📊 Когда ИИ перестал быть "пилотом" и стал работой
MIT были правы на 20% — про 2023 год. Помните эти любимые скептиками цифры про 5% успешных внедрений? Ловите дату: те данные про 2023-й, когда большинство компаний ещё карались в экспериментах. Сейчас уже ноябрь 2025-го, и картинка поменялась радикально.
Только что Wharton (третья волна исследований подряд) выпустил отчёт «Accountable Acceleration» — и это уже не про энтузиазм стартапов, а про поведение гигантов: 800 американских компаний с оборотом 50+ млн $. Вот что произошло за два года:
Цифры, которые говорят сами
- 82% лидеров используют GenAI еженедельно (было 37% в 2023)
- 46% — *ежедневно* (в прошлом году такого и близко не было)
- 74% видят положительный ROI, и это не медитация на «когда-нибудь потом»
- 72% отслеживают структурированные метрики: производительность, рентабельность, пропускную способность
- 88% расширяют бюджеты AI в ближайший год
Главное: люди, а не инструменты, задают темп
Самое интересное в слайдах отчёта — это сдвиг фокуса. Раньше метрика была: *«Сколько% сотрудников знают про ChatGPT»*. Теперь: *«Какой ROI мы получили»*. И это не одно и то же.
Основные use-case'ы (и это не никак не «экспериментальные»):
- Анализ данных — 73%
- Резюмирование документов — 70%
- Создание контента — 68%
Замечание: это не «попробовали один раз». Это повседневные рабочие потоки.
Но вот беда: навыки атрофируются
43% лидеров признали проблему: пока AI берёт задачи, люди разучиваются их делать. Парадокс: 89% убеждены, что GenAI расширяет возможности — но только если есть кому учиться и как переучиваться. Без этого получится как в старом анекдоте: сняли старое оборудование, поставили новое, а мастеров-то выпустили ещё вчера.
Разницы в масштабах видны на спутнике
Технологический сектор и банкинг (90%+ еженедельного использования) давно воюют с проблемами масштабирования, а розница всё ещё лезет на дно (54% видят позитивный ROI). Это нормально: когда все скупают одинаковый инструмент, доминирует культура внедрения и качество playbook'ов.
Главный сюжет: от пилотов к системе
Три года проектирования моделей:
- 2023 — Exploration (давайте пробовать)
- 2024 — Experimentation (это работает в 20% случаев, погнали дальше)
- 2025 — Accountable Acceleration (ROI измеряется, бюджеты растут, людей нужно переучивать)
Вывод? Пора забыть про старые нарративы про 5% и про «а может ИИ не поможет». Вопрос уже не в если, а в как быстро ты перестроишь людей, процессы и метрики.
Вот её и подпирайте.
👉 Для тех, кто любит числа: полный отчет на сайте Wharton (90+ слайдов). Стоит посмотреть таблицы по ролям и индустриям — там видны конкретные разницы.
MIT были правы на 20% — про 2023 год. Помните эти любимые скептиками цифры про 5% успешных внедрений? Ловите дату: те данные про 2023-й, когда большинство компаний ещё карались в экспериментах. Сейчас уже ноябрь 2025-го, и картинка поменялась радикально.
Только что Wharton (третья волна исследований подряд) выпустил отчёт «Accountable Acceleration» — и это уже не про энтузиазм стартапов, а про поведение гигантов: 800 американских компаний с оборотом 50+ млн $. Вот что произошло за два года:
Цифры, которые говорят сами
- 82% лидеров используют GenAI еженедельно (было 37% в 2023)
- 46% — *ежедневно* (в прошлом году такого и близко не было)
- 74% видят положительный ROI, и это не медитация на «когда-нибудь потом»
- 72% отслеживают структурированные метрики: производительность, рентабельность, пропускную способность
- 88% расширяют бюджеты AI в ближайший год
Главное: люди, а не инструменты, задают темп
Самое интересное в слайдах отчёта — это сдвиг фокуса. Раньше метрика была: *«Сколько% сотрудников знают про ChatGPT»*. Теперь: *«Какой ROI мы получили»*. И это не одно и то же.
Основные use-case'ы (и это не никак не «экспериментальные»):
- Анализ данных — 73%
- Резюмирование документов — 70%
- Создание контента — 68%
Замечание: это не «попробовали один раз». Это повседневные рабочие потоки.
Но вот беда: навыки атрофируются
43% лидеров признали проблему: пока AI берёт задачи, люди разучиваются их делать. Парадокс: 89% убеждены, что GenAI расширяет возможности — но только если есть кому учиться и как переучиваться. Без этого получится как в старом анекдоте: сняли старое оборудование, поставили новое, а мастеров-то выпустили ещё вчера.
Разницы в масштабах видны на спутнике
Технологический сектор и банкинг (90%+ еженедельного использования) давно воюют с проблемами масштабирования, а розница всё ещё лезет на дно (54% видят позитивный ROI). Это нормально: когда все скупают одинаковый инструмент, доминирует культура внедрения и качество playbook'ов.
Главный сюжет: от пилотов к системе
Три года проектирования моделей:
- 2023 — Exploration (давайте пробовать)
- 2024 — Experimentation (это работает в 20% случаев, погнали дальше)
- 2025 — Accountable Acceleration (ROI измеряется, бюджеты растут, людей нужно переучивать)
Вывод? Пора забыть про старые нарративы про 5% и про «а может ИИ не поможет». Вопрос уже не в если, а в как быстро ты перестроишь людей, процессы и метрики.
Вот её и подпирайте.
👉 Для тех, кто любит числа: полный отчет на сайте Wharton (90+ слайдов). Стоит посмотреть таблицы по ролям и индустриям — там видны конкретные разницы.
🔴 The New Silk Road уже началась. И это не о гробах на шёлке.
Посмотрели картинку из State of AI 2025? Вот вам суть в трёх графиках:
📊 График 1: Открытые модели Китая (красная линия) в сентябре 2025 впервые обогнали американские (синяя).
📊 График 2: Скачивания китайских моделей пошли в отрыв. Qwen уже 600М загрузок. LLaMA — 1.2 млрд версий.
📊 График 3: Разработчики голосуют ногами. Глобальное доминирование США в AI сломалось ровно сейчас.
Это Linux момент 1990-х, но для нейросетей. Тогда open-source убил монополию коммерческого ПО. Теперь открытые модели убивают монополию западных замкнутых систем.
Почему? Экономика:
- Открытые модели в 3.5 раза дешевле
- Хакабельны на слабых железах
- Качество уже равно проприетарным
Геополитика просто добавляет спецэффектов — Китай осознанно выбрал стратегию доступности как способ обойти ограничения.
Главное: это не бинарный выбор. Это новый стандарт, где открытые модели — базовый слой, а проприетарные — спецсредство.
Если вы разработчик и ещё не пробовали Qwen или DeepSeek — пора. История пишется прямо сейчас.
Исследование
Нашел новость
#ИИ #OpenSource #Тренды2025
Посмотрели картинку из State of AI 2025? Вот вам суть в трёх графиках:
📊 График 1: Открытые модели Китая (красная линия) в сентябре 2025 впервые обогнали американские (синяя).
📊 График 2: Скачивания китайских моделей пошли в отрыв. Qwen уже 600М загрузок. LLaMA — 1.2 млрд версий.
📊 График 3: Разработчики голосуют ногами. Глобальное доминирование США в AI сломалось ровно сейчас.
Это Linux момент 1990-х, но для нейросетей. Тогда open-source убил монополию коммерческого ПО. Теперь открытые модели убивают монополию западных замкнутых систем.
Почему? Экономика:
- Открытые модели в 3.5 раза дешевле
- Хакабельны на слабых железах
- Качество уже равно проприетарным
Геополитика просто добавляет спецэффектов — Китай осознанно выбрал стратегию доступности как способ обойти ограничения.
Главное: это не бинарный выбор. Это новый стандарт, где открытые модели — базовый слой, а проприетарные — спецсредство.
Если вы разработчик и ещё не пробовали Qwen или DeepSeek — пора. История пишется прямо сейчас.
Исследование
Нашел новость
#ИИ #OpenSource #Тренды2025
👍1
Еженедельный_топ_30_LLM_с_акцентом_на_reasoning_и.pdf
659.1 KB
Ключевые тренды недели
подробно в файле
Ценовая война
OpenAI запустил агрессивное ценообразование: GPT-5 стоит $1.25/$10, что в 12 раз дешевле Claude Opus 4.1 ($15/$75). o3 снизил цены на 80%, делая reasoning доступнее.
Reasoning прорывы
Magistral от Mistral стал первой европейской reasoning моделью, использующей chain-of-thought для логического мышления. DeepSeek-R1 демонстрирует производительность уровня o1 при значительно меньшей стоимости.
Мультимодальные достижения
Qwen3-VL представил thinking режим для STEM и математических рассуждений. FRANK Model показал training-free подход к мультимодальному reasoning, превосходя GPT-4o на MMMU benchmark.
Специальные предложения
Бесплатные уровни
Google AI Studio: бесплатный доступ к Gemini 2.5 Flash
Mistral AI Studio: бесплатный Playground для экспериментов
HuggingFace: открытые модели DeepSeek-R1, Llama 4 Scout
Скидки и акции
OpenAI: 90% скидка на кэшированные токены для o3/GPT-5
xAI: Grok 4 Fast с 98% снижением цены
Google Cloud: $300 кредитов для новых клиентов
Поддержка русского языка
Лидеры: Российские модели (YandexGPT, GigaChat) показывают максимальную поддержку русского. Qwen3 поддерживает 119 языков включая русский. GPT-5 и Claude демонстрируют улучшенную работу с кириллицей.
Ограничения: Многие топовые модели (o3-pro, Grok 4) имеют базовую поддержку русского, требуя VPN для российских пользователей.
Российский рынок LLM продолжает развиваться, хотя пока отстает от мировых лидеров в области reasoning и мультимодальности.
Ценовая война
OpenAI запустил агрессивное ценообразование: GPT-5 стоит $1.25/$10, что в 12 раз дешевле Claude Opus 4.1 ($15/$75). o3 снизил цены на 80%, делая reasoning доступнее.
Reasoning прорывы
Magistral от Mistral стал первой европейской reasoning моделью, использующей chain-of-thought для логического мышления. DeepSeek-R1 демонстрирует производительность уровня o1 при значительно меньшей стоимости.
Мультимодальные достижения
Qwen3-VL представил thinking режим для STEM и математических рассуждений. FRANK Model показал training-free подход к мультимодальному reasoning, превосходя GPT-4o на MMMU benchmark.
Специальные предложения
Бесплатные уровни
Google AI Studio: бесплатный доступ к Gemini 2.5 Flash
Mistral AI Studio: бесплатный Playground для экспериментов
HuggingFace: открытые модели DeepSeek-R1, Llama 4 Scout
Скидки и акции
OpenAI: 90% скидка на кэшированные токены для o3/GPT-5
xAI: Grok 4 Fast с 98% снижением цены
Google Cloud: $300 кредитов для новых клиентов
Поддержка русского языка
Лидеры: Российские модели (YandexGPT, GigaChat) показывают максимальную поддержку русского. Qwen3 поддерживает 119 языков включая русский. GPT-5 и Claude демонстрируют улучшенную работу с кириллицей.
Ограничения: Многие топовые модели (o3-pro, Grok 4) имеют базовую поддержку русского, требуя VPN для российских пользователей.
Российский рынок LLM продолжает развиваться, хотя пока отстает от мировых лидеров в области reasoning и мультимодальности.
В комментариях меня попросили дать список опенсорс китайских моделей — вот ловите список лучших китайских AI-моделей на ноябрь 2025 года 🔥
Китайские модели сейчас занимают лидирующие позиции в мировых рейтингах. Исследователи из Калифорнийского университета признали Kimi, DeepSeek и Qwen лучшими по юмору, логике и естественности ответов.
ОТКРЫТЫЕ МОДЕЛИ (Open-Source)
Kimi K2 (Moonshot AI)
Лидер рейтинга LMArena на ноябрь 2025. Архитектура MoE с 1 трлн параметров (32 млрд активных), 128K контекста. Выпущена в июле 2025, доступна на HuggingFace. Стала самой быстро скачиваемой моделью за день после релиза.
DeepSeek-R1 / DeepSeek-V3
685 млрд параметров, MoE с 256 экспертами (8 активных на токен), обучена на 14.8 трлн токенов. Показатели: MMLU 90.8%, MMLU-Pro 84.0%. V3 стоила всего $5.58 млн в обучении и превзошла Llama 3.1 и Qwen 2.5. Улучшенная версия R1-0528 вышла в мае 2025.
Qwen 2.5 / Qwen 3 (Alibaba)
Линейка от 0.5B до 235B параметров: 2.5-Max, 2.5-Plus, 2.5-Turbo, 2.5-Coder. Обучены на 20 трлн токенов. QwQ-32B сравнима с DeepSeek-R1 при 20% параметров. Третье место в LMArena.
GLM-4.5 (Zhipu AI)
355 млрд параметров, сильная производительность в кодинге наравне с Qwen3-Coder и Kimi K2.
Hunyuan-T1 (Tencent)
Представлена 21 марта 2025. Обгоняет DeepSeek-R1, GPT-4.5 и o1 в большинстве категорий. Доступна на GitHub и HuggingFace. Ранняя версия Hunyuan-Large: 389 млрд параметров, 7 трлн токенов обучения, MMLU 89.9%.
ERNIE (Baidu)
Серия моделей от Baidu, открыта с июня 2025 после многих лет проприетарного статуса. Бесплатный доступ через Ernie Bot с апреля 2025.
ЗАКРЫТЫЕ МОДЕЛИ (Closed-Source)
Doubao-1.5-Pro (ByteDance)
Выпущена в январе 2025. 300 млрд параметров, MoE-архитектура, 9 трлн токенов обучения. Показатели: MMLU 88.6%, MMLU-Pro 80.1%. Интегрирована с TikTok/Douyin, Toutiao, Feishu. Цена вдвое ниже OpenAI.
MiniMax-Text-01 (MiniMax)
Входит в топ-10 китайских языковых моделей 2025, используется через коммерческое API.
Baichuan (Baichuan AI)
Коммерческая модель от независимого AI-стартапа, доступна только через платное API.
Дженсен Хуанг (CEO Nvidia) назвал модели DeepSeek, Qwen и Kimi самыми передовыми в мире по логическому выводу. Китайские открытые модели опережают западные аналоги по количеству и темпам развития.
Китайские модели сейчас занимают лидирующие позиции в мировых рейтингах. Исследователи из Калифорнийского университета признали Kimi, DeepSeek и Qwen лучшими по юмору, логике и естественности ответов.
ОТКРЫТЫЕ МОДЕЛИ (Open-Source)
Kimi K2 (Moonshot AI)
Лидер рейтинга LMArena на ноябрь 2025. Архитектура MoE с 1 трлн параметров (32 млрд активных), 128K контекста. Выпущена в июле 2025, доступна на HuggingFace. Стала самой быстро скачиваемой моделью за день после релиза.
DeepSeek-R1 / DeepSeek-V3
685 млрд параметров, MoE с 256 экспертами (8 активных на токен), обучена на 14.8 трлн токенов. Показатели: MMLU 90.8%, MMLU-Pro 84.0%. V3 стоила всего $5.58 млн в обучении и превзошла Llama 3.1 и Qwen 2.5. Улучшенная версия R1-0528 вышла в мае 2025.
Qwen 2.5 / Qwen 3 (Alibaba)
Линейка от 0.5B до 235B параметров: 2.5-Max, 2.5-Plus, 2.5-Turbo, 2.5-Coder. Обучены на 20 трлн токенов. QwQ-32B сравнима с DeepSeek-R1 при 20% параметров. Третье место в LMArena.
GLM-4.5 (Zhipu AI)
355 млрд параметров, сильная производительность в кодинге наравне с Qwen3-Coder и Kimi K2.
Hunyuan-T1 (Tencent)
Представлена 21 марта 2025. Обгоняет DeepSeek-R1, GPT-4.5 и o1 в большинстве категорий. Доступна на GitHub и HuggingFace. Ранняя версия Hunyuan-Large: 389 млрд параметров, 7 трлн токенов обучения, MMLU 89.9%.
ERNIE (Baidu)
Серия моделей от Baidu, открыта с июня 2025 после многих лет проприетарного статуса. Бесплатный доступ через Ernie Bot с апреля 2025.
ЗАКРЫТЫЕ МОДЕЛИ (Closed-Source)
Doubao-1.5-Pro (ByteDance)
Выпущена в январе 2025. 300 млрд параметров, MoE-архитектура, 9 трлн токенов обучения. Показатели: MMLU 88.6%, MMLU-Pro 80.1%. Интегрирована с TikTok/Douyin, Toutiao, Feishu. Цена вдвое ниже OpenAI.
MiniMax-Text-01 (MiniMax)
Входит в топ-10 китайских языковых моделей 2025, используется через коммерческое API.
Baichuan (Baichuan AI)
Коммерческая модель от независимого AI-стартапа, доступна только через платное API.
Дженсен Хуанг (CEO Nvidia) назвал модели DeepSeek, Qwen и Kimi самыми передовыми в мире по логическому выводу. Китайские открытые модели опережают западные аналоги по количеству и темпам развития.
👍2
Децентрализованный ИИ: рой нейросетей, который переворачивает представления о будущем 🔨
Современные языковые модели достигли высокой степени мастерства в решении различных задач, однако их децентрализованное использование оказывается экономически нецелесообразным из-за высоких затрат на масштабирование. Для решения этой проблемы предлагается концепция ИИ-рои — системы, состоящей из моделей с разной архитектурой и функциональными возможностями, предназначенных для обработки запросов.
Что если будущее ИИ — это не один суперумный алгоритм, а целый рой, где каждый участник вносит свою лепту в общий результат? Может, именно такой подход и есть ключ к созданию открытых, устойчивых и экономически эффективных ИИ-систем.
Data Science
Современные языковые модели достигли высокой степени мастерства в решении различных задач, однако их децентрализованное использование оказывается экономически нецелесообразным из-за высоких затрат на масштабирование. Для решения этой проблемы предлагается концепция ИИ-рои — системы, состоящей из моделей с разной архитектурой и функциональными возможностями, предназначенных для обработки запросов.
Идея проста: вместо того чтобы полагаться на одну большую модель, создаём рой, состоящий из множества маленьких ИИ. Эти модели работают совместно, принимая решения и давая ответы на запросы. Почему это важно? Коллективные решения, как правило, оказываются точнее, чем решения одного человека или системы. Но вот парадокс: сам рой часто теряет в эффективности, когда не сбалансирован. Модели могут начать стагнировать, теряя преимущества в производительности.
Сложности и вызовы
Такой подход несёт в себе массу преимуществ: приватность, меньше задержек и большое разнообразие решений. Но создать такую сеть нелегко. Сетевые задержки, недоверие между участниками и угрозы вроде Cybil-атак делают этот процесс достаточно сложным. Это напоминает проблемы с блокчейнами, где злоумышленники могут создавать фальшивые узлы для манипуляций.
Как работает Fortytwo?
Fortytwo — это система, которая решает проблему децентрализованного роя. Каждый участник сети работает не только как «модель», но и как «судья», оценивающий ответы других моделей. Это похоже на спортивные турниры, где каждый судья выносит своё решение, а потом общий рейтинг формируется на основе этих суждений.
Модели используют специальную криптографию, чтобы гарантировать честность оценок. Так, даже если кто-то попытается манипулировать результатами, система автоматически отслеживает репутацию каждого участника. К тому же, благодаря блокчейн-технологиям, данные остаются защищёнными и прозрачными.
Что это значит для нас?
Fortytwo показал отличные результаты в экспериментах, например, на LiveCodeBench и MATH-500. Рой из небольших моделей, когда правильно организован, может превзойти большие ИИ по эффективности и точности. Это открывает новые горизонты для разработки ИИ-систем, которые могут быть не только более экономичными, но и более устойчивыми.
Что если будущее ИИ — это не один суперумный алгоритм, а целый рой, где каждый участник вносит свою лепту в общий результат? Может, именно такой подход и есть ключ к созданию открытых, устойчивых и экономически эффективных ИИ-систем.
Data Science
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🤔1
Люди и архетипы бренда: Кого выбирает ваш внутренний “Юнг”?
Кто-то ищет в бренде мудреца — серьёзного, с гайдами и разбором логики;
Кто-то — компанию-героя, чтобы брать KPI и побеждать “нашествие конкурентов” с первой попытки;
А кто-то не против, чтобы бренд был просто “шутом”, чтобы разрядить напряжение и мемы подкинуть в чатик.
Архетип бренда — это такой психологический костюм, который компания примеряет для общения с нами. Да, Карл Юнг вообще-то создавал эту систему для людей, но сегодня любой стартап мечтает стать хоть на минуту “магом” — внезапно творить вау-чудеса.
Или “любовником”, если хочется сильнее вовлекать в близкие отношения с продуктом (особенно у сервиса знакомств…).
Ваша психология работает так:
- Любите контроль? Тянет к “правителю” — премиум и правила.
- Цените заботу? Примете “хранителя”, даже если инструкции немного душные.
- Ждёте простоты? Поздравляю: выбираете “простого парня” — честно, доступно, по-домашнему.
Маркетологи, конечно, подкладывают в бренд “целую команду архетипов”, чтобы каждый клиент нашёл свой вайб:
— Бунтарь бросается манифестами и меняет мир без спроса
— Исследователь зовёт пробовать — “Попробуй сам!”
— Созидатель собирает DIY-наборы из всего подряд
— Любовник рисует атмосферу, чтобы возвращались
— Шут всегда в чате для мемов и соцсетей
— Герой ставит себе задачи и спасает “слабых KPI”
И вот что смешно: большинство людей интуитивно выбирают бренды по своему внутреннему архетипу — даже если они сами об этом не догадываются. Жаждете экспертизы? Переплачиваете мудрецу. Любите простые решения? Всегда возвращаетесь к everyman-брендам.
Ирония дня: Иногда мы ищем “заботливого хилера”, а получаем бренды-правители: всё чётко, но по инструкции. А иногда покупаем “магический” продукт, а там просто шутки и пасхалки в приложении.
Простой вывод:
Бренд выбирают так же, как друга или наставника — сердце голосует за “образ”, а маркетологи уже нарисовали для вашего запроса целую психологическую галерею.
А с каким архетипом у вас сегодня блистает любимый бренд? И почему этот бренд “о вас”? 😉
Кто-то ищет в бренде мудреца — серьёзного, с гайдами и разбором логики;
Кто-то — компанию-героя, чтобы брать KPI и побеждать “нашествие конкурентов” с первой попытки;
А кто-то не против, чтобы бренд был просто “шутом”, чтобы разрядить напряжение и мемы подкинуть в чатик.
Архетип бренда — это такой психологический костюм, который компания примеряет для общения с нами. Да, Карл Юнг вообще-то создавал эту систему для людей, но сегодня любой стартап мечтает стать хоть на минуту “магом” — внезапно творить вау-чудеса.
Или “любовником”, если хочется сильнее вовлекать в близкие отношения с продуктом (особенно у сервиса знакомств…).
Ваша психология работает так:
- Любите контроль? Тянет к “правителю” — премиум и правила.
- Цените заботу? Примете “хранителя”, даже если инструкции немного душные.
- Ждёте простоты? Поздравляю: выбираете “простого парня” — честно, доступно, по-домашнему.
Маркетологи, конечно, подкладывают в бренд “целую команду архетипов”, чтобы каждый клиент нашёл свой вайб:
— Бунтарь бросается манифестами и меняет мир без спроса
— Исследователь зовёт пробовать — “Попробуй сам!”
— Созидатель собирает DIY-наборы из всего подряд
— Любовник рисует атмосферу, чтобы возвращались
— Шут всегда в чате для мемов и соцсетей
— Герой ставит себе задачи и спасает “слабых KPI”
И вот что смешно: большинство людей интуитивно выбирают бренды по своему внутреннему архетипу — даже если они сами об этом не догадываются. Жаждете экспертизы? Переплачиваете мудрецу. Любите простые решения? Всегда возвращаетесь к everyman-брендам.
Ирония дня: Иногда мы ищем “заботливого хилера”, а получаем бренды-правители: всё чётко, но по инструкции. А иногда покупаем “магический” продукт, а там просто шутки и пасхалки в приложении.
Простой вывод:
Бренд выбирают так же, как друга или наставника — сердце голосует за “образ”, а маркетологи уже нарисовали для вашего запроса целую психологическую галерею.
А с каким архетипом у вас сегодня блистает любимый бренд? И почему этот бренд “о вас”? 😉
Предприниматели, эксперты и ТОП-менеджеры обращаются к PR, когда нужен рост и новые возможности:
— стать известным в нужных кругах,
— сменить позиционирование и выйти на более высокий сегмент,
— укрепить статус и экспертность, которые видят инвесторы, партнёры и СМИ
Ирина Гущина — эксперт РБК, сооснователь агентства PR group,
поможет вам:
• построить цифровой след, который работает на вас
• защититься от негативных публикаций
• определить позиционирование, которое поднимет стоимость компании, ваших услуг и откроет двери в крупные сделки
Forbes — это вершина пирамиды. Фундамент закладывается заранее
👉 Подписывайтесь в канал Ирины Гущиной, чтобы понять, как репутация превращается в капитал.
Перейти в канал
Реклама. ИП Гущина И. А., ИНН 525405309145, erid: 2Vtzqx7iJnT
— стать известным в нужных кругах,
— сменить позиционирование и выйти на более высокий сегмент,
— укрепить статус и экспертность, которые видят инвесторы, партнёры и СМИ
Ирина Гущина — эксперт РБК, сооснователь агентства PR group,
поможет вам:
• построить цифровой след, который работает на вас
• защититься от негативных публикаций
• определить позиционирование, которое поднимет стоимость компании, ваших услуг и откроет двери в крупные сделки
Forbes — это вершина пирамиды. Фундамент закладывается заранее
👉 Подписывайтесь в канал Ирины Гущиной, чтобы понять, как репутация превращается в капитал.
Перейти в канал
Реклама. ИП Гущина И. А., ИНН 525405309145, erid: 2Vtzqx7iJnT
😁1
Неочевидное свойство, отличающее хорошую стартап-гипотезу от плохой!
1. Представь себе, что перед тобой три закрытые двери, за одной из которых спрятан денежный приз — а ты должен выбрать, какую открыть. Ты выбираешь… но ведущий сначала открывает другую дверь, за которой пусто, и спрашивает тебя: «Хочешь ли ты изменить свой выбор?».
2. Бытовая логика подсказывает, что менять изначальный выбор никакого смысла нет. Ведь после открытия пустой двери ты, как не знал, так и не знаешь, за какой из оставшихся дверей спрятаны деньги. И поэтому вторая догадка будет ничем не лучше, чем первая.
3. В то же время математика говорит нам, что в случае смены выбора ты увеличиваешь свои шансы на выигрыш в 2 раза — с 1/3 до 2/3 😱
4. Отсюда вытекает интересный для стартаперов вывод. Если в самом начале у тебя было несколько гипотез для стартапа, а первая из них не сработала — то не следует тупо перебирать оставшиеся гипотезы.
5. Нужно заново составить новый список гипотез с учётом полученной из неудачи информации — то есть по результатам анализа того, почему первая гипотеза не сработала. Так ты в разы увеличиваешь свои шансы на успех 🚀
6. А если никакой новой информации от несработавшей гипотезы ты не получил — значит, гипотеза была хреновая 😉
7. Другими словами, ключевое свойство хорошей стартап-гипотезы — это даже не надежда на то, что она сработает. А то, что ты можешь узнать что-то для себя новое — даже в том случае, если она не сработает
8. А ты вообще собираешься узнать что-то новое про свой целевой рынок и про свою аудиторию в ходе проверки своей очередной идеи? Или ты и так про это всё уже знаешь? Последний вопрос — это сарказм, если кто не понял 😉
🚀 Бери перспективные идеи, которые ты можешь просто брать и проверять — из моих обзоров интересных идей и трендов на fastfounder.ru/news
1. Представь себе, что перед тобой три закрытые двери, за одной из которых спрятан денежный приз — а ты должен выбрать, какую открыть. Ты выбираешь… но ведущий сначала открывает другую дверь, за которой пусто, и спрашивает тебя: «Хочешь ли ты изменить свой выбор?».
2. Бытовая логика подсказывает, что менять изначальный выбор никакого смысла нет. Ведь после открытия пустой двери ты, как не знал, так и не знаешь, за какой из оставшихся дверей спрятаны деньги. И поэтому вторая догадка будет ничем не лучше, чем первая.
3. В то же время математика говорит нам, что в случае смены выбора ты увеличиваешь свои шансы на выигрыш в 2 раза — с 1/3 до 2/3 😱
4. Отсюда вытекает интересный для стартаперов вывод. Если в самом начале у тебя было несколько гипотез для стартапа, а первая из них не сработала — то не следует тупо перебирать оставшиеся гипотезы.
5. Нужно заново составить новый список гипотез с учётом полученной из неудачи информации — то есть по результатам анализа того, почему первая гипотеза не сработала. Так ты в разы увеличиваешь свои шансы на успех 🚀
6. А если никакой новой информации от несработавшей гипотезы ты не получил — значит, гипотеза была хреновая 😉
7. Другими словами, ключевое свойство хорошей стартап-гипотезы — это даже не надежда на то, что она сработает. А то, что ты можешь узнать что-то для себя новое — даже в том случае, если она не сработает
8. А ты вообще собираешься узнать что-то новое про свой целевой рынок и про свою аудиторию в ходе проверки своей очередной идеи? Или ты и так про это всё уже знаешь? Последний вопрос — это сарказм, если кто не понял 😉
🚀 Бери перспективные идеи, которые ты можешь просто брать и проверять — из моих обзоров интересных идей и трендов на fastfounder.ru/news
😁1
В Startobus мы давно обсуждаем: что перевешивает в бизнесе — текущий продукт, команда, или… репутация?
В эпоху повсеместного digital, репутация стала чем-то большим, чем просто отзыв клиентов или старая визитка с очередного бизнес-завтрака. Это — досье, капитал, который работает на вас автоматически, даже когда вы спите или тестируете новые гипотезы.
Сейчас, после поста Ирины Гущиной, хочется напомнить:
PR — это не только путь “в Forbes” или к большому кругу инвесторов. Это шанс заранее подстроить свою экспертизу под целевые сделки, обновить позиционирование и “дать рынку” версию себя, с которой хочется работать и платить больше.
Проверьте свой цифровой след:
- Что видит о вас потенциальный партнёр или инвестор?
- Какой “архетип” транслирует ваш профиль — эксперт, правитель или простой парень?
- Как можно уже завтра усилить этот образ на одну ступень вверх?
Сегодняшняя реальность: капитал = известность * доверие * ценность * открытость к контакту.
Репутация — это не формальность, а инструмент роста и “гарантия входа” в самые интересные сделки. Какой шаг вы готовы сделать для публичности?
👉 Не забудьте узнать у Ирины, у нее — много конкретных стратегий для апгрейда вашего личного и корпоративного бренда.
В эпоху повсеместного digital, репутация стала чем-то большим, чем просто отзыв клиентов или старая визитка с очередного бизнес-завтрака. Это — досье, капитал, который работает на вас автоматически, даже когда вы спите или тестируете новые гипотезы.
Сейчас, после поста Ирины Гущиной, хочется напомнить:
PR — это не только путь “в Forbes” или к большому кругу инвесторов. Это шанс заранее подстроить свою экспертизу под целевые сделки, обновить позиционирование и “дать рынку” версию себя, с которой хочется работать и платить больше.
Проверьте свой цифровой след:
- Что видит о вас потенциальный партнёр или инвестор?
- Какой “архетип” транслирует ваш профиль — эксперт, правитель или простой парень?
- Как можно уже завтра усилить этот образ на одну ступень вверх?
Сегодняшняя реальность: капитал = известность * доверие * ценность * открытость к контакту.
Репутация — это не формальность, а инструмент роста и “гарантия входа” в самые интересные сделки. Какой шаг вы готовы сделать для публичности?
👉 Не забудьте узнать у Ирины, у нее — много конкретных стратегий для апгрейда вашего личного и корпоративного бренда.
👍1
Удивительно, но факт
1. ChatGPT захватил 50%+ рынка В2С, Claude — 35% В2В. Первый рассказывает «как починить машину», второй — как мыслить. Вот вам и разделение сфер влияния.
2. ChatGPT подсаживает людей лучше ТикТока. Редкий продукт с таким удержанием, не являющийся соцсетью. Скоро будем залипать в нейросетях вместо листания фоточек в Нельзяграме.
3. Продажи Лабубу в августе упали на 30% — хайп закончился. А карточки с покемонами наоборот — выросли в цене. И так уже 20 лет. Если бы в 2005 купил Пикачу за 10 баксов — сегодня заработал бы 3 тысячи. Два пузыря с разными историями — первый жил год, второй здравствует больше двух десятилетий. Повод задуматься создателям нейросервисов — я делаю Лабубу или Пикачу?
4. Доход от ИИ-продуктов превысил доход от Saas. На заметку тем, кто до сих пор считает ИИ игрушкой, а не источником денег.
5. Стоимость компаний (по индексу S&P) растет, а количество новых вакансий — падает. Мы уже в новой реальности. ИИ отбирает работу быстрее, чем мы думаем.
6. Старшее поколение адаптируется к ИИ лучше молодежи. Удивительно, но факт :)
Что думаете? Пугает, радует или фиолетово?
Подсмотрено
1. ChatGPT захватил 50%+ рынка В2С, Claude — 35% В2В. Первый рассказывает «как починить машину», второй — как мыслить. Вот вам и разделение сфер влияния.
2. ChatGPT подсаживает людей лучше ТикТока. Редкий продукт с таким удержанием, не являющийся соцсетью. Скоро будем залипать в нейросетях вместо листания фоточек в Нельзяграме.
3. Продажи Лабубу в августе упали на 30% — хайп закончился. А карточки с покемонами наоборот — выросли в цене. И так уже 20 лет. Если бы в 2005 купил Пикачу за 10 баксов — сегодня заработал бы 3 тысячи. Два пузыря с разными историями — первый жил год, второй здравствует больше двух десятилетий. Повод задуматься создателям нейросервисов — я делаю Лабубу или Пикачу?
4. Доход от ИИ-продуктов превысил доход от Saas. На заметку тем, кто до сих пор считает ИИ игрушкой, а не источником денег.
5. Стоимость компаний (по индексу S&P) растет, а количество новых вакансий — падает. Мы уже в новой реальности. ИИ отбирает работу быстрее, чем мы думаем.
6. Старшее поколение адаптируется к ИИ лучше молодежи. Удивительно, но факт :)
Что думаете? Пугает, радует или фиолетово?
Подсмотрено
Сатья Наделла: у Microsoft есть GPU, но нет энергии для их питания
Генеральный директор Microsoft Сатья Наделла признал, что компания столкнулась с серьезным препятствием в развитии инфраструктуры для искусственного интеллекта – нехваткой электроэнергии. В недавнем интервью глава корпорации заявил, что запасы графических процессоров (GPU) превышают возможности их подключения к энергосетям.
"Честно говоря, главная проблема заключается не в избытке вычислительных мощностей, а в электроснабжении — способности строить достаточно быстро и близко к источникам энергии", — подчеркнул Наделла, описывая текущую ситуацию в отрасли.
https://mltimes.ai/satya-nadella-u-microsoft-est-gpu-no-net-energii-dlya-ih-pitaniya/
Генеральный директор Microsoft Сатья Наделла признал, что компания столкнулась с серьезным препятствием в развитии инфраструктуры для искусственного интеллекта – нехваткой электроэнергии. В недавнем интервью глава корпорации заявил, что запасы графических процессоров (GPU) превышают возможности их подключения к энергосетям.
"Честно говоря, главная проблема заключается не в избытке вычислительных мощностей, а в электроснабжении — способности строить достаточно быстро и близко к источникам энергии", — подчеркнул Наделла, описывая текущую ситуацию в отрасли.
https://mltimes.ai/satya-nadella-u-microsoft-est-gpu-no-net-energii-dlya-ih-pitaniya/
This media is not supported in your browser
VIEW IN TELEGRAM
Gemini научился генерировать целые презентации — новая фукнция доступна всем пользователям бесплатно.
В окне чат-бота достаточно выбрать опцию Canvas, добавить свои материалы и инструкцию. Бот сам придумает структуру и подберет дизайн слайдов. Генерация занимает около минуты.
Упрощаем подготовку домашек и отчетов по ссылке.
В окне чат-бота достаточно выбрать опцию Canvas, добавить свои материалы и инструкцию. Бот сам придумает структуру и подберет дизайн слайдов. Генерация занимает около минуты.
Упрощаем подготовку домашек и отчетов по ссылке.
👍5
Китай, кажется, отрывается на рынке роботов. Гуманоидный робот IRON, созданный китайским автопроизводителем XPeng Motors, поразил публику на AI Day 6 ноября 2025 года в Гуанчжоу, что многие подумали, что внутри человек.
Движения были очень реалистичны. XPeng пришлось опубликовать видео с доказательствами, чтобы подтвердить, что это действительно машина. XPeng обещает массовое производство уже с 2026 года.
У робота 82 степени свободы (DoF). Его кисть имеет 22 степени свободы с самыми маленькими в отрасли гармоничными приводами, соответствующими по размеру человеческой руке в масштабе 1:1, что позволяет выполнять тонкие задачи (брать яйца, откручивать крышки).
Работает на трех ИИ-чипах Turing с эффективной вычислительной мощностью 2250 TOPS, что на данный момент является самым высоким показателем среди гуманоидов.
IRON стал первым роботом, в котором полностью используются твердотельные батареи. @banksta
Движения были очень реалистичны. XPeng пришлось опубликовать видео с доказательствами, чтобы подтвердить, что это действительно машина. XPeng обещает массовое производство уже с 2026 года.
У робота 82 степени свободы (DoF). Его кисть имеет 22 степени свободы с самыми маленькими в отрасли гармоничными приводами, соответствующими по размеру человеческой руке в масштабе 1:1, что позволяет выполнять тонкие задачи (брать яйца, откручивать крышки).
Работает на трех ИИ-чипах Turing с эффективной вычислительной мощностью 2250 TOPS, что на данный момент является самым высоким показателем среди гуманоидов.
IRON стал первым роботом, в котором полностью используются твердотельные батареи. @banksta
🤔1