Весь современный софт построен вокруг open source. Даже если компания программирует на заказ индивидуальную бизнес-логику для единственного клиента – в её коде все равно используются свободные библиотеки и сервисы. Это удобно, хорошо, выгодно. Open source – одна из причин стремительного прогресса IT.
Однако есть и минусы. Свободный софт пишут живые люди, они иногда ошибаются, в библиотеках возникают ошибки и уязвимости. А потом эти уязвимости расползаются по тысячам продуктов, которые их используют – и вот уже они тоже ненадежны. Особенно обидно то, что автор мог год назад поправить свой проект – но программист по какой-то причине продолжает использовать старую версию и по-прежнему подвергает риску своих заказчиков.
Английский #стартапдня Snyk ведет базу данных уязвимостей в мире open source, а его софт автоматически проверяет любой программный код на предмет использования чего-то дырявого. Стандартный подход – автоматически вызывать Snyk после каждого коммита и, пока всё хорошо, вообще не тратить на безопасность время. Один раз настроил – и поехало. Если же в используемой библиотеке что-то нашли, программист об этом узнает на следующий день. Иногда Snyk сразу предлагает обновиться до надежной версии, иногда у него есть рекомендованный патч, ну а иногда – надо думать самому.
Сервис бесплатен для разработчиков open-source проектов, коммерческие тарифы начинаются с 5 тысяч долларов в год за 10 программистов. В январе стартап привлек 150 миллионов долларов инвестиций и говорил тогда об оценке “больше миллиарда”.
https://snyk.io/
#великобритания #мегараунд #технология #opensource #кибербезопасность
Однако есть и минусы. Свободный софт пишут живые люди, они иногда ошибаются, в библиотеках возникают ошибки и уязвимости. А потом эти уязвимости расползаются по тысячам продуктов, которые их используют – и вот уже они тоже ненадежны. Особенно обидно то, что автор мог год назад поправить свой проект – но программист по какой-то причине продолжает использовать старую версию и по-прежнему подвергает риску своих заказчиков.
Английский #стартапдня Snyk ведет базу данных уязвимостей в мире open source, а его софт автоматически проверяет любой программный код на предмет использования чего-то дырявого. Стандартный подход – автоматически вызывать Snyk после каждого коммита и, пока всё хорошо, вообще не тратить на безопасность время. Один раз настроил – и поехало. Если же в используемой библиотеке что-то нашли, программист об этом узнает на следующий день. Иногда Snyk сразу предлагает обновиться до надежной версии, иногда у него есть рекомендованный патч, ну а иногда – надо думать самому.
Сервис бесплатен для разработчиков open-source проектов, коммерческие тарифы начинаются с 5 тысяч долларов в год за 10 программистов. В январе стартап привлек 150 миллионов долларов инвестиций и говорил тогда об оценке “больше миллиарда”.
https://snyk.io/
#великобритания #мегараунд #технология #opensource #кибербезопасность
Домашний KVM
KVM — это железка для удаленного подключения к выходам на монитор и клавиатуру другого компьютера. Собственно и сокращение KVM означает всего лишь “Keyboard, Video, Mouse”. Такое оборудование традиционно используется в датацентрах, системный администратор издалека работает с “упавшим” сервером, потерявшим сеть. Продавается оно в лучших традициях b2b-продуктов: интерфейсы неудобные, отгружается только большими партиями, стоит дорого. И так оно длится десятками лет.
Основатель #стартапдня TinyPilot решил, что такая штука может быть полезна и дома. Он собрал свой KVM на основе Raspberry Pi (малюсенький "учебный" компьютер) и написал для него Open Source софт. Теперь каждый может купить Raspberry в соседнем магазине и превратить его в домашний KVM. А ленивые покупают у TinyPilot уже настроенное оборудование в красивом корпусе.
Гикам продукт понравился. Ежемесячные продажи - порядка 50 тысяч долларов с положительным трендом. На фоне стартапов-единорогов выручка, наверное, не впечатляет, но для фаундера-одиночки - близко к “достаточно на всю жизнь”, да и вероятность покупки бизнеса каким-нибудь гигантом - очень хорошая.
Морали у проекта две. Во-первых, просто любопытно смотреть. Основатель очень много и открыто пишет о бизнесе, даже динамика продаж выставлена на всеобщее обозрение. Во-вторых, домашняя версия корпоративных продуктов - хорошая версия “свечного заводика”.
Сайт проекта: https://tinypilotkvm.com
Сайт фаундера: https://mtlynch.io
#насвои #сша #железо #opensource
KVM — это железка для удаленного подключения к выходам на монитор и клавиатуру другого компьютера. Собственно и сокращение KVM означает всего лишь “Keyboard, Video, Mouse”. Такое оборудование традиционно используется в датацентрах, системный администратор издалека работает с “упавшим” сервером, потерявшим сеть. Продавается оно в лучших традициях b2b-продуктов: интерфейсы неудобные, отгружается только большими партиями, стоит дорого. И так оно длится десятками лет.
Основатель #стартапдня TinyPilot решил, что такая штука может быть полезна и дома. Он собрал свой KVM на основе Raspberry Pi (малюсенький "учебный" компьютер) и написал для него Open Source софт. Теперь каждый может купить Raspberry в соседнем магазине и превратить его в домашний KVM. А ленивые покупают у TinyPilot уже настроенное оборудование в красивом корпусе.
Гикам продукт понравился. Ежемесячные продажи - порядка 50 тысяч долларов с положительным трендом. На фоне стартапов-единорогов выручка, наверное, не впечатляет, но для фаундера-одиночки - близко к “достаточно на всю жизнь”, да и вероятность покупки бизнеса каким-нибудь гигантом - очень хорошая.
Морали у проекта две. Во-первых, просто любопытно смотреть. Основатель очень много и открыто пишет о бизнесе, даже динамика продаж выставлена на всеобщее обозрение. Во-вторых, домашняя версия корпоративных продуктов - хорошая версия “свечного заводика”.
Сайт проекта: https://tinypilotkvm.com
Сайт фаундера: https://mtlynch.io
#насвои #сша #железо #opensource
САМЫЙ КРУТОЙ ПИВОТ
Американский #стартапдня Hugging Face строит аналог Github для моделей нейросетей. Компаниям-разработчикам и индивидуальным исследователям предлагается выкладывать сюда свои наработки и участвовать в чужих проектах. Главное отличие от обычного Github – их тут же можно и запустить. Hugging Face предоставляет своё железо как под демо-версии, так и под реальные нужды. На этом же строится и основная монетизация проекта – существенная нагрузка стоит существенных денег.
Сейчас на площадке выложено 85 тысяч моделей и 13 тысяч наборов данных. Самая скачиваемая – разумеется, gpt2, но рядом есть и много других знакомых названий. Среди клиентов – весь цвет технологических корпораций. На главной странице красуются ссылки на пространства Microsoft, Google и Intel. Газеты пишут, что Hugging Face используют Pfizer и Bloomberg, например.
А ещё Hugging Face – наверное, самый радикальный пример изменения бизнес-модели, о котором я слышал. Начинался стартап как развлекательное мобильное приложение, мемы для подростков генерировал. А потом основатели опубликовали свою модель – и дальше пошло-поехало. Приложение, кстати, до сих пор в сторе есть, можно поиграться.
В весеннем раунде компанию оценили в 2 миллиарда долларов, это уже на фоне кризиса и общего падения оценок было.
https://huggingface.co/
#общение #разработка #ai #мегараунд #сша #opensource
––
http://t.me/startupoftheday — рассказ о новом стартапе каждый день. Кратко и без воды.
Американский #стартапдня Hugging Face строит аналог Github для моделей нейросетей. Компаниям-разработчикам и индивидуальным исследователям предлагается выкладывать сюда свои наработки и участвовать в чужих проектах. Главное отличие от обычного Github – их тут же можно и запустить. Hugging Face предоставляет своё железо как под демо-версии, так и под реальные нужды. На этом же строится и основная монетизация проекта – существенная нагрузка стоит существенных денег.
Сейчас на площадке выложено 85 тысяч моделей и 13 тысяч наборов данных. Самая скачиваемая – разумеется, gpt2, но рядом есть и много других знакомых названий. Среди клиентов – весь цвет технологических корпораций. На главной странице красуются ссылки на пространства Microsoft, Google и Intel. Газеты пишут, что Hugging Face используют Pfizer и Bloomberg, например.
А ещё Hugging Face – наверное, самый радикальный пример изменения бизнес-модели, о котором я слышал. Начинался стартап как развлекательное мобильное приложение, мемы для подростков генерировал. А потом основатели опубликовали свою модель – и дальше пошло-поехало. Приложение, кстати, до сих пор в сторе есть, можно поиграться.
В весеннем раунде компанию оценили в 2 миллиарда долларов, это уже на фоне кризиса и общего падения оценок было.
https://huggingface.co/
#общение #разработка #ai #мегараунд #сша #opensource
––
http://t.me/startupoftheday — рассказ о новом стартапе каждый день. Кратко и без воды.
Opensource вектора
Один из методов использования языковых моделей – умный поиск. Нейросети умеют превращать куски документов в длинный набор чисел (“вектор”),в котором зашит смысл изначального сообщения. Одинаковые тексты дадут одинаковые вектора, одна и та же мысль изложенная совершенно разными словами – похожие.
Знания нашего бизнеса – описания товаров или отзывы клиентов – можно преобразовать в вектора и положить в специальную векторную базу данных. Потом в вектор мы превращаем, например, запрос пользователя при поиске и база данных возвращает нам похожие объекты из коллекции. Человек спросил “как сделать тихо”, а мы ему вернули кусочек текста про шумоизоляцию – ни одного совпадающего слова, но идеальное совпадение смысла.
Или такой поиск промежуточным этапом обработки был. Десять самых подходящих кусочков вместе с изначальным запросом можно в условный ChatGPT отправить, чтобы он что-то интеллектуальное с ними сделал.
Одна из популярных реализаций векторных баз данных – стартап с российскими корнями Qdrant. Кроме приятного нам происхождения основателей его отличие от конкурентов – открытый исходный код продукта. В недавнем раунде Qdrant привлек 28 миллионов долларов инвестиций.
https://qdrant.tech/
#россия #сша #opensource #технология #ai #roundb
—
@menngornal: мои и Алексея Менна мысли о венчурном рынке
Один из методов использования языковых моделей – умный поиск. Нейросети умеют превращать куски документов в длинный набор чисел (“вектор”),в котором зашит смысл изначального сообщения. Одинаковые тексты дадут одинаковые вектора, одна и та же мысль изложенная совершенно разными словами – похожие.
Знания нашего бизнеса – описания товаров или отзывы клиентов – можно преобразовать в вектора и положить в специальную векторную базу данных. Потом в вектор мы превращаем, например, запрос пользователя при поиске и база данных возвращает нам похожие объекты из коллекции. Человек спросил “как сделать тихо”, а мы ему вернули кусочек текста про шумоизоляцию – ни одного совпадающего слова, но идеальное совпадение смысла.
Или такой поиск промежуточным этапом обработки был. Десять самых подходящих кусочков вместе с изначальным запросом можно в условный ChatGPT отправить, чтобы он что-то интеллектуальное с ними сделал.
Одна из популярных реализаций векторных баз данных – стартап с российскими корнями Qdrant. Кроме приятного нам происхождения основателей его отличие от конкурентов – открытый исходный код продукта. В недавнем раунде Qdrant привлек 28 миллионов долларов инвестиций.
https://qdrant.tech/
#россия #сша #opensource #технология #ai #roundb
—
@menngornal: мои и Алексея Менна мысли о венчурном рынке