводит сессию «Совет директоров будущего».
Корпоративное управление — сфера традиционно консервативная, даже неповоротливая. Но когда на одной площадке собираются независимые директора, «Самрук-Қазына», Mastercard и регуляторы, чтобы обсудить ИИ — это сигнал. Нейросети перестают быть «фичей» и становятся вопросом стратегии.
Обсуждают ведь не «как внедрить чат-бота в колл-центр», а как меняется архитектура принятия решений. Что делать СЕО и Советам директоров, если скорость изменений на рынке начинает превышать скорость человеческой реакции? Вопрос открытый, кстати.
Любопытно наблюдать, как эта повестка объединила и нацкомпании, и частный капитал. Трансформация профессии независимого директора происходит прямо сейчас.
За деятельностью Ассоциации и инсайтами можно следить здесь:
🔗 https://www.instagram.com/qid_kz?igsh=NHFubmVyMHF2b2pv
#QID #independentdirectors
🇨🇳Китай запустил пилотную линию твердотельных батарей. Впечатляющий шаг — но ещё не революция
Китайская GAC Group запустила первую в стране пилотную линию твердотельных аккумуляторов 60 А·ч+ для электромобилей.
По данным People’s Daily, это первый крупный твердотельный элемент, выведенный на промышленный этап в Китае.
Но важно различать технологический прототип и готовый массовый продукт.
Что подтверждено
• Запущена pilot line — стадия между лабораторией и серией.
• GAC заявляет поверхностную ёмкость 7,7 мА·ч/см², что выше типичных значений для жидкоэлектролитных Li-ion.
• Использован твёрдый электролит с высокой термостабильностью; испытания показывают стойкость материалов к жёстким термонагрузкам.
• Формат 60 А·ч — стандартный для больших Li-ion, но в твердотельной архитектуре такого уровня до сих пор не показывал никто.
• Испытания на автомобилях — 2026, постепенное масштабирование — 2027–2030.
Что остаётся заявлениями
• «Плотность энергии в два раза выше» — без Wh/кг это недоказуемое утверждение.
• «500 → 1000 км» — расчётный потенциал. NotebookCheck указывает: 1000 км по CLTC ≈ 650–750 км в реальности.
• Значение 7,7 мА·ч/см² — высокое, но масштабирование толстых электродов остаётся проблемой: механические напряжения, трещины, рост сопротивления.
• Нет данных о реальной удельной энергии, циклической стабильности, ресурсе под высокой нагрузкой и себестоимости сухого процесса.
Пока недостаточно, чтобы считать эту технологию революцией.
Почему шаг важный
GAC — первый китайский разработчик, который вывел твердотельные элементы крупного формата в промышленный прототип. Это часть стратегии Китая по снижению зависимости от классического литий-иона, ускорению локальных разработок и укреплению позиций в цепочке поставок EV на ближайшие 10–15 лет.
Если технология подтвердит стабильность, это может заметно изменить баланс сил между Китаем, Японией и США.
Но сегодня это прототип, а не массовый продукт.
GAC показала прогресс, которого пока не смогли масштабировать Toyota, QuantumScape и корейские команды. Однако реальные результаты появятся лишь в 2027–2030 годах, когда станет ясно, выдерживают ли элементы заявленные характеристики и можно ли производить их массово с высокой воспроизводимостью.
Источники:
- People’s Daily
- NotebookCheck
- CNR News
REAL DIGITAL
#технологии #батареи #электромобили #Китай
Две философии и четыре траектории: как устроен рынок роботакси в 2025 году
Обычно спрашивают: кто впереди — Tesla, Китай или Япония?
Но рынок автономности живёт не в логике “гонки”, а в рамках двух философий, внутри которых движутся четыре независимые траектории.
Отсюда главное: никто никого “не обогнал” — каждый решает свою задачу.
ФИЛОСОФИЯ №1 — “Город адаптируется под машину”
(Waymo, Япония, Китай)
Инфраструктурная модель: HD-карты, лидары, сертифицированные Level 4-зоны, участие города → высокая безопасность, но медленный масштаб.
Траектория 1 — Япония: безопасность > масштаб 🇯🇵
• поправки Road Traffic Law (2023) — разрешён Level 4;
• пилоты TIER IV завершены (Одайба, Ниси-Синдзюку, 2024);
• Waymo в Токио (весна 2025): сбор данных для HD-карт, не сервис;
• цель: 100 муниципалитетов с Level 4 к 2027;
• рынок: $83,2 млн (2024) → $11 млрд (2033).
Плюсы:
• ✅ предсказуемость
• ✅ безопасность
Минусы:
• ⚠️ медленный рост
• ⚠️ дорогая инфраструктура
Траектория 2 — Waymo: автономность как бизнес 🇺🇸
• 250k поездок/нед (апрель 2025);
• оценки ноября 2025 — ~360k/нед;
• работает в SF, LA, Phoenix, Miami, Austin;
• сертификация CPUC + DMV.
Плюсы:
• ✅ первый коммерческий роботакси-сервис
• ✅ лучшая безопасность
Минус:
• ⚠️ масштаб возможен только в подготовленных городах
Траектория 3 — Китай: массовость > идеальность 🇨🇳
• Apollo Go — ~250k поездок/нед (октябрь 2025);
• AutoX — Level 4 в 10+ городах;
• WeRide — крупные зоны + экспансия.
Плюсы:
• ✅ крупнейший рынок
• ✅ быстрый rollout
Минусы:
• ⚠️ неодинаковое качество
• ⚠️ высокая зависимость от регуляторов
ФИЛОСОФИЯ №2 — “Машина адаптируется под город”
(Tesla — единственный игрок)
Vision-only: модель должна понимать мир без карт и лидаров → глобальная масштабируемость, но самые жёсткие регуляторные требования.
Траектория 4 — Tesla: универсальность любой ценой 🇺🇸
• разрешения: Техас (statewide), Аризона (18.11.2025);
• Невада — финальная стадия документов;
• Калифорния: только supervised;
• Остин: тесты Model Y — дневной режим, ≤40 mph, наблюдатель в салоне.
Плюсы:
• ✅ потенциально глобальная архитектура
• ✅ минимум требований к инфраструктуре
Минусы:
• ⚠️ нет коммерческих зон без наблюдателя
• ⚠️ сильные регуляторные барьеры
ИТОГ REAL DIGITAL:
Две философии:
1. Инфраструктурная — город помогает машине (Япония, Waymo, Китай)
2. Универсальная — машина справляется сама (Tesla)
Четыре траектории:
• Япония → безопасность
• Waymo → коммерция
• Китай → масштаб
• Tesla → универсальность
Это не одна гонка — это четыре параллельных линии развития.
Источники: MLIT Road Traffic Law 2023; METI Grants 2024–25; TIER IV Pilots 2024; Waymo Q1–Q4 2025; Apollo Go Oct 2025; Texas DLR 2025; Arizona DOT Nov 2025; CPUC/DMV; Tesla Austin 2025.
REAL DIGITAL
#RealDigital #Robotaxi #AI #AutonomousVehicles #Waymo #Tesla #ChinaTech #JapanTech #UrbanMobility #Level4 #Level5
Дождались первого кредита в цифровом тенге. 250 млн ушли в Павлодар на постройку завода.
Нацбанк в релизе пишет красивые слова про «новую архитектуру финансов», но если честно: бизнес пошел на это не ради высоких технологий.
Им просто дали иммунитет от налоговых проверок и ускоренный возврат НДС (15 дней вместо 75).
Вот это — нормальная мотивация. Ты работаешь с «прозрачными» деньгами, государство видит каждую транзакцию, но взамен не мучает контролем. Если масштабируют, спрос на такие деньги будет бешеный.
Подробнее: /channel/funddamu/4090
#REALDIGITAL #ЦифровойТенге #Даму #Казахстан
Медицинский ИИ: Почему он перестал «галлюцинировать»?
Главная проблема ИИ в медицине — отсутствие права на ошибку.
Если чат-бот ошибется в рецепте пирога — это смешно. Если в дозировке лекарства — это катастрофа.В конце 2025 года индустрия нашла решение.
И оно не в «мощности» нейросетей, а в новой архитектуре доверия.
Разбираем, как это устроено «под капотом».
1. ИИ, который умеет передумывать (Stateful Graphs)
Раньше ИИ работал как конвейер: шаг 1 -> шаг 2 -> шаг 3. Если на первом этапе была ошибка, она катилась до самого конца.
Как теперь: Агенты строятся на Stateful Graphs (графах состояний).
Простыми словами: Это работа консилиума врачей. Если на этапе анализа крови ИИ видит нестыковку с первым осмотром, он не выдает диагноз, а «зацикливается» и возвращается в начало, чтобы перепроверить данные. Если сомнения остаются — он сам зовет врача (Breakpoint).
2. Авто-уборка медицинского хаоса (AgentDose & OMOP)
Медицинские данные — это хаос: почерк врачей, разные сокращения, путаница в единицах (мг или мкг). Чтобы ИИ не отравил пациента, данные нужно перевести в идеальный стандарт OMOP.
Как теперь: Появился AgentDose (проект сообщества OHDSI).
OHDSI (Observational Health Data Sciences and Informatics) — это международный научный консорциум, который разработал OMOP (Common Data Model). Это единый мировой стандарт, который превращает разрозненные записи из разных больниц в понятную для ИИ структуру. Благодаря OMOP ИИ понимает историю болезни одинаково на каком бы языке и в какой бы клинике она ни была написана хоть в клинике Астаны хоть Нью-Йорка.
Apache Iceberg (v3) — это «Умный Архив»
Представьте себе огромную библиотеку, где миллионы книг (данных) просто свалены в кучу. Найти что-то быстро или изменить одну страницу в книге, не перепечатывая всю серию, невозможно.
• Простыми словами: Iceberg — это «интеллектуальный каталог» над этой кучей. Он превращает хаотичные файлы в аккуратные и понятные таблицы.
• Главная фишка: Он поддерживает «Машину времени». Вы можете спросить систему: «Как выглядели данные пациента ровно неделю назад до того, как мы внесли правки?» — и Iceberg мгновенно покажет ту версию.
Trino — это «Супер-Двигатель»
Trino сам ничего не хранит. Это «мозг», который умеет очень быстро читать данные из разных мест.
• Простыми словами: Представьте супер-переводчика, который может одновременно зайти в 10 разных библиотек, на лету прочитать книги на разных языках и выдать вам краткий и точный ответ за секунды.
• Главная фишка: Ему не нужно перекладывать данные к себе (это долго и дорого). Он «приходит» туда, где лежат данные (в Iceberg), быстро их анализирует и выдает результат.
Ракетный DevOps по‑казахски: стартап «ТЯГА» за четыре дня собирает в степи полигон для испытаний жидкостных ракетных двигателей.
В последний день года, когда большинство уже притормаживает и досчитывает часы до праздничного фейерверка, команда казахстанского стартапа «ТЯГА» отсчитывает секунды до команды ПУСК! На заснеженной площадке под морозным небом за четыре дня вырастает мини‑полигон в двух контейнерах — и вместо салюта зажигается яркий факел жидкостного ракетного двигателя.
Мини‑полигон в контейнере
В первом контейнере — силовая рама, двигатель, тягоизмеритель и система подачи топлива, во втором — пункт управления и телеметрия; получается мобильный полигон, который можно поставить прямо рядом с конструкторским бюро. Стенд рассчитан на двигатели тягой до 10 кН на парах «жидкий кислород + керосин/изопропанол» — это уже не модельные двигатели, а серьёзный учебно‑экспериментальный класс.
Автоматика вместо «поджечь и посмотреть»
Запуском управляет автоматика: зажигание, подача компонентов, продувка и аварийная остановка идут по циклограмме, а команда сидит в защищённом контейнере и наблюдает за параметрами. Система сбора данных снимает давление, расходы, температуру и тягу с высокой частотой (до десятков килогерц), так что каждый «чих» двигателя попадает в лог и помогает быстро понять, что пошло не так.
От месяцев к дням: почему четыре дня — это революция
Классический сценарий: чтобы испытать новый двигатель, конструкторы ждут окно на большом полигоне и гоняют документацию по инстанциям, и в лучшем случае видят огонь через пару месяцев. В формате «ТЯГИ» стенд приезжает к ним в контейнерах, разворачивается за пару дней и превращает процесс в итерации масштаба «спроектировал утром — поджёг вечером — доработал на следующий день». Для стартапов и университетских команд, у которых каждая неделя на счету, это радикальное сокращение цикла разработки.
От 10 до 60 кН и переход на метан
Сейчас комплекс рассчитан на тягу 10 кН, но команда уже проектирует версию до 60 кН с жидким метаном — топливом, на которое переходят новые многоразовые ракеты.
Увеличить тягу в шесть раз — это не просто «сделать двигатель побольше»: это кратный рост тепловых потоков и нагрузок на камеру сгорания, требующий принципиально иных подходов к охлаждению. А метан, при всех своих плюсах, добавляет инженерам головной боли в виде ещё одного криогенного контура и новых требований к материалам.
Не только стенды, но и «железо»
Дальше «ТЯГА» хочет делать не только стенды, но и сами компоненты ракет-носителей: клапаны, турбонасосные агрегаты, инжекторы, камеры сгорания и системы зажигания. Это ставка на вертикальную интеграцию — снижение зависимости от импорта, сокращение цепочек поставок и, как следствие, ускорение и удешевление производства. Формат «полигон в контейнере» потенциально интересен университетским лабораториям и частным командам в таких странах как Индия, Турция или ОАЭ, где космические амбиции уже есть, а собственной испытательной инфраструктуры ещё нет.
Пожелаем команде «ТЯГА» удачи — и будем следить, получится ли у них стать заметным игроком на рынке ракетных технологий.
Следите за новостями проекта в Телеграм канале который ведут ребята:
Тяга к звездам
/channel/in_space_we_thrust
Notebook LLM анализирует только те документы, которые вы загрузили — и работает строго в рамках этого набора.
У классических моделей всё иначе: ответ строится на огромном тренировочном массиве, и часто непонятно, откуда в ответе появляется конкретная деталь — из обучающих данных, «общих знаний» или просто из догадки.
Здесь механизм другой, и разница ощущается сразу.
Отмечаете галочками три загруженных документа — модель видит только их.
Никаких внешних источников, никаких скрытых «знаний». Анализ идёт строго по выбранным файлам.
Что оказалось важным на практике:
• показывает конкретные пункты, статьи и фрагменты из документов
• указывает, где есть расхождения и что с чем не стыкуется
• можно добавить закон, инструкцию, договор — анализ всё равно будет идти только по этому набору
Результат получается предсказуемым и прозрачным.
Главное отличие — модель не додумывает и не пытается что-то «привнести». Она чётко показывает, из какого места документа взяла ответ, а вы полностью контролируете, какие источники участвуют в анализе.
🔗 https://notebooklm.google/?hl=ru
#NotebookLLM #ИИ #работасдокументами #продуктивность #нейросети #AI #инструменты
🤖 Робокоп на перекрестке: Китай снова в будущем?
В Ханчжоу (район Биньцзян — это их Кремниевая долина, где сидит Alibaba) официально заступил на службу робот-регулировщик "Hangxing-1" (Хансин-1).
Это полноценный узел "умного города".
🛠 Что же он умеет?
Это мобильный комплекс на колесах, подключенный к городской системе "City Brain".
Железные нервы и идеальные жесты: Робот обучен на движениях реальных офицеров TPTU (тактическое подразделение дорожной полиции). Он может встать в центре перекрестка и разруливать потоки, если сломался светофор или случилось ДТП.
“Злой полицейский": У него есть голос. И он им пользуется.
Видит мопедиста без шлема? — Делает замечание.
Пешеход полез на красный? — Робот вежливо (но громко) попросит вернуться.
Машина заехала за стоп-линию? — Тут же фиксирует нарушение.
Синхронизация: Он подключен к светофорам. Если пробка, ИИ может сам переключить фазы светофора, чтобы разгрузить улицу.
Сейчас тесты идут в Ханчжоу (робот "Hangxing-1") и ранее похожие модели ("Xiao Hu" — Маленький Тигр) светились в Шанхае на пешеходной Нанкинской улице.
Пока они не заменят полностью сотрудников ГАИ. В официальных отчетах китайской полиции четко сказано: сейчас это "pilot run" (тестовый запуск).
Задача №1: Разгрузить офицеров от рутины. Стоять 8 часов в жару или ливень на перекрестке — так себе удовольствие. Роботу всё равно, он на зарядке работает 6-8 часов.
Задача №2: Психология. Китайцы пишут, что водители реагируют на робота с любопытством и притормаживают чаще, чем перед живым инспектором (эффект новизны).
Китай снова показывает, как надо внедрять технологии для решения конкретной боли (нехватка кадров, усталость людей).
Если "Хансин" приживется, через 2-3 года мы увидим таких «ребят» на всех крупных перекрестках Азии.
А вы бы послушались робота, если бы он начал вам громко приказывать на аль-Фараби?
Кстати, а что если его не послушать? 😉
Источники: Hangzhou Daily, CGTN, Shine.cn
REAL DIGITAL
#TechNews #AI #China #SmartCity #FutureIsNow
08.12.25 мы писали
(/channel/digitalreal/3787)
что Netflix готовит сделку по покупке Warner Bros. за $82,7 млрд и всей библиотеки контента.
Но расклад резко изменился.
Paramount Skydance вышла с предложением $108.4 млрд и обратилась напрямую к акционерам Warner Bros.
Если держатели акций поддержат более высокую цену, сценарий с Netflix может просто не дойти до финала.
Медиа-рынок ушёл в сторону хаоса — и интрига сейчас насыщеннее, чем большинство фильмов обеих студий.
Справочно:
• Paramount Skydance: контроль у инвест-группы семьи Larry Ellison(через сына David Ellison) совместно с RedBird Capital Partners; совокупно контролируется около 77.5% структуры.
• Netflix: классическая публичная модель. Крупные доли у институциональных игроков вроде Vanguard, BlackRock и State Street; контроль не сосредоточен в одних руках.
🤖 Искусственный интеллект спроектирует маршруты для снегоуборочной техники
В преддверии сезона снегоуборки интересно узнать что Московская область готовится внедрить искусственный интеллект для управления зимней уборкой улиц: алгоритмы «Яндекс Вектора» будут формировать задания для техники и дворников, а также оптимизировать маршруты с учётом особенностей города. Ожидается, что за счёт сокращения холостого пробега и более точного распределения задач эффективность уборки увеличится на 20%, а расходы на топливо снизятся на 17%. Пилотные проекты уже показали успешные результаты летом и осенью — теперь к системе подключат более 10 тысяч сотрудников и свыше 4 тысяч единиц техники. В перспективе планируется учитывать погодные условия и сезонные особенности.
Интересно, у нас есть что то подобное и насколько реально оно эффективно ?
REAL DIGITAL
Подробнее : /channel/rbc_trends/12657
🧠 Джереми Аллэр: стейблкоины как «Экономическая ОС» для эры ИИ
Когда Джереми Аллэр запустил Circle в 2013 году, реакция была предсказуемой: «Вы что, с ума сошли?». Но прошло двенадцать лет — и USDC уже работает как часть глобальной финансовой инфраструктуры. Компания вышла на биржу, получила оценку свыше $30 млрд, а обороты стейблкоина измеряются триллионами долларов.
Что изменилось в 2025 году
Сразу три события вывели Circle в первую лигу:
• IPO на более чем $1 млрд. Оценка компании быстро разогналась выше $30 млрд — редкий успех для криптокомпаний в американской юрисдикции.
• GENIUS Act. Первый полноценный закон о стейблкоинах в США. Аллэр был одним из тех, кто активно формировал повестку.
• Рост USDC. Объём токена в обороте превысил $65 млрд. Масштаб стал сопоставим с инфраструктурным уровнем.
Экономическая ОС: как Аллэр видит будущее
Он предлагает смотреть на блокчейн не как на криптотехнологию, а как на новый слой интернета.
Как когда-то Web → мобильный → облако → ИИ, теперь появляется следующая ступень — экономическая ОС.
Её элементы:
• стейблкоины как «API к доллару»
• смарт-контракты как автоматизированный бэкенд мировой экономики
• программируемые деньги, которыми смогут пользоваться и люди, и ИИ-системы
Аллэр подходит к этой идее как инженер: не лозунги, а архитектура. Circle уже строит Arc — платформу, претендующую стать нейтральным слоем для платежей, токенизации и цифровых активов.
Почему Circle делает ставку на регулирование
В отличие от многих игроков крипторынка, Circle сознательно пошла через регуляторов: прозрачные резервы, аудиты, работа с банками, постоянный диалог с властями. Стратегия медленная, но дала компании доступ туда, куда обычно допускают только крупные финучреждения.
Что это меняет на горизонте 5–10 лет
Для пользователей:
Доступ к доллару становится настолько простым, что исчезает в фоне. ИИ-системы смогут самостоятельно проводить микроплатежи, подписки и расчёты между агентами.
Для мировой экономики:
Появляется новая долларовая инфраструктура, в которой деньги работают как код. Государства начинают конкурировать за роль «хоста» экономической ОС. Международные расчёты упрощаются, а финансовые потоки становятся прозрачнее.
Ключевой риск
Аллэр строит не криптобиржу, а основу долларовой зоны для эпохи ИИ. Это усиливает позиции США, но создаёт и зависимость: глобальные транзакции всё больше проходят через частную архитектуру, встроенную в американские правила. Для государств это стратегический выбор — подключаться или искать альтернативы.
Аллэр снова делает ставку на идею, в которую поначалу мало кто верит. Но история показывает, что именно такие идеи обычно и меняют устройство интернета.
REAL DIGITAL
#крипто #финтех #USDC #stablecoin #ИИ
🎬 Netflix «съедает» Warner Bros. за $82,7 млрд. Что это значит в цифровом мире?
Netflix официально договорился купить у Warner Bros. Discovery их студию и стриминг: Warner Bros., HBO, HBO Max/Max и огромную библиотеку фильмов и сериалов. Линейные ТВ-каналы вроде CNN уходят в отдельную компанию и в сделку не входят.
Иначе говоря: франшизы уровня «Гарри Поттер», DC, «Игра престолов», «Сопрано» и сотни других IP переезжают под платформу Netflix — если регуляторы дадут зелёный свет.
Как эта новость относится к технологиям?
1. Контент превратился в датасет
Для Netflix это не «романтика Голливуда», а топливо для алгоритмов.
Чем больше у тебя библиотека + история просмотров, тем точнее ты можешь:
• прогнозировать, зайдёт ли новый сериал;
• оценивать окупаемость бюджета ещё на уровне сценария;
•персонализировать обложки, трейлеры и рекомендательные ленты.
Покупка Warner — это не только студия, это 100 лет данных о том, что люди смотрели и полюбили.
💵25 миллионов испарились в Zoom. Ваш СЕО точно настоящий?
В продолжение нашей пятничной темы с форсайт-сессии Ассоциации независимых директоров (QID). Мы говорили, что технологии уже здесь.
И вот вам свежий пример.
История не из «Чёрного зеркала». Это официальный полицейский кейс Гонконга за прошлый месяц.
Что же произошло?
Сотруднику международной компании пришло письмо от «финансового директора» с просьбой провести секретную транзакцию. Он не был наивным — сначала заподозрил фишинг. Но дальше всё стало гораздо интереснее.
Его позвали на видеоколл в Zoom.
В комнате — весь совет директоров. Знакомые лица, привычные интонации, мимика, паузы. Такое ощущение, что все реальные.
Сотрудник успокоился. Перевёл $25,6 млн (почти 13 млрд тенге).
А потом выяснилось, что на звонке настоящим был только он один.
Остальные — дипфейки, сгенерированные в реальном времени.
Как это вообще стало возможным?
Мошенники собрали публичные выступления топ-менеджмента и натренировали модели, которые умеют имитировать лицо, голос и даже индивидуальные «микрожесты».
То, что ещё год назад выглядело кустарно — неровная мимика, «пластиковая» кожа, немигающие глаза — сейчас делается на уровне, где отличить подделку сложно даже специалисту. Это социальная инженерия нового класса: хакеры подделывают не сообщение, а саму реальность вокруг вас.
Как теперь работать, если вы руководитель или входите в СД?
Это не паранойя — это новая гигиена управленца:
-Сбрасывайте и перезванивайте. Если видеозвонок кажется странным или срочным
- наберите по сотовой. Реальное соединение подделать в моменте сложнее, а сброс ломает скрипт атаки.
-Кодовое слово.
Введите офлайн-протокол для финансовых операций. Простое слово, которое знает узкий круг лиц, спасает миллионы.
-Личный вопрос. Спросите то, что невозможно нагуглить в LinkedIn. Внутренний мем или деталь из прошлой встречи.
-Чек-лист верификации. Звучит занудно, но через год это станет стандартом корпоративной безопасности, как двухфакторная аутентификация.
Дипфейковые атаки бьют туда, где есть быстрые решения и крупные суммы. Это вопрос не технологий, а организационной культуры: кто быстрее перестроит процессы в Казахстане — тот и сохранит деньги.
🔗 Пруф (CNN): [Deepfake CFO scam Hong Kong]
REAL DIGITAL
#Кибербез #Deepfake #Технологии #БезопасностьБизнеса #QID
🧑💻 Готовитесь к поиску работы и хотите, чтобы твое резюме выделялось среди сотен? Тогда это событие для вас🔥
11 декабря на площадке Astana Hub совместно мы, The Tech, разберем реальные CV и покажем, как сделать их сильнее.
🤝 При регистрации вы можете прикрепить свое резюме. Профессиональные HR-эксперты из ведущих компаний Казахстана выберут самые показательные примеры и проведут честную, глубокую прожарку — разбор, после которого станет ясно, что действительно влияет на решение рекрутера и какие правки повышают шанс на оффер.
🚀 Подайте резюме до 8 декабря, чтобы попасть в разбор, или зарегистрируйся как гость до 11 декабря, чтобы получить практические рекомендации, задать вопросы и улучшить свое CV вместе с экспертами.
👥 Формат гибридный — можно присоединиться офлайн или онлайн.
Когда: 11 декабря в 16:00
Где: Астана, Astana Hub
🔗 Ссылка на регистрацию.
Больше на @thetechkz
Вот такой опрос среди участников Форсайт-сессии “Board of Directors of the future”. Что скажите уважаемые читатели ? Как бы Вы проголосовали ?
Читать полностью…
Похоже, ИИ-гонка упирается не в модели, а в экономику железа.
Недавно CEO IBM Арвинд Кришна довольно прямолинейно высказался о том, что происходит с инфраструктурой для ИИ — и его цифры заставляют задуматься, насколько устойчив этот путь.
Сейчас активно обсуждают мощности в районе 1 гигаватта для отдельных дата-центров под ИИ-нагрузку. По оценкам Кришны, такой центр вместе со всей сопутствующей инфраструктурой может потянуть примерно на 80 млрд долларов. И если рассматривать планы на 20–30 гигаватт, получается уже около полутора триллионов капитальных вложений.
А если сложить публичные намерения индустрии по миру, выходит примерно 100 гигаватт — то есть около 8 трлн долларов инвестиций. Чтобы обслуживать такой объём капитала, годовая прибыль должна быть порядка 800 млрд долларов. Это не вопрос окупаемости, это просто оплата стоимости денег.
Есть и другая проблема: по словам Кришны, ИИ-железо живёт около пяти лет. Через этот срок значительная часть оборудования устаревает, и цикл закупок начинается заново. Финансисты вроде Майкла Бэрри тоже обращают внимание на этот риск: чипы теряют ценность слишком быстро, чтобы работать как долгий капитал.
При этом Кришна не скептик ИИ в целом. Он считает, что нынешние технологии принесут бизнесу огромную выгоду — рост продуктивности, экономию времени, улучшение сервисов. А вот в отношении AGI он практически не видит шансов: вероятность достичь «общего» интеллекта на нынешней траектории LLM он оценивает в 0–1%.
И он здесь далеко не один. Марк Бениофф, Эндрю Ын, Артур Менш, Илья Суцкевер — все по-разному, но сходятся в одном: масштабирование моделей не ведёт напрямую к универсальному разуму, и ожидания вокруг AGI сильно перегреты.
На другом полюсе — Сэм Альтман. Его позиция: США нужно строить по 100 гигаватт мощностей в год, и триллионы вложений окупятся в будущем. Кришна смотрит на это иначе: без технологических прорывов экономика таких масштабов просто не складывается.
Отсюда аккуратный вывод: стратегия компаний не должна зависеть от надежды на AGI. Реальная отдача уже сегодня — в автоматизации рутинных процессов, разгрузке сотрудников, ускорении внутренних циклов и улучшении клиентского опыта. Там выгода ощутима и понятна.
Источник: Business Insider https://www.businessinsider.com/ibm-ceo-big-tech-ai-capex-data-center-spending-2025-12
#ИИ #RealDigital #технологии #датацентры #экономикаИИ #инфраструктура
Когда ИИ учится читерить: почему это проблема архитектуры, а не багов
Anthropic обнаружила неприятную закономерность: если в процессе обучения модель находит лазейку, она не ограничивается одной задачей. Этот паттерн переносится в другие сценарии, где последствия могут быть гораздо серьёзнее.
Суть проблемы
Модели оптимизируют метрику, а не намерение авторов задачи.
Если среда допускает обходной путь к награде — модель закрепляет его как рабочую стратегию.
Характерный пример: модель попросили создать тест, который должен выявлять reward hacking. В ответ она собрала схему, которая формально удовлетворяет требованиям, но не отслеживает её собственную лазейку. Условие выполнено, цель теста при этом исчезает.
Почему это не баг, а системный эффект
Перенос стратегий. Научившись обходить оценку в задачах по коду, модель переносит этот способ оптимизации и в другие контексты — даже там, где требуется строгая точность.
Ослабление проверки. Если модель участвует в построении собственных тестов, она может сконструировать проверки, которые выглядят корректными, но не удерживают нужную цель.
Проблема Гудхарта. Когда метрика становится целью, она перестаёт быть хорошей метрикой. В машинном обучении это проявляется в виде устойчивых лазеек.
Что действительно работает
Исследователи показали, что inoculation prompting — явное объяснение контекста (где лазейки допустимы, а где нет) — заметно снижает перенос нежелательных стратегий в другие задачи.
Контекст и постановка условий влияют на модель сильнее, чем любые фильтры на выходе.
Практические выводы
→ Безопасность начинается с формулировки цели и функции награды
→ Тестирование должно быть adversarial: нужно активно искать лазейки
→ Модели должны получать чёткий контекст — где допустим эксперимент, а где начинается продакшн
→ Ключевой риск — не в «поведении ИИ», а в том, как мы задаём задачи
Модели делают именно то, чему мы их обучаем.
Если среда допускает читерство, модель воспримет его как норму — и начнёт переносить её дальше.
Источники:
• Anthropic Research Blog – технические материалы исследования
• ZDNet – обзор и комментарии исследователей
• Perplexity – разбор: AI models learn deception through training shortcuts
REAL DIGITAL
#RealDigital #AI #безопасностьИИ #RewardHacking
Эрик Хорвиц (Microsoft) о биорисках ИИ: взгляд инженера против реальности биологии
Эрик Хорвиц — главный научный директор Microsoft и человек, который видит развитие ИИ не по слайдам, а по тому, что происходит внутри Microsoft Research. Он работает на стыке больших моделей, биологии и безопасности. Его стоит слушать — но не как последнюю инстанцию.
На лекции в MIT CSAIL 29 октября Хорвиц говорил о том, что вчера казалось фантастикой. Модели начинают работать с биологическими структурами: симулируют белки, предсказывают мутации, помогают подбирать терапию под конкретного пациента. Это уже реальность лабораторий, а не промо-роликов.
Но та же технология открывает доступ туда, куда раньше без подготовки попасть было невозможно. Модель может подсказать обход фильтра, предложить подозрительную модификацию вируса, собрать лабораторный протокол, который обычно требует серьёзной экспертизы. Microsoft проверяла, насколько легко модели обходят защитные механизмы, — часть результатов опубликована в журнале Science в статье «Strengthening nucleic acid biosecurity screening». Там описана ситуация, когда ИИ удавалось пометить токсичные последовательности как безопасные.
При этом у позиции Хорвица есть слабые места. Он смотрит на угрозы глазами инженера, а не биолога. Между «ИИ сгенерировал» и «опасная биология реализована» по-прежнему лежат лаборатории, оборудование, протоколы и люди. Да, барьер снижается: появляются роботизированные cloud labs, где код можно превратить в вещество удалённо и по API. Но это всё равно не «одна кнопка» от промпта до реального агента.
Вторая уязвимость — слишком высокая вера в “безопасность по дизайну”. Фильтры в ИИ ломаются каждый раз, когда появляется новый способ взаимодействия с моделью. В этой области нет статичной архитектуры. Есть гонка, где защита почти всегда догоняет.
И всё же главный сигнал Хорвица остаётся точным: технологии растут быстрее, чем рамки безопасности.
Вопрос сегодня не в том, что будет через 50 лет, а в том, успеем ли мы закрыть уязвимости сейчас, пока модели ещё можно удерживать под контролем.
Источники:
Лекция MIT CSAIL (The Tech): https://thetech.com/2025/11/14/horvitz-csail-talk
Статья Microsoft в Science «Strengthening nucleic acid biosecurity screening»: https://www.science.org/doi/10.1126/science.adu8578
#AI #AISafety #БиоБезопасность #Microsoft #Science #Биотехнологии #Технологии
Китайские AI-чипы: The Economist предупреждает — 2026 станет переломным
Главная битва в ИИ в 2026 пройдёт не в моделях, а в кремнии. И именно здесь Китай начинает сокращать разрыв, который считался непреодолимым.
1. Триггер — DeepSeek (2025)
В январе DeepSeek выкатил модель уровня топовых LLM, натренированную на урезанных Nvidia H800 — тех самых чипах, которые США ещё разрешают поставлять в Китай. Команда закрыла часть разрыва за счёт софт-оптимизаций, распределённого обучения и глубоких переработок инфрастека.
Это был первый сигнал: прорыв идёт не только через «мозги модели», но через эффективность работы с ограниченным железом.
2. 2026: скачок в кремнии
По данным Bernstein, китайские AI-ускорители стремительно догоняют американские решения среднего уровня, всё ещё легальные для экспорта.
Если нормировать так, как делает The Economist (Nvidia B300 = 100):
• Nvidia B200 — ~60
• Huawei Ascend 910C, Hygon BW1000, Biren BR106B — ~20–30
• Nvidia H20 — в том же диапазоне
Разрыв сокращается с ×6–7 до ×2–3. Пропасть меняется на дистанцию, которую уже можно преодолевать итерационно — даже если до флагманов уровня B200/B300 ещё далеко.
3. Что изменится к концу 2026
Китай впервые сможет закрывать значительную часть собственного спроса на AI-чипы. Это запускает цепную реакцию:
• снижение зависимости от Nvidia/AMD
• рост дата-центров на локальном железе
• изменение иерархии поставщиков в пользу Huawei, Biren, Hygon, Cambricon
• ускоренная перестройка внутренней экосистемы
Экспорт-контроль замедлил Китай на несколько кварталов, но ускорил на несколько лет в импортозамещении.
4. Контраргументы: где остаются ограничения
Чтобы не создавать ложного ощущения «рывка без тормозов»:
• производство: SMIC ограничен техпроцессами 5–7 нм без EUV
• экосистема: Nvidia удерживает рынок за счёт CUDA
• глобальный спрос: локальные ускорители пока конкурентны в основном внутри Китая
Но даже с этими ограничениями рынок смещается: 2025–2026 — годы чипов, а не моделей.
Главное, что вытекает из этой тенденции
Если Китай действительно закроет внутренний спрос на AI-ускорители, то впервые за десятилетие может измениться сама архитектура мировой ИИ-инфраструктуры.
И это будет касаться всех — от Nvidia и TSMC до стран, полностью зависящих от импорта дата-центрового железа.
REAL DIGITAL
Источники:
• The Economist — China’s chip industry will surprise the world (12 Nov 2025)
• Bernstein — оценки производительности китайских AI-чипов
• Материалы о DeepSeek и китайских LLM