REAL DIGITAL
Baidu открыла компактную AI-модель для распознавания длинных документов
Baidu выпустила в открытом доступе Unlimited-OCR — модель на 3 млрд параметров для распознавания многостраничных документов. End-to-end архитектура, лицензия MIT, локальное развертывание.
Baidu открыла компактную AI-модель для распознавания длинных документов
Baidu выпустила Unlimited-OCR — open-source модель на 3 млрд параметров для распознавания многостраничных документов. End-to-end архитектура, локальное развертывание.
Baidu открыла компактную AI-модель для распознавания длинных документов
Baidu выпустила Unlimited-OCR — open-source модель на 3 млрд параметров (MIT), которая читает и структурирует многостраничные документы без облака.
📌 Как устроена: end-to-end архитектура. DeepEncoder сжимает страницу 1024×1024 пикселя до 256 визуальных токенов — в контекст помещаются десятки страниц сразу. Декодер на Mixture-of-Experts активирует ~500 млн параметров из 3 млрд.
✅ Результаты: на OmniDocBench v1.5 — 93,23 против 87,01 у DeepSeek-OCR. Формулы: 92,61 против 83,37. Таблицы: 90,93 против 84,97.
⚠️ Но главное: модель можно развернуть локально. Договоры, счета, отчёты и архивы обрабатываются внутри контура компании — без передачи в облако и без платы за API.
🚀 Контекст: Document AI проходит тот же путь, что и языковые модели. Возможности, ранее доступные только через облачные API, теперь переходят на собственную инфраструктуру. Для корпоративных архивов из миллионов страниц это открывает корпоративный поиск, RAG и AI-агентов.
✅ Итог: ещё один слой AI-инфраструктуры становится локальным. Облачный Document AI теперь можно запустить внутри компании.
🔗 Источники:
• https://huggingface.co/baidu/Unlimited-OCR
#OCR #Baidu #DocumentAI #RealDigital
Подробный разбор — на сайте: realdigital.kz
Baidu выпустила Unlimited-OCR — open-source модель на 3 млрд параметров для распознавания многостраничных документов. End-to-end архитектура, локальное развертывание.
Baidu открыла компактную AI-модель для распознавания длинных документов
Baidu выпустила Unlimited-OCR — open-source модель на 3 млрд параметров (MIT), которая читает и структурирует многостраничные документы без облака.
📌 Как устроена: end-to-end архитектура. DeepEncoder сжимает страницу 1024×1024 пикселя до 256 визуальных токенов — в контекст помещаются десятки страниц сразу. Декодер на Mixture-of-Experts активирует ~500 млн параметров из 3 млрд.
✅ Результаты: на OmniDocBench v1.5 — 93,23 против 87,01 у DeepSeek-OCR. Формулы: 92,61 против 83,37. Таблицы: 90,93 против 84,97.
⚠️ Но главное: модель можно развернуть локально. Договоры, счета, отчёты и архивы обрабатываются внутри контура компании — без передачи в облако и без платы за API.
🚀 Контекст: Document AI проходит тот же путь, что и языковые модели. Возможности, ранее доступные только через облачные API, теперь переходят на собственную инфраструктуру. Для корпоративных архивов из миллионов страниц это открывает корпоративный поиск, RAG и AI-агентов.
✅ Итог: ещё один слой AI-инфраструктуры становится локальным. Облачный Document AI теперь можно запустить внутри компании.
🔗 Источники:
• https://huggingface.co/baidu/Unlimited-OCR
#OCR #Baidu #DocumentAI #RealDigital
Подробный разбор — на сайте: realdigital.kz
👍2🔥2❤1
REAL DIGITAL
«Яндекс» запустил мобильного оператора без единой вышки — ставка на ИИ внутри звонка
«Яндекс» запустил MVNO без своих вышек. Разбираем модель, риски записи звонков и что это значит для рынка Казахстана.
В России “Яндекс”запустил мобильного оператора без единой вышки — ставка на ИИ внутри звонка
«Яндекс» запустил MVNO без своих вышек. Разбираем модель, риски записи звонков и что это значит для рынка Казахстана.
28 августа «Яндекс» запустил MVNO «Яндекс Сим» на сети «Билайна». Модель Medium MVNO: партнёр даёт радиосеть, «Яндекс» — приложение, биллинг, тарифы и ИИ.
📌 Что нового: ИИ-ассистент прямо в звонке — расшифровывает разговор, сохраняет пересказ, фиксирует договорённости и распознаёт мошеннические звонки. В перспективе — подбор тарифов по истории разговоров.
💻 Как устроено: Ни одной своей базовой станции. Официальную сумму инвестиций «Яндекс» не называет — эксперты «Ведомостей» оценивают вложения в 2–6 млрд рублей.
⚠️ Юридический нюанс: Записывать свой разговор в России не запрещено. Уголовная статья (138 УК РФ) — за запись чужих переговоров без вашего участия. А вот разгласить запись без согласия собеседника — административное нарушение (13.14 КоАП, штраф 500–1000 руб.). Голос — биометрические данные, нужно отдельное согласие на обработку.
🚀 Рынок: По данным ComNews Research, рынок MVNO в России в 2025 году — 111 млрд руб., база независимых и квази-MVNO — 25,5 млн SIM (+51% г/г). Ставку на ИИ внутри звонка среди телеком-MVNO пока не делает никто.
✅ Итог: «Яндекс Сим» — не попытка заработать на связи: рынок перенасыщен, маржа низкая. Это попытка сделать номер телефона идентификатором в экосистеме, а звонок — источником структурированных данных о намерениях пользователя.
🔗 Источники:
• Ведомости
• ComNews Research
• Yandex Сим
#Яндекс #MVNO #ИИ #телеком
Подробный разбор — на сайте: realdigital.kz
«Яндекс» запустил MVNO без своих вышек. Разбираем модель, риски записи звонков и что это значит для рынка Казахстана.
28 августа «Яндекс» запустил MVNO «Яндекс Сим» на сети «Билайна». Модель Medium MVNO: партнёр даёт радиосеть, «Яндекс» — приложение, биллинг, тарифы и ИИ.
📌 Что нового: ИИ-ассистент прямо в звонке — расшифровывает разговор, сохраняет пересказ, фиксирует договорённости и распознаёт мошеннические звонки. В перспективе — подбор тарифов по истории разговоров.
💻 Как устроено: Ни одной своей базовой станции. Официальную сумму инвестиций «Яндекс» не называет — эксперты «Ведомостей» оценивают вложения в 2–6 млрд рублей.
⚠️ Юридический нюанс: Записывать свой разговор в России не запрещено. Уголовная статья (138 УК РФ) — за запись чужих переговоров без вашего участия. А вот разгласить запись без согласия собеседника — административное нарушение (13.14 КоАП, штраф 500–1000 руб.). Голос — биометрические данные, нужно отдельное согласие на обработку.
🚀 Рынок: По данным ComNews Research, рынок MVNO в России в 2025 году — 111 млрд руб., база независимых и квази-MVNO — 25,5 млн SIM (+51% г/г). Ставку на ИИ внутри звонка среди телеком-MVNO пока не делает никто.
✅ Итог: «Яндекс Сим» — не попытка заработать на связи: рынок перенасыщен, маржа низкая. Это попытка сделать номер телефона идентификатором в экосистеме, а звонок — источником структурированных данных о намерениях пользователя.
🔗 Источники:
• Ведомости
• ComNews Research
• Yandex Сим
#Яндекс #MVNO #ИИ #телеком
Подробный разбор — на сайте: realdigital.kz
👍3🤔2
REAL DIGITAL
88% ИИ-пилотов не доходят до продакшена. Когда у модели появляются руки, начинается настоящая проблема
Почему 88% корпоративных AI-пилотов не доходят до production. Когда модель получает инструменты и доступ к данным, вокруг неё возникает инженерный слой — harness. Семь вопросов, которые нужно задать перед выводом агента в прод.
88% ИИ-пилотов не доходят до продакшена. Проблема — не в модели, а в системе вокруг неё
Когда модель получает инструменты и доступ к данным, вокруг неё возникает инженерный слой — harness. Семь вопросов перед production.
88% ИИ-пилотов не доходят до продакшена. Проблема — не в модели, а в системе вокруг неё
Когда модель получает инструменты, память и доступ к данным, вокруг неё возникает инженерный слой — harness. Модель может решить задачу, но без контроля она может и навредить.
📌 Harness — это обвязка вокруг модели. Как автомобиль вокруг двигателя: тормоза, руль, ограничитель скорости. Модель генерирует решение, но не должна единолично решать, можно ли его исполнять.
📌 Семь вопросов до production: что разрешено, кто проверяет, что помнит, что запрещено, можно ли восстановить действия, какая модель нужна, учится ли система на ошибках.
⚠️ Кейс Claude Code: в апреле 2026 Anthropic признала, что скачки качества были не из-за модели, а из-за трёх изменений в обвязке — reasoning level, баг кэша, системный промпт.
✅ Итог: переход от AI-пилота к production — это не выбор умнее модели, а переход от model engineering к system engineering.
🔗 Источники:
• IDC / Lenovo — 88% AI-пилотов не доходят до production
• Anthropic — постмортем Claude Code, апрель 2026
• Zhou et al. — JudgeBiasBench, 2026
• Colorado SB 26-189, EU AI Act
#ИИ #AIAgents #технологии #RealDigital
Подробный разбор — на сайте: realdigital.kz
Когда модель получает инструменты и доступ к данным, вокруг неё возникает инженерный слой — harness. Семь вопросов перед production.
88% ИИ-пилотов не доходят до продакшена. Проблема — не в модели, а в системе вокруг неё
Когда модель получает инструменты, память и доступ к данным, вокруг неё возникает инженерный слой — harness. Модель может решить задачу, но без контроля она может и навредить.
📌 Harness — это обвязка вокруг модели. Как автомобиль вокруг двигателя: тормоза, руль, ограничитель скорости. Модель генерирует решение, но не должна единолично решать, можно ли его исполнять.
📌 Семь вопросов до production: что разрешено, кто проверяет, что помнит, что запрещено, можно ли восстановить действия, какая модель нужна, учится ли система на ошибках.
⚠️ Кейс Claude Code: в апреле 2026 Anthropic признала, что скачки качества были не из-за модели, а из-за трёх изменений в обвязке — reasoning level, баг кэша, системный промпт.
✅ Итог: переход от AI-пилота к production — это не выбор умнее модели, а переход от model engineering к system engineering.
🔗 Источники:
• IDC / Lenovo — 88% AI-пилотов не доходят до production
• Anthropic — постмортем Claude Code, апрель 2026
• Zhou et al. — JudgeBiasBench, 2026
• Colorado SB 26-189, EU AI Act
#ИИ #AIAgents #технологии #RealDigital
Подробный разбор — на сайте: realdigital.kz
🔥3
REAL DIGITAL
От workflow к AI-команде: как устроены агентские системы
Как из одного AI-агента построить систему, которая решает сложные задачи. Workflow, multi-agent, supervisor и human-in-the-loop — простым языком.
От workflow к AI-команде: как устроены агентские системы
Как из одного AI-агента построить систему, которая решает сложные задачи. Workflow, multi-agent, supervisor и human-in-the-loop — простым языком.
От workflow к AI-команде: как устроены агентские системы
Один AI-агент может отправить письмо или найти файл. Но реальные задачи требуют команды. Вот как из отдельных агентов строят системы, которые решают сложные задачи.
📌 Workflow — жёсткий сценарий: шаг 1 → шаг 2 → шаг 3. Работает, пока задача предсказуема.
🤖 Multi-agent — несколько экспертов. Один ищет документы, другой считает цифры, третий пишет ответ. Но без контроля — хаос: агенты дублируют работу или противоречат друг другу.
⚡ Supervisor — центральный агент решает, кто чем занимается. Sub-агенты работают изолированно, не видят, что делают коллеги. Supervisor собирает результат и формирует финальный ответ.
✅ Human-in-the-loop — в критичных сценариях (финансы, медицина, юриспруденция) система останавливается и ждёт человека. EU AI Act и California SB-833 (действует с 1 июля 2026) требуют такой контроль.
Где используется:
• Контент-производство: исследователь → писатель → редактор
• Финансы: анализ транзакций + проверка на мошенничество
• Техподдержка: классификация → поиск решения → ответ
Ограничения:
• Сложная отладка: в системе из 5 агентов ошибка может быть в любом звене
• Дорого и медленно: у агентов в 5–30x больше токенов, чем у простого чата
• Контекст теряется между агентами
✅ Итог: Agentic system — это переход от «модель умеет» к «система работает». Следующий шаг — агенты, которые адаптируют процессы в реальном времени, а не следуют жёсткому сценарию.
🔗 Источники:
• https://www.ibm.com/think/topics/hierarchical-ai-agents
• https://www.elementum.ai/blog/human-in-the-loop-agentic-ai
• https://www.augmentcode.com/guides/agentic-ai-architecture-patterns
#AI #AgenticSystems #ИИ #RealDigital
Подробный разбор — на сайте: realdigital.kz
Как из одного AI-агента построить систему, которая решает сложные задачи. Workflow, multi-agent, supervisor и human-in-the-loop — простым языком.
От workflow к AI-команде: как устроены агентские системы
Один AI-агент может отправить письмо или найти файл. Но реальные задачи требуют команды. Вот как из отдельных агентов строят системы, которые решают сложные задачи.
📌 Workflow — жёсткий сценарий: шаг 1 → шаг 2 → шаг 3. Работает, пока задача предсказуема.
🤖 Multi-agent — несколько экспертов. Один ищет документы, другой считает цифры, третий пишет ответ. Но без контроля — хаос: агенты дублируют работу или противоречат друг другу.
⚡ Supervisor — центральный агент решает, кто чем занимается. Sub-агенты работают изолированно, не видят, что делают коллеги. Supervisor собирает результат и формирует финальный ответ.
✅ Human-in-the-loop — в критичных сценариях (финансы, медицина, юриспруденция) система останавливается и ждёт человека. EU AI Act и California SB-833 (действует с 1 июля 2026) требуют такой контроль.
Где используется:
• Контент-производство: исследователь → писатель → редактор
• Финансы: анализ транзакций + проверка на мошенничество
• Техподдержка: классификация → поиск решения → ответ
Ограничения:
• Сложная отладка: в системе из 5 агентов ошибка может быть в любом звене
• Дорого и медленно: у агентов в 5–30x больше токенов, чем у простого чата
• Контекст теряется между агентами
✅ Итог: Agentic system — это переход от «модель умеет» к «система работает». Следующий шаг — агенты, которые адаптируют процессы в реальном времени, а не следуют жёсткому сценарию.
🔗 Источники:
• https://www.ibm.com/think/topics/hierarchical-ai-agents
• https://www.elementum.ai/blog/human-in-the-loop-agentic-ai
• https://www.augmentcode.com/guides/agentic-ai-architecture-patterns
#AI #AgenticSystems #ИИ #RealDigital
Подробный разбор — на сайте: realdigital.kz
👍3❤1👏1🤔1
REAL DIGITAL
ИИ выходит в физический мир. Почему Big Tech теперь охотится за электриками
Big Tech вкладывает сотни миллионов в обучение электриков и строителей. Почему ИИ-инфраструктура столкнулась с дефицитом физического труда и как это меняет экономику технологий.
ИИ выходит в физический мир. Почему Big Tech теперь охотится за электриками
Big Tech вкладывает сотни миллионов в обучение электриков и строителей. Почему ИИ-инфраструктура столкнулась с дефицитом физического труда и как это меняет экономику технологий.
ИИ выходит в физический мир. Почему Big Tech охотится за электриками
Meta запустила академию за $115 млн, Google — программу на $50 млн и 300 тыс. человек. Крупнейшие технологические компании массово инвестируют в обучение электриков, сварщиков и монтажников — потому что дефицит физической инфраструктуры стал главным ограничением для AI.
📌 Энергетика: дата-центры съедят 945 TWh к 2030 году (рост с 415 TWh в 2024), по прогнозу IEA. В США они дадут почти половину прироста спроса на электроэнергию.
✅ Рынок труда: вакансии в дата-центрах выросли с 2 до 6 на тысячу за два года (Indeed). 42% премия к зарплате для installation & maintenance. 87% рынков испытывают нехватку MEP-специалистов (Turner & Townsend).
⚠️ Конкуренция за ресурсы: когда Meta нанимает электрика, она забирает его у жилого строительства или промышленности. AI-capex конкурирует за одни и те же ограниченные ресурсы: людей, оборудование, мощность.
💡 Итог: следующий этап развития AI определит не только лучшая модель, но и способность построить физический мир под неё. Экономическая рента смещается от чипов к инфраструктуре и кадрам.
🔗 Источники:
• https://hiringlab.indeed.com/2026/07/14/hiring-for-the-data-center-build-out
• https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai
• https://www.datacenterfrontier.com/site-selection/news/55401462/cbre-record-data-center-construction-fails-to-ease-capacity-crunch
• https://www.turnerandtownsend.com/insights/global-construction-market-intelligence-2026
#ИИ #технологии #RealDigital
Подробный разбор — на сайте: realdigital.kz
Big Tech вкладывает сотни миллионов в обучение электриков и строителей. Почему ИИ-инфраструктура столкнулась с дефицитом физического труда и как это меняет экономику технологий.
ИИ выходит в физический мир. Почему Big Tech охотится за электриками
Meta запустила академию за $115 млн, Google — программу на $50 млн и 300 тыс. человек. Крупнейшие технологические компании массово инвестируют в обучение электриков, сварщиков и монтажников — потому что дефицит физической инфраструктуры стал главным ограничением для AI.
📌 Энергетика: дата-центры съедят 945 TWh к 2030 году (рост с 415 TWh в 2024), по прогнозу IEA. В США они дадут почти половину прироста спроса на электроэнергию.
✅ Рынок труда: вакансии в дата-центрах выросли с 2 до 6 на тысячу за два года (Indeed). 42% премия к зарплате для installation & maintenance. 87% рынков испытывают нехватку MEP-специалистов (Turner & Townsend).
⚠️ Конкуренция за ресурсы: когда Meta нанимает электрика, она забирает его у жилого строительства или промышленности. AI-capex конкурирует за одни и те же ограниченные ресурсы: людей, оборудование, мощность.
💡 Итог: следующий этап развития AI определит не только лучшая модель, но и способность построить физический мир под неё. Экономическая рента смещается от чипов к инфраструктуре и кадрам.
🔗 Источники:
• https://hiringlab.indeed.com/2026/07/14/hiring-for-the-data-center-build-out
• https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai
• https://www.datacenterfrontier.com/site-selection/news/55401462/cbre-record-data-center-construction-fails-to-ease-capacity-crunch
• https://www.turnerandtownsend.com/insights/global-construction-market-intelligence-2026
#ИИ #технологии #RealDigital
Подробный разбор — на сайте: realdigital.kz
👍3🤔1
REAL DIGITAL
Как устроена кибероборона АЭС: почему взломать офисную сеть можно, а добраться до реактора — совсем другая задача
Почему взломать офисный компьютер на АЭС — не то же самое, что получить доступ к реактору. Разбор принципов defence in depth, изоляции сетей и регуляторных требований к кибербезопасности атомных объектов.
Как устроена кибероборона АЭС: от офисной сети до реактора
Кибератака на атомную станцию не означает контроль над реактором. Defence in depth, изоляция сетей и реальные инциденты.
Кибератака на атомную станцию не означает контроль над реактором. Между заражённым компьютером сотрудника и системой управления реактором лежит несколько независимых уровней защиты.
📌 Defence in depth: принцип ядерной безопасности старше кибербезопасности. Безопасность не должна зависеть от одного барьера — если один уровень скомпрометирован, остаются следующие.
⚡️ Изоляция и сегментация: критические системы отделены от корпоративной сети. NRC требует изолировать safety-системы от внешних коммуникаций. Phishing сотрудника — ещё не доступ к реактору.
📊 Реальные инциденты: червь Slammer (2003, Davis-Besse) отключил мониторинг на 5 часов, но реактор был остановлен. Gundremmingen (2016) и Kudankulam (2019) — malware в административных сетях, без контроля над реактором.
💻 Zero Trust в атомной отрасли: абсолютной изоляции уже недостаточно. Регуляторы изучают Zero Trust для OT — не как замену изоляции, а как дополнительный слой для цифровых сервисов вокруг контура.
✅ Итог: Главная задача атомной энергетики — построить систему, где даже успешная кибератака не превращается автоматически в ядерную аварию. Вопрос не «можно ли взломать АЭС», а «что произойдёт, если проникнут на один из уровней».
🔗 Источники:
• https://arstechnica.com/information-technology/2016/04/german-nuclear-plants-fuel-rod-system-swarming-with-old-malware/
• https://www.nrc.gov/reading-rm/doc-collections/fact-sheets/cyber-security-bg
• https://www.iaea.org/publications/14729/computer-security-techniques-for-nuclear-facilities
• https://www.federalregister.gov/documents/2023/02/13/2023-02941/cyber-security-programs-for-nuclear-power-reactors
#кибербезопасность #АЭС #criticalinfrastructure #RealDigital
Подробный разбор — на сайте: realdigital.kz
Кибератака на атомную станцию не означает контроль над реактором. Defence in depth, изоляция сетей и реальные инциденты.
Кибератака на атомную станцию не означает контроль над реактором. Между заражённым компьютером сотрудника и системой управления реактором лежит несколько независимых уровней защиты.
📌 Defence in depth: принцип ядерной безопасности старше кибербезопасности. Безопасность не должна зависеть от одного барьера — если один уровень скомпрометирован, остаются следующие.
⚡️ Изоляция и сегментация: критические системы отделены от корпоративной сети. NRC требует изолировать safety-системы от внешних коммуникаций. Phishing сотрудника — ещё не доступ к реактору.
📊 Реальные инциденты: червь Slammer (2003, Davis-Besse) отключил мониторинг на 5 часов, но реактор был остановлен. Gundremmingen (2016) и Kudankulam (2019) — malware в административных сетях, без контроля над реактором.
💻 Zero Trust в атомной отрасли: абсолютной изоляции уже недостаточно. Регуляторы изучают Zero Trust для OT — не как замену изоляции, а как дополнительный слой для цифровых сервисов вокруг контура.
✅ Итог: Главная задача атомной энергетики — построить систему, где даже успешная кибератака не превращается автоматически в ядерную аварию. Вопрос не «можно ли взломать АЭС», а «что произойдёт, если проникнут на один из уровней».
🔗 Источники:
• https://arstechnica.com/information-technology/2016/04/german-nuclear-plants-fuel-rod-system-swarming-with-old-malware/
• https://www.nrc.gov/reading-rm/doc-collections/fact-sheets/cyber-security-bg
• https://www.iaea.org/publications/14729/computer-security-techniques-for-nuclear-facilities
• https://www.federalregister.gov/documents/2023/02/13/2023-02941/cyber-security-programs-for-nuclear-power-reactors
#кибербезопасность #АЭС #criticalinfrastructure #RealDigital
Подробный разбор — на сайте: realdigital.kz
👍3❤1👏1
Как устроена AI-инфраструктура в 2026 году: почему память дороже вычислений
Hyperscalers тратят $600+ млрд на AI-инфраструктуру. Inference обогнал training, а память стала узким местом дороже GPU.
📌 Training vs Inference. Training редко, inference — миллиарды раз в день. В 2026 inference стал главной нагрузкой.
⚡ Memory wall. NVIDIA Vera Rubin: HBM4 до 22 TB/s. Память = 62% себестоимости сервера ($24K из $39K), в 2,5x дороже прошлого поколения.
🏭 AI-дата-центры. Кластеры из 100 000+ GPU потребляют гигаватты. Рост ограничен не деньгами, а подстанциями и водой.
✅ Итог: AI-инфраструктура — конкурентное преимущество. Кто дешевле считает inference, тот выигрывает.
🔗 Источники:
• https://www.creditsights.com/insights/technology-hyperscaler-capex-2026-estimates
• https://www.delloro.com/2026-predictions-data-center-infrastructure
#AI #Infrastructure #RealDigital
Hyperscalers тратят $600+ млрд на AI-инфраструктуру. Inference обогнал training, а память стала узким местом дороже GPU.
📌 Training vs Inference. Training редко, inference — миллиарды раз в день. В 2026 inference стал главной нагрузкой.
⚡ Memory wall. NVIDIA Vera Rubin: HBM4 до 22 TB/s. Память = 62% себестоимости сервера ($24K из $39K), в 2,5x дороже прошлого поколения.
🏭 AI-дата-центры. Кластеры из 100 000+ GPU потребляют гигаватты. Рост ограничен не деньгами, а подстанциями и водой.
✅ Итог: AI-инфраструктура — конкурентное преимущество. Кто дешевле считает inference, тот выигрывает.
🔗 Источники:
• https://www.creditsights.com/insights/technology-hyperscaler-capex-2026-estimates
• https://www.delloro.com/2026-predictions-data-center-infrastructure
#AI #Infrastructure #RealDigital
👍4
Почему в технологическом совете Трампа оказался квантовый физик — и почему это важно
Джон Мартинис — единственный академик среди CEO в технологическом совете Трампа. Почему квантовый физик нужен Белому дому в эпоху доминирования AI.
Почему в технологическом совете Трампа оказался квантовый физик
Джон Мартинис — единственный академик среди CEO в технологическом совете Трампа. Почему квантовый физик нужен Белому дому в эпоху доминирования AI.
📌 Кто такой Мартинис: Физик из UC Santa Barbara, один из архитекторов квантового процессора Google Sycamore. Его эксперименты 1980-х по макроскопическому квантовому туннелированию стали физической основой сверхпроводящих кубитов — технологии, которую сегодня используют Google и IBM.
⚡️ Эксперимент Sycamore: В 2019 году процессор с 53 кубитами выполнил задачу за 200 секунд. Google оценила, что классическому суперкомпьютеру понадобилось бы 10 тысяч лет. IBM оспорила оценку, показав возможность решения за 2,5 дня, но спор не отменил самого результата: квантовые процессоры достигли масштаба, сопоставимого с классическими системами.
⚠️ Почему это важно для политики: Мартинис оценивает появление универсального квантового компьютера в 5–10 лет (100 тыс–1 млн физических кубитов). При этом достаточно мощный квантовый компьютер теоретически сможет взломать RSA и ECC — основу современной интернет-криптографии. США уже внедряют post-quantum cryptography, но миграция займёт годы.
✅ Итог: Мартинис в PCAST представляет не нынешний AI, а следующее поколение вычислительной архитектуры. Его включение показывает: Белый дом рассматривает технологическую конкуренцию как цепочку полупроводники → дата-центры → энергия → AI → кванты → криптография, где преимущество на каждом звене влияет на всё остальное.
🔗 Источники:
• White House — состав PCAST
• Nobel Prize — John Martinis 2025
• Nature — эксперимент Sycamore
• Forschungszentrum Jülich — интервью Мартиниса, июль 2026
#КвантовыеВычисления #Технологии #RealDigital
Подробный разбор — на сайте: realdigital.kz
Джон Мартинис — единственный академик среди CEO в технологическом совете Трампа. Почему квантовый физик нужен Белому дому в эпоху доминирования AI.
Почему в технологическом совете Трампа оказался квантовый физик
Джон Мартинис — единственный академик среди CEO в технологическом совете Трампа. Почему квантовый физик нужен Белому дому в эпоху доминирования AI.
📌 Кто такой Мартинис: Физик из UC Santa Barbara, один из архитекторов квантового процессора Google Sycamore. Его эксперименты 1980-х по макроскопическому квантовому туннелированию стали физической основой сверхпроводящих кубитов — технологии, которую сегодня используют Google и IBM.
⚡️ Эксперимент Sycamore: В 2019 году процессор с 53 кубитами выполнил задачу за 200 секунд. Google оценила, что классическому суперкомпьютеру понадобилось бы 10 тысяч лет. IBM оспорила оценку, показав возможность решения за 2,5 дня, но спор не отменил самого результата: квантовые процессоры достигли масштаба, сопоставимого с классическими системами.
⚠️ Почему это важно для политики: Мартинис оценивает появление универсального квантового компьютера в 5–10 лет (100 тыс–1 млн физических кубитов). При этом достаточно мощный квантовый компьютер теоретически сможет взломать RSA и ECC — основу современной интернет-криптографии. США уже внедряют post-quantum cryptography, но миграция займёт годы.
✅ Итог: Мартинис в PCAST представляет не нынешний AI, а следующее поколение вычислительной архитектуры. Его включение показывает: Белый дом рассматривает технологическую конкуренцию как цепочку полупроводники → дата-центры → энергия → AI → кванты → криптография, где преимущество на каждом звене влияет на всё остальное.
🔗 Источники:
• White House — состав PCAST
• Nobel Prize — John Martinis 2025
• Nature — эксперимент Sycamore
• Forschungszentrum Jülich — интервью Мартиниса, июль 2026
#КвантовыеВычисления #Технологии #RealDigital
Подробный разбор — на сайте: realdigital.kz
👍5👏1
REAL DIGITAL
AI и деньги · Часть 1
Почему рост производительности сотрудников с помощью ИИ не гарантирует рост прибыли компании. От adoption до ROI — разбор цепочки и ловушек.
AI экономит миллионы часов. Но где деньги?
Почему рост производительности сотрудников с помощью ИИ не гарантирует рост прибыли компании. От adoption до ROI — разбор цепочки и ловушек.
AI экономит миллионы часов. Но где деньги?
Компании научились делать сотрудников быстрее. Теперь нужно превратить эту производительность в финансовый результат.
📌 Сто тысяч сэкономленных часов: корпоративный AI стоит $20/мес на человека. Для 1000 сотрудников — $240K в год. Если каждый экономит 2 часа в неделю, получается 100K высвобожденных часов. Но если выручка не выросла, это ещё не деньги.
⚠️ Разрыв между сотрудником и компанией: AI ускорил задачу на 40%, но согласования и проверки остались прежними. Это индивидуальная оптимизация внутри коллективной неэффективности.
📊 20% получают 74%: PwC среди 1000+ руководителей. BCG: лишь 14% CEO чётко меряют P&L-эффект AI. Лидеры в 7× чаще перестраивают workflows.
✅ Итог: сэкономленное время превращается в деньги только когда компания умеет им распорядиться — через снижение затрат, рост объёма, лучшие решения или новую выручку.
🔗 Источники:
• PwC — AI Performance Study 2026
• BCG — CEOs Are Starting to See Value from AI
• McKinsey / Erik Brynjolfsson
• The Economist — How to measure returns on AI
#AI #бизнес #экономика #RealDigital
Подробный разбор — на сайте: realdigital.kz
Почему рост производительности сотрудников с помощью ИИ не гарантирует рост прибыли компании. От adoption до ROI — разбор цепочки и ловушек.
AI экономит миллионы часов. Но где деньги?
Компании научились делать сотрудников быстрее. Теперь нужно превратить эту производительность в финансовый результат.
📌 Сто тысяч сэкономленных часов: корпоративный AI стоит $20/мес на человека. Для 1000 сотрудников — $240K в год. Если каждый экономит 2 часа в неделю, получается 100K высвобожденных часов. Но если выручка не выросла, это ещё не деньги.
⚠️ Разрыв между сотрудником и компанией: AI ускорил задачу на 40%, но согласования и проверки остались прежними. Это индивидуальная оптимизация внутри коллективной неэффективности.
📊 20% получают 74%: PwC среди 1000+ руководителей. BCG: лишь 14% CEO чётко меряют P&L-эффект AI. Лидеры в 7× чаще перестраивают workflows.
✅ Итог: сэкономленное время превращается в деньги только когда компания умеет им распорядиться — через снижение затрат, рост объёма, лучшие решения или новую выручку.
🔗 Источники:
• PwC — AI Performance Study 2026
• BCG — CEOs Are Starting to See Value from AI
• McKinsey / Erik Brynjolfsson
• The Economist — How to measure returns on AI
#AI #бизнес #экономика #RealDigital
Подробный разбор — на сайте: realdigital.kz
👍6❤1
REAL DIGITAL
Экономика AI: почему токены дешевеют, а счета растут
Почему дешёвые токены не означают дешёвый AI. Cost per task, model routing, prompt caching и скрытые затраты агентов — простым языком.
Экономика AI: почему токены дешевеют, а счета растут
Почему дешёвые токены не означают дешёвый AI. Cost per task, model routing, prompt caching и скрытые затраты агентов — простым языком.
Экономика AI: почему токены дешевеют, а счета растут
Токены подешевели на 80% к 2026, но enterprise AI bills растут. Почему?
📌 Cost per task, не token. Один вызов Claude Opus: $0.04. Агент делает 15 вызовов на задачу — уже $0.60.
🤖 Agentic multiplier. По данным Gartner, агенты потребляют в 5–30x больше токенов, чем чат-бот. Пилот на 100 запросов ≠ продакшен на 50 000 задач.
⚡ Model routing. Простые подзадачи — на дешёвые модели. Команда сократила API costs с $40K до $24K без изменения продукта.
💾 Prompt caching. Повторяющиеся инструкции кэшируются. Скидка до 90%. Экономия до 80% на enterprise-задачах.
💰 Outcome-based pricing. Intercom Fin берёт $0.99 за resolved conversation вместо seat. Риск на провайдере.
Ограничения:
• API — 10–20% реальной стоимости агента
• Задачи до $3/час окупаются редко
• Длинный контекст: +1.5–2x к цене
✅ Итог: дешёвые токены = сложные агенты = больше токенов. Общий spend растёт.
🔗 Источники:
• https://www.cloudzero.com/blog/llm-api-pricing-comparison
• https://www.cockroachlabs.com/blog/agentic-ai-costs-at-scale
• https://zylos.ai/research/2026-04-13-inference-economics-ai-agent-compute-markets
#AI #Economics #Tokens #AgenticAI #RealDigital
📖 Подробный разбор — на сайте: realdigital.kz
Подробный разбор — на сайте: realdigital.kz
Почему дешёвые токены не означают дешёвый AI. Cost per task, model routing, prompt caching и скрытые затраты агентов — простым языком.
Экономика AI: почему токены дешевеют, а счета растут
Токены подешевели на 80% к 2026, но enterprise AI bills растут. Почему?
📌 Cost per task, не token. Один вызов Claude Opus: $0.04. Агент делает 15 вызовов на задачу — уже $0.60.
🤖 Agentic multiplier. По данным Gartner, агенты потребляют в 5–30x больше токенов, чем чат-бот. Пилот на 100 запросов ≠ продакшен на 50 000 задач.
⚡ Model routing. Простые подзадачи — на дешёвые модели. Команда сократила API costs с $40K до $24K без изменения продукта.
💾 Prompt caching. Повторяющиеся инструкции кэшируются. Скидка до 90%. Экономия до 80% на enterprise-задачах.
💰 Outcome-based pricing. Intercom Fin берёт $0.99 за resolved conversation вместо seat. Риск на провайдере.
Ограничения:
• API — 10–20% реальной стоимости агента
• Задачи до $3/час окупаются редко
• Длинный контекст: +1.5–2x к цене
✅ Итог: дешёвые токены = сложные агенты = больше токенов. Общий spend растёт.
🔗 Источники:
• https://www.cloudzero.com/blog/llm-api-pricing-comparison
• https://www.cockroachlabs.com/blog/agentic-ai-costs-at-scale
• https://zylos.ai/research/2026-04-13-inference-economics-ai-agent-compute-markets
#AI #Economics #Tokens #AgenticAI #RealDigital
📖 Подробный разбор — на сайте: realdigital.kz
Подробный разбор — на сайте: realdigital.kz
👍4
REAL DIGITAL
Muse Spark 1.3: экосистема как главная ставка Meta
Гонка ИИ-моделей уходит на второй план. По мере перехода от чат-ботов к агентам решающим фактором становится не качество модели, а экосистема, в которой она работает.
Muse Spark 1.3: экосистема как главная ставка Meta
Гонка ИИ-моделей уходит на второй план. По мере перехода от чат-ботов к агентам решающим фактором становится не качество модели, а экосистема, в которой она работает.
Meta Muse Spark 1.3: экосистема важнее модели
Meta выпустила Muse Spark 1.3 — флагманскую ИИ-модель, заточенную под агентные задачи. Самостоятельно собирает контекст, использует инструменты, корректирует план и ведёт несколько процессов одновременно.
📌 Эффективность: на 20% меньше вызовов инструментов и на 25% меньше токенов при инженерных задачах, чем у версии 1.2.
⚡️ Главный сдвиг: гонка выходит за рамки сравнения моделей. ChatGPT, Claude, Gemini, Muse — возможности сближаются, а ценность смещается по цепочке: модель → контекст → дистрибуция → действие.
💻 Экосистемы решают:
• Meta — WhatsApp, Instagram, FB, Threads, устройства. AI встраивается туда, где уже общаются миллиарды.
• Google — Search, Android, Chrome, Workspace. Gemini 3 в Chrome уже бронирует поездки и заполняет формы (Auto Browse, с ограничениями).
• OpenAI / Anthropic — строят экосистему вокруг AI.
• Microsoft — Windows, 365, Azure.
✅ Итог: конкурируют уже не модели, а целые экосистемы. Кто станет главным цифровым посредником между человеком и миром?
🔗 Источники:
• Meta AI Research — Muse Spark 1.3 (2.09.2026)
• Meta AI Research — Muse Spark (8.04.2026)
• Google Chrome Help — Auto Browse (01.2026)
• Axios — Meta debuts Muse Spark 1.3 (2.09.2026)
#Meta #AI #MuseSpark #AIAgents #RealDigital
Подробный разбор — на сайте: realdigital.kz
Гонка ИИ-моделей уходит на второй план. По мере перехода от чат-ботов к агентам решающим фактором становится не качество модели, а экосистема, в которой она работает.
Meta Muse Spark 1.3: экосистема важнее модели
Meta выпустила Muse Spark 1.3 — флагманскую ИИ-модель, заточенную под агентные задачи. Самостоятельно собирает контекст, использует инструменты, корректирует план и ведёт несколько процессов одновременно.
📌 Эффективность: на 20% меньше вызовов инструментов и на 25% меньше токенов при инженерных задачах, чем у версии 1.2.
⚡️ Главный сдвиг: гонка выходит за рамки сравнения моделей. ChatGPT, Claude, Gemini, Muse — возможности сближаются, а ценность смещается по цепочке: модель → контекст → дистрибуция → действие.
💻 Экосистемы решают:
• Meta — WhatsApp, Instagram, FB, Threads, устройства. AI встраивается туда, где уже общаются миллиарды.
• Google — Search, Android, Chrome, Workspace. Gemini 3 в Chrome уже бронирует поездки и заполняет формы (Auto Browse, с ограничениями).
• OpenAI / Anthropic — строят экосистему вокруг AI.
• Microsoft — Windows, 365, Azure.
✅ Итог: конкурируют уже не модели, а целые экосистемы. Кто станет главным цифровым посредником между человеком и миром?
🔗 Источники:
• Meta AI Research — Muse Spark 1.3 (2.09.2026)
• Meta AI Research — Muse Spark (8.04.2026)
• Google Chrome Help — Auto Browse (01.2026)
• Axios — Meta debuts Muse Spark 1.3 (2.09.2026)
#Meta #AI #MuseSpark #AIAgents #RealDigital
Подробный разбор — на сайте: realdigital.kz
👍4🤔1
REAL DIGITAL
AI и деньги · Часть 2
В AI-инфраструктуру вложат $4–5 трлн до 2030 года. Но окупаемость зависит от корпоративного ROI. Анализ Apollo, PwC и J-кривой.
AI может изменить мир — и разочаровать инвесторов
В AI-инфраструктуру вложат $4–5 трлн до 2030 года. Но окупаемость зависит от корпоративного ROI. Анализ Apollo, PwC и J-кривой.
AI может изменить мир — и разочаровать инвесторов
В AI-инфраструктуру вложат $4–5 трлн до 2030. Но окупаемость зависит от корпоративного ROI.
📌 Математика: $4–5 трлн инвестиций требуют $1,5–2 трлн выручки к 2030. Сейчас новые AI-приложения генерируют лишь $35–65 млрд.
⚠️ Токены ≠ прибыль: inference дешевеет, конкуренция растёт. Больше токенов не значит больше денег для hyperscalers.
🕰️ Два разных часа: инфраструктура строится сейчас, ROI клиентов — позже. J-кривая бизнеса vs ожидания инвесторов.
✅ Итог: S&P 493 важнее продаж GPU. Великая технология ≠ великая инвестиция.
🔗 Источники:
• Apollo / Torsten Slok — Buyers waiting for payoff
• Apollo — ROI Runway Could Be Long Outside Tech
• Apollo — Balance Sheet Behind the AI Revolution
#AI #инвестиции #экономика #RealDigital
Подробный разбор — на сайте: realdigital.kz
В AI-инфраструктуру вложат $4–5 трлн до 2030 года. Но окупаемость зависит от корпоративного ROI. Анализ Apollo, PwC и J-кривой.
AI может изменить мир — и разочаровать инвесторов
В AI-инфраструктуру вложат $4–5 трлн до 2030. Но окупаемость зависит от корпоративного ROI.
📌 Математика: $4–5 трлн инвестиций требуют $1,5–2 трлн выручки к 2030. Сейчас новые AI-приложения генерируют лишь $35–65 млрд.
⚠️ Токены ≠ прибыль: inference дешевеет, конкуренция растёт. Больше токенов не значит больше денег для hyperscalers.
🕰️ Два разных часа: инфраструктура строится сейчас, ROI клиентов — позже. J-кривая бизнеса vs ожидания инвесторов.
✅ Итог: S&P 493 важнее продаж GPU. Великая технология ≠ великая инвестиция.
🔗 Источники:
• Apollo / Torsten Slok — Buyers waiting for payoff
• Apollo — ROI Runway Could Be Long Outside Tech
• Apollo — Balance Sheet Behind the AI Revolution
#AI #инвестиции #экономика #RealDigital
Подробный разбор — на сайте: realdigital.kz
👍3🔥2❤1👏1
Отчёт F6: 257 млн скомпрометированных записей в Центральной Азии, но миллионы строк не дают права построить рейтинг «кто хуже».
📌 F6 — кто это
Российская компания в сфере кибербезопасности и Threat Intelligence. Экспертиза восходит к Group-IB. Данные — только из мониторинга самой компании, а не исчерпывающий реестр всех утечек.
⚠️ Почему сырые цифры не дают рейтинг
По объёму: Таджикистан — 217 млн (84%), Казахстан — 25 млн (10%), Узбекистан — 15 млн (6%). Но одна крупная база из Таджикистана даёт почти весь объём. По числу публикаций картина ровнее. К тому же строка базы ≠ человек.
✅ Что действительно важно
Утёкшие данные — сырьё для теневой экономики: фишинг, мошенничество, подбор паролей. Важнее не рейтинг стран, а умение отслеживать цифровой след и готовиться к повторному использованию скомпрометированных данных.
🔗 Источники:
• https://f6.security/media-center/reports/global-threat-landscape-report-2025-2026/
Подробнее :
#кибербезопасность #технологии #ЦентральнаяАзия #RealDigital
📌 F6 — кто это
Российская компания в сфере кибербезопасности и Threat Intelligence. Экспертиза восходит к Group-IB. Данные — только из мониторинга самой компании, а не исчерпывающий реестр всех утечек.
⚠️ Почему сырые цифры не дают рейтинг
По объёму: Таджикистан — 217 млн (84%), Казахстан — 25 млн (10%), Узбекистан — 15 млн (6%). Но одна крупная база из Таджикистана даёт почти весь объём. По числу публикаций картина ровнее. К тому же строка базы ≠ человек.
✅ Что действительно важно
Утёкшие данные — сырьё для теневой экономики: фишинг, мошенничество, подбор паролей. Важнее не рейтинг стран, а умение отслеживать цифровой след и готовиться к повторному использованию скомпрометированных данных.
🔗 Источники:
• https://f6.security/media-center/reports/global-threat-landscape-report-2025-2026/
Подробнее :
#кибербезопасность #технологии #ЦентральнаяАзия #RealDigital
👍2🤔2
REAL DIGITAL
Экономика AI: почему токены дешевеют, а счета растут
Почему дешёвые токены не означают дешёвый AI. Cost per task, model routing, prompt caching и скрытые затраты агентов — простым языком.
Экономика AI: почему токены дешевеют, а счета растут
Почему дешёвые токены не означают дешёвый AI. Cost per task, model routing, prompt caching и скрытые затраты агентов.
Экономика AI: почему токены дешевеют, а счета растут
Цена миллиона токенов к 2026 году упала примерно на 80% по сравнению с 2025-м. Но компании, запустившие AI в продакшен, видят обратную картину: общие расходы на inference растут.
📌 Agentic multiplier
Если простой чат-бот решает задачу за один вызов модели, агент делает 10–20 вызовов: планирование, поиск, проверка, самокоррекция. По данным Gartner, agentic-модели потребляют в 5–30 раз больше токенов на задачу.
⚡️ Три рычага снижения cost per task
• Model routing — простые подзадачи идут к дешёвым моделям, сложные — к дорогим.
• Prompt caching — повторяющиеся инструкции кэшируются со скидкой 50–90%.
• Outcome-based pricing — Intercom Fin берёт $0.99 не за токены, а за resolved conversation.
✅ Итог:
Дешёвые токены разрешают строить более сложных агентов. Сложные агенты сжигают больше токенов. По прогнозу Gartner, общий spend на inference будет расти, несмотря на падение цены за миллион токенов.
🔗 Источники:
• Gartner — прогнозы стоимости inference и agentic multiplier
• Intercom — модель оплаты за resolved conversation
• OpenAI / Anthropic — прайсинг и caching discounts
#ИИ #экономикаAI #agenticAI #RealDigital
Подробный разбор — на сайте: realdigital.kz
Почему дешёвые токены не означают дешёвый AI. Cost per task, model routing, prompt caching и скрытые затраты агентов.
Экономика AI: почему токены дешевеют, а счета растут
Цена миллиона токенов к 2026 году упала примерно на 80% по сравнению с 2025-м. Но компании, запустившие AI в продакшен, видят обратную картину: общие расходы на inference растут.
📌 Agentic multiplier
Если простой чат-бот решает задачу за один вызов модели, агент делает 10–20 вызовов: планирование, поиск, проверка, самокоррекция. По данным Gartner, agentic-модели потребляют в 5–30 раз больше токенов на задачу.
⚡️ Три рычага снижения cost per task
• Model routing — простые подзадачи идут к дешёвым моделям, сложные — к дорогим.
• Prompt caching — повторяющиеся инструкции кэшируются со скидкой 50–90%.
• Outcome-based pricing — Intercom Fin берёт $0.99 не за токены, а за resolved conversation.
✅ Итог:
Дешёвые токены разрешают строить более сложных агентов. Сложные агенты сжигают больше токенов. По прогнозу Gartner, общий spend на inference будет расти, несмотря на падение цены за миллион токенов.
🔗 Источники:
• Gartner — прогнозы стоимости inference и agentic multiplier
• Intercom — модель оплаты за resolved conversation
• OpenAI / Anthropic — прайсинг и caching discounts
#ИИ #экономикаAI #agenticAI #RealDigital
Подробный разбор — на сайте: realdigital.kz
🔥3
REAL DIGITAL
Speedo iQ: модуль для очков Vanquisher, который считает четыре стиля плавания
Speedo запустила модуль iQ для очков Vanquisher 3.0 ($189). Без подписки, с одобрением World Aquatics и пост-тренировочной аналитикой. Альтернатива Form с дисплеем.
Speedo iQ: модуль для очков Vanquisher за $189
Speedo выпустила модуль iQ для очков Vanquisher. $189, без подписки, 4 стиля плавания, одобрение World Aquatics.
Speedo iQ: модуль для очков Vanquisher за $189
Speedo выпустила съёмный модуль iQ для очков Vanquisher 3.0. Отслеживает четыре стиля плавания, без подписки и без дисплея в линзе — метрики разбираешь после выхода из воды.
📌 Что фиксирует: темп, дистанцию, положение головы, паттерн гребков и повороты. Данные уходят в приложение Speedo iQ для пост-анализа. Линзы чистые — цифр во время заплыва нет.
✅ World Aquatics одобрил: модуль сертифицирован для соревнований и тренировок. Переставляется между парами Vanquisher — электронику менять не нужно.
⚠️ Form — другой подход: Form Smart Swim Goggles (~$249) показывают split times прямо в линзе. Speedo выбрала обратное: плавать сейчас, анализировать потом. Без ежемесячных подписок.
💡 Кому подойдёт: серьёзным пловцам, которые понимают метрики. Для разового посетителя бассейна — избыточно. Триатлетам может не хватить real-time дисплея.
✅ Итог: Speedo iQ — это выбор между двумя моделями тренировки: с дисплеем в линзе или пост-анализом после заплыва.
🔗 Источники:
• The Verge: theverge.com/gadgets/985650
• Speedo: speedo.com/en-us/pages/speedo-iq
• 220 Triathlon: 220triathlon.com/news/speedo-iq-smart-goggles
#плавание #технологии #RealDigital
Подробный разбор — на сайте: realdigital.kz
Speedo выпустила модуль iQ для очков Vanquisher. $189, без подписки, 4 стиля плавания, одобрение World Aquatics.
Speedo iQ: модуль для очков Vanquisher за $189
Speedo выпустила съёмный модуль iQ для очков Vanquisher 3.0. Отслеживает четыре стиля плавания, без подписки и без дисплея в линзе — метрики разбираешь после выхода из воды.
📌 Что фиксирует: темп, дистанцию, положение головы, паттерн гребков и повороты. Данные уходят в приложение Speedo iQ для пост-анализа. Линзы чистые — цифр во время заплыва нет.
✅ World Aquatics одобрил: модуль сертифицирован для соревнований и тренировок. Переставляется между парами Vanquisher — электронику менять не нужно.
⚠️ Form — другой подход: Form Smart Swim Goggles (~$249) показывают split times прямо в линзе. Speedo выбрала обратное: плавать сейчас, анализировать потом. Без ежемесячных подписок.
💡 Кому подойдёт: серьёзным пловцам, которые понимают метрики. Для разового посетителя бассейна — избыточно. Триатлетам может не хватить real-time дисплея.
✅ Итог: Speedo iQ — это выбор между двумя моделями тренировки: с дисплеем в линзе или пост-анализом после заплыва.
🔗 Источники:
• The Verge: theverge.com/gadgets/985650
• Speedo: speedo.com/en-us/pages/speedo-iq
• 220 Triathlon: 220triathlon.com/news/speedo-iq-smart-goggles
#плавание #технологии #RealDigital
Подробный разбор — на сайте: realdigital.kz
❤4👍2
GigaChat выпустил три новых embedding-модели: MoE-флагман, 3B и 480M
Разработчики GigaChat выложили в open source обновлённую линейку GigaChat Embeddings. Флагман с архитектурой Mixture-of-Experts занял первое место в ruMTEB.
📌 Линейка: три модели под лицензией MIT — компактная 480M, универсальная 3B и MoE-флагман 10B-A1.8B. Все поддерживают vLLM и SGLang.
⚡ Скорость: флагман на H100 — 112,6 тыс. токенов/с, на 61% быстрее Qwen3 Embedding 4B. Активно только 1,8 млрд из 10 млрд параметров.
💻 Код: 3B-модель набрала 76,93 против 62,37 ранее, флагман — 78,40.
✅ Итог: российский разработчик выкладывает в open source конкурентоспособные embedding-модели, которые по скорости и качеству претендуют на лидерство в ruMTEB.
🔗 Источники:
• https://huggingface.co/ai-sage/Giga-Embeddings-instruct-10B-A1.8B-0826
• https://arxiv.org/abs/2608.23806
#ИИ #эмбеддинги
Разработчики GigaChat выложили в open source обновлённую линейку GigaChat Embeddings. Флагман с архитектурой Mixture-of-Experts занял первое место в ruMTEB.
📌 Линейка: три модели под лицензией MIT — компактная 480M, универсальная 3B и MoE-флагман 10B-A1.8B. Все поддерживают vLLM и SGLang.
⚡ Скорость: флагман на H100 — 112,6 тыс. токенов/с, на 61% быстрее Qwen3 Embedding 4B. Активно только 1,8 млрд из 10 млрд параметров.
💻 Код: 3B-модель набрала 76,93 против 62,37 ранее, флагман — 78,40.
✅ Итог: российский разработчик выкладывает в open source конкурентоспособные embedding-модели, которые по скорости и качеству претендуют на лидерство в ruMTEB.
🔗 Источники:
• https://huggingface.co/ai-sage/Giga-Embeddings-instruct-10B-A1.8B-0826
• https://arxiv.org/abs/2608.23806
#ИИ #эмбеддинги
👏6🔥3👎1🤔1
REAL DIGITAL
ИИ возвращается из облака на компьютер. Perplexity разделила одну задачу между Mac и дата-центром
Perplexity запустила Hybrid Compute для Mac: одна задача выполняется одновременно локально и в облаке. Зачем ИИ возвращается на устройства и при чём здесь приватность данных.
ИИ возвращается из облака на компьютер
Perplexity запустила Hybrid Compute для Mac: одна задача выполняется одновременно локально и в облаке. Зачем ИИ возвращается на устройства и при чём здесь приватность данных.
ИИ возвращается на устройства: Perplexity разделила задачи между Mac и облаком
1 сентября Perplexity запустила Hybrid Compute — одна задача выполняется одновременно локально на Mac и в облаке.
📌 Что изменилось: раньше компьютер был просто окном в облачный ИИ. Теперь сам Mac становится частью вычислительной архитектуры — локальная модель обрабатывает приватные данные, облачная делает тяжёлые вычисления.
⚠️ Почему это важно для бизнеса: в деле Heppner федеральный суд США не признал защищёнными attorney-client privilege документы, созданные через потребительский Claude. Передача данных в облако = раскрытие третьей стороне.
✅ Privacy Gate: Perplexity встроила локальный классификатор PII-Tracer (600 млн параметров, open-source), который перед отправкой данных в облако ищет персональную информацию. Но гарантии 100% нет — контекстное окно 4096 токенов, на длинных документах возможны ошибки.
🚀 Что дальше: Perplexity уже запустила Portable Computer для NVIDIA DGX/Linux (25 августа). Архитектурная логика едина: данные обрабатывать там, где они лежат, а облако подключать только для мощных вычислений. Конкуренция ИИ-систем смещается с «какая модель умнее» к «где и как безопасно её запустить».
✅ Итог: Гибридная архитектура превращает персональный компьютер из интерфейса в полноценную часть ИИ-инфраструктуры.
🔗 Источники:
• Perplexity Hybrid Compute: https://www.perplexity.ai/hub/blog/introducing-hybrid-compute-on-mac
• PII-Tracer: https://www.perplexity.ai/hub/blog/pii-trace-detecting-personal-data-before-it-leaves-the-device
• Portable Computer: https://www.perplexity.ai/hub/blog/introducing-portable-computer-for-local-first-ai
• Дело Heppner: https://www.frierlevitt.com/articles/ai-attorney-client-privilege-united-states-v-heppner
#ИИ #Perplexity #RealDigital #кибербезопасность
Подробный разбор — на сайте: realdigital.kz
Perplexity запустила Hybrid Compute для Mac: одна задача выполняется одновременно локально и в облаке. Зачем ИИ возвращается на устройства и при чём здесь приватность данных.
ИИ возвращается на устройства: Perplexity разделила задачи между Mac и облаком
1 сентября Perplexity запустила Hybrid Compute — одна задача выполняется одновременно локально на Mac и в облаке.
📌 Что изменилось: раньше компьютер был просто окном в облачный ИИ. Теперь сам Mac становится частью вычислительной архитектуры — локальная модель обрабатывает приватные данные, облачная делает тяжёлые вычисления.
⚠️ Почему это важно для бизнеса: в деле Heppner федеральный суд США не признал защищёнными attorney-client privilege документы, созданные через потребительский Claude. Передача данных в облако = раскрытие третьей стороне.
✅ Privacy Gate: Perplexity встроила локальный классификатор PII-Tracer (600 млн параметров, open-source), который перед отправкой данных в облако ищет персональную информацию. Но гарантии 100% нет — контекстное окно 4096 токенов, на длинных документах возможны ошибки.
🚀 Что дальше: Perplexity уже запустила Portable Computer для NVIDIA DGX/Linux (25 августа). Архитектурная логика едина: данные обрабатывать там, где они лежат, а облако подключать только для мощных вычислений. Конкуренция ИИ-систем смещается с «какая модель умнее» к «где и как безопасно её запустить».
✅ Итог: Гибридная архитектура превращает персональный компьютер из интерфейса в полноценную часть ИИ-инфраструктуры.
🔗 Источники:
• Perplexity Hybrid Compute: https://www.perplexity.ai/hub/blog/introducing-hybrid-compute-on-mac
• PII-Tracer: https://www.perplexity.ai/hub/blog/pii-trace-detecting-personal-data-before-it-leaves-the-device
• Portable Computer: https://www.perplexity.ai/hub/blog/introducing-portable-computer-for-local-first-ai
• Дело Heppner: https://www.frierlevitt.com/articles/ai-attorney-client-privilege-united-states-v-heppner
#ИИ #Perplexity #RealDigital #кибербезопасность
Подробный разбор — на сайте: realdigital.kz
🔥5
У золота появился новый геополитический параметр — место хранения
Почти 100 тонн российского золота пришли в Гонконг за семь месяцев 2026 года — втрое больше, чем годом ранее. С 2022 года торговый поток превысил $35 млрд.
📌 Цифра: 100 тонн за январь–июль 2026. Гонконг и Сингапур строят хабы — клиринг, хранилища на 2 000+ тонн, OTC.
⚠️ Нюанс: $35 млрд — торговый поток, не резервы. Россия — чистый продавец, Китай — покупатель.
✅ Итог: Центробанки теперь спрашивают не «сколько золота», а «где хранить». Рынок становится многополярным инфраструктурно.
🔗 Источники: Financial Times, World Gold Council, Hong Kong FSTB, Reuters
#золото #Гонконг #резервы #RealDigital
Почти 100 тонн российского золота пришли в Гонконг за семь месяцев 2026 года — втрое больше, чем годом ранее. С 2022 года торговый поток превысил $35 млрд.
📌 Цифра: 100 тонн за январь–июль 2026. Гонконг и Сингапур строят хабы — клиринг, хранилища на 2 000+ тонн, OTC.
⚠️ Нюанс: $35 млрд — торговый поток, не резервы. Россия — чистый продавец, Китай — покупатель.
✅ Итог: Центробанки теперь спрашивают не «сколько золота», а «где хранить». Рынок становится многополярным инфраструктурно.
🔗 Источники: Financial Times, World Gold Council, Hong Kong FSTB, Reuters
#золото #Гонконг #резервы #RealDigital
👍6🤔1
REAL DIGITAL
Акции переходят в блокчейн. Зачем финансовые платформы строят новый слой фондового рынка
Coinbase и Robinhood запускают токенизированные акции в блокчейне. Зачем финансовые платформы строят новый слой фондового рынка, как устроены программируемые бумаги и какие юридические риски важнее технологии.
Акции переходят в блокчейн
Coinbase и Robinhood запускают токенизированные акции. Зачем финансовые платформы строят новый слой фондового рынка.
Акции переходят в блокчейн
Coinbase и Robinhood запустили токенизированные акции Apple, Nvidia и других компаний в собственных блокчейнах. Теперь акцию можно купить как токен, использовать как залог или обменять круглосуточно — даже когда Nasdaq закрыт.
📌 Программируемые активы: токенизированная акция существует в блокчейне и взаимодействует со смарт-контрактами. Например, Nvidia-токен можно заложить и получить кредит в цифровых долларах, не продавая позицию.
⚡️ Разные подходы: Coinbase (Base) выпускает токены, обеспеченные реальными акциями 1:1 через регулируемого кастодиана. Robinhood Chain использует модель tokenized debt securities — экономическая экспозиция без прямого владения базовой акцией.
📊 Масштаб: капитализация токенизированных акций — ~$1,53 млрд (CoinDesk Research), а месячный on-chain объём перемещений достиг $9,22 млрд (a16z crypto), что в 170 раз больше, чем годом ранее.
✅ Итог: Блокчейн не заменит Nasdaq, но становится новым технологическим слоем фондового рынка, где традиционные активы получают программируемость и 24/7 ликвидность.
🔗 Источники:
• CoinDesk — coinbase-debuts-tokenized-stocks-on-base
• a16z crypto — charts-tokenized-stocks
• Robinhood Newsroom — robinhood-chain-mainnet
• Tokenist — coinbase-crypto-news-tokenized-stocks-base-launch
#блокчейн #токенизация #фондовыйрынок #RealDigital
📖 Подробный разбор — на сайте: realdigital.kz
Подробный разбор — на сайте: realdigital.kz
Coinbase и Robinhood запускают токенизированные акции. Зачем финансовые платформы строят новый слой фондового рынка.
Акции переходят в блокчейн
Coinbase и Robinhood запустили токенизированные акции Apple, Nvidia и других компаний в собственных блокчейнах. Теперь акцию можно купить как токен, использовать как залог или обменять круглосуточно — даже когда Nasdaq закрыт.
📌 Программируемые активы: токенизированная акция существует в блокчейне и взаимодействует со смарт-контрактами. Например, Nvidia-токен можно заложить и получить кредит в цифровых долларах, не продавая позицию.
⚡️ Разные подходы: Coinbase (Base) выпускает токены, обеспеченные реальными акциями 1:1 через регулируемого кастодиана. Robinhood Chain использует модель tokenized debt securities — экономическая экспозиция без прямого владения базовой акцией.
📊 Масштаб: капитализация токенизированных акций — ~$1,53 млрд (CoinDesk Research), а месячный on-chain объём перемещений достиг $9,22 млрд (a16z crypto), что в 170 раз больше, чем годом ранее.
✅ Итог: Блокчейн не заменит Nasdaq, но становится новым технологическим слоем фондового рынка, где традиционные активы получают программируемость и 24/7 ликвидность.
🔗 Источники:
• CoinDesk — coinbase-debuts-tokenized-stocks-on-base
• a16z crypto — charts-tokenized-stocks
• Robinhood Newsroom — robinhood-chain-mainnet
• Tokenist — coinbase-crypto-news-tokenized-stocks-base-launch
#блокчейн #токенизация #фондовыйрынок #RealDigital
📖 Подробный разбор — на сайте: realdigital.kz
Подробный разбор — на сайте: realdigital.kz
❤4👍3🤔1
В Астане пройдёт крупнейший хакатон по AI-агентам — HackAlem AI
23 сентября в МВЦ EXPO соберутся 2 500 разработчиков, предпринимателей и энтузиастов ИИ со всего мира. Участие бесплатное, но места выделяются по принципу first come, first served.
📌 Масштаб: $1,7 млн призового фонда и технологических ресурсов. 10 направлений, связанных с реальными задачами бизнеса и госсектора.
⚡️ OpenAI на борту: участники получат доступ к технологиям OpenAI, мерч и персональные сертификаты. Победители смогут вывести проекты в пилотную реализацию с партнёрами.
✅ Формат: офлайн-хакатон на один день, команды до 3 человек. Demo Day — 29 сентября, награждение — 1 октября на форуме AI & Digital Bridge.
🔗 Источники:
• hackalem.ai — регистрация и детали
• Партнёры: МинИИ РК, Astana Hub, OpenAI, Silkroad Innovation Hub
#HackAlemAI #AIагенты #Астана #RealDigital
23 сентября в МВЦ EXPO соберутся 2 500 разработчиков, предпринимателей и энтузиастов ИИ со всего мира. Участие бесплатное, но места выделяются по принципу first come, first served.
📌 Масштаб: $1,7 млн призового фонда и технологических ресурсов. 10 направлений, связанных с реальными задачами бизнеса и госсектора.
⚡️ OpenAI на борту: участники получат доступ к технологиям OpenAI, мерч и персональные сертификаты. Победители смогут вывести проекты в пилотную реализацию с партнёрами.
✅ Формат: офлайн-хакатон на один день, команды до 3 человек. Demo Day — 29 сентября, награждение — 1 октября на форуме AI & Digital Bridge.
🔗 Источники:
• hackalem.ai — регистрация и детали
• Партнёры: МинИИ РК, Astana Hub, OpenAI, Silkroad Innovation Hub
#HackAlemAI #AIагенты #Астана #RealDigital
👍5🎉1