⚡️С 3 июня цифровая платформа «Яндекс 360» отключает облачную синхронизацию файлов в «Яндекс Диске» для десктоп-пользователей, использующих его бесплатно, пишет "Коммерсант".

Десктопное приложение «Яндекс Диск» для Windows и macOS перестанет работать без подписки. «Бесплатным» пользователям отключат облачные функции в клиентском приложении, включая синхронизацию файлов между компьютером и облаком. Без подписки в приложении «Яндекс Диск» можно будет открыть только те файлы, которые заранее сохранены на устройстве.

Бигтехи начали стремительно наращивать долги

В период с 3кв22 по 1кв25 средний уровень долга по ТОП-10 бигтехов был 554 млрд, но к 1кв26 долг резко вырос до 783 млрд или +222 млрд, что является рекордным приростом за всю историю за сопоставимый период времени.

Основной вклад в прирост долга обеспечили:

·         Amazon: +76.6 млрд;
·         Alphabet: +66.9 млрд;
·         Oracle: +56.8 млрд;
·         Meta Platforms: +37.3 млрд.

Все остальные 6 компаний сократили долг на 14.7 млрд в основном за счет Apple со снижением на 13.5 млрд.

Стремительно накопление долга обусловлено кассовым разрывом, когда операционного денежного потока недостаточно, чтобы обеспечивать экспоненциально растущие капитальные расходы, поддерживать щедрую по историческим меркам акционерную политику (пусть и с резким снижением в начале 2026), при этом проводить агрессивные операции слияния и поглощения.

Далее приведу фиксацию уровня долга в 2011, 2019, 2022 и на 1кв26, где под долгом понимаются обязательства в кредитах и облигациях всех видов и сроков погашения.

·  Amazon: 1.4 → 63.2 → 140.1 → 209.9 млрд (+49.8% в 2026 к 2022 и +232.1% в 2026 к 2019, далее в указанной последовательности);

·  Apple: 0.0 → 108.3 → 111.1 → 84.7 млрд (-23.8% и -21.8%);

·  Alphabet: 4.2 → 14.8 → 29.7 → 90.5 млрд (+204.9% и +512.7%);

·  Microsoft: 11.9 → 76.8 → 60.1 → 57.0 млрд (-5.2% и -25.8%);

·  NVIDIA: 0.0 → 2.5 → 11.7 → 11.0 млрд (-6.0% и +333.3%);

·  Meta Platforms: 0.7 → 10.3 → 26.6 → 86.8 млрд (+226.3% и +740.5%);

·  Tesla: 0.3 → 13.4 → 3.1 → 16.0 млрд (+415.7% и +19.1%);

·  Broadcom: 0.0 → 32.8 → 39.5 → 66.1 млрд (+67.2% и +101.4%);

·  Oracle: 14.8 → 51.7 → 90.9 → 153.1 млрд (+68.4% и +196.3%);

·  Netflix: 0.4 → 14.8 → 14.4 → 16.7 млрд (+16.6% и +13.4%).

Совокупный долг по всем компаниям стремительно растет: 34 млрд в 2011, 389 млрд в 2019, 527 млрд в 2022 и 792 млрд в 2026.

В масштабах других секторов экономики, не связанных с ИТ, долг – астрономический, но в рамках сверхприбыльных бигтехов накопленный долг примерно соответствует годовому объему операционному денежного потока – много, но пока не так критично.

Проблемы начнутся тогда, когда станет понятно, что при всех положительных сторонах ИИ, эта штука оказалась слишком прожорливой и неэффективной с точки зрения отдачи на капитал, когда незначительные улучшения в LLMs требуют непропорционально огромных вычислительных и как следствие – финансовых ресурсов.

Справедливости ради, кэш позиция также стремительно выросла со 176 млрд в 2011, 525 млрд в 2019, 437 млрд в 2022 и 671 млрд в 2026.

Быстрый прирост кэша произошел с 2кв15 – 505 млрд и к 1кв26 – 671 млрд. Это означает, что компании взяли в долг, но еще не успели распределить финансовые ресурсы на инвестиционные цели.

Как менялся кэш на счетах в 2011, 2019, 2022 и 2026?

·  Amazon: 9.6 → 55.0 → 70.4 → 143.1 млрд (+103.3% в 2026 к 2022 и +160.1% в 2026 к 2019);

·  Apple: 30.2 → 107.2 → 51.4 → 68.5 млрд (+33.4% и -36.1%);

·  Alphabet: 44.6 → 119.7 → 113.8 → 126.8 млрд (+11.5% и +6.0%);

·  Microsoft: 51.7 → 134.3 → 99.5 → 78.3 млрд (-21.3% и -41.7%);

·  Nvidia: 2.7 → 9.8 → 13.1 → 62.6 млрд (+376.0% и +540.4%);

·  Meta Platforms: 3.9 → 54.9 → 40.7 → 81.2 млрд (+99.3% и +48.0%);

·  Tesla: 0.3 → 6.3 → 22.2 → 44.7 млрд (+101.7% и +613.8%);

·  Broadcom: 0.8 → 5.1 → 12.4 → 14.2 млрд (+14.2% и +180.4%);

·  Oracle: 31.0 → 27.4 → 7.4 → 39.1 млрд (+432.4% и +42.6%);

·  Netflix: 0.8 → 5.0 → 6.1 → 12.3 млрд (+102.8% и +144.9%).
 
С середины 2022 долг впервые превысил кэш позицию (до этого чистый отрицательный долг) и уходит в отрыв.

Ждем когда ИИ ускорит этот разрыв после всех увольнений.

https://edtech.rwb.ru/internships?utm_source=FinancialUniversity - ребята RWB организует стажки. Кому интересно залетайте.

Огонь получилось

Забрал из типографии наши каталоги для хакатонов

Очень хорошо получилось, так же поздравляю всех кто был с нами на этих движухах, ваши победы имена теперь узнают очень многие, отличный PR.

Следующий выпуск будет больше. Этот выпуск у нас получился пилотный. Так сказать обкатали технологию.

Навалил кринжа: в США чиновник обиделся на запрет ИИ-камер и предложил вернуться в 19 век.

В маленьком городке жители добились отключения системы ИИ-камер, которые считывали номера машин и отслеживали передвижение людей.

После этого один чиновник закатил истерику и заявил, что раз людям так важна приватность, то им нужно вернуться в 1880-й: отказаться от смартфонов, GPS и вообще любых технологий.

Понятное дело, что люди выступали не против технологий, а против тотальной слежки и хранения данных о перемещениях.

Идеал виденья моих проектов )))) Немыслимый уровень крутости. Я уже в пути )))

Ооооо, это вообще любимое )))) ахахах

🧠 Когда ИИ “тупит” - он буквально сжимает свой мозг

Есть наблюдение, которое меняет взгляд на то, как думают LLM.

Когда модель уверена - она “думает широко”. 
Активно много нейронов, сигнал распределён, знания подтягиваются из разных мест. Это похоже на опытного инженера, который держит в голове несколько решений одновременно.

Но стоит задать что-то нестандартное - сложную математику, противоречивые факты или просто out-of-distribution вопрос - происходит неожиданное.

Модель резко “сжимается”.

Вместо широкой активации остаётся узкий, почти точечный сигнал в последнем слое. 
Как будто система перестаёт опираться на накопленный опыт и пытается выжать ответ из минимального набора признаков.

Фактически - она теряет распределённую память и уходит в узкую специализацию на лету.

И вот здесь самое интересное.

Мы обычно не понимаем, что модель “поплыла”, пока не получаем неправильный ответ. 
Но оказывается - она сама сигналит об этом внутри.

Этот “коллапс активации” можно измерить как конкретное число. 
Не эвристика, не guesswork - прямой сигнал.

А значит:

можно в реальном времени понимать, что задача для модели сейчас слишком сложная 
можно автоматически упрощать запрос 
можно добавлять промежуточные шаги 
можно управлять reasoning, а не просто надеяться на него 

По сути, это шаг к self-aware inference - когда система сама знает, что не справляется.

И это уже не про “сделаем модель больше”. 
Это про управление мышлением модели в процессе.

Если коротко - LLM не просто ошибается. 
Она сначала “схлопывается”, и только потом начинает нести чушь.

arxiv.org/abs/2603.03415

Нашел такую затейную разбивку по кодам, очень наглядно можно быстро все запомнить ))

Очень крутые бизнес-идеи )))
На самом деле прикольно смотреть как небольшая мода и случайный хайп перерастает в реальный бизнес, ну ладно не бизнес, но стабильный фриланс точно. Мода - вечный двигатель любых бизнес движух.

ИИ проникнет куда угодно: амиши начали использовать ChatGPT.

Амиши — это религиозное сообщество в США, которое отказалось от современных технологий. Они живут простой жизнью и до сих пор передвигаются на конных повозках.

Но каким-то образом они дошли до ChatGPT. Бота используют в основном для работы — составления контрактов, таблиц и помощи в фермерстве.

И это при том, что смартфонами они по-прежнему не пользуются, а интернет у них строго ограничен и выдаётся чуть ли не по карточкам.

Невероятно... какое влияние технологий. Амиши это очень закрытые ребята, от слова совсем.