Друзья, кто на саммите сегодня - буду рад встрече и приходите на сессию, в которой я участвую. Программа конференции есть на сайте:) #MSS
🔥13👍7❤1👏1
Первый день Moscow Startup Summit 2025 в СберСити вышел по-настоящему заряженным — толпа в 4+ тысячи человек, куча международных гостей и реальный обмен идеями между стартапами, инвесторами и корпорациями. Атмосфера кипит энергией инноваций:) Питч-сессии акселератора Sber500 собрали полные залы, и было видно, как команды фокусируются не только на технологиях, но и на реальном масштабировании бизнеса — от привлечения пользователей до глобального роста.
Были, конечно, мелкие шероховатости в организации: очереди на регистрацию и небольшая путаница с логистикой между залами, но это не испортило общую картину — форум всё равно прошёл динамично, с кучей продуктивных встреч и даже первыми договорённостями о пилотах. В итоге, это только добавило адреналина, как в хорошем стартапе, где не всё идеально с первого раза.
А самое интересное за день это платформа на базе продвинутой LLM от одного из финалистов Sber500. Ребята представили инструмент, который использует генAI для автоматизации роста бизнеса: он анализирует данные, предсказывает метрики и ускоряет привлечение пользователей в 5 раз, а выручку — в 6 раз. Вместо рутинного A/B-тестирования и маркетинговых экспериментов ИИ сам генерирует стратегии, адаптирует их на лету и даже интегрируется с CRM. Потенциал огромный — особенно для российских стартапов, где ресурсы ограничены, а амбиции глобальные.
В общем, день удался, жду второго — там обещают ещё большего. Если вы там, давайте пересечемся. Мое выступление в 16:00.
#MoscowStartupSummit2025
Были, конечно, мелкие шероховатости в организации: очереди на регистрацию и небольшая путаница с логистикой между залами, но это не испортило общую картину — форум всё равно прошёл динамично, с кучей продуктивных встреч и даже первыми договорённостями о пилотах. В итоге, это только добавило адреналина, как в хорошем стартапе, где не всё идеально с первого раза.
А самое интересное за день это платформа на базе продвинутой LLM от одного из финалистов Sber500. Ребята представили инструмент, который использует генAI для автоматизации роста бизнеса: он анализирует данные, предсказывает метрики и ускоряет привлечение пользователей в 5 раз, а выручку — в 6 раз. Вместо рутинного A/B-тестирования и маркетинговых экспериментов ИИ сам генерирует стратегии, адаптирует их на лету и даже интегрируется с CRM. Потенциал огромный — особенно для российских стартапов, где ресурсы ограничены, а амбиции глобальные.
В общем, день удался, жду второго — там обещают ещё большего. Если вы там, давайте пересечемся. Мое выступление в 16:00.
#MoscowStartupSummit2025
👍19❤🔥7❤3🤩1
Любопытный поворот в мире маркетплейсов: Wildberries закрывает данные, а что дальше?
Недавно наткнулся на новость в "Коммерсанте", которая заставила призадуматься о будущем открытых данных в e-commerce. Wildberries ограничил доступ к информации об остатках товаров, ценах и рекламных ставках. Теперь сторонние сервисы видят только фиктивные цифры — не больше 100 единиц на товар. Это парализовало b2b-инструменты для селлеров: репрайсеры, калькуляторы поставок. Оборот сегмента — миллиарды рублей, под угрозой тысячи продавцов.
Компания объясняет это жалобами на недобросовестную конкуренцию: данные использовались для подглядывания и манипуляций. Теперь аналитика только через личный кабинет или официальный API. Звучит разумно, но WB давно терпел парсинг, стимулируя рост. Теперь, видимо, берёт контроль, что может нарушить антимонопольные нормы и дать несправедливое преимущество.
Год назад на Финополисе Ozon хвалился открытыми API с данными о продажах и остатках, на которых построена экосистема сервисов. Это позволяло банкам строить кредитные скоринги, а маркетплейсовские банки подшучивали над традиционными: "Пока вы спорите с ЦБ, у нас всё работает".
Теперь WB меняет правила. Предполагаю: либо монетизируют свои инструменты, либо их банк видит в данных преимущество для скоринга. В России маркетплейсы интегрируют финтех, и закрытие API усилит позиции WB.
Станет ли это трендом? Если да, то токсичным: ударит по малому бизнесу, усложнит анализ и кредиты. Ozon пока молчит, их API открыт, но давление может сдвинуть сектор к закрытым системам.
В финтехе данные — новая нефть. Кто контролирует, тот диктует. А вы что думаете — монополия, защита, свой сервис?
https://www.kommersant.ru/doc/8079374
Недавно наткнулся на новость в "Коммерсанте", которая заставила призадуматься о будущем открытых данных в e-commerce. Wildberries ограничил доступ к информации об остатках товаров, ценах и рекламных ставках. Теперь сторонние сервисы видят только фиктивные цифры — не больше 100 единиц на товар. Это парализовало b2b-инструменты для селлеров: репрайсеры, калькуляторы поставок. Оборот сегмента — миллиарды рублей, под угрозой тысячи продавцов.
Компания объясняет это жалобами на недобросовестную конкуренцию: данные использовались для подглядывания и манипуляций. Теперь аналитика только через личный кабинет или официальный API. Звучит разумно, но WB давно терпел парсинг, стимулируя рост. Теперь, видимо, берёт контроль, что может нарушить антимонопольные нормы и дать несправедливое преимущество.
Год назад на Финополисе Ozon хвалился открытыми API с данными о продажах и остатках, на которых построена экосистема сервисов. Это позволяло банкам строить кредитные скоринги, а маркетплейсовские банки подшучивали над традиционными: "Пока вы спорите с ЦБ, у нас всё работает".
Теперь WB меняет правила. Предполагаю: либо монетизируют свои инструменты, либо их банк видит в данных преимущество для скоринга. В России маркетплейсы интегрируют финтех, и закрытие API усилит позиции WB.
Станет ли это трендом? Если да, то токсичным: ударит по малому бизнесу, усложнит анализ и кредиты. Ozon пока молчит, их API открыт, но давление может сдвинуть сектор к закрытым системам.
В финтехе данные — новая нефть. Кто контролирует, тот диктует. А вы что думаете — монополия, защита, свой сервис?
https://www.kommersant.ru/doc/8079374
Коммерсантъ
Цифры любят тишину
Wildberries решил закрыть данные о продажах своих селлеров
🔥6🤔3❤1👌1
Moscow Startup Summit итоги: победители и вечеринка с обладателем 4 Grammy’s легендарным Timberland
Всего подано более 1700 заявок из 79 регионов РФ и 40 стран!
17 победителей Startup Summit Awards💎
🚀 лучшие стартапы:
💼 лучший фонд:
🏙️ Среди лучших корпораций:
Мы вошли в топ-5 из 30 заявок в номинации: "Лучшая корпоративная инновационная практика" - проект развития корпоративных инноваций «Ростелком XТехнологии».
Подробно напишу об этом отдельно.
Все закончилось эпичной afterparty в клубе TAU с выступлением легендарного Timbaland — четырёхкратного лауреата Grammy!
Всего подано более 1700 заявок из 79 регионов РФ и 40 стран!
17 победителей Startup Summit Awards
«Молодой основатель» — 28-летний основатель стартапа «ТюменьНефтеТехнологии» Марсель Кадыров, который разрабатывает инновационные химические реагенты для нефтяной и газовой промышленности.
«Лучшее решение с AI» — NVI Solutions. Компания разработала интеллектуальную систему промышленной безопасности, которая в реальном времени анализирует производственные процессы, предотвращает аварии.
«Лучшее решение с AI с применением GigaChat» — персонализированный клиентский сервис с AI-агентами targetai. Он позволяет обрабатывать до 100% обращений в любых каналах.
«Лучшая инновация для города» — разработчик системы мониторинга качества воздуха ТИОН.
«Взрывной рост» — платформа речевых диалоговых тренажёров на базе AI DAILO.
«Международная экспансия» — платформа для централизованного управления мультимедийными устройствами (видеостенами, навигационными панелями) SmartPlayer
«Самый активный венчурный фонд»
— фонд «Восход». За рассматриваемый период фонд закрыл 22 сделки.
«Самый активный бизнес-ангел»
— Мартин Кольхаузер. Он инвестировал в 8 стартапов и сделал 2 успешных выхода. Инвестор вкладывает собственные средства и выступает эдвайзером для портфельных компаний.
«Самый активный клуб бизнес-ангелов»
— Клуб инвесторов Сибири, Урала и Дальнего Востока, участники которого заключили 9 инвестиционных сделок.
«Лучшая стартап-студия»
— студия Грозненского государственного нефтяного технического университета, в которой за отчётный период было создано 12 стартапов.
«Лучшая корпоративная практика по работе со стартапами»
— акселерационная программа Газпром нефти INDUSTRIX для решений в сфере ТЭК, Индустрии 4.0 и капстроительства
«Лучший пилот со стартапом»
— партнёрство ВкусВилл и стартапа AgroQualifier, создавших бота, который по фото фруктов и овощей определяет их свежесть и даёт рекомендации сотрудникам складов и магазинов
«Лучшая новаторская инициатива по работе со стартапами»
— MOEX START. Сервис Мосбиржи помогает быстрорастущим компаниям на поздних стадиях развития привлекать внебиржевые инвестиции
Мы вошли в топ-5 из 30 заявок в номинации: "Лучшая корпоративная инновационная практика" - проект развития корпоративных инноваций «Ростелком XТехнологии».
Подробно напишу об этом отдельно.
Все закончилось эпичной afterparty в клубе TAU с выступлением легендарного Timbaland — четырёхкратного лауреата Grammy!
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥15👍3❤🔥1
Сейчас много изучаю AI во всех его проявлениях. Считаю, что те, кто этого не делают останутся "за бортом". Это касается как как предпринимателей и корпорации - так и любые сферы жизнедеятельности на мой взгляд.
Я обычно делаю заметки или резюме прочитанного - так легче усваивать новое для меня + можно возвращаться в будущем и быстро восстанавливать в памяти необходимое. Благо, что сейчас есть AI, который позволяет быстро резюмировать большие презентации и тексты.
За последнее время накопились материалы для изучения, которые откладывал. Сегодня много изучил из того, что откладывал. Поделюсь здесь с Вами и материалами и нашими с AI резюме и заметками.
Я обычно делаю заметки или резюме прочитанного - так легче усваивать новое для меня + можно возвращаться в будущем и быстро восстанавливать в памяти необходимое. Благо, что сейчас есть AI, который позволяет быстро резюмировать большие презентации и тексты.
За последнее время накопились материалы для изучения, которые откладывал. Сегодня много изучил из того, что откладывал. Поделюсь здесь с Вами и материалами и нашими с AI резюме и заметками.
🔥8💯2❤🔥1👌1🐳1
Презентация «После моделей — продукты: почему побеждает платформа, а не следующий миллиард параметров» от Василия Ершова и Артура Самигуллина (Yandex Cloud) рассказывает о тенденциях в развитии искусственного интеллекта (ИИ) в 2023-2024 годах, смене акцентов с моделей на платформы и продукты, вызовах рынка и ключевых технологических трендах.
Основные тезисы презентации
- Рекап индустрии за год: Продолжается рост крупных моделей ИИ, платформ, продуктов, агентов и интеграций. Архитектура ИИ-систем меняется — появляются новые подходы, такие как Retrieval-Augmented Generation (RAG, генерация с дополнением за счет поиска) и промт-инжиниринг (создание эффективных запросов к моделям).
- Рост затрат на генеративный ИИ: Затраты на обучение моделей, развёртывание и инфраструктуру значительно увеличились с 2023 по 2024 год. Вертикальный ИИ на уровне департаментов и горизонтальный ИИ набирают популярность.
- Рост интереса к AI-агентам: Растет количество научных публикаций, репозиториев, вакансий и поисковых запросов по AI-агентам. Агент — это программа, выполняющая задачи пользователя с автономией и возможностью взаимодействовать с разными сервисами.
- Коммодитизация больших языковых моделей (LLM, large language models): Производительность открытых и проприетарных LLM становится все более сопоставимой. Примеры: GPT-4, Claude, Llama, Gemini и другие.
- Гонка смещается к платформам и продуктам: Наиболее важным становится создание платформ, продукта и бизнес-применения, а не только масштабирование параметров моделей.
- Типы технологий и платформ для AI:
- Оркестраторы и Agent Runtimes для управления цепочками агентов и логикой.
- Продуктовые оболочки над агентами, акцентированные на пользовательский опыт (UX).
- Low-code платформы для быстрого создания AI-продуктов с минимальным кодированием.
- Технологические вызовы: Высокая стоимость GPU (графических процессоров), дефицит специалистов, сложность обучения и внедрения ML-моделей, обеспечение безопасности данных и соответствия законодательству РФ.
- Прогресс в открытых моделях vs проприетарных: Открытые веса и модели приближаются по качеству к проприетарным, что уменьшает зависимость от крупных владельцев данных и кода.
- Архитектура моделей как мульти-арендного сервиса (multi-tenant service) с динамическим распределением ресурсов GPU, кешированием и устойчивостью к сбоям.
- Контекст и качество моделей: Важную роль играют системы предварительной обработки данных (ETL — Extract, Transform, Load) и гибридный поиск для выдачи релевантного контекста. Необходим контроль качества через A/B тесты, трейсинг и аналитику.
- Безопасность ИИ: Нужны sandbox-среды, аудит логов, политика управления секретами, изоляция выполнения кода для предотвращения нарушений и обеспечения безопасности по российским стандартам.
- AI Studio Yandex Cloud решает основные сложности: совместное использование ресурсов (коммунальный инференс), low-code интеграции, мониторинг качества, безопасная среда исполнения.
Основные тезисы презентации
- Рекап индустрии за год: Продолжается рост крупных моделей ИИ, платформ, продуктов, агентов и интеграций. Архитектура ИИ-систем меняется — появляются новые подходы, такие как Retrieval-Augmented Generation (RAG, генерация с дополнением за счет поиска) и промт-инжиниринг (создание эффективных запросов к моделям).
- Рост затрат на генеративный ИИ: Затраты на обучение моделей, развёртывание и инфраструктуру значительно увеличились с 2023 по 2024 год. Вертикальный ИИ на уровне департаментов и горизонтальный ИИ набирают популярность.
- Рост интереса к AI-агентам: Растет количество научных публикаций, репозиториев, вакансий и поисковых запросов по AI-агентам. Агент — это программа, выполняющая задачи пользователя с автономией и возможностью взаимодействовать с разными сервисами.
- Коммодитизация больших языковых моделей (LLM, large language models): Производительность открытых и проприетарных LLM становится все более сопоставимой. Примеры: GPT-4, Claude, Llama, Gemini и другие.
- Гонка смещается к платформам и продуктам: Наиболее важным становится создание платформ, продукта и бизнес-применения, а не только масштабирование параметров моделей.
- Типы технологий и платформ для AI:
- Оркестраторы и Agent Runtimes для управления цепочками агентов и логикой.
- Продуктовые оболочки над агентами, акцентированные на пользовательский опыт (UX).
- Low-code платформы для быстрого создания AI-продуктов с минимальным кодированием.
- Технологические вызовы: Высокая стоимость GPU (графических процессоров), дефицит специалистов, сложность обучения и внедрения ML-моделей, обеспечение безопасности данных и соответствия законодательству РФ.
- Прогресс в открытых моделях vs проприетарных: Открытые веса и модели приближаются по качеству к проприетарным, что уменьшает зависимость от крупных владельцев данных и кода.
- Архитектура моделей как мульти-арендного сервиса (multi-tenant service) с динамическим распределением ресурсов GPU, кешированием и устойчивостью к сбоям.
- Контекст и качество моделей: Важную роль играют системы предварительной обработки данных (ETL — Extract, Transform, Load) и гибридный поиск для выдачи релевантного контекста. Необходим контроль качества через A/B тесты, трейсинг и аналитику.
- Безопасность ИИ: Нужны sandbox-среды, аудит логов, политика управления секретами, изоляция выполнения кода для предотвращения нарушений и обеспечения безопасности по российским стандартам.
- AI Studio Yandex Cloud решает основные сложности: совместное использование ресурсов (коммунальный инференс), low-code интеграции, мониторинг качества, безопасная среда исполнения.
👍5❤🔥2❤1
Подробное резюме презентации по инженерному искусственному интеллекту (ИИ) из Сколтеха
Обзор и контекст:
Документ отражает современные достижения и перспективы инженерного ИИ — области, которая сочетает фундаментальные исследования с практическими промышленными применениями.
Тенденции и рынок ИИ:
- Искусственный интеллект становится технологическим ядром предприятий и финансовых организаций, с массовым внедрением в компании из списка Fortune 500.
- Генеративный ИИ (создающий новые данные на основе обученных моделей) и мультиагентные системы (взаимодействующие ИИ-агенты) формируют новую производственную культуру.
- К 2030 году глобальный объем рынка ИИ достигнет 827 млрд долларов, при этом основные игроки — США, Китай, Европа и Россия.
- В США существуют масштабные государственные программы с инвестициями до 500 млрд долларов и ограничениями на экспорт GPU (графических процессоров).
Ключевые технологические тренды:
- Прорыв в генерации видео искусственным интеллектом меняет медиа, рекламу и развлечения.
- Any-to-any мультимодальность — способность ИИ работать с несколькими типами данных (текст, изображения, звук, видео, будущие исследования охватывают запахи и тактильные ощущения).
- ИИ-агенты — автономные программы, адаптирующиеся к потребностям пользователя, построенные на архитектуре микросервисов.
- Embodied AI (воплощённый ИИ) — развитие человекоподобных роботов и автономных систем с использованием генеративных моделей и синтетических данных для обучения манипуляциям и навигации.
- Модели ИИ учатся рассуждать и рефлексировать, решать сложные логические и математические задачи, приближаясь к искусственному общему интеллекту (AGI).
Робототехника и Embodied AI:
- Разработка гуманоидных роботов для промышленного применения (Tesla Optimus Gen 2, Unitree H1, Walker S1).
- Создание крупных синтетических и открытых наборов данных для обучения роботов новым навыкам (например, наливание жидкостей и прокладывание проводов).
- Использование VR-сред и симуляций компаниями Amazon, NVIDIA и Meta для подготовки роботов к реальным условиям.
Мультимодальные большие языковые модели (LLM):
- Разрабатываются модели (NEXT-GPT, OmniFlo, CoDi-2), способные одновременно принимать и генерировать различные типы данных, открывая новые интерактивные возможности.
Архитектуры и память ИИ-агентов:
- Инновационные архитектуры, такие как AriGraph, разделяют память на эпизодическую (события, опыт) и семантическую (общие знания).
- Графы знаний (онтологии) обеспечивают структуру и актуализацию данных для решения сложных инженерных задач.
Примеры инженерных приложений:
- Самообучающаяся модель пласта для нефтедобычи, ускоряющая создание геологических моделей и снижающая трудозатраты на 70%.
- Автоматизированная система управления требованиями в строительстве — переводит документы в машинно-читаемый вид, анализирует семантику, проверяет и помогает инженерам.
- Системы мониторинга рисков — прогноз пожаров, ледовой обстановки в Арктике (применение у Газпром), цифровое моделирование производств.
- Человекоцентричные цифровые двойники — мультиагентные системы для прогнозирования социально-экономического поведения и управления развитием регионов.
Интеллектуальный переход: ANI — EAI — AGI:
- ANI (Artificial Narrow Intelligence) — узкоспециализированный ИИ.
- EAI (Engineering Artificial Intelligence) — интеграция моделей и агентов, способных учиться, планировать и принимать решения.
- AGI (Artificial General Intelligence) — универсальный разумный агент будущего.
- Инженерный ИИ уже включает в себя рассуждение, саморефлексию и комплексное управление.
Безопасность, оптимизация и перспективы:
- Разрабатываются технологии безопасности: аудит, контроль доступа, защита данных.
- Оптимизация вычислений снижает расходы на запуск и применение моделей (инференс).
- Создаются платформы для полного жизненного цикла ИИ, от разработки до эксплуатации.
Обзор и контекст:
Документ отражает современные достижения и перспективы инженерного ИИ — области, которая сочетает фундаментальные исследования с практическими промышленными применениями.
Тенденции и рынок ИИ:
- Искусственный интеллект становится технологическим ядром предприятий и финансовых организаций, с массовым внедрением в компании из списка Fortune 500.
- Генеративный ИИ (создающий новые данные на основе обученных моделей) и мультиагентные системы (взаимодействующие ИИ-агенты) формируют новую производственную культуру.
- К 2030 году глобальный объем рынка ИИ достигнет 827 млрд долларов, при этом основные игроки — США, Китай, Европа и Россия.
- В США существуют масштабные государственные программы с инвестициями до 500 млрд долларов и ограничениями на экспорт GPU (графических процессоров).
Ключевые технологические тренды:
- Прорыв в генерации видео искусственным интеллектом меняет медиа, рекламу и развлечения.
- Any-to-any мультимодальность — способность ИИ работать с несколькими типами данных (текст, изображения, звук, видео, будущие исследования охватывают запахи и тактильные ощущения).
- ИИ-агенты — автономные программы, адаптирующиеся к потребностям пользователя, построенные на архитектуре микросервисов.
- Embodied AI (воплощённый ИИ) — развитие человекоподобных роботов и автономных систем с использованием генеративных моделей и синтетических данных для обучения манипуляциям и навигации.
- Модели ИИ учатся рассуждать и рефлексировать, решать сложные логические и математические задачи, приближаясь к искусственному общему интеллекту (AGI).
Робототехника и Embodied AI:
- Разработка гуманоидных роботов для промышленного применения (Tesla Optimus Gen 2, Unitree H1, Walker S1).
- Создание крупных синтетических и открытых наборов данных для обучения роботов новым навыкам (например, наливание жидкостей и прокладывание проводов).
- Использование VR-сред и симуляций компаниями Amazon, NVIDIA и Meta для подготовки роботов к реальным условиям.
Мультимодальные большие языковые модели (LLM):
- Разрабатываются модели (NEXT-GPT, OmniFlo, CoDi-2), способные одновременно принимать и генерировать различные типы данных, открывая новые интерактивные возможности.
Архитектуры и память ИИ-агентов:
- Инновационные архитектуры, такие как AriGraph, разделяют память на эпизодическую (события, опыт) и семантическую (общие знания).
- Графы знаний (онтологии) обеспечивают структуру и актуализацию данных для решения сложных инженерных задач.
Примеры инженерных приложений:
- Самообучающаяся модель пласта для нефтедобычи, ускоряющая создание геологических моделей и снижающая трудозатраты на 70%.
- Автоматизированная система управления требованиями в строительстве — переводит документы в машинно-читаемый вид, анализирует семантику, проверяет и помогает инженерам.
- Системы мониторинга рисков — прогноз пожаров, ледовой обстановки в Арктике (применение у Газпром), цифровое моделирование производств.
- Человекоцентричные цифровые двойники — мультиагентные системы для прогнозирования социально-экономического поведения и управления развитием регионов.
Интеллектуальный переход: ANI — EAI — AGI:
- ANI (Artificial Narrow Intelligence) — узкоспециализированный ИИ.
- EAI (Engineering Artificial Intelligence) — интеграция моделей и агентов, способных учиться, планировать и принимать решения.
- AGI (Artificial General Intelligence) — универсальный разумный агент будущего.
- Инженерный ИИ уже включает в себя рассуждение, саморефлексию и комплексное управление.
Безопасность, оптимизация и перспективы:
- Разрабатываются технологии безопасности: аудит, контроль доступа, защита данных.
- Оптимизация вычислений снижает расходы на запуск и применение моделей (инференс).
- Создаются платформы для полного жизненного цикла ИИ, от разработки до эксплуатации.
👍5❤1❤🔥1