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

🧠 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

🔐 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

🤖 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 : https://t.me/rbc_trends/12657

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

🤖 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

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

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

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)

Здесь действительно видно ускорение.

С деплоем также всё неплохо: контейнеры, пайплайны, выкладка в облако. Но в демонстрациях Cognition среда выглядит максимально подготовленной — без легаси, сложных доступов, нестабильных API и корпоративных ограничений. Публичных кейсов стабильной работы Devin в большой корпоративной прод-инфраструктуре пока очень мало. Есть примеры с Upwork и open-source, но это другой уровень сложности.

Отдельно стоит отметить «память проекта». Devin не забывает предыдущие решения, опирается на контекст задач и историю изменений. Это уже похоже не на генератор кода, а на агента, который живёт внутри проекта.

Где он действительно полезен

MVP, проверка идей, внутренняя автоматизация — там Devin экономит время и ускоряет работу. Особенно когда структура проекта предсказуема и без архитектурных сюрпризов.

Где он не справится
Но по мере усложнения задач ограничения становятся заметнее. В финтехе, телекомах, госуслугах и в системах со сложной архитектурой его автономность быстро заканчивается. По опыту работы с AI-агентами он потенциально может выбрать синхронный API там, где позже появятся нагрузки; собрать архитектуру без очередей для событийной системы; или взять базу данных, слабую для транзакционных сценариев. Для модели это «рабочий вариант», а для проекта — будущие проблемы.

Поэтому в сложных IT-ландшафтах он инженера не заменит. Дело не только в коде, но в системном мышлении и ответственности.

Devin 2.0 — шаг вперёд и хороший инструмент ускорения. Он снимает рутину, помогает быстрее двигаться по проекту и отлично работает там, где требования стабильны и архитектура типовая. Но в проектах, где бизнес-логика меняется, а решения имеют длинный хвост последствий, без опытного инженера не обойтись. И именно в таком мире работает большинство IT-команд.

Источник:
-официальный анонс Cognition
- https://devin.ai/

REAL DIGITAL

#cognition #devin # ai

🧠 Где ИИ уже действительно помогает врачам — и что нового появилось в последние годы

Про медицину и ИИ говорят много, но реальных, подтверждённых решений пока немного. Чтобы понять, что уже работает, мы посмотрели на технологии, которые прошли FDA и показали пользу не в тестах, а в клиниках. Получилась довольно приземлённая, картина: несколько систем уже меняют работу врачей, а ещё несколько технологий поднимаются и, скорее всего, скоро станут частью рутинной практики.

IDx-DR — автономная диагностика поражений сетчатки
Это первый случай, когда ИИ получил право ставить диагноз без участия офтальмолога. В обычной поликлинике делают снимок глазного дна, и система тут же говорит — всё нормально или нужно направить пациента к специалисту.
В регионах, где офтальмолога может не быть вовсе, это означает доступ к раннему выявлению проблем зрения, которое раньше было невозможно.

GI Genius — помощник при колоноскопии
Во время процедуры система подсвечивает подозрительные участки слизистой. В клинических исследованиях это привело к росту показателя ADR — главного маркера качества колоноскопии.
Польза прямая: чем выше ADR, тем ниже риск развития рака в будущем. ИИ здесь рабочий инструмент профилактики.

Paige Prostate — специалистам по диагностике рака
Специалисты по диагностике рака работают с огромными цифровыми изображениями биопсий. Paige помогает находить небольшие очаги рака простаты, которые легко пропустить при высокой нагрузке.
Это не замена специалиста, а надёжная подстраховка в месте, где ошибка слишком дорога.

Viz.ai — ускорение помощи при инсульте
При подозрении на инсульт делают КТ или КТА. Viz.ai анализирует снимок и сразу уведомляет нейрохирурга, если видит закупорку крупного сосуда.
По данным исследований, это сокращает время от снимка до принятия решения на десятки минут. В инсульте каждая минута определяет исход — и здесь ИИ действительно помогает.

AI-ECG — технология на подходе
Алгоритм анализирует обычную ЭКГ и помогает выявлять скрытую сердечную недостаточность. В исследовании EAGLE врачи обнаружили значительно больше новых случаев заболевания по сравнению с обычной практикой.
Технология уже доказала эффективность, но пока проходит этап внедрения, поэтому называть её рутинным инструментом рано.

Теперь о том, что появилось в последние годы и выглядит многообещающе.

Prenosis — прогноз сепсиса
Сепсис остаётся одной из самых опасных причин смертности в больницах. Модель Prenosis анализирует параметры медкарты и заранее определяет риск его развития. Это первое решение, которое FDA официально признало пригодным для такой задачи.
Главная ценность — возможность заметить ухудшение раньше, чем это станет очевидно по классическим шкалам.

DermaSensor — карманный сканер для оценки родинок
Небольшое устройство, которым врач касается родинки, фиксирует спектроскопические данные и получает рекомендацию: проверять дальше или наблюдать.
Для терапевтов, которые часто сомневаются, это способ не пропустить меланому и не перегружать дерматологов ненужными направлениями.

Cleerly — новый подход в кардиологии
Вместо того чтобы смотреть только на степень сужения сосуда, система анализирует состав бляшек на КТ сердца. Нестабильные, мягкие бляшки опасны даже при небольшом стенозе — именно они часто вызывают инфаркты. Cleerly помогает находить таких пациентов заранее, меняя сам подход к оценке риска.

Что же в итоге:

ИИ в медицине — это уже не абстрактные обещания, а несколько точных инструментов, которые уже доказали свою пользу. Они не заменяют врачей, но помогают закрыть дефицит специалистов, повысить качество диагностики и сократить время до лечения в критических ситуациях.

Источники:
FDA De Novo / Clearance: IDx-DR, GI Genius, Paige Prostate, Viz.ai, Prenosis, DermaSensor
Nature Medicine — EAGLE Trial (AI-ECG)
JAMA Dermatology — DermaSensor
JACC / The Lancet — исследования Cleerly

REAL DIGITAL

#медицина #healthtech #цифроваямедицина #искусственныйинтеллект