МТС выпустил обзор мирового и российского рынка ИИ-агентов

Это комплексное исследование, подготовленное командой Research & Insights Центра стратегии цифровых продуктов МТС. Его цель — проанализировать текущее состояние и перспективы развития рынка ИИ-агентов, выявить ключевые тренды, проанализировать инвестиции и сформировать стратегические рекомендации для бизнеса.

Что интересно

1️⃣В 2024 году совокупные мировые инвестиции в ИИ составили $427,8 млрд. Россия вложила в ИИ $530 млн, в основном здесь вкладываются бигтех-компании. По размеру госинвестиций мы сильно уступаем Китаю и США: $109 млн против $74,5 млрд и $11,1 млрд соответственно.

🔟При этом эксперты выражают мнение, что наиболее вероятный сценарий развития рынка ИИ-агентов — стабилизация. Нас ждут поэтапное развитие протоколов взаимодействия и их стандартизация – уже сейчас мощные модели имеют внутри себя механику, позволяющую вызвать нужный инструмент и вернуть готовый результат без отдельного «пула агентов». А также постепенное наращивание вычислительных мощностей и расширение энерго-инфраструктуры.

3️⃣Лидеры среди российских инвесторов в ИИ за 2021-2025 годы — Яндекс (416 млн), Сбер (399 млн) и МТС (13 млн). Основным источником финансирования развития ИИ в 2024 году является государство.

Если вы еще не начали развивать в своей компании ИИ-технологии, то это сигнал — пора. Рекомендую изучить обзор!

Подпишись 🔘 Малов про облака, AI, ML

🧠 Google представил новое поколение ИИ с долговременной памятью: Titans + MIRAS

В чём проблема?
Современные ИИ-модели (например, на основе Transformer) отлично понимают короткие и средние тексты. Но когда речь заходит о очень длинных последовательностях — например, целых книгах, геномах или многолетних данных — они замедляются или теряют информацию, потому что у них нет настоящей долговременной памяти.

Альтернативные архитектуры (типа Mamba-2 или RNN) работают быстро, но сжимают всю историю в один фиксированный вектор, что сильно ограничивает их способность запоминать детали.

💡 Что нового предлагает Google?
Titans — новая архитектура ИИ, которая даёт модели долговременную память в виде глубокой нейросети (многослойного перцептрона), а не просто фиксированного вектора.
MIRAS — теоретический фреймворк, который объединяет разные подходы к моделированию последовательностей под общей идеей: ассоциативная память, обновляемая в реальном времени.

🔍 Как работает "умная память"?

Модель использует surprise metric:
- если новое слово ожидаемо (например, «кошка» в рассказе про животных) → не запоминает.
- если новое слово неожиданно (например, «банановая кожура» в финансовом отчёте) → считает это важным и сохраняет в долговременной памяти.

При это используются импульс и забывание.
Импульс учитывает не только текущее "удивление", но и недавние события — чтобы не пропустить связанные детали.
Забывание автоматически стирает устаревшую информацию, чтобы память не переполнялась.

🛠 В чем преимущества модели

🟡Работает быстро: масштабируется линейно (как RNN).
🟡Помогает понимать очень длинные тексты: до 2+ миллионов токенов.
🟡Умнее запоминает: хранит самое важное, а не всё подряд.
🟡Не требует переобучения: адаптируется прямо во время использования.

📊 Результаты

Лучше справляется с языковыми задачами (C4, WikiText) и рассуждениями без обучения (HellaSwag, PIQA). На задаче BABILong (поиск фактов в гигантских текстах) обгоняет даже GPT-4, несмотря на гораздо меньший размер. Глубокая память (многослойная) значительно лучше, чем простая — особенно на длинных последовательностях.

🌐 Где это пригодится?
- анализ полных документов, юридических дел, научных статей;
- геномика: чтение и понимание длинных цепочек ДНК;
- финансы и IoT: прогнозирование на основе многолетних данных;
- персональные ассистенты: запоминают важные детали из всей истории общения.

Подробная информация: https://research.google/blog/titans-miras-helping-ai-have-long-term-memory/

Корпорация IBM опубликовала статью «Cybersecurity trends: IBM's predictions for 2026»

Согласно исследованию, в 2025 году 13% компаний столкнулись с инцидентами безопасности, связанными с ИИ, причём 97% пострадавших признали отсутствие надлежащих механизмов контроля доступа к ИИ-системам. Средняя стоимость утечки данных в США достигла рекордных $10,22 млн.

7️⃣ ключевых прогнозов на 2026 год:

1. Автономные ИИ-агенты меняют корпоративные риски
Традиционные модели безопасности не выдержат нагрузки от автономных агентов. Требуется встраивание защиты на этапе разработки ИИ и контроль поведения агентов «на скорости машины».

2. Рост рисков утечки интеллектуальной собственности
«Теневые» ИИ-инструменты (несанкционированные компанией) станут вектором утечек проприетарных алгоритмов и конфиденциальных данных — аналог «теневого ИТ» десятилетней давности, но с гораздо более высокими ставками.

3. Системы идентификации — новый приоритет нацбезопасности
Из-за дипфейков, подделки биометрии и манипуляций с моделями ИИ системы идентификации потребуют защиты на уровне критической инфраструктуры.

4. «Теневые агенты» ускорят утечки данных
Автономные агенты, действующие вне санкционированных процессов, будут сливать данные быстрее, чем системы мониторинга успевают их отслеживать, оставляя организации без ответов «кто, куда и зачем».

5. Агентная идентификация разрушит модели подотчётности
Когда агенты делегируют полномочия друг другу без человеческого контроля, цепочки авторизации становятся непрозрачными. Требуются новые системы отслеживания делегирования в реальном времени.

6. Конец эпохи статического шифрования
Крипто-гибкость (crypto-agility) становится критически важной из-за эволюции стандартов, роста числа машинных идентификаторов и угрозы квантовых вычислений. Организации без гибкой криптографии окажутся уязвимы.

7. Социальная инженерия через службы поддержки
Кибермошенники будут активно использовать уязвимости в процессах восстановления доступа (сброс паролей), эксплуатируя доверие и срочность — как это уже демонстрировали инциденты вроде атак группировки Scattered Spider.

По мнению IBM 2026 год станет переломным: интеграция автономного ИИ в бизнес-процессы создаёт как возможности, так и системные риски. Ключ к защите — переход от реактивной безопасности к проактивному управлению, встроенному в саму архитектуру ИИ-систем, с акцентом на крипто-гибкость, прослеживаемость агентов и защиту идентификации как критической инфраструктуры.

Полный текст статьи лежит здесь.

Подпишись 🔘 Малов про облака, AI, ML

Знакомьтесь: Клава и её «спецбригада» 🍑

Пока все вокруг обсуждают ИИ как «чат-бота, который пишет рефераты», я решил пойти дальше и собрал себе полноценный виртуальный бэк-офис. Теперь за моей спиной работает целая команда агентов под управлением ассистентки Клавы.

Кто сейчас в составе?

🛠 DevOps-инженер: мой «техно-страж». Занимается серверами, Docker-контейнерами и развертыванием сложных штук. Знает, что такое безопасность, и не путает rm с trash.
🥗 Нутрициолог: следит, чтобы я не превратился в «утомленного айтишника». Считает КБЖУ по фото моих тарелок, знает мой состав тела и ворчит, если я тянусь к лишним углеводам на ночь.
✍️ PR/SMM-менеджер: (тот самый, который помогает мне писать этот текст). Его задача — упаковывать смыслы, вести канал и следить, чтобы мои идеи доходили до вас в лучшем виде.

Зачем это мне?
Всё просто: чтобы освободить мозг для стратегии и принятия решений. Клава координирует всех этих ребят, напоминая мне о созвонах и проверяя, не забыл ли я пообедать.

Буду периодически показывать внутреннюю кухню: как мы с ними спорим, как они ошибаются и как реально экономят мне часы жизни.

Как вам такой «совет директоров»? Будущее уже тут, и оно распределено по моим серверам. 🐰

Да, этот салат тоже по рецепту Клавы приготовлен.

Подпишись 🔘 Малов про облака, AI, ML

Microsoft хочет хранить данные в стекле 10 000 лет. Разбираем Project Silica по полочкам

Жёсткие диски сыплются, SSD теряют заряд, ленты требуют перезаписи каждые 5-10 лет. А что, если записать данные раз и навсегда — буквально на тысячелетия?

Microsoft Research показывает рабочий прототип: данные внутри стеклянной пластины, записанные фемтосекундным лазером. Звучит как фантастика, но это уже работает.

Как это устроено?

Носителем служит стеклянная пластина 120×120×2 мм (кварц или боросиликат). Лазер создаёт внутри стекла 3D-сетку из микроскопических «вокселов» — точек с изменённой структурой. Каждая точка = несколько бит информации. Чтение происходит с помощью фазово-контрастного микроскопа и нейросети, которая декодирует искажения света в биты.
Плотность записи до 4,84 ТБ на пластину (кварц) или ~2 ТБ (боросиликат — дешевле и проще).
Скорость записи ~66 Мбит/с (4 параллельных луча). Теоретический предел — 263 Мбит/с.
Заявленный срок хранения ≥10 000 лет при комнатной температуре (проверено ускоренными тестами: нагрев до 300°C, кипячение, удары).

В чем преимущества такого способа?

🔘не нужно электричество, охлаждение, климат-контроль. Положил на полку — и забыл;
🔘 стекло не боится воды, магнитных полей, перепадов температур, радиации;
🔘атомная структура фиксирует данные «намертво» — нет деградации, как у магнитных или органических носителей.
🔘не нужно каждые 5 лет переписывать архив на новые носители.

Но, как всегда, есть нюансы:

1. Только WORM: записал — и всё, перезаписать нельзя.
2. Медленно: запись терабайта занимает часы. Это строго cold archive, не для оперативки.
3. Дорогое оборудование: для чтения нужна сложная оптика + калибровка + нейросеть.
4. Инфраструктура: пока нет стандартов интеграции в дата-центры и ленточные библиотеки.
6. Проблема будущего: даже если стекло переживёт цивилизацию, найдётся ли через 500 лет устройство, способное это прочитать? 🤔

Тем не менее, эта технология по моему мнению будет полезной, например, для национальных архивов, музеев, библиотек. Можно хранить гаучные данные: астрономия, климатические модели, геномика.
Корпоративные cold-архивы, где доступ к данным — раз в годы.
Культурный слой: кино, музыка, документы можно сохранить без риска деградации.

При всех нюансах, сам подход — хранить данные в материале, который переживёт нас всех — это мощный сдвиг парадигмы. В эпоху, когда информация становится ценнее золота, возможность «записать и забыть на 10 тысяч лет» звучит как страховка для знаний человечества.

Подпишись 🔘 Малов про облака, AI, ML