Когда нужно замораживать конструкцию (Design Freeze)
Почти в каждом hardware-проекте наступает момент, когда кто-то говорит: «Давайте ещё немного доработаем». На первый взгляд это звучит абсолютно разумно. Нашли более дешёвый процессор — отлично. Появился новый датчик — почему бы не использовать его? Можно уменьшить толщину корпуса ещё на миллиметр? Тоже неплохо.
Каждое такое изменение само по себе выглядит логичным. Проблема в том, что в hardware изменения почти никогда не затрагивают только одну деталь. Замена микроконтроллера означает изменение схемы, новую разводку платы, доработку прошивки, повторное тестирование и иногда даже повторную сертификацию. Другой аккумулятор меняет механику корпуса, систему крепления, зарядную электронику и производственные тесты.
Именно поэтому в hardware существует понятие Design Freeze — момент, после которого конструкция считается замороженной, а любые изменения проходят через отдельную процедуру согласования. Многие воспринимают это как бюрократию, но на самом деле это один из важнейших инструментов управления рисками. Если команда продолжает бесконечно улучшать устройство, проект может никогда не закончиться. В разработке существует интересный парадокс: последние пять процентов улучшений очень часто требуют половину оставшегося времени проекта. При этом пользователь нередко вообще не замечает этих изменений.
Поэтому хороший CTO постоянно задаёт один вопрос: это изменение действительно увеличит ценность продукта для клиента или мы просто стремимся к инженерному идеалу? Ответ далеко не всегда очевиден. Очень часто желание сделать «ещё немного лучше» оказывается гораздо сильнее, чем реальная польза для будущего продукта. Конечно, бывают ситуации, когда Design Freeze приходится нарушать. Например, если обнаружен критический дефект безопасности, ключевой компонент снят с производства или устройство не проходит обязательную сертификацию. Но подобные изменения должны быть исключением, а не нормой.
Во многих компаниях для этого существует процедура Engineering Change Order (ECO). Любое изменение оценивается не только с инженерной точки зрения. Команда должна понимать, сколько оно будет стоить, насколько сдвинет сроки, какие испытания придётся повторить, потребуется ли новая оснастка и как это повлияет на производство. Очень часто после такого анализа оказывается, что идея, которая казалась очевидным улучшением, приносит компании только дополнительные расходы.
Есть ещё одна закономерность, о которой редко задумываются молодые команды. Чем ближе проект к серийному производству, тем дороже становится каждое изменение. Во время PoC новую функцию можно реализовать за один день. На EVT на это уже уйдёт неделя. На DVT изменение может означать повторные испытания. А после запуска производства оно иногда обходится в миллионы рублей из-за новой оснастки, брака уже изготовленных деталей и необходимости менять документацию сразу у нескольких поставщиков.
Поэтому зрелые hardware-компании оценивают не только пользу каждого изменения. Они всегда оценивают стоимость момента, в который это изменение предлагается. Один и тот же инженерный вопрос на разных стадиях проекта может иметь совершенно разную цену.
Именно поэтому хороший Design Freeze не мешает разработке. Наоборот, он защищает команду от бесконечной гонки за идеальным продуктом и позволяет вовремя выпустить на рынок устройство, которое действительно решает задачи пользователя.
Мне очень нравится фраза, которую однажды услышал от коллеги: «Лучше хороший продукт сегодня, чем идеальный через год» На мой взгляд, именно она лучше всего объясняет смысл Design Freeze. В hardware выигрывает не тот, кто бесконечно совершенствует конструкцию, а тот, кто умеет вовремя остановиться и начать выпускать продукт.
Почти в каждом hardware-проекте наступает момент, когда кто-то говорит: «Давайте ещё немного доработаем». На первый взгляд это звучит абсолютно разумно. Нашли более дешёвый процессор — отлично. Появился новый датчик — почему бы не использовать его? Можно уменьшить толщину корпуса ещё на миллиметр? Тоже неплохо.
Каждое такое изменение само по себе выглядит логичным. Проблема в том, что в hardware изменения почти никогда не затрагивают только одну деталь. Замена микроконтроллера означает изменение схемы, новую разводку платы, доработку прошивки, повторное тестирование и иногда даже повторную сертификацию. Другой аккумулятор меняет механику корпуса, систему крепления, зарядную электронику и производственные тесты.
Именно поэтому в hardware существует понятие Design Freeze — момент, после которого конструкция считается замороженной, а любые изменения проходят через отдельную процедуру согласования. Многие воспринимают это как бюрократию, но на самом деле это один из важнейших инструментов управления рисками. Если команда продолжает бесконечно улучшать устройство, проект может никогда не закончиться. В разработке существует интересный парадокс: последние пять процентов улучшений очень часто требуют половину оставшегося времени проекта. При этом пользователь нередко вообще не замечает этих изменений.
Поэтому хороший CTO постоянно задаёт один вопрос: это изменение действительно увеличит ценность продукта для клиента или мы просто стремимся к инженерному идеалу? Ответ далеко не всегда очевиден. Очень часто желание сделать «ещё немного лучше» оказывается гораздо сильнее, чем реальная польза для будущего продукта. Конечно, бывают ситуации, когда Design Freeze приходится нарушать. Например, если обнаружен критический дефект безопасности, ключевой компонент снят с производства или устройство не проходит обязательную сертификацию. Но подобные изменения должны быть исключением, а не нормой.
Во многих компаниях для этого существует процедура Engineering Change Order (ECO). Любое изменение оценивается не только с инженерной точки зрения. Команда должна понимать, сколько оно будет стоить, насколько сдвинет сроки, какие испытания придётся повторить, потребуется ли новая оснастка и как это повлияет на производство. Очень часто после такого анализа оказывается, что идея, которая казалась очевидным улучшением, приносит компании только дополнительные расходы.
Есть ещё одна закономерность, о которой редко задумываются молодые команды. Чем ближе проект к серийному производству, тем дороже становится каждое изменение. Во время PoC новую функцию можно реализовать за один день. На EVT на это уже уйдёт неделя. На DVT изменение может означать повторные испытания. А после запуска производства оно иногда обходится в миллионы рублей из-за новой оснастки, брака уже изготовленных деталей и необходимости менять документацию сразу у нескольких поставщиков.
Поэтому зрелые hardware-компании оценивают не только пользу каждого изменения. Они всегда оценивают стоимость момента, в который это изменение предлагается. Один и тот же инженерный вопрос на разных стадиях проекта может иметь совершенно разную цену.
Именно поэтому хороший Design Freeze не мешает разработке. Наоборот, он защищает команду от бесконечной гонки за идеальным продуктом и позволяет вовремя выпустить на рынок устройство, которое действительно решает задачи пользователя.
Мне очень нравится фраза, которую однажды услышал от коллеги: «Лучше хороший продукт сегодня, чем идеальный через год» На мой взгляд, именно она лучше всего объясняет смысл Design Freeze. В hardware выигрывает не тот, кто бесконечно совершенствует конструкцию, а тот, кто умеет вовремя остановиться и начать выпускать продукт.
🔥15🎉14👏12❤9👍8
Почему изменениями нужно управлять так же, как и самим продуктом
Практически в каждом hardware-проекте наступает момент, когда кто-то говорит: «Это небольшое изменение. Давайте просто быстро внесём его в конструкцию». Именно слово «небольшое» здесь обычно оказывается самым опасным.
В software подобные изменения действительно нередко занимают несколько часов или дней. В hardware даже незначительная правка может запустить цепочку событий, которая затронет практически весь проект. Именно поэтому опытные команды относятся к любым изменениям гораздо осторожнее.
Представьте, что вы решили заменить всего один компонент. Новый микроконтроллер требует другой разводки платы. Новая плата меняет расположение разъёмов. Из-за этого приходится корректировать корпус. После изменения корпуса нужно повторно проверить герметичность, вибропрочность и тепловые режимы. Затем выясняется, что изменился производственный тест, а заодно пришлось обновить конструкторскую документацию и инструкции по сборке. Изначально казалось, что меняется одна деталь. На практике изменился практически весь продукт. И чем ближе проект находится к запуску серийного производства, тем дороже становится каждое такое изменение.
Именно поэтому в зрелых hardware-компаниях не существует понятия «просто внесём небольшое изменение». Любое изменение проходит одинаковую процедуру оценки. Как оно повлияет на стоимость BOM? Понадобится ли новая ревизия платы? Нужно ли повторять испытания? Повлияет ли изменение на сертификацию? Придётся ли менять производственные тесты? Не изменятся ли сроки запуска проекта? Именно эти вопросы лежат в основе процесса Engineering Change Order (ECO). Вопреки распространённому мнению, ECO — это не бюрократический документ, который нужно подписать перед внесением изменений. Это инструмент оценки последствий, позволяющий понять полную стоимость каждого инженерного решения.
Иногда после такого анализа оказывается, что изменение действительно безопасно и его можно внедрить практически без затрат. Но очень часто выясняется, что идея стоимостью в тысячу рублей приводит к задержке запуска продукта на два месяца. Именно поэтому опытные компании оценивают не только стоимость самого изменения, но и стоимость всех его последствий.
Есть интересная закономерность. Чем опытнее инженерная команда, тем меньше она боится отклонять изменения. Молодые команды пытаются реализовать практически каждую новую идею. Опытные сначала задают вопрос: «Что мы потеряем, если внесём это изменение?» И очень часто ответ оказывается важнее вопроса «Что мы приобретём?»
При этом изменения далеко не всегда появляются из-за ошибок инженеров. Компоненты снимают с производства, поставщики меняют технологии, появляются новые требования законодательства, испытания выявляют неожиданные проблемы, а пользователи начинают использовать устройство совсем не так, как предполагалось изначально. Изменения неизбежны в любом сложном hardware-проекте.
Поэтому зрелость инженерной организации определяется не количеством изменений. Она определяется тем, насколько хорошо компания умеет ими управлять. Хороший процесс разработки — это не тот, в котором никогда ничего не меняется. Это процесс, в котором каждое изменение проходит понятную процедуру оценки, а решение принимается на основе фактов, а не эмоций.
Именно поэтому сильные hardware-команды проектируют не только устройство. Они проектируют ещё и процесс внесения изменений. Потому что рано или поздно менять конструкцию всё равно придётся. Вопрос лишь в том, будет ли это управляемый процесс или очередной источник хаоса.
Практически в каждом hardware-проекте наступает момент, когда кто-то говорит: «Это небольшое изменение. Давайте просто быстро внесём его в конструкцию». Именно слово «небольшое» здесь обычно оказывается самым опасным.
В software подобные изменения действительно нередко занимают несколько часов или дней. В hardware даже незначительная правка может запустить цепочку событий, которая затронет практически весь проект. Именно поэтому опытные команды относятся к любым изменениям гораздо осторожнее.
Представьте, что вы решили заменить всего один компонент. Новый микроконтроллер требует другой разводки платы. Новая плата меняет расположение разъёмов. Из-за этого приходится корректировать корпус. После изменения корпуса нужно повторно проверить герметичность, вибропрочность и тепловые режимы. Затем выясняется, что изменился производственный тест, а заодно пришлось обновить конструкторскую документацию и инструкции по сборке. Изначально казалось, что меняется одна деталь. На практике изменился практически весь продукт. И чем ближе проект находится к запуску серийного производства, тем дороже становится каждое такое изменение.
Именно поэтому в зрелых hardware-компаниях не существует понятия «просто внесём небольшое изменение». Любое изменение проходит одинаковую процедуру оценки. Как оно повлияет на стоимость BOM? Понадобится ли новая ревизия платы? Нужно ли повторять испытания? Повлияет ли изменение на сертификацию? Придётся ли менять производственные тесты? Не изменятся ли сроки запуска проекта? Именно эти вопросы лежат в основе процесса Engineering Change Order (ECO). Вопреки распространённому мнению, ECO — это не бюрократический документ, который нужно подписать перед внесением изменений. Это инструмент оценки последствий, позволяющий понять полную стоимость каждого инженерного решения.
Иногда после такого анализа оказывается, что изменение действительно безопасно и его можно внедрить практически без затрат. Но очень часто выясняется, что идея стоимостью в тысячу рублей приводит к задержке запуска продукта на два месяца. Именно поэтому опытные компании оценивают не только стоимость самого изменения, но и стоимость всех его последствий.
Есть интересная закономерность. Чем опытнее инженерная команда, тем меньше она боится отклонять изменения. Молодые команды пытаются реализовать практически каждую новую идею. Опытные сначала задают вопрос: «Что мы потеряем, если внесём это изменение?» И очень часто ответ оказывается важнее вопроса «Что мы приобретём?»
При этом изменения далеко не всегда появляются из-за ошибок инженеров. Компоненты снимают с производства, поставщики меняют технологии, появляются новые требования законодательства, испытания выявляют неожиданные проблемы, а пользователи начинают использовать устройство совсем не так, как предполагалось изначально. Изменения неизбежны в любом сложном hardware-проекте.
Поэтому зрелость инженерной организации определяется не количеством изменений. Она определяется тем, насколько хорошо компания умеет ими управлять. Хороший процесс разработки — это не тот, в котором никогда ничего не меняется. Это процесс, в котором каждое изменение проходит понятную процедуру оценки, а решение принимается на основе фактов, а не эмоций.
Именно поэтому сильные hardware-команды проектируют не только устройство. Они проектируют ещё и процесс внесения изменений. Потому что рано или поздно менять конструкцию всё равно придётся. Вопрос лишь в том, будет ли это управляемый процесс или очередной источник хаоса.
👏15👍14🔥11❤9🎉7
Похоже, мы действительно приближаемся к моменту, когда привычный смартфон перестанет быть главным устройством. Ну либо близки к очередному дорогому провалу за много денег.
По данным TechCrunch, OpenAI работает над устройством без экрана, которое сможет сопровождать пользователя, понимать происходящее вокруг и постоянно взаимодействовать с AI. Это очередное подтверждение того, что крупнейшие компании ищут новый форм-фактор персональных устройств.
Но, на мой взгляд, самая интересная часть этой истории — не отсутствие экрана.
Создать еще одну колонку или голосового помощника несложно. Гораздо сложнее сделать устройство, которое человек захочет носить с собой каждый день. Оно должно работать целый день без подзарядки, обладать качественными микрофонами и камерами, мощным локальным процессором, хорошей связью и при этом оставаться компактным, легким и недорогим.
Последние десять лет рынок носимой электроники искал идеальный форм-фактор: очки, кольца, часы, клипсы, кулоны. Пока ни одно устройство не смогло заменить смартфон.
Поэтому лично мне интереснее наблюдать не столько за самим устройством, сколько за процессом. Компания с практически неограниченными ресурсами, доступом к лучшим AI-моделям и Джони Айвом, человеком, который стоял за созданием iPhone, пытается выпустить свою первую железку.
Если даже такой команде не удастся найти новый форм-фактор для эпохи AI, это будет хорошим напоминанием о том, насколько сложно создавать по-настоящему массовые hardware-продукты.
По данным TechCrunch, OpenAI работает над устройством без экрана, которое сможет сопровождать пользователя, понимать происходящее вокруг и постоянно взаимодействовать с AI. Это очередное подтверждение того, что крупнейшие компании ищут новый форм-фактор персональных устройств.
Но, на мой взгляд, самая интересная часть этой истории — не отсутствие экрана.
Создать еще одну колонку или голосового помощника несложно. Гораздо сложнее сделать устройство, которое человек захочет носить с собой каждый день. Оно должно работать целый день без подзарядки, обладать качественными микрофонами и камерами, мощным локальным процессором, хорошей связью и при этом оставаться компактным, легким и недорогим.
Последние десять лет рынок носимой электроники искал идеальный форм-фактор: очки, кольца, часы, клипсы, кулоны. Пока ни одно устройство не смогло заменить смартфон.
Поэтому лично мне интереснее наблюдать не столько за самим устройством, сколько за процессом. Компания с практически неограниченными ресурсами, доступом к лучшим AI-моделям и Джони Айвом, человеком, который стоял за созданием iPhone, пытается выпустить свою первую железку.
Если даже такой команде не удастся найти новый форм-фактор для эпохи AI, это будет хорошим напоминанием о том, насколько сложно создавать по-настоящему массовые hardware-продукты.
👍4❤2🔥2
Как себестоимость убивает хорошие продукты
Я часто слышу одну и ту же фразу: «Получилось отличное устройство»
И каждый раз хочется задать встречный вопрос.
Для кого оно отличное? Для инженеров? Для пользователей? Или для бизнеса? Очень часто это три совершенно разных ответа.
Инженеры по своей природе любят улучшать продукт. Добавить ещё один датчик, поставить более производительный процессор, увеличить объём памяти, сделать экран ярче или добавить новую функцию, которая «точно пригодится». Каждое такое решение по отдельности выглядит абсолютно логичным.
Проблема в том, что себестоимость растёт не скачками, а постепенно. Один доллар здесь, два доллара там, ещё несколько долларов на более дорогой аккумулятор или память. Пока команда обсуждает каждое изменение отдельно, кажется, что влияние на стоимость незначительное. Но через несколько месяцев оказывается, что устройство стало дороже на двадцать или тридцать процентов.
Самое интересное, что пользователи очень часто вообще не замечают этих улучшений. Они редко готовы платить больше за процессор, который стал немного быстрее, за дополнительные мегабайты памяти или за датчик, существование которого они даже не подозревают. А вот цену устройства они замечают всегда.
Поэтому в hardware есть простое правило, которое, на мой взгляд, стоит помнить каждому инженеру. Каждый компонент должен либо увеличивать ценность продукта для пользователя, либо снижать стоимость владения устройством. Если он не делает ни того, ни другого, стоит честно спросить себя, зачем он вообще появился в проекте.
Именно поэтому в зрелых hardware-компаниях обсуждают не только технические характеристики. На Design Review и архитектурных встречах обязательно обсуждают экономику каждого инженерного решения. Что получит пользователь, если мы добавим этот компонент? Сколько это будет стоить? Готов ли рынок заплатить за это? Или мы просто делаем устройство сложнее, потому что технически это возможно?
Есть ещё одна особенность hardware, о которой редко задумываются молодые команды. Стоимость одного компонента редко заканчивается его ценой в BOM. Новый датчик — это ещё изменения в схеме, новая разводка платы, доработка корпуса, изменения в прошивке, дополнительные испытания, сертификация, производственные тесты, складские запасы и сервисная поддержка.
Иногда компонент стоимостью пять долларов увеличивает стоимость всего проекта на сотни тысяч долларов. Именно поэтому опытные CTO обсуждают не цену компонента, а полную стоимость инженерного решения. Это гораздо более важный показатель, чем стоимость детали сама по себе.
Есть один вопрос, который, на мой взгляд, стоит задавать практически на каждом Design Review: «Если убрать эту функцию, сколько пользователей вообще это заметят?» Ответ иногда оказывается очень неожиданным. Многие функции существуют не потому, что они действительно нужны клиенту, а потому что инженерам было интересно их реализовать.
Именно умение говорить «нет» отличает хороший продукт от хорошего инженерного проекта. Нет лишнему датчику. Нет ещё одной функции. Нет компоненту, который делает устройство сложнее, но не делает его ценнее.
Поэтому себестоимость — это не задача отдела закупок и не проблема финансистов. Это ответственность всей инженерной команды. Стоимость продукта формируется не в момент переговоров с поставщиками, а каждый раз, когда инженер принимает очередное техническое решение.
В конечном итоге хороший hardware-продукт — это не тот, в котором больше всего функций. Это тот, в котором каждая деталь действительно приносит пользу пользователю и одновременно позволяет бизнесу зарабатывать деньги. Именно в этом и заключается одна из самых сложных задач современной инженерной разработки.
Я часто слышу одну и ту же фразу: «Получилось отличное устройство»
И каждый раз хочется задать встречный вопрос.
Для кого оно отличное? Для инженеров? Для пользователей? Или для бизнеса? Очень часто это три совершенно разных ответа.
Инженеры по своей природе любят улучшать продукт. Добавить ещё один датчик, поставить более производительный процессор, увеличить объём памяти, сделать экран ярче или добавить новую функцию, которая «точно пригодится». Каждое такое решение по отдельности выглядит абсолютно логичным.
Проблема в том, что себестоимость растёт не скачками, а постепенно. Один доллар здесь, два доллара там, ещё несколько долларов на более дорогой аккумулятор или память. Пока команда обсуждает каждое изменение отдельно, кажется, что влияние на стоимость незначительное. Но через несколько месяцев оказывается, что устройство стало дороже на двадцать или тридцать процентов.
Самое интересное, что пользователи очень часто вообще не замечают этих улучшений. Они редко готовы платить больше за процессор, который стал немного быстрее, за дополнительные мегабайты памяти или за датчик, существование которого они даже не подозревают. А вот цену устройства они замечают всегда.
Поэтому в hardware есть простое правило, которое, на мой взгляд, стоит помнить каждому инженеру. Каждый компонент должен либо увеличивать ценность продукта для пользователя, либо снижать стоимость владения устройством. Если он не делает ни того, ни другого, стоит честно спросить себя, зачем он вообще появился в проекте.
Именно поэтому в зрелых hardware-компаниях обсуждают не только технические характеристики. На Design Review и архитектурных встречах обязательно обсуждают экономику каждого инженерного решения. Что получит пользователь, если мы добавим этот компонент? Сколько это будет стоить? Готов ли рынок заплатить за это? Или мы просто делаем устройство сложнее, потому что технически это возможно?
Есть ещё одна особенность hardware, о которой редко задумываются молодые команды. Стоимость одного компонента редко заканчивается его ценой в BOM. Новый датчик — это ещё изменения в схеме, новая разводка платы, доработка корпуса, изменения в прошивке, дополнительные испытания, сертификация, производственные тесты, складские запасы и сервисная поддержка.
Иногда компонент стоимостью пять долларов увеличивает стоимость всего проекта на сотни тысяч долларов. Именно поэтому опытные CTO обсуждают не цену компонента, а полную стоимость инженерного решения. Это гораздо более важный показатель, чем стоимость детали сама по себе.
Есть один вопрос, который, на мой взгляд, стоит задавать практически на каждом Design Review: «Если убрать эту функцию, сколько пользователей вообще это заметят?» Ответ иногда оказывается очень неожиданным. Многие функции существуют не потому, что они действительно нужны клиенту, а потому что инженерам было интересно их реализовать.
Именно умение говорить «нет» отличает хороший продукт от хорошего инженерного проекта. Нет лишнему датчику. Нет ещё одной функции. Нет компоненту, который делает устройство сложнее, но не делает его ценнее.
Поэтому себестоимость — это не задача отдела закупок и не проблема финансистов. Это ответственность всей инженерной команды. Стоимость продукта формируется не в момент переговоров с поставщиками, а каждый раз, когда инженер принимает очередное техническое решение.
В конечном итоге хороший hardware-продукт — это не тот, в котором больше всего функций. Это тот, в котором каждая деталь действительно приносит пользу пользователю и одновременно позволяет бизнесу зарабатывать деньги. Именно в этом и заключается одна из самых сложных задач современной инженерной разработки.
🔥16❤12👍9👏9🎉9💯1🤝1
После новостей о том, что OpenAI делает собственное устройство, многие не понимают, зачем компании, которая создает лучшие ИИ-модели, тратить миллиарды на железо.
Мне кажется, ответ довольно простой: сегодня главная ценность — уже не сами модели, а данные. Причем не текст из интернета, а данные о физическом мире. Именно поэтому все чаще говорят про Physical AI. Компания, которая первой сможет массово собирать данные о том, что человек видит, слышит и делает, получит огромное преимущество.
Самым очевидным устройством для этого кажутся умные очки. Они могли бы стать естественным интерфейсом между человеком и ИИ.
Сегодня, чтобы спросить что-то у ChatGPT, нужно достать телефон, открыть приложение, сделать фотографию, написать запрос и объяснить контекст. Например, если вы хотите узнать калорийность своего обеда, приходится фотографировать тарелку вручную.
А теперь представьте другой сценарий. Очки сами понимают, что вы сели обедать, распознают блюда и автоматически добавляют информацию в дневник питания. Или замечают, что вы начали тренировку, и сразу фиксируют активность. Вообще без вашего участия.
Самое ценное здесь даже не автоматизация. Если устройство постоянно видит происходящее вокруг, ИИ получает контекст автоматически. Ему уже не нужно долго объяснять ситуацию — он и так понимает, где вы находитесь, на что смотрите и что пытаетесь сделать. Именно такой интерфейс делает взаимодействие с ИИ по-настоящему естественным.
Но есть две большие проблемы.
Первая — приватность. Не всем понравится идея постоянно носить камеру. Хотя, скорее всего, это вопрос времени. Появятся индикаторы записи, кнопки отключения камеры, а общество постепенно привыкнет, как когда-то привыкло к смартфонам.
Вторая проблема намного серьезнее — физика. Чтобы непрерывно анализировать видео, звук и данные с датчиков, нужен мощный процессор, который потребляет много энергии. А в современных умных очках обычно аккумулятор всего около 200 мА·ч. Этого недостаточно для постоянной работы ИИ.
Получается выбор без хорошего решения: либо урезать функциональность до уровня голосового помощника, либо сделать устройство большим и тяжелым с внешним аккумулятором. Мы уже увидели, насколько сложно сделать массовым такой подход на примере Vision Pro.
Именно поэтому, если верить слухам, OpenAI сейчас делает не очки, а небольшое носимое устройство с камерами, микрофонами и другими датчиками. Такой форм-фактор проще с точки зрения автономности и не вызывает такого дискомфорта у окружающих.
Но мне кажется, что это лишь промежуточный этап. Настоящая цель — именно умные очки. Потому что это, пожалуй, самый естественный способ встроить ИИ в повседневную жизнь человека.
Мне кажется, ответ довольно простой: сегодня главная ценность — уже не сами модели, а данные. Причем не текст из интернета, а данные о физическом мире. Именно поэтому все чаще говорят про Physical AI. Компания, которая первой сможет массово собирать данные о том, что человек видит, слышит и делает, получит огромное преимущество.
Самым очевидным устройством для этого кажутся умные очки. Они могли бы стать естественным интерфейсом между человеком и ИИ.
Сегодня, чтобы спросить что-то у ChatGPT, нужно достать телефон, открыть приложение, сделать фотографию, написать запрос и объяснить контекст. Например, если вы хотите узнать калорийность своего обеда, приходится фотографировать тарелку вручную.
А теперь представьте другой сценарий. Очки сами понимают, что вы сели обедать, распознают блюда и автоматически добавляют информацию в дневник питания. Или замечают, что вы начали тренировку, и сразу фиксируют активность. Вообще без вашего участия.
Самое ценное здесь даже не автоматизация. Если устройство постоянно видит происходящее вокруг, ИИ получает контекст автоматически. Ему уже не нужно долго объяснять ситуацию — он и так понимает, где вы находитесь, на что смотрите и что пытаетесь сделать. Именно такой интерфейс делает взаимодействие с ИИ по-настоящему естественным.
Но есть две большие проблемы.
Первая — приватность. Не всем понравится идея постоянно носить камеру. Хотя, скорее всего, это вопрос времени. Появятся индикаторы записи, кнопки отключения камеры, а общество постепенно привыкнет, как когда-то привыкло к смартфонам.
Вторая проблема намного серьезнее — физика. Чтобы непрерывно анализировать видео, звук и данные с датчиков, нужен мощный процессор, который потребляет много энергии. А в современных умных очках обычно аккумулятор всего около 200 мА·ч. Этого недостаточно для постоянной работы ИИ.
Получается выбор без хорошего решения: либо урезать функциональность до уровня голосового помощника, либо сделать устройство большим и тяжелым с внешним аккумулятором. Мы уже увидели, насколько сложно сделать массовым такой подход на примере Vision Pro.
Именно поэтому, если верить слухам, OpenAI сейчас делает не очки, а небольшое носимое устройство с камерами, микрофонами и другими датчиками. Такой форм-фактор проще с точки зрения автономности и не вызывает такого дискомфорта у окружающих.
Но мне кажется, что это лишь промежуточный этап. Настоящая цель — именно умные очки. Потому что это, пожалуй, самый естественный способ встроить ИИ в повседневную жизнь человека.
🔥12🎉11❤10👍10👏9🤝2
Для удобства решил собрать в одном посте основные материалы канала. Если вы только присоединились или хотите быстро найти нужную тему, сохраните этот пост — по мере выхода новых публикаций он будет пополняться.
Разработка продукта
Как выглядит процесс создания устройства от идеи до серии
→ https://t.me/BurdiuzhaHardware/24
С чего начинается разработка? С денег
→ https://t.me/BurdiuzhaHardware/16
Зачем нужен Customer Development в hardware
→ https://t.me/BurdiuzhaHardware/21
Почему MVP в hardware стоит дорого
→ https://t.me/BurdiuzhaHardware/22
Почему Agile не всегда подходит для hardware
→ https://t.me/BurdiuzhaHardware/15
NPI и запуск серийного производства
Долина смерти между прототипом и серийным производством
→ https://t.me/BurdiuzhaHardware/9
EVT, DVT и PVT: путь от прототипа до продукта
→ https://t.me/BurdiuzhaHardware/10
Что такое EVT
→ https://t.me/BurdiuzhaHardware/26
Что такое DVT
→ https://t.me/BurdiuzhaHardware/28
Что такое PVT
→ https://t.me/BurdiuzhaHardware/30
Управление разработкой
Какие метрики должен смотреть CTO hardware-проекта каждую неделю
→ https://t.me/BurdiuzhaHardware/33
Какие метрики должен смотреть CTO по портфелю проектов
→ https://t.me/BurdiuzhaHardware/35
Разработка продукта
Как выглядит процесс создания устройства от идеи до серии
→ https://t.me/BurdiuzhaHardware/24
С чего начинается разработка? С денег
→ https://t.me/BurdiuzhaHardware/16
Зачем нужен Customer Development в hardware
→ https://t.me/BurdiuzhaHardware/21
Почему MVP в hardware стоит дорого
→ https://t.me/BurdiuzhaHardware/22
Почему Agile не всегда подходит для hardware
→ https://t.me/BurdiuzhaHardware/15
NPI и запуск серийного производства
Долина смерти между прототипом и серийным производством
→ https://t.me/BurdiuzhaHardware/9
EVT, DVT и PVT: путь от прототипа до продукта
→ https://t.me/BurdiuzhaHardware/10
Что такое EVT
→ https://t.me/BurdiuzhaHardware/26
Что такое DVT
→ https://t.me/BurdiuzhaHardware/28
Что такое PVT
→ https://t.me/BurdiuzhaHardware/30
Управление разработкой
Какие метрики должен смотреть CTO hardware-проекта каждую неделю
→ https://t.me/BurdiuzhaHardware/33
Какие метрики должен смотреть CTO по портфелю проектов
→ https://t.me/BurdiuzhaHardware/35
Telegram
Всё работало на стенде
Как выглядит процесс создания устройства от идеи до серии
Если спросить человека, далёкого от hardware-разработки, как создаётся новое устройство, ответ обычно звучит примерно так: придумали идею, разработали устройство, запустили производство.
На практике…
Если спросить человека, далёкого от hardware-разработки, как создаётся новое устройство, ответ обычно звучит примерно так: придумали идею, разработали устройство, запустили производство.
На практике…
🔥3❤2👍2
Всё работало на стенде pinned «Для удобства решил собрать в одном посте основные материалы канала. Если вы только присоединились или хотите быстро найти нужную тему, сохраните этот пост — по мере выхода новых публикаций он будет пополняться. Разработка продукта Как выглядит процесс создания…»
Build vs Buy: почему не всё нужно разрабатывать самостоятельно
Практически в каждом hardware-проекте возникает один и тот же вопрос: разрабатывать самостоятельно или использовать готовое решение. Инженерный ответ обычно очевиден — конечно, делать своё. Собственную плату, собственный Bluetooth-модуль или собственный источник питания. Кажется, что так получится лучше, красивее и профессиональнее. Но у бизнеса совершенно другой взгляд на этот вопрос.
Любая собственная разработка — это инвестиция. Причём речь идёт не только о зарплатах инженеров. Её придётся тестировать, документировать, сопровождать, исправлять ошибки и поддерживать ещё много лет. По сути, компания берёт на себя обязательство обслуживать это решение на протяжении всего жизненного цикла продукта. Поэтому опытные CTO редко спрашивают: «Можем ли мы это разработать?» Гораздо важнее другой вопрос: «Стоит ли нам тратить на это ресурсы?»
В любой R&D-команде количество сильных инженеров ограничено. Если команда шесть месяцев разрабатывает собственный Bluetooth-модуль, который практически не отличается от готовых решений на рынке, значит эти полгода уже нельзя потратить на функции, которые действительно сделают продукт лучше конкурентов. Именно поэтому Build vs Buy — это не инженерный вопрос, а вопрос распределения самого ценного ресурса компании — времени сильных инженеров.
На ранних стадиях разработки ответ обычно очевиден. Во время PoC и EVT гораздо важнее быстро проверить гипотезу, чем построить идеальную архитектуру. Готовые модули позволяют собрать рабочий прототип за недели вместо месяцев и понять, нужен ли продукт рынку. Если идея не взлетит, компания потеряет значительно меньше времени и денег.
Но по мере взросления продукта решение может измениться. Когда объёмы производства вырастают до сотен тысяч устройств, стоимость готового модуля начинает заметно влиять на BOM, а зависимость от одного поставщика становится риском для бизнеса. В этот момент собственная разработка уже может оказаться экономически оправданной. Поэтому правильный ответ на вопрос Build vs Buy меняется вместе со стадией развития продукта.
Есть простое правило, которое помогает принимать подобные решения. Если технология создаёт конкурентное преимущество продукта, её стоит разрабатывать самостоятельно. Если же пользователь никогда не узнает, каким Bluetooth-модулем, DC/DC-преобразователем или микросхемой питания вы воспользовались, скорее всего, это не то место, куда стоит инвестировать лучшие инженерные ресурсы компании.
Хороший пример — Apple. Компания инвестирует огромные деньги в разработку собственных процессоров, потому что именно они определяют производительность и возможности её устройств. Но она не производит собственные конденсаторы, винты или разъёмы только потому, что умеет это делать. Зрелость инженерной организации определяется не количеством собственных разработок, а умением выбрать, что действительно стоит создавать самостоятельно, а что уже отлично сделали другие.
Практически в каждом hardware-проекте возникает один и тот же вопрос: разрабатывать самостоятельно или использовать готовое решение. Инженерный ответ обычно очевиден — конечно, делать своё. Собственную плату, собственный Bluetooth-модуль или собственный источник питания. Кажется, что так получится лучше, красивее и профессиональнее. Но у бизнеса совершенно другой взгляд на этот вопрос.
Любая собственная разработка — это инвестиция. Причём речь идёт не только о зарплатах инженеров. Её придётся тестировать, документировать, сопровождать, исправлять ошибки и поддерживать ещё много лет. По сути, компания берёт на себя обязательство обслуживать это решение на протяжении всего жизненного цикла продукта. Поэтому опытные CTO редко спрашивают: «Можем ли мы это разработать?» Гораздо важнее другой вопрос: «Стоит ли нам тратить на это ресурсы?»
В любой R&D-команде количество сильных инженеров ограничено. Если команда шесть месяцев разрабатывает собственный Bluetooth-модуль, который практически не отличается от готовых решений на рынке, значит эти полгода уже нельзя потратить на функции, которые действительно сделают продукт лучше конкурентов. Именно поэтому Build vs Buy — это не инженерный вопрос, а вопрос распределения самого ценного ресурса компании — времени сильных инженеров.
На ранних стадиях разработки ответ обычно очевиден. Во время PoC и EVT гораздо важнее быстро проверить гипотезу, чем построить идеальную архитектуру. Готовые модули позволяют собрать рабочий прототип за недели вместо месяцев и понять, нужен ли продукт рынку. Если идея не взлетит, компания потеряет значительно меньше времени и денег.
Но по мере взросления продукта решение может измениться. Когда объёмы производства вырастают до сотен тысяч устройств, стоимость готового модуля начинает заметно влиять на BOM, а зависимость от одного поставщика становится риском для бизнеса. В этот момент собственная разработка уже может оказаться экономически оправданной. Поэтому правильный ответ на вопрос Build vs Buy меняется вместе со стадией развития продукта.
Есть простое правило, которое помогает принимать подобные решения. Если технология создаёт конкурентное преимущество продукта, её стоит разрабатывать самостоятельно. Если же пользователь никогда не узнает, каким Bluetooth-модулем, DC/DC-преобразователем или микросхемой питания вы воспользовались, скорее всего, это не то место, куда стоит инвестировать лучшие инженерные ресурсы компании.
Хороший пример — Apple. Компания инвестирует огромные деньги в разработку собственных процессоров, потому что именно они определяют производительность и возможности её устройств. Но она не производит собственные конденсаторы, винты или разъёмы только потому, что умеет это делать. Зрелость инженерной организации определяется не количеством собственных разработок, а умением выбрать, что действительно стоит создавать самостоятельно, а что уже отлично сделали другие.
👍18❤10🔥10🎉8👏7🤝3
OpenAI совместно с Broadcom представила свой первый собственный AI-чип Jalapeño. Многие восприняли эту новость как очередной пресс-релиз про «новый процессор». На самом деле это гораздо более важное событие. OpenAI окончательно перестает быть просто разработчиком моделей и превращается в компанию, которая строит весь технологический стек — от кремния до конечного устройства.
Интересно, что Jalapeño вообще не предназначен для обучения моделей. Его задача — выполнять уже обученные LLM. Каждый запрос в ChatGPT — это миллиарды операций по обработке весов модели и генерации следующего токена. Именно на эти вычисления сегодня уходят огромные деньги. OpenAI решила не делать универсальный GPU, а спроектировать специализированный ASIC, оптимизированный под одну конкретную задачу — максимально дешево и эффективно обслуживать запросы пользователей.
На мой взгляд, самое интересное здесь даже не сам чип, а отсутствие его спецификации. Компания не раскрыла ни техпроцесс, ни объем памяти, ни производительность, ни энергопотребление. Вместо этого она говорит о другом: снижении движения данных, лучшей производительности на ватт и архитектуре, рассчитанной на работу в гигантских AI-кластерах. Это показывает, что сегодня конкурентное преимущество определяется уже не количеством TOPS, а эффективностью всей системы целиком.
Для hardware-инженеров это хороший пример того, как меняются правила игры. Долгое время казалось, что достаточно купить самые быстрые GPU. Теперь крупнейшие компании проектируют собственные чипы под свои реальные нагрузки. Google давно развивает TPU, Amazon — Inferentia и Trainium, Meta делает MTIA, Microsoft — Maia, а теперь к ним присоединилась и OpenAI. Универсальное железо постепенно уступает место специализированным ускорителям.
И кажется, это только начало. Если OpenAI одновременно разрабатывает собственные модели, собственные устройства и теперь собственный кремний, то через несколько лет конкуренция будет идти уже не между отдельными продуктами, а между полностью вертикально интегрированными технологическими экосистемами. Именно такой подход когда-то сделал Apple одной из самых сильных компаний в мире. Теперь похожую стратегию начинают применять и лидеры рынка искусственного интеллекта.
Интересно, что Jalapeño вообще не предназначен для обучения моделей. Его задача — выполнять уже обученные LLM. Каждый запрос в ChatGPT — это миллиарды операций по обработке весов модели и генерации следующего токена. Именно на эти вычисления сегодня уходят огромные деньги. OpenAI решила не делать универсальный GPU, а спроектировать специализированный ASIC, оптимизированный под одну конкретную задачу — максимально дешево и эффективно обслуживать запросы пользователей.
На мой взгляд, самое интересное здесь даже не сам чип, а отсутствие его спецификации. Компания не раскрыла ни техпроцесс, ни объем памяти, ни производительность, ни энергопотребление. Вместо этого она говорит о другом: снижении движения данных, лучшей производительности на ватт и архитектуре, рассчитанной на работу в гигантских AI-кластерах. Это показывает, что сегодня конкурентное преимущество определяется уже не количеством TOPS, а эффективностью всей системы целиком.
Для hardware-инженеров это хороший пример того, как меняются правила игры. Долгое время казалось, что достаточно купить самые быстрые GPU. Теперь крупнейшие компании проектируют собственные чипы под свои реальные нагрузки. Google давно развивает TPU, Amazon — Inferentia и Trainium, Meta делает MTIA, Microsoft — Maia, а теперь к ним присоединилась и OpenAI. Универсальное железо постепенно уступает место специализированным ускорителям.
И кажется, это только начало. Если OpenAI одновременно разрабатывает собственные модели, собственные устройства и теперь собственный кремний, то через несколько лет конкуренция будет идти уже не между отдельными продуктами, а между полностью вертикально интегрированными технологическими экосистемами. Именно такой подход когда-то сделал Apple одной из самых сильных компаний в мире. Теперь похожую стратегию начинают применять и лидеры рынка искусственного интеллекта.
❤2👍2🤝2
Please open Telegram to view this post
VIEW IN TELEGRAM
❤13👍13🎉12👏10🔥6🤝1
Многие темы про разработку железа невозможно раскрыть в формате одного Telegram-поста. Поэтому решил собрать всё в одну большую статью — о том, как в реальности создаются устройства, какие этапы проходит продукт и почему между идеей и серийным производством лежит огромный объём инженерной работы.
Буду рад, если прочитаете статью на VC и поддержите её лайком — это помогает материалу попасть к большему числу людей, которым интересна hardware-разработка.
https://vc.ru/dev/3044847-protsess-sozdaniya-ustroystva
Буду рад, если прочитаете статью на VC и поддержите её лайком — это помогает материалу попасть к большему числу людей, которым интересна hardware-разработка.
https://vc.ru/dev/3044847-protsess-sozdaniya-ustroystva
❤14👍12🎉12👏10🔥8
Так как современный кинематограф совсем не радует новинками, то вот вам отличное видео от ребят из Munro Live, посвященное конструкции китайского человекоподобного робота Unitree G1.
Видео идет почти 40 минут, но смотрится на одном дыхании. Очень рекомендую всем, кто интересуется робототехникой или разработкой железа. В нем прекрасно видно, насколько сложной инженерной системой на самом деле является современный человекоподобный робот.
Отдельно хочется отметить несколько моментов, которые особенно привлекли мое внимание.
Во-первых, G1 — это не лабораторный прототип, а серийно выпускаемый робот, который уже можно купить. И это хорошо заметно по его конструкции: практически каждое решение выглядит оптимизированным именно под массовое производство.
При этом большинство корпусных деталей не отлиты, а выточены на станках с ЧПУ. Честно говоря, это немного удивило, учитывая стоимость такого подхода. Но, похоже, разработчики сознательно пошли на этот компромисс. Такой способ производства позволяет постоянно дорабатывать конструкцию, не вкладываясь в дорогостоящую пресс-форму и не привязываясь к существующей оснастке. Для продукта, который активно развивается, это дает огромную гибкость.
Второй момент — очень высокая интеграция компонентов. Многие детали одновременно выполняют сразу несколько функций: являются несущими элементами конструкции, отводят тепло и служат посадочными местами для электроники. Именно такой подход позволяет уменьшить массу робота, сократить количество деталей и сделать производство дешевле.
Вообще, после просмотра в очередной раз убеждаешься, что сложность создания современных гуманоидных роботов заключается не только в ИИ. Не менее важной задачей остается разработка надежной, легкой и технологичной механической платформы, которую можно выпускать тысячами экземпляров.
https://www.youtube.com/watch?v=OXuqGuTgXGU
Видео идет почти 40 минут, но смотрится на одном дыхании. Очень рекомендую всем, кто интересуется робототехникой или разработкой железа. В нем прекрасно видно, насколько сложной инженерной системой на самом деле является современный человекоподобный робот.
Отдельно хочется отметить несколько моментов, которые особенно привлекли мое внимание.
Во-первых, G1 — это не лабораторный прототип, а серийно выпускаемый робот, который уже можно купить. И это хорошо заметно по его конструкции: практически каждое решение выглядит оптимизированным именно под массовое производство.
При этом большинство корпусных деталей не отлиты, а выточены на станках с ЧПУ. Честно говоря, это немного удивило, учитывая стоимость такого подхода. Но, похоже, разработчики сознательно пошли на этот компромисс. Такой способ производства позволяет постоянно дорабатывать конструкцию, не вкладываясь в дорогостоящую пресс-форму и не привязываясь к существующей оснастке. Для продукта, который активно развивается, это дает огромную гибкость.
Второй момент — очень высокая интеграция компонентов. Многие детали одновременно выполняют сразу несколько функций: являются несущими элементами конструкции, отводят тепло и служат посадочными местами для электроники. Именно такой подход позволяет уменьшить массу робота, сократить количество деталей и сделать производство дешевле.
Вообще, после просмотра в очередной раз убеждаешься, что сложность создания современных гуманоидных роботов заключается не только в ИИ. Не менее важной задачей остается разработка надежной, легкой и технологичной механической платформы, которую можно выпускать тысячами экземпляров.
https://www.youtube.com/watch?v=OXuqGuTgXGU
YouTube
Unitree G1 Humanoid Robot Teardown
In this video, we completely disassemble the Unitree G1 humanoid robot, taking an in-depth look at its engineering and design. We analyze the robot's actuators, motors, and thermal management systems to understand how Unitree balances performance, cost, and…
👍4❤2🔥2
Если вам кажется, что самое сложное — найти фабрику в Китае, то плохая новость: это только начало.
Подготовил большую статью «Как запустить производство вашей железки в Китае и не сойти с ума». В ней — не про Alibaba и торг за цену, а про реальные инженерные проблемы: DFM, EVT, BOM, качество, цепочку поставок и управление проектом.
https://vc.ru/id6004002/3051579-organizatsiya-proizvodstva-elektroniki-v-kitae
Подготовил большую статью «Как запустить производство вашей железки в Китае и не сойти с ума». В ней — не про Alibaba и торг за цену, а про реальные инженерные проблемы: DFM, EVT, BOM, качество, цепочку поставок и управление проектом.
https://vc.ru/id6004002/3051579-organizatsiya-proizvodstva-elektroniki-v-kitae
👍2🔥2🤝2
Media is too big
VIEW IN TELEGRAM
Робот упал на презентации Qualcomm. И из-за этого многие пропустили главный анонс.
Видео с падающим роботом уже разошлось по интернету. На презентациях, особенно когда речь идет о сложных робототехнических системах, иногда случается всякое. Даже у самых сильных команд демонстрационный прототип может повести себя не так, как ожидалось.
Но за этим эффектным падением многие не заметили действительно важное событие — Qualcomm представила новую вычислительную платформу для роботов, которая может стать одним из ключевых элементов будущей эпохи Physical AI.
До недавнего времени большинство роботов строились вокруг набора специализированных контроллеров: отдельная электроника для камер, отдельные системы управления приводами, отдельные вычислительные модули для навигации. Но с развитием искусственного интеллекта архитектура начинает меняться.
Современный робот должен не просто выполнять заранее запрограммированные движения. Он должен воспринимать окружающий мир, понимать контекст, принимать решения и адаптироваться к новым условиям. Для этого ему нужен полноценный AI-компьютер прямо на борту.
Именно этот слой сейчас становится одним из главных полей битвы в робототехнике. Qualcomm со своим новым чипом пытается занять место одного из ключевых поставщиков вычислительной платформы для следующего поколения роботов — от промышленных манипуляторов и складских роботов до гуманоидных машин.
Новый чип объединяет вычисления общего назначения, ускорение нейросетей и работу с большим количеством сенсоров. По сути, задача таких платформ — превратить робота из набора механизмов и датчиков в единую интеллектуальную систему, которая способна воспринимать мир и действовать в нем самостоятельно.
Еще несколько лет назад главным ограничением роботов была механика: сделать достаточно легкий, надежный и точный привод. Сегодня проблема смещается в сторону вычислений. Железо уже умеет двигаться, но теперь нужно научить его понимать, что делать дальше.
Интересно, что через несколько лет мы, возможно, будем вспоминать такие презентации именно из-за подобных моментов. Потому что путь от красивого демо до работающего массового продукта в железе всегда проходит через десятки неудачных запусков, падений и итераций.
Главный вопрос сегодня уже не в том, сможет ли робот сделать пару шагов на сцене.
Главный вопрос — кто создаст вычислительную платформу, которая позволит миллионам роботов работать в реальном мире.
А падение на презентации — это, пожалуй, самый честный момент любого hardware-проекта. За каждым успешным роботом стоят сотни неудачных тестов, сломанных прототипов и ночей инженеров у стенда.
В конце концов, любой инженер знает: если робот упал на стенде — это еще не самое страшное. Страшнее, когда он никогда не выходит на стенд.
Видео с падающим роботом уже разошлось по интернету. На презентациях, особенно когда речь идет о сложных робототехнических системах, иногда случается всякое. Даже у самых сильных команд демонстрационный прототип может повести себя не так, как ожидалось.
Но за этим эффектным падением многие не заметили действительно важное событие — Qualcomm представила новую вычислительную платформу для роботов, которая может стать одним из ключевых элементов будущей эпохи Physical AI.
До недавнего времени большинство роботов строились вокруг набора специализированных контроллеров: отдельная электроника для камер, отдельные системы управления приводами, отдельные вычислительные модули для навигации. Но с развитием искусственного интеллекта архитектура начинает меняться.
Современный робот должен не просто выполнять заранее запрограммированные движения. Он должен воспринимать окружающий мир, понимать контекст, принимать решения и адаптироваться к новым условиям. Для этого ему нужен полноценный AI-компьютер прямо на борту.
Именно этот слой сейчас становится одним из главных полей битвы в робототехнике. Qualcomm со своим новым чипом пытается занять место одного из ключевых поставщиков вычислительной платформы для следующего поколения роботов — от промышленных манипуляторов и складских роботов до гуманоидных машин.
Новый чип объединяет вычисления общего назначения, ускорение нейросетей и работу с большим количеством сенсоров. По сути, задача таких платформ — превратить робота из набора механизмов и датчиков в единую интеллектуальную систему, которая способна воспринимать мир и действовать в нем самостоятельно.
Еще несколько лет назад главным ограничением роботов была механика: сделать достаточно легкий, надежный и точный привод. Сегодня проблема смещается в сторону вычислений. Железо уже умеет двигаться, но теперь нужно научить его понимать, что делать дальше.
Интересно, что через несколько лет мы, возможно, будем вспоминать такие презентации именно из-за подобных моментов. Потому что путь от красивого демо до работающего массового продукта в железе всегда проходит через десятки неудачных запусков, падений и итераций.
Главный вопрос сегодня уже не в том, сможет ли робот сделать пару шагов на сцене.
Главный вопрос — кто создаст вычислительную платформу, которая позволит миллионам роботов работать в реальном мире.
А падение на презентации — это, пожалуй, самый честный момент любого hardware-проекта. За каждым успешным роботом стоят сотни неудачных тестов, сломанных прототипов и ночей инженеров у стенда.
В конце концов, любой инженер знает: если робот упал на стенде — это еще не самое страшное. Страшнее, когда он никогда не выходит на стенд.
👍3❤2🔥2
Разобрал Unitree G1 — одного из самых обсуждаемых гуманоидных роботов сегодня.
Не обзор характеристик из презентации, а инженерный разбор: как устроена конструкция, зачем роботу десятки степеней свободы, как работают актуаторы, почему кисти остаются самой сложной частью и что разные версии G1 умеют на практике.
Первая часть — про механику и компоновку. Продолжение про вычислительную архитектуру и программный стек будет отдельно.
https://vc.ru/dev/3052535-inzhenernyy-analiz-gumanoidnogo-robota-unitree-g1
Не обзор характеристик из презентации, а инженерный разбор: как устроена конструкция, зачем роботу десятки степеней свободы, как работают актуаторы, почему кисти остаются самой сложной частью и что разные версии G1 умеют на практике.
Первая часть — про механику и компоновку. Продолжение про вычислительную архитектуру и программный стек будет отдельно.
https://vc.ru/dev/3052535-inzhenernyy-analiz-gumanoidnogo-robota-unitree-g1
🔥4👍2🤝1
Помню, лет десять назад играл в Detroit: Become Human. Там в одной из сцен на заднем плане шел выпуск новостей, где рассказывали о запрете поставок в США человекоподобных роботов из-за рубежа. Кажется, тогда речь шла то ли о российских, то ли о китайских роботах, и звучало это как типичный сюжет из антиутопии.
Прошло всего десять лет — и этот сюжет частично стал реальностью. США уже запретили поставки некоторых китайских робототехнических платформ, включая гуманоидных роботов, из-за опасений вокруг безопасности, данных и технологической конкуренции.
Забавно, как быстро фантастика превращается в реальность. Правда, причина оказалась не в том, что роботы работают на ископаемом топливе, как в игре.
Прошло всего десять лет — и этот сюжет частично стал реальностью. США уже запретили поставки некоторых китайских робототехнических платформ, включая гуманоидных роботов, из-за опасений вокруг безопасности, данных и технологической конкуренции.
Забавно, как быстро фантастика превращается в реальность. Правда, причина оказалась не в том, что роботы работают на ископаемом топливе, как в игре.
👍3😁2🤡2
Почему одни компании за несколько месяцев выводят железо в серию, а другие годами ходят по кругу между прототипами?
Проблема обычно не в инженерах. Чаще всего ломается сам процесс разработки: требования меняются слишком поздно, архитектура не проработана, производство подключается в последний момент, а прогресс измеряется количеством задач в Jira.
Написал большой разбор о том, как устроен зрелый Hardware R&D и какие ошибки чаще всего превращают разработку устройства в бесконечную борьбу с последствиями.
https://vc.ru/dev/3059391-hardware-rd-upravlenie-processom-razrabotki-ustroystv
Проблема обычно не в инженерах. Чаще всего ломается сам процесс разработки: требования меняются слишком поздно, архитектура не проработана, производство подключается в последний момент, а прогресс измеряется количеством задач в Jira.
Написал большой разбор о том, как устроен зрелый Hardware R&D и какие ошибки чаще всего превращают разработку устройства в бесконечную борьбу с последствиями.
https://vc.ru/dev/3059391-hardware-rd-upravlenie-processom-razrabotki-ustroystv
👍18👏16🔥9🎉6❤5
Небольшое лирическое отступление от тем про железо.
На выходных с другом под пиво решили посмотреть новый сериал Apple TV про советскую космонавтику — «Star City».
И знаете, почему мне вообще была интересна эта тема? В свое время именно после прочтения книги Бориса Чертока «Ракеты и люди» я окончательно понял, что хочу заниматься инженерией. Сначала это была не столько романтика космоса в привычном смысле — не красивые кадры ракет и не «звёздные дали» как образ. Скорее меня зацепила сама идея создания сложных систем, где на каждом этапе нужно бороться с неизвестностью.
Наверное, поэтому я и выбрал R&D. Потому что самая интересная часть инженерной работы начинается там, где никто точно не знает, получится ли вообще то, что ты пытаешься сделать.
Каждый раз, когда на работе сталкивался с проектами, которые казались слишком сложными или почти невыполнимыми, была одна простая мысль: «Деды смогли отправить человека в космос на технологиях 60-х годов. Значит, мои проблемы все-таки немного другого масштаба».
И именно поэтому такие истории всегда интересно смотреть.
Правда, авторы «Star City» представляют создание одного из самых сложных hardware-проектов в истории человечества немного иначе.
В их версии Сергей Королев — это практически инженер-одиночка из гаража. Человек, который где-то в подвале собирает межпланетный корабль к Венере, потом тайно доставляет его на Байконур и запускает, пока остальные думают, что это обычный спутник.
А ведь реальная космическая программа была полной противоположностью этой идеи. Это были сотни тысяч людей, тысячи инженеров, десятки предприятий и годы работы огромной системы.
И вот именно об этом получилась самая интересная часть истории — не про сериал, а про то, как на самом деле создаются сложные инженерные проекты.
Разобрал в своей рецензии
https://dzen.ru/a/anDR20UQRRD5Bl9N
На выходных с другом под пиво решили посмотреть новый сериал Apple TV про советскую космонавтику — «Star City».
И знаете, почему мне вообще была интересна эта тема? В свое время именно после прочтения книги Бориса Чертока «Ракеты и люди» я окончательно понял, что хочу заниматься инженерией. Сначала это была не столько романтика космоса в привычном смысле — не красивые кадры ракет и не «звёздные дали» как образ. Скорее меня зацепила сама идея создания сложных систем, где на каждом этапе нужно бороться с неизвестностью.
Наверное, поэтому я и выбрал R&D. Потому что самая интересная часть инженерной работы начинается там, где никто точно не знает, получится ли вообще то, что ты пытаешься сделать.
Каждый раз, когда на работе сталкивался с проектами, которые казались слишком сложными или почти невыполнимыми, была одна простая мысль: «Деды смогли отправить человека в космос на технологиях 60-х годов. Значит, мои проблемы все-таки немного другого масштаба».
И именно поэтому такие истории всегда интересно смотреть.
Правда, авторы «Star City» представляют создание одного из самых сложных hardware-проектов в истории человечества немного иначе.
В их версии Сергей Королев — это практически инженер-одиночка из гаража. Человек, который где-то в подвале собирает межпланетный корабль к Венере, потом тайно доставляет его на Байконур и запускает, пока остальные думают, что это обычный спутник.
А ведь реальная космическая программа была полной противоположностью этой идеи. Это были сотни тысяч людей, тысячи инженеров, десятки предприятий и годы работы огромной системы.
И вот именно об этом получилась самая интересная часть истории — не про сериал, а про то, как на самом деле создаются сложные инженерные проекты.
Разобрал в своей рецензии
https://dzen.ru/a/anDR20UQRRD5Bl9N
Дзен | Статьи
Байконур — родина нашего страха
Статья автора «Нужны ли мы нам?» в Дзене ✍: Смотрели сериал с другом под пиво. Собственно только благодаря пиву и удалось досмотреть это художественное произведение до конца.
🔥17❤13👏13👍10🎉2
Мечтают ли человекоподобные роботы о работе на заводе?
В фантастике роботы всегда мечтали стать похожими на людей. В реальности у современных гуманоидов задача намного прозаичнее — прийти на завод и выполнять тяжелую, скучную и повторяющуюся работу.
За последние два года вокруг человекоподобных роботов возник настоящий бум. Но за красивыми видео с прыжками и танцами скрывается гораздо более интересный вопрос: насколько эта технология действительно близка к массовому применению?
Разобрался, что умеют современные гуманоиды, почему предыдущие поколения так и не стали массовыми, какие технологии сделали новый рывок возможным и заменят ли роботы людей в ближайшем будущем.
Статья:
https://vc.ru/tech/3061120-chelovekopodobnye-roboty-i-ikh-rol-na-zavodakh
В фантастике роботы всегда мечтали стать похожими на людей. В реальности у современных гуманоидов задача намного прозаичнее — прийти на завод и выполнять тяжелую, скучную и повторяющуюся работу.
За последние два года вокруг человекоподобных роботов возник настоящий бум. Но за красивыми видео с прыжками и танцами скрывается гораздо более интересный вопрос: насколько эта технология действительно близка к массовому применению?
Разобрался, что умеют современные гуманоиды, почему предыдущие поколения так и не стали массовыми, какие технологии сделали новый рывок возможным и заменят ли роботы людей в ближайшем будущем.
Статья:
https://vc.ru/tech/3061120-chelovekopodobnye-roboty-i-ikh-rol-na-zavodakh
👍17🎉13🔥11❤8👏7🤝1
Ivan Oseledets’ Channel
Команда Антона Конушина и лаборатория Fusion Brain вместе с ребятами Сергея Маркова и Игоря Пасечника из SberAI опубликовали крутое обновление в нашей линейке моделей для реверс-инжиниринга! CADENA: Stepwise CAD Reverse Engineering Перешли на пошаговое…
Вот это уже действительно интересное применение ИИ для hardware-разработки.
Не очередной чат-бот, а попытка автоматизировать вполне реальную инженерную задачу: взять скан физической детали и восстановить из него не просто mesh, а полноценную редактируемую CAD-модель с деревом построения.
Особенно интересно, что модель теперь работает примерно как инженер: делает операцию, смотрит, что получилось, и решает, что делать дальше.
За такими вещами я бы следил особенно внимательно.
Не очередной чат-бот, а попытка автоматизировать вполне реальную инженерную задачу: взять скан физической детали и восстановить из него не просто mesh, а полноценную редактируемую CAD-модель с деревом построения.
Особенно интересно, что модель теперь работает примерно как инженер: делает операцию, смотрит, что получилось, и решает, что делать дальше.
За такими вещами я бы следил особенно внимательно.
👍10❤6🔥3🤝2