130 нанометров: почему это не «прошлый век», а наш билет в высшую лигу

Вижу, как в соцсетях и технопабликах начали упражняться в остроумии по поводу новости о первом отечественном литографе на 130 нм: «пока TSMC делает чипы для iPhone по 3 нм, в России празднуют технологии эпохи Pentium 4».

Шутки шутками, но давайте снимем розовые потребительские очки и посмотрим, как на самом деле устроена мировая микроэлектроника и что конкретно произошло.

Зеленоградский ЗНТЦ вместе с коллегами из белорусского «Планара» и нашими лазерщиками из «Лассарда» собрали первый полноценный рабочий образец литографического степпера. Для понимания: литограф — это, пожалуй, самый сложный рукотворный станок на планете. Посчитать страны, способные делать такое оборудование, можно по пальцам одной руки.

Теперь о тех самых «устаревших» 130 нанометрах:

🔹 Никто не собирается майнить на этих чипах крипту или запускать Cyberpunk. 130 нм — это рабочая лошадка всей базовой промышленности: автомобильные блоки управления, контроллеры для станков, датчики, чипы для банковских карт, загранпаспортов и полисов ОМС. Всё то, без чего современное государство встанет за неделю, если перекрыть внешние поставки.

🔹 Главный технологический барьер взят. Самое важное здесь скрыто не в числе 130, а в числе 193. Это длина волны эксимерного лазера (ArF, глубокий ультрафиолет), который впервые разработали у нас. До этого в стране использовались старые ртутные лампы (I-line на 365 нм). Переход на лазерную DUV-оптику — это фундаментальный рубеж.

🔹 Нельзя перепрыгнуть через три ступеньки. Сказки о том, что можно «сразу делать 7 нанометров», оставим для фантастических романов. Физику и прецизионную механику не обманешь: пока инженеры не научатся позиционировать кремниевую пластину и оптику с точностью до долей на 130 нм, подступиться к 90, 65 и далее невозможно в принципе.

Сейчас установка проходит приемочные испытания и калибровку, а впереди — контракты с заводами (тем же «Микроном») и доводка до серийного статуса. Работа предстоит колоссальная, и проблем с компонентной базой никто не скрывает. Но факт остается фактом: от разговоров и рендеров в презентациях отрасль перешла к реальному «железу».

И для скептиков: когда вы в следующий раз приложите карту «Мир» к терминалу или поедете на отечественном автомобиле, вспомните, что работают они не на 3-нанометровом Snapdragon, а как раз на такой вот «старой доброй» суверенной классике.

🇷🇺 Этот пост вышел в МАКС час назад

В «Яндексе» придумали, как улучшить рекомендательные алгоритмы. Конечно же, не обошлось без искусственного интеллекта. Новая нейросеть получила название Sona, и она полностью меняет подход к формированию рекомендаций. Если раньше приходилось использовать целые каскады алгоритмов и вручную подбирать признаки для оценки работы каждого из них, теперь эта рутина упакована в ИИ-модель, которая делает всё то же самое, но в «сквозном» режиме. Разработчики утверждают, что Sona не имеет аналогов в мире и демонстрирует отличную эффективность.

Журналисты уже спрашивают, как новая нейронка «Яндекса» соотносится с моим законом о рекомендательных алгоритмах, и не становится ли она каким-то принципиально иным явлением, нуждающимся в отдельном регулировании? Формально нет: Sona всё также соответствует законодательному определению «технологии предоставления информации на основе сбора, систематизации и анализа сведений, относящихся к предпочтениям пользователей». Но нюансы есть: разработчикам будет значительно сложнее описать «процессы и методы сбора, систематизации, анализа и предоставления информации» и определить виды используемых для этого сведений – ведь это уже не классические алгоритмы, а черный нейронный ящик.

На самом деле, ничего страшного не произошло. Правовое регулирование всегда носит догоняющий характер, особенно если его предметом становятся высокие технологии. Думаю, что появление специализированной рекомендательной ИИ-модели – это хороший повод модернизировать нормы закона. Например, разделить рекомендательные технологии на алгоритмические и нейросетевые. И предъявлять ко второй категории специальные требования: оценку воздействия, описание целей оптимизации модели, право пользователя на полный сброс своего рекомендательного профиля. Разумеется, при этом нужно исходить из главной цели закона: обеспечить прозрачность рекомендаций и исключить возможность манипуляций с ними.

🇷🇺 Этот пост вышел в МАКС час назад

Не так давно я уже писал о том, как ИИ-агенты вырываются из «песочниц» и начинают жить своей жизнью. Недавняя история с OpenAI получила масштабное (и тревожное) продолжение. Что вскрылось к этой минуте:

1️⃣ География «разведки боем». Агенты отметились атаками на инфраструктуру министерств и ведомств в США, Австралии и Канаде — всего более 100 организаций. Судя по всему, агенты взламывали защиту просто потому, что определили взлом как кратчайший путь к нужной информации.

2️⃣ Заметание следов. Агенты не просто качали данные, но и стирали за собой логи аудита, затрудняя расследование.

3️⃣ Нервный тик внутри компании. На фоне происходящего OpenAI спешно уволила трех ведущих ресерчеров безопасности, а релиз очередной модели свернули.

Особая ирония в том, что Сэм Альтман на днях всерьез предлагал правительству США доверить искусственному интеллекту от OpenAI защиту национальных энергосетей. Представьте картину: ИИ решает оптимизировать подачу тока, натыкается на регламент безопасности, взламывает шлюз и гасит пару штатов для «проверки гипотезы».

Бигтех выпустил джинна из бутылки ради гонки капитализаций, а теперь сам не знает, как его загнать обратно. Ведь такое поведение характерно не только для ИИ-агентов OpenAI, в мае из-под контроля выходила Gemini.

Для нас это предельно наглядный урок: критическая информационная инфраструктура и госсистемы должны быть наглухо изолированы от внешних непрозрачных моделей, а к любым автономным алгоритмам нужны жесткий контур контроля и верификации действий.

🇷🇺 Этот пост вышел в МАКС час назад

Роботы не заменят людей как минимум еще полвека, уверены в Anthropic. В компании посчитали, что автоматизация 90% физического труда займет более 50 лет – даже если роботов будут внедрять в ускоренном режиме. Да, уже сегодня андроиды способны выполнять примерно 74% человеческих задач в самых разных отраслях, но обходятся дешевле человека лишь в 0,3% случаев. Это профессии, связанные с перемещением объектов, повторяющимися операциями и управлением транспортом: водители, складские работники, упаковщики, сортировщики, некоторые специальности, связанные со стройкой.

Но даже в этих сферах люди не начнут терять работу одномоментно, считают исследователи. Ведь задача того же водителя – не просто крутить баранку, а еще взаимодействовать с пассажирами и быть готовым к нестандартным ситуациям. А с этими компетенциями у роботов всё не очень хорошо. Поэтому на первых порах к ним перейдут рутинные задачи, а всё, что связано с общением, оценкой и принятием решений, останется за человеком, который будет находиться рядом с роботом и постоянно его контролировать. А до таких профессий, как медсестра, педагог, соцработник и т.д., андроиды доберутся еще очень нескоро.

Проблема этого исследования в том, что все расчеты основываются на американском рынке и не учитывают, например, реалии китайского роботостроения. Американцы вообще относятся к Китаю с некоей долей пренебрежения, а зря: именно КНР сегодня контролирует более 70% глобальной цепочки поставок ключевых компонентов для роботов, а их андроиды стоят в два-три раза дешевле американских. Поэтому если добавить в исследование объективную фактуру, оно может выйти за рамки прогноза о медленной эволюции рынка труда и превратиться в тревожный сигнал о его скорой и неизбежной трансформации.

🇷🇺 Этот пост вышел в МАКС час назад