This media is not supported in your browser
VIEW IN TELEGRAM
IBM и Anthropic встроили Claude в корпоративную разработку
IBM интегрирует Claude в свою новую IDE для энтерпрайза.
6000 внутренних тестеров IBM зафиксировали рост продуктивности на 45% в среднем при сохранении качества кода и безопасности.
IBM обещает открытые референсные архитектуры и тулинг для MCP-коммьюнити на базе опыта тысяч клиентских внедрений.
Готов новый новостной пайплайн :)
#IBM #Claude #MCP
———
@tsingular
IBM интегрирует Claude в свою новую IDE для энтерпрайза.
6000 внутренних тестеров IBM зафиксировали рост продуктивности на 45% в среднем при сохранении качества кода и безопасности.
IBM обещает открытые референсные архитектуры и тулинг для MCP-коммьюнити на базе опыта тысяч клиентских внедрений.
Готов новый новостной пайплайн :)
#IBM #Claude #MCP
———
@tsingular
👍9🔥3❤2🆒2
ACE: динамичный контекст для ИИ агентов
Исследователи представили ACE (Agentic Context Engineering) — фреймворк, который превращает контексты в эволюционирующие справочники с атомарной детализацией.
ACE работает через три роли: Generator создаёт траектории, Reflector извлекает инсайты, Curator обновляет контекст инкрементально.
Результаты: +10.6% на агентских бенчмарках, +8.6% на финансовых задачах. На AppWorld агент с ACE сравнялся с лидером IBM CUGA (GPT-4.1), используя меньшую открытую модель DeepSeek-V3.1. Латентность адаптации снизилась на 86.9%.
Как работает ACE:
Контекст = версионированная база знаний из структурированных пунктов:
Трёхэтапный цикл:
1. Generator - решает задачу, помечая какие пункты помогли/навредили
2. Reflector — извлекает уроки из успехов/провалов (5 итераций рефлексии)
3. Curator — точечно обновляет контекст (НЕ переписывает целиком)
- гранулярные изменения только релевантных пунктов
- автоматическая дедупликация через эмбеддинги
- удаление пунктов с harmful > 3
- ленивая чистка при достижении лимита контекста
ACE показывает, что "умные" LLM-системы не обязательно делать через fine-tuning. Правильно организованный растущий контекст эффективнее, дешевле и интерпретируемее.
Статья
Конкурент SGR, получается, вырос.
#ACE #Агенты
———
@tsingular
Исследователи представили ACE (Agentic Context Engineering) — фреймворк, который превращает контексты в эволюционирующие справочники с атомарной детализацией.
ACE работает через три роли: Generator создаёт траектории, Reflector извлекает инсайты, Curator обновляет контекст инкрементально.
Результаты: +10.6% на агентских бенчмарках, +8.6% на финансовых задачах. На AppWorld агент с ACE сравнялся с лидером IBM CUGA (GPT-4.1), используя меньшую открытую модель DeepSeek-V3.1. Латентность адаптации снизилась на 86.9%.
Как работает ACE:
Контекст = версионированная база знаний из структурированных пунктов:
Bullet #42: [полезно: 5, вредно: 0]
"При работе с API проверяй file_exists() перед чтением"
Трёхэтапный цикл:
1. Generator - решает задачу, помечая какие пункты помогли/навредили
Задача: "Отправь email через API"
✓ bullet #42 помог
✗ bullet #17 ввёл в заблуждение
2. Reflector — извлекает уроки из успехов/провалов (5 итераций рефлексии)
→ "API требует dict {'from': 'Alice'}, не строку"
→ "Обновить bullet #17: устаревший формат"3. Curator — точечно обновляет контекст (НЕ переписывает целиком)
if новая_стратегия: context.append(bullet)
if полезно: context[id].helpful += 1
if вредно: context[id].harmful += 1
- гранулярные изменения только релевантных пунктов
- автоматическая дедупликация через эмбеддинги
- удаление пунктов с harmful > 3
- ленивая чистка при достижении лимита контекста
ACE показывает, что "умные" LLM-системы не обязательно делать через fine-tuning. Правильно организованный растущий контекст эффективнее, дешевле и интерпретируемее.
Статья
Конкурент SGR, получается, вырос.
#ACE #Агенты
———
@tsingular
✍6🔥4⚡3❤1👌1
Gitex обещает быть интересным.
Очень много треков по ИИ и кибербезу.
Не переключайтесь :)
#Gitex #конференции
------
@tsingular
Очень много треков по ИИ и кибербезу.
Не переключайтесь :)
#Gitex #конференции
------
@tsingular
👍8✍6🔥3
This media is not supported in your browser
VIEW IN TELEGRAM
Эволюционируем культурно с Соннет 4.5
Промпт:
Источник
код в комментарии
#шейдеры #dev
———
@tsingular
Промпт:
Напиши html 1 файлом сохрани компактность и элегантность кода. фигура должна автомасштабироваться на весь экран. максимум делатей и глубины шейдеров. оптимизируй производительность:
vec3 p,q;for(float d,i,s,w,l;++i<1e2;d+=s=max(length(q)-.2,length(p)/w),o+= vec4(3,2,1,1)*20.*d/s){q=p=vec3((FC.xy-r.xy/2.)/r.y*d*.7,d-.3);p.xz*=rotate2D(t*.2);w=5.;for(int i;i++<5;w*=l)p*=l=length(.7-min(abs(p.xz),abs(p.xy)))/dot(p=sin(p),p*2.);}o=tanh(o/1e7);
Источник
код в комментарии
#шейдеры #dev
———
@tsingular
👍7👨💻5
This media is not supported in your browser
VIEW IN TELEGRAM
тестирую Grok Imagine
и вот, примерно такую сцену я на 3Д Студии году так в 1998м пытался отрендерить на 386 DX, ну само-собой без кристаллов и воды, - просто 3 сферы с отражениями и рефракцией.
Заняло примерно 16 часов на 1 кадр.
видео я тогда так и не дождался.
Сейчас Грок имаджинирует это примерно за 10 секунд без всяких блендеров и максов.
Интересно как просядут продажи у Autodesk и Adobe в итоге.
Посмотреть бы отчеты в следующем году.
#Grok #нейрорендер
———
@tsingular
и вот, примерно такую сцену я на 3Д Студии году так в 1998м пытался отрендерить на 386 DX, ну само-собой без кристаллов и воды, - просто 3 сферы с отражениями и рефракцией.
Заняло примерно 16 часов на 1 кадр.
видео я тогда так и не дождался.
Сейчас Грок имаджинирует это примерно за 10 секунд без всяких блендеров и максов.
Интересно как просядут продажи у Autodesk и Adobe в итоге.
Посмотреть бы отчеты в следующем году.
#Grok #нейрорендер
———
@tsingular
🔥24
Qwen3-VL: визуальный агент с контекстом 256K
Alibaba выкатили 30B вариант Qwen3-VL — мультимодалки, которая умеет работать как оператор с ПК и мобильными интерфейсами как агент: распознаёт элементы, вызывает инструменты, выполняет задачи.
Генерит код (Draw.io/HTML/CSS/JS) прямо из видео и картинок. Понимает пространственные связи объектов, включая 3D grounding.
256K токенов контекста из коробки, расширяется до 1M. Обещают полное запоминание и посекундную индексацию через Interleaved-MRoPE.
OCR теперь на 32 языках (было 19), работает при плохом свете, размытии, наклонах. Узнаёт знаменитостей, аниме, продукты, флору.
Наконец-то достойная замена gemma3:27b - размер примерно одинаковый.
Так ещё и оператор!
#Qwen3VL #VisualAgent #Alibaba #Китай
------
@tsingular
Alibaba выкатили 30B вариант Qwen3-VL — мультимодалки, которая умеет работать как оператор с ПК и мобильными интерфейсами как агент: распознаёт элементы, вызывает инструменты, выполняет задачи.
Генерит код (Draw.io/HTML/CSS/JS) прямо из видео и картинок. Понимает пространственные связи объектов, включая 3D grounding.
256K токенов контекста из коробки, расширяется до 1M. Обещают полное запоминание и посекундную индексацию через Interleaved-MRoPE.
OCR теперь на 32 языках (было 19), работает при плохом свете, размытии, наклонах. Узнаёт знаменитостей, аниме, продукты, флору.
Наконец-то достойная замена gemma3:27b - размер примерно одинаковый.
Так ещё и оператор!
#Qwen3VL #VisualAgent #Alibaba #Китай
------
@tsingular
👍11🔥8⚡3❤2
Telegram
Сингулярчики
Qwen3-VL: визуальный агент с контекстом 256K
Alibaba выкатили 30B вариант Qwen3-VL — мультимодалки, которая умеет работать как оператор с ПК и мобильными интерфейсами как агент: распознаёт элементы, вызывает инструменты, выполняет задачи.
Генерит код (…
Alibaba выкатили 30B вариант Qwen3-VL — мультимодалки, которая умеет работать как оператор с ПК и мобильными интерфейсами как агент: распознаёт элементы, вызывает инструменты, выполняет задачи.
Генерит код (…
Попробуем запустить Сингулярчиков :)
Там все будет в упрощённом игровом виде.
И всякий обучающий контент
#сингулярчики
------
@tsingular
Там все будет в упрощённом игровом виде.
И всякий обучающий контент
#сингулярчики
------
@tsingular
❤4⚡3✍1😁1
Forwarded from Неискусственный интеллект (Oleg Salmanov)
Пузырь ИИ больше пузыря доткомов в 17 раз, в нем участвует вчетверо больше активов, чем было задействовано в кризисе сабпрайм ипотеки, подсчитали аналитики MacroStrategy Partnership. Правда, для расчетов им пришлось сослаться на шведского экономиста XIX века Кнута Викселля, так что ИИ-оптимисты могут легко засмеять их. Хотя отрицающих ИИ-пузырь, кажется, уже не осталось – это признают и Сэм Альтман, и Джефф Безос, не говоря уж об МВФ и Банке Англии.
Идея Викселля заключалась в том, что капитал распределялся эффективно, когда стоимость долга для среднего корпоративного заёмщика на 2 п.п. выше номинального роста ВВП (график этого спреда для экономики США на первой картинке). Если мы посмотрим на американскую экономику, то последнее десятилетие ФРС смягчала политику, стремясь ускорить экономический рост, так что долговые ставки в США были экстремально низкими. Эта политика коренится еще в тех временах, когда ФРС под руководством Алана Гринспена боролась с последствиями пузыря доткомов четверть века назад, снижая ставки почти до ноля. В итоге на рынке возникло огромное количество свободных денег, которые начали с легкостью инвестировать во всякий шлак.
Аналитик MacroStrategy Partnership Жюльен Гарран, ранее возглавлявший команду UBS по стратегии на сырьевых рынках, рассчитал также дефицит Викселя (вторя картинка), отражающий нерациональное распределение в процентах от ВВП, подпитываемое искусственно низкими процентными ставками. Вывод простой: пузырь неизбежно должен лопнуть, сдуть его потихоньку уже не выйдет.
Но Бог с ним, со шведским экономистом. Давайте поговорим об экономике ИИ. Мы уже видели, как компании мухлюют с ARR (средний годовой доход, рассчитываемый от подписок), мы видим, как Nvidia надувает капитализацию облачных провайдеров, платя им за акции чипами.
Чипы вообще стали главной ценностью ИИ-бума. В XIV веке, во время т.н. тюльпанной лихорадки, считалось, что луковицы тюльпанов будут только дорожать. Кажется, сегодня что-то похожее происходит с чипами. Выручка Nvidia за 12 месяцев составила $165 млрд. Для сравнения, до начала бума ИИ она составляла $27 млрд. То есть на сегодня компании закупают дополнительно на $140 млрд в год одних только ИИ-чипов и только у Nvidia. Причем, эти цифры отражают ситуацию до начала бума датацентров. Большая часть объявленных ЦОДов еще не построена и закупки чипов туда начнутся только в 2026-2027 гг, то есть годовые продажи чипов будут расти (по расчетам OpenAI мощности удваиваются за год).
Чтобы экономика сошлась, ИИ-компании должны начать зарабатывать больше, чем будут тратить на инфраструктуру, то есть их выручка от ИИ должна составлять сотни миллиардов долларов в год. Ведущая ИИ-компания, OpenAI в 2025 году планирует заработать жалкие $13 млрд, а через пять лет, в 2030 году, ее выручка по ее же прогнозам составит $200 млрд. Правда, к этому времени она уже, по расчетам Альтмана, потратит $1 трлн на инфраструктуру. Готов ли рынок к такому росту трат компаний и домохозяйств на ИИ, при том что по исследованиям, эти траты не очень то пока окупаются?
Есть ощущение, что ИИ-компании в своих инвестициях ставят все деньги на то, что AGI будет достигнут до 2030 года. Похвальный оптимизм, конечно – но что, если нет? Тогда инвестиции просто не окупятся.
Чтобы инвестировать, нужны деньги. Компании уже берут в долг, а также продают свои акции. Но для этого им нужно поднимать свои оценки. И мы видим, как ИИ-компании начали инвестировать друг в друга по кругу, поднимая вопрос о манипуляции рынком.
В итоге все они сплетаются в единый ИИ-конгломерат.
На древних морских картах любили рисовать чудовищных спрутов, обвивающих своими щупальцами корабли и тащащих их на дно. Именно такое ощущение оставляют сегодняшние ИИ-компании, грозящие утащить в пучину суперкризиса мировую экономику. Причем, это видят уже все. Спусковым крючком для распродаж может послужить любой чих. Например, если кто-то из лидеров ухудшит свой прогноз, сигнализируя, что кривая роста выручки начинает загибаться вниз. Или им может стать пятничное падение рынка на 3,5% из-за новых тарифов Трампа, кто знает?
@anti_agi
Идея Викселля заключалась в том, что капитал распределялся эффективно, когда стоимость долга для среднего корпоративного заёмщика на 2 п.п. выше номинального роста ВВП (график этого спреда для экономики США на первой картинке). Если мы посмотрим на американскую экономику, то последнее десятилетие ФРС смягчала политику, стремясь ускорить экономический рост, так что долговые ставки в США были экстремально низкими. Эта политика коренится еще в тех временах, когда ФРС под руководством Алана Гринспена боролась с последствиями пузыря доткомов четверть века назад, снижая ставки почти до ноля. В итоге на рынке возникло огромное количество свободных денег, которые начали с легкостью инвестировать во всякий шлак.
Аналитик MacroStrategy Partnership Жюльен Гарран, ранее возглавлявший команду UBS по стратегии на сырьевых рынках, рассчитал также дефицит Викселя (вторя картинка), отражающий нерациональное распределение в процентах от ВВП, подпитываемое искусственно низкими процентными ставками. Вывод простой: пузырь неизбежно должен лопнуть, сдуть его потихоньку уже не выйдет.
Но Бог с ним, со шведским экономистом. Давайте поговорим об экономике ИИ. Мы уже видели, как компании мухлюют с ARR (средний годовой доход, рассчитываемый от подписок), мы видим, как Nvidia надувает капитализацию облачных провайдеров, платя им за акции чипами.
Чипы вообще стали главной ценностью ИИ-бума. В XIV веке, во время т.н. тюльпанной лихорадки, считалось, что луковицы тюльпанов будут только дорожать. Кажется, сегодня что-то похожее происходит с чипами. Выручка Nvidia за 12 месяцев составила $165 млрд. Для сравнения, до начала бума ИИ она составляла $27 млрд. То есть на сегодня компании закупают дополнительно на $140 млрд в год одних только ИИ-чипов и только у Nvidia. Причем, эти цифры отражают ситуацию до начала бума датацентров. Большая часть объявленных ЦОДов еще не построена и закупки чипов туда начнутся только в 2026-2027 гг, то есть годовые продажи чипов будут расти (по расчетам OpenAI мощности удваиваются за год).
Чтобы экономика сошлась, ИИ-компании должны начать зарабатывать больше, чем будут тратить на инфраструктуру, то есть их выручка от ИИ должна составлять сотни миллиардов долларов в год. Ведущая ИИ-компания, OpenAI в 2025 году планирует заработать жалкие $13 млрд, а через пять лет, в 2030 году, ее выручка по ее же прогнозам составит $200 млрд. Правда, к этому времени она уже, по расчетам Альтмана, потратит $1 трлн на инфраструктуру. Готов ли рынок к такому росту трат компаний и домохозяйств на ИИ, при том что по исследованиям, эти траты не очень то пока окупаются?
Есть ощущение, что ИИ-компании в своих инвестициях ставят все деньги на то, что AGI будет достигнут до 2030 года. Похвальный оптимизм, конечно – но что, если нет? Тогда инвестиции просто не окупятся.
Чтобы инвестировать, нужны деньги. Компании уже берут в долг, а также продают свои акции. Но для этого им нужно поднимать свои оценки. И мы видим, как ИИ-компании начали инвестировать друг в друга по кругу, поднимая вопрос о манипуляции рынком.
В итоге все они сплетаются в единый ИИ-конгломерат.
На древних морских картах любили рисовать чудовищных спрутов, обвивающих своими щупальцами корабли и тащащих их на дно. Именно такое ощущение оставляют сегодняшние ИИ-компании, грозящие утащить в пучину суперкризиса мировую экономику. Причем, это видят уже все. Спусковым крючком для распродаж может послужить любой чих. Например, если кто-то из лидеров ухудшит свой прогноз, сигнализируя, что кривая роста выручки начинает загибаться вниз. Или им может стать пятничное падение рынка на 3,5% из-за новых тарифов Трампа, кто знает?
@anti_agi
👍16👀7👻3❤1
Agents 2.0: от примитивных циклов к глубокомыслящим агентам
Год назад ИИ-агент был простым while-циклом: промпт → LLM → инструмент → повтор. Решало обычные быстрые задачи типа "какая погода в Токио", но на задачах в 50 шагов, который могут выполняться несколько дней агент терялся, зацикливался, галлюцинировал.
Сейчас архитектура меняется. Deep Agents не просто реагируют, они планируют, делегируют работу специализированным саб-агентам и хранят память вне контекста.
В заметке выделяется четыре ключевые составляющие:
- Явное детальное планирование через цепочку размышлений с сохранением в markdown to-do с отслеживанием прогресса
- Иерархическая оркестрация с распределенением задач между узкими специалистами под-агентами (researcher, coder, writer) и именно они уже вызывают инструменты. Оркестратору возвращается только резальтат
- Внешняя память в файловой системе или векторных БД вместо переполненного контекста. Причём часть под-агентов могут только писать в память, а часть - только читать!
- Промпты на тысячи токенов с детальными инструкциями и указанием структур доступных инструментов и когда стоит подключить человека.
Интересное краткое отражение факта эволюции развития агентских систем.
Полезно и для понимания архитектуры и для презентаций.
#DeepAgents #Orchestrator #SubAgents
———
@tsingular
Год назад ИИ-агент был простым while-циклом: промпт → LLM → инструмент → повтор. Решало обычные быстрые задачи типа "какая погода в Токио", но на задачах в 50 шагов, который могут выполняться несколько дней агент терялся, зацикливался, галлюцинировал.
Сейчас архитектура меняется. Deep Agents не просто реагируют, они планируют, делегируют работу специализированным саб-агентам и хранят память вне контекста.
В заметке выделяется четыре ключевые составляющие:
- Явное детальное планирование через цепочку размышлений с сохранением в markdown to-do с отслеживанием прогресса
- Иерархическая оркестрация с распределенением задач между узкими специалистами под-агентами (researcher, coder, writer) и именно они уже вызывают инструменты. Оркестратору возвращается только резальтат
- Внешняя память в файловой системе или векторных БД вместо переполненного контекста. Причём часть под-агентов могут только писать в память, а часть - только читать!
- Промпты на тысячи токенов с детальными инструкциями и указанием структур доступных инструментов и когда стоит подключить человека.
Интересное краткое отражение факта эволюции развития агентских систем.
Полезно и для понимания архитектуры и для презентаций.
#DeepAgents #Orchestrator #SubAgents
———
@tsingular
⚡6❤2✍2🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
ROMA: фреймворк для рекурсивных мультиагентных систем
Sentient AGI выпустили ROMA — opensource фреймворк для построения мультиагентных систем.
Работает через рекурсивный цикл plan-execute: задача разбивается на параллельные подзадачи, каждая решается отдельным агентом, результаты собираются обратно.
В комплекте три демо-агента:
- поисковый на базе ChatGPT Search
- исследовательский для сложных запросов
- финансовый аналитик с фокусом на DeFi
Фреймворк работает с любыми моделями - с OpenAI, Anthropic, Google, локальными моделями.
Встроена интеграция с E2B песочницами для безопасного выполнения кода (~150ms старт).
Поисковый агент протестировали на бенчмарках SEAL-0, FRAMES и SimpleQA - показал сильные результаты, например на SEALQA - занял 1 место обойдя Кими Исследователя аж на 9.6% ( 45.6% vs 36%). это тест, в котом у гугла и грока и openai по 20% примерно!
см. таблицу
SIMPLE QA - 93.9% - SOTA
Лицензия Apache 2.0.
В общем рекурсивные агенты рулят.
Изучаем, ставим себе.
Китай и opensource уже слова-синонимы.
#ROMA #MultiAgent #рекурсия #Китай
———
@tsingular
Sentient AGI выпустили ROMA — opensource фреймворк для построения мультиагентных систем.
Работает через рекурсивный цикл plan-execute: задача разбивается на параллельные подзадачи, каждая решается отдельным агентом, результаты собираются обратно.
В комплекте три демо-агента:
- поисковый на базе ChatGPT Search
- исследовательский для сложных запросов
- финансовый аналитик с фокусом на DeFi
Фреймворк работает с любыми моделями - с OpenAI, Anthropic, Google, локальными моделями.
Встроена интеграция с E2B песочницами для безопасного выполнения кода (~150ms старт).
Поисковый агент протестировали на бенчмарках SEAL-0, FRAMES и SimpleQA - показал сильные результаты, например на SEALQA - занял 1 место обойдя Кими Исследователя аж на 9.6% ( 45.6% vs 36%). это тест, в котом у гугла и грока и openai по 20% примерно!
см. таблицу
SIMPLE QA - 93.9% - SOTA
Лицензия Apache 2.0.
В общем рекурсивные агенты рулят.
Изучаем, ставим себе.
Китай и opensource уже слова-синонимы.
#ROMA #MultiAgent #рекурсия #Китай
———
@tsingular
⚡6👍2🔥1
Интересный обзор opensourse ИИ моделей вообще и китайских в частности.
В комментарии файл.
#Китай #Qwen #отчеты
------
@tsingular
В комментарии файл.
#Китай #Qwen #отчеты
------
@tsingular
✍3
Race between global innovation
Main stage
Как ИИ помог увеличить экономический эффект в не нефтяных областях.
77% экономики уже не нефть
В следующие 5 лет планируют дорастить до 85%
ИИ это вопрос суверенитета для каждой страны.
На одном уровне с обороной и кибербезопасностью.
Эмираты запустили университет ИИ, предоставляют золотые визы для ИИ специалистов.
G42 строит крупнейший датацентр.
Эмираты занимают 2 место с точки зрения талантов в ИИ.
Мы планируем использовать ИИ в правительстве: для анализа документов в департаментах.
Вы можете например загрузить запрос на торговую марку на сайте правительства и ИИ поможет мгновенно оценить конфликт с другими марками.
Люди делают ошибки и это занимает несколько дней.
ИИ делает это мгновенно.
ИИ помогает обосновать инвестиции для строительства например больниц или отелей.
Расчитывя ёмкость койкомест и размещение по отношению к соседним подобным объектам.
Мы приглашаем всех инвесторов, кто готов строить энергетику для ИИ.
Эмираты это мост между востоком и западом и мы рады всем, кто поможет строить экосистему.
Привлечение талантов:
Мы верим в людей. Люди это нефть для экономики. Без людей не будет роста.
Технология не может развиваться сама. Люди должны ее развивать.
Мы строим открытую платформу для желающих развивать технологии.
Эмираты в своём роде лаборатория для развития технологий будущего.
Приходите с самыми смелыми идеями и тестируйте гипотезы.
#gitex #Dubai
------
@tsingular
Main stage
Как ИИ помог увеличить экономический эффект в не нефтяных областях.
77% экономики уже не нефть
В следующие 5 лет планируют дорастить до 85%
ИИ это вопрос суверенитета для каждой страны.
На одном уровне с обороной и кибербезопасностью.
Эмираты запустили университет ИИ, предоставляют золотые визы для ИИ специалистов.
G42 строит крупнейший датацентр.
Эмираты занимают 2 место с точки зрения талантов в ИИ.
Мы планируем использовать ИИ в правительстве: для анализа документов в департаментах.
Вы можете например загрузить запрос на торговую марку на сайте правительства и ИИ поможет мгновенно оценить конфликт с другими марками.
Люди делают ошибки и это занимает несколько дней.
ИИ делает это мгновенно.
ИИ помогает обосновать инвестиции для строительства например больниц или отелей.
Расчитывя ёмкость койкомест и размещение по отношению к соседним подобным объектам.
Мы приглашаем всех инвесторов, кто готов строить энергетику для ИИ.
Эмираты это мост между востоком и западом и мы рады всем, кто поможет строить экосистему.
Привлечение талантов:
Мы верим в людей. Люди это нефть для экономики. Без людей не будет роста.
Технология не может развиваться сама. Люди должны ее развивать.
Мы строим открытую платформу для желающих развивать технологии.
Эмираты в своём роде лаборатория для развития технологий будущего.
Приходите с самыми смелыми идеями и тестируйте гипотезы.
#gitex #Dubai
------
@tsingular
🔥13✍4⚡2
Система жидкостного охлаждения для видеокарт от NVent
Отводит 1 Мегаватт тепла.
Горячая замена насосов с резервным контуром.
#nvent #охлаждение
------
@tsingular
Отводит 1 Мегаватт тепла.
Горячая замена насосов с резервным контуром.
#nvent #охлаждение
------
@tsingular
🔥13🤯7❤1⚡1
🔥9⚡5🤣3❤🔥1