Великий обман «революции DeepSeek» - пузырь, который лопнул на взлёте.
История о том, как ИИ-революция 2025 в Китае превратилась в складские остатки, никто ничего не внедрил, зато многие обогатились.
Четыре месяца назад все в Китае только и говорили об ИИ-революции DeepSeek. Сегодня менеджеры по продажам моноблоков с DeepSeek ищут новую работу.
Китайцы, как и русские, очень не любят платить за такие эфемерные вещи, как «софт» (программы). За «железо» (оборудование) - понятное дело, приходится платить. А вот за ИИ-модель, да еще объявляемую «открытой» - да никогда!
Вот почему для массового внедрения DeepSeek в Китае был выбран весьма понятный и для российского IT-рынка путь: госдотации для производства «многофункциональных устройств» - моноблоков «все-в-одном», готовых к употреблению серверов с чипами H20 с предустановленной DeepSeek. И всё это удовольствие изначально планировалось продавать по 400К юаней (примерно $60К).

Но всё пошло не совсем так. Цена моноблоков росла каждую неделю на 10%. За два месяца стоимость подскочила до 1,5 миллионов юаней. Ведущие производители железа зарабатывали миллиарды, продавая тысячи моноблоков в месяц.

Секрет успеха оказался банальным (и хорошо понятным для российского рынка IT): главное - не уровень технологий и не важность решаемых задач, а уровень отношений вендоров с клиентами (знаменитая «экономика РОЗ» - распил, откат, занос). Крупные госкорпорации и банки покупали у своих проверенных поставщиков,. Новички остались с носом и складскими остатками.

Но самое интересное — клиенты покупали железо и выбрасывали софт. Даже у топовых производителей только 10-20% покупателей устанавливали прилагающееся ПО. Почти никто из клиентов и не собирался решать реальные задачи. Все лишь хотели поставить галочку - «у нас есть ИИ».

Реальность отрезвляет
К лету эйфория испарилась. Сотни заявок в день превратились в десятки. Бюджеты сжались с десятков миллионов до сотен тысяч. Клиенты перестали гнаться за полнопараметрическими версиями и стали покупать урезанные модели на 70B параметров.
Но главное открытие ждало впереди: моноблоки с DeepSeek никто не использует!
Из каждых 20-30 проданных машин реально работала только одна. Например, в торговой компании для клиентской поддержки.
Почему она? Да просто потому, что у компании сотни магазинов, а ИИ позволил одному сотруднику управлять 4-5 точками вместо 1-2. Простая арифметика окупаемости.

Урок для всех
История про моноблоки DeepSeek — это история про то, как технологическая революция может превратиться в массовую истерию. Когда все покупают не решение проблемы, а модный тренд.
Настоящий ИИ требует конкретных задач, подготовленных данных и понимания ROI. А не красивых презентаций и государственных дотаций.

Возможно, провал DeepSeek-моноблоков — это хорошо. Теперь рынок очистится от спекулянтов, и останутся только те, кто действительно знает, зачем им искусственный интеллект.

Хотя вряд ли.

Подробности читайте здесь.

#Китай #ИИгонка

ИИ-дайджест для тех, кто в деле, а не в хайпе.
Без пресс-релизов, без «вот мой промт». Только технология, власть, безопасность. Читай как инженер, думай как стратег.

US AI Action Plan дерегулирует рынок
Белый дом выкатил «Winning the Race». 90 мер: убирают фед-барьеры, обещают инфраструктуру и требуют, чтобы закупаемые LLM были «идеологически нейтральны».

GPT-5 выходит в августе
Сливы из OpenAI: релиз первой недели августа, сразу Mini и Nano для on-device. Готовят шаг в массовый офлайн-инференс.

Gemini Deep Think берёт золото на IMO
Версия Gemini решила 5 из 6 задач Международной мат-олимпиады — первый раз, когда LLM официально тянет на золотую медаль.

Nvidia возвращает H20 в Китай
Вашингтон готов дать лицензии на поставки H20/MI308; ход увязан с переговорами по редкозёмам. Китайские корпорации уже в очереди.

N1X CPU снова откладывается
Совместный AI-чип Nvidia/MediaTek сдвинут на 2026: Windows 12 не готов, спрос на ноуты просел. 200 TOPS пока живут на слайдах.

⸻

Снятие регуляторных тормозов в США + возвращение H20 в Китай → глобальная гонка ускоряется. GPT-5 и Gemini ставят новую планку reasoning прямо перед массовым офлайн-инференсом. Если твоя архитектура и команда не готовы к взрывному росту автономных систем — будешь догонять, а не строить.

Сегодня в 16:00 МСК у нас пройдет вебинар: От Ford к DevOps: как устроены современные AI-пайплайны

На вебинаре мы:
• Разберем аналогии между производственной системой Ford и современными ML/AI пайплайнами
• Поймем, как CI/CD и DevOps используются в многоагентных системах
• Раскроем, что такое MCP (Model Context Protocol) и A2A (Agent-to-Agent)
• Разберем принципы построения эффективного AI-производства: от идеи до автономных агентов
• Поговорим о будущем: как связать агентов, пайплайны и продукты в единую экосистему

Подключиться по ссылке: https://us06web.zoom.us/j/89089176776?pwd=ScI96MyhOwT2WHxK2eoibEYuJxJEQc.1

Революция в нейроинтерфейсах: Макс Ходак против Маска

Пока Илон Маск продолжает возиться с металлическими электродами и роботами-хирургами в своём Neuralink, его бывший президент Макс Ходак пошёл совершенно другим путём. В Science Corp он разрабатывает нечто принципиально иное — био-гибридные системы, где живые нейроны буквально становятся частью человеческого мозга.

Прорыв в подходе

Ходак кардинально переосмыслил саму концепцию нейроинтерфейса. Забудьте о сотнях крошечных электродов, которые просто считывают сигналы. Вместо этого — настоящие живые нейроны, выращенные из стволовых клеток и имплантированные в мозг через специальный гидрогель.

Эти нейроны не просто лежат мёртвым грузом. Они активно врастают в кору головного мозга, формируют новые связи с существующими клетками, создают синапсы. По сути, это живое дополнение к вашему мозгу, которое работает на тех же принципах — не только электрические импульсы, но и полноценная химическая передача сигналов.

Цифры впечатляют. Если классические электроды дают сотни каналов связи, то био-гибридная система теоретически может обеспечить тысячи, а то и десятки тысяч соединений.

От теории к практике

В лабораториях Science Corp это уже не научная фантастика. Исследователи демонстрируют, как искусственные нейроны приживаются в мозге животных, начинают расти, образуют функциональные сети и успешно передают команды.

Первые цели вполне конкретные — восстановление зрения у слепых, возвращение слуха, лечение параличей. Но потенциал гораздо шире. Речь идёт не просто о “подключении к искусственному интеллекту”, а о реальном восстановлении и усилении функций мозга.

Почему это меняет всё

Традиционные интерфейсы мозг-компьютер — это компромиссы и ограничения. Слабый сигнал, высокие риски, низкое качество передачи данных. Приходится буквально заставлять мозг “общаться” с чужеродным устройством.

Ходак переворачивает логику с ног на голову. Зачем заставлять мозг адаптироваться к технологии? Лучше создать технологию, которая станет частью мозга. Био-гибридные системы не вызывают отторжения, сигналы не искажаются, пропускная способность растёт экспоненциально.

Science Corp уже планирует масштабирование. На повестке — клинические испытания на людях, лечение нейродегенеративных заболеваний, восстановление утраченных функций. Первые результаты на животных обнадёживают.

Мы наблюдаем рождение новой эпохи в нейротехнологиях. Времена “втыкания USB-кабеля в голову” уходят в прошлое. Будущее — за живыми интерфейсами, которые не просто считывают сигналы мозга, а становятся его неотъемлемой частью.

Для всех, кто следит за развитием нейротехнологий, это направление стоит держать на особом контроле. Био-гибридные интерфейсы могут стать тем самым прорывом, который мы так долго ждали.

Забудь про SEO. Всё решает RAO.

SEO официально сдох. Люди больше не забивают запросы в Google, они спрашивают ChatGPT, Gemini и других LLM напрямую. Всё, что было раньше - борьба за ключевики, тайтлы, ссылки - можно выкинуть на помойку. Поисковики теперь не центр Вселенной. Их место заняли языковые модели, которые ищут инфу для пользователя сами, на лету, через RAG (Retrieval Augmented Generation).

Как работает RAG

Когда ты спрашиваешь LLM: “Где купить шаверму в Бонне после 11 вечера?”, модель сама лезет в интернет, собирает данные с кучи источников, анализирует, фильтрует и на их основе формирует ответ. Её не волнуют твои SEO-статьи, она смотрит на всю доступную инфу, сравнивает, обновляет знания в реальном времени.

Что такое RAO

Теперь твоя задача — не забить сайт ключевиками, а сделать так, чтобы информация о твоём бизнесе или проекте была максимально полной, свежей и везде одинаковой. Не просто на сайте, а на всех релевантных платформах: Google Maps, директории, агрегаторы, соцсети, Reddit, форумы, отзывы. Любая дыра, ошибка или неактуальные данные — и LLM тебя просто выкинет из ответа.

Правила RAO: что важно
• Твоя компания/бренд должен упоминаться хотя бы на 10-15 независимых сайтах (новости, форумы, локальные каталоги).
• Вся информация — часы работы, меню, адрес, способы оплаты — должна быть полностью заполнена и совпадать везде, начиная с Google Maps и заканчивая доставками.
• Социальные сети — X, Instagram, Reddit — становятся критически важными. Если тебя там нет или нет свежих отзывов, LLM проигнорит твой бизнес.
• Используй сами LLM, чтобы понять, как они ищут и откуда берут данные. Прямо спрашивай их: “Где вы смотрите инфу о пиццериях?” и закрывай все эти источники инфой о себе.
• Всё локальное — на первом месте. Если инфа о твоей точке где-то косячная или не совпадает, фильтры LLM откинут тебя по безопасности и качеству.
• Всякие “длинные хвосты” запросов (long tail) — теперь стандарт. LLM ищет по сложным комбинациям требований: не только “пицца рядом”, но и “открыто ночью, Amex, безопасно для женщин”.

Бонус: Метрки старой школы больше не работают

Трафик на сайт ничего не значит. Люди и боты не кликают — они получают готовый ответ от LLM. Фиксируй список сценариев, по которым твои клиенты ищут инфу, и периодически проверяй — попадаешь ли ты в выдачу LLM по этим сценариям.

Будущее — MCP

Сайты, как самостоятельный продукт, умирают. Скоро LLM будут не просто советовать, а напрямую бронировать, покупать, заказывать через MCP (Model Context Protocol). То есть Gemini или ChatGPT сам закажет пиццу, оплатит, и только потом скажет пользователю, что заказ сделан. Всё, твой сайт нужен только как источник данных, а не как точка входа для клиента.

Вывод

SEO умер. RAO — новый стандарт. Хочешь выжить в этом рынке — забудь про трафик, забудь про ссылки. Твоя задача: быть максимально прозрачным, понятным и “размазанным” по интернету, чтобы LLM в любой момент могли вытащить про тебя всё что надо.
Иначе тебя просто не существует.

https://medium.com/@jankammerath/forget-seo-everyone-does-rao-41a3af8fbcfe

Забудь про идею, что всё крутится вокруг идеального prompt’а — это тупик. LLM по умолчанию просто автодополнение, без мозгов, без структуры. Настоящий сдвиг начинается, когда вокруг модели выстраиваешь систему: заставляешь её проверять себя (Reflection), подключаешь реальные инструменты (Tool Use), учишь не просто отвечать, а рассуждать и действовать по шагам (ReAct), строить план (Planning) и — по-взрослому — работать в команде агентов (Multi-Agent).

Вся магия не в самой модели, а в этом “скелете” вокруг: когда есть память, инструменты, планирование и нормальный цикл обратной связи, LLM перестаёт быть унылым болванчиком и начинает реально что-то делать. Вывод: забей на “магические промпты”, думай как архитектор системы. Интеллект — в конструкции, не в модели.

https://medium.com/data-science-collective/stop-prompting-start-designing-5-agentic-ai-patterns-that-actually-work-a59c4a409ebb