Data Engineering *

Ученые института AIRI представили ELMUR — архитектуру управления для роботов и ИИ-агентов, которым нужно принимать решения с учетом событий из далекого прошлого. Это важная задача для робототехники: агент может увидеть полезную информацию задолго до того, как она понадобится для действия.

Обычные трансформеры с этой задачей справляются ограниченно. Если расширять окно внимания, резко растут вычислительные затраты. Если сжимать прошлый опыт, появляется риск потерять важные детали. А внешняя память фиксированного размера не всегда позволяет надежно учитывать давние события при текущем решении.

В ELMUR память встроена прямо в слои модели. Каждый слой содержит фиксированное количество слотов, которые параллельно взаимодействуют с основным потоком данных. Система может читать нужную информацию из этих ячеек и записывать туда новые данные. Если память заполняется, обновляются те слоты, которые использовались реже всего, по принципу LRU — Least Recently Used.

Ложку нашли, а осадочек остался. Как этот принцип может повлиять на память ИИ-агента? Делимся концептом одной из самых ярких частей архитектуры Metabolic AI

Мощные ПК с дорогими картами nVidia - безусловно универсальное решение для любых задач. Но бизнесу чаще нужны не любые, а конкретные. А российскому бизнесу еще и чтоб без Интернет.

Дешевые нейрочипы справляются с адаптированными к ним моделям компьютерного зрения, например, как YOLO 26, гораздо эффективнее в плане получаемого результата. Вот такая коробочка не требует ни комнат для серверов, ни охлаждения, ни обслуживания, ни даже больших затрат электричества - потребляет всего 20 Вт. При этом отрабатывает именно те задачи, которые требуются пользователю.

Журнал Forbes публикует Интервью с Олегом Витальевичем Гришаниным из компании Спецлаб (SpesLab)

AI-лаборатория Anthropic рассматривает возможность разработки собственных чипов для искусственного интеллекта. По данным источников, проект находится на ранней стадии, и компания пока не приняла окончательного решения — она может как пойти в собственный дизайн, так и продолжить закупки у партнёров.

Сейчас Anthropic использует инфраструктуру сторонних игроков: в частности, TPU от Google и решения Amazon для обучения и работы своих моделей, включая Claude. Параллельно компания недавно усилила сотрудничество с Google и Broadcom в рамках развития вычислительной инфраструктуры.

Интерес к собственным чипам объясняется растущим дефицитом AI-железа. На фоне взрывного спроса на вычисления компании всё чаще задумываются о контроле над инфраструктурой, а не только о закупках. Аналогичные инициативы уже есть у крупных игроков — включая Meta и OpenAI.

Google Cloud и Intel объявили о расширении многолетнего партнерства в области AI-инфраструктуры. Компании продолжат совместную разработку серверных решений и процессоров для дата-центров, а также углубят работу над кастомными чипами.

В рамках соглашения Google Cloud сохранит ставку на процессоры Intel Xeon, включая новое поколение Xeon 6, для задач облака и AI — прежде всего inference и обработки данных. Несмотря на доминирование GPU в обучении моделей, именно CPU остаются базовым слоем инфраструктуры, на котором выполняется большая часть рабочих нагрузок.

Отдельное направление — развитие инфраструктурных процессоров (IPU), которые разгружают CPU, беря на себя сетевые, storage и другие операции внутри дата-центров. Компании расширяют коразработку таких решений на базе ASIC — это кастомные чипы, оптимизированные под конкретные задачи Google Cloud.

Google представила два новых режима работы в Gemini API — Flex и Priority. Они позволяют разработчикам выбирать, что важнее для конкретного запроса: минимальная стоимость или максимальная надёжность. Главное изменение в том, что теперь и фоновые, и критичные пользовательские задачи можно обслуживать через один и тот же синхронный интерфейс, без отдельной асинхронной логики через Batch API.

Flex Inference — это новый экономичный режим для задач, где не нужна мгновенная реакция. Google заявляет, что он даёт до 50% экономии по сравнению со Standard API, но за счёт этого запросы получают меньший приоритет, могут выполняться медленнее и обслуживаться менее стабильно. Такой режим предлагают использовать для фоновых процессов: суммаризации больших объёмов текста, CRM-обновлений, исследовательских прогонов и агентных сценариев, где модель «думает» в фоне.

Priority Inference, наоборот, рассчитан на критичные сценарии — например, пользовательские чатботы, модерацию в реальном времени и другие latency-sensitive задачи. В этом режиме запросы получают более высокий приоритет. Если нагрузка превышает лимиты Priority, запросы не падают с ошибкой, а автоматически уходят в Standard tier. Google подаёт это как механизм для сохранения работоспособности приложения даже в пиковые моменты.

Компания inno clouds, резидент «Сколково», представила ИИ-кассира для заведений общепита. По словам разработчика, система умеет вести диалог с посетителем, помогать с выбором блюд и ускорять обслуживание. До конца 2026 года её планируют внедрить более чем в 350 кафе, ресторанах и фуд-кортах в России.

От обычного киоска самообслуживания решение отличается тем, что вместо навигации по меню на экране посетитель может просто описать, что хочет заказать, а система предложит подходящие позиции. Разработчик утверждает, что ИИ-кассир может рассказывать о составе блюда, его пищевой ценности, возможных модификациях и аллергенах.

В компании говорят, что продукт лучше всего подходит для фастфуда, кофеен и фуд-кортов, где особенно важна скорость обработки заказа. По их оценке, внедрение такого формата может ускорять обслуживание до 35%, а в отдельных сценариях — почти вдвое. Также разработчик заявляет о потенциальном росте выручки заведений на 15–30% за счёт более быстрого оформления заказов и AI-допродаж.

Китайские производители GPU и AI-чипов заметно усилили позиции на домашнем рынке. По данным IDC, с которыми ознакомилось Reuters, в 2025 году они заняли 41% китайского рынка AI-ускорителей для серверов, тогда как Nvidia сохранила лидерство, но сократила долю до 55%. Прямого дубля этой новости на Хабре я не нашёл.

Всего за год в Китае было поставлено около 4 млн AI-ускорительных карт. Из них Nvidia отгрузила примерно 2,2 млн, AMD — около 160 тыс., а китайские вендоры суммарно — 1,65 млн. Reuters связывает этот сдвиг с экспортными ограничениями США и курсом Пекина на замещение зарубежных чипов локальными решениями.

Лидером среди китайских производителей стала Huawei, которая поставила около 812 тыс. AI-чипов — примерно половину всех локальных поставок. На втором месте — T-Head от Alibaba с 265 тыс. карт. Далее идут Kunlunxin от Baidu и Cambricon — примерно по 116 тыс. у каждой компании.

Salesforce представила крупное обновление Slack с акцентом на ИИ. Компания анонсировала около 30 новых функций, которые появятся в ближайшие месяцы. Главный фокус — развитие Slackbot: теперь его хотят превратить не просто в чат-ассистента, а в инструмент для выполнения рабочих задач внутри корпоративной среды.

Одно из ключевых нововведений — reusable AI-skills, то есть переиспользуемые AI-навыки. Пользователи смогут задавать для Slackbot конкретные сценарии работы, а затем вызывать их в разных контекстах. Например, бот сможет по команде собрать данные из каналов Slack, подключённых приложений и внутренних источников, чтобы подготовить план задачи, а затем сам предложит следующие шаги и создаст встречу с нужными участниками.

Slackbot также получит роль MCP-клиента. Это означает, что он сможет подключаться к внешним сервисам и координировать работу с другими приложениями и агентами, включая Agentforce — платформу Salesforce для создания ИИ-агентов. В компании говорят, что это позволит передавать задачи между системами без ручного участия пользователя.

«Ростелеком» рассказал о внедрении двух внутренних продуктов для автоматизации клиентского сервиса и рабочих процессов: чат-бота «Омнибот» и базы знаний «ProЗнания». По данным компании, эти решения уже используются в ее собственной инфраструктуре и позволяют автоматизировать до половины обращений в клиентскую поддержку.

Внутри связки роли разделены так: «ProЗнания» отвечает за формирование и актуализацию базы контента, поиск информации с учетом контекста и генерацию ответов, а «Омнибот» определяет интент обращения и обрабатывает запросы в разных текстовых каналах без участия оператора.

Заявленные цифры выглядят так: до 300 тысяч запросов в сутки в текстовых каналах, более 500 сценариев обращений и свыше 400 интентов, обученных на собственных данных компании. В «Ростелекоме» утверждают, что это позволило сократить время обработки типовых запросов, снизить нагрузку на первую линию поддержки и ускорить онбординг новых сотрудников.

Команда Bluesky представила новый продукт под названием Attie. Это не очередная соцсеть, а отдельное AI-приложение, которое позволяет пользователю собирать собственные алгоритмы рекомендаций и создавать кастомные ленты обычными текстовыми командами, без кода.

Attie работает поверх AT Protocol, на котором построена сама Bluesky, а внутри использует модель Claude от Anthropic. Пользователь сможет войти через аккаунт своей atproto-экосистемы, после чего ассистент начнет помогать собирать персональные ленты, подбирать интересные посты и настраивать выдачу под себя.

Huawei, похоже, смогла сделать то, что раньше давалось ей тяжело: заинтересовать крупные китайские IT-компании своим новым AI-чипом. По данным Reuters, ByteDance и Alibaba планируют размещать заказы на новый 950PR, который должен стать более серьезным конкурентом Nvidia на китайском рынке.

Для Huawei это важный сдвиг. Предыдущий флагманский чип Ascend 910C не получил по-настоящему массового спроса у крупных частных техкомпаний, несмотря на курс Китая на импортозамещение в полупроводниках. С новым поколением ситуация, судя по всему, меняется.

Главная причина — не столько рост «сырой» вычислительной мощности, сколько более практичная доработка. Новый 950PR оказался лучше совместим с экосистемой Nvidia CUDA, на которой уже завязано множество китайских разработчиков. То есть переход на чип Huawei становится менее болезненным, а для рынка это, возможно, даже важнее, чем формальное сравнение по производительности.

В российских вузах начинают открывать первые студенческие лаборатории по вайб-кодингу. Первая площадка заработает летом в Омском государственном техническом университете, а до конца 2026 года еще одну лабораторию планируют открыть в Уральском государственном университете путей сообщения.

Проект запускается вместе с компанией «АрхиТех ИИ», которая развивает отечественную ИИ-среду для вайб-кодинга Kodik. Студентов технических направлений собираются учить безопасной работе с ИИ при разработке ПО, а также тому, как внедрять ИИ-инструменты в реальные бизнес-процессы.

OpenAI объявила в четверг о приобретении разработчика инструментов для Python — компании Astral. Таким образом владелец ChatGPT стремится усилить свои позиции в конкуренции с Anthropic и увеличить долю на рынке инструментов для программирования на базе ИИ.

Финансовые условия сделки не раскрываются. Компании сообщили, что после завершения сделки инструменты Astral будут интегрированы в систему для ИИ-кодинга Codex, которую развивает OpenAI при поддержке Microsoft.

OpenAI, возглавляемая Сэмом Альтманом, усиливает конкуренцию на фоне того, что Anthropic набирает популярность среди разработчиков со своим инструментом Claude Code.

Мы договорились с Центральным университетом готовить ИТ- и инженерных специалистов и развивать прикладные решения в области ИИ. Запустим совместные образовательные программы и создадим кафедру технологий ИИ в корпоративном университете СИБУРИНТЕХ.

И туда, кстати, ищем заведующего новой кафедрой.

Эксперты из ML/AI Хаба «Магнита» зовут на митап, чтобы поделиться реальным опытом применения машинного обучения в бизнес-процессах.

19.02 | Москва | Офлайн + онлайн

Рассказываем, что происходило с ML-технологиями в январе: кто кого купил, какие вышли новинки и куда все движется.

Привет, трудяга! На носу одно из самых волнующих мероприятий этой весны — AiConf 2026, которое традиционно проходит в Москве. Кто был на наших конференциях, тот знает, что это кладезь полезной информации, нетворкинга и вдохновения.

В новом году пришло время перемен: мы проанализировали отзывы и предложения наших участников, докладчиков и партнёров, и пришли к выводу, что AiConf 2026 года будет другой. С этого момента AiConf становится конференцией развития.

Эта новость является продолжением моей гипотезы - "Механизм движения физических тел". https://habr.com/ru/articles/563610/ Гипотеза, как физическая гипотеза о дискретности классического механического движения и её астрофизическое заключение, на мой взгляд «со стороны», имеют рациональное зерно.   Суть "рационального зерна": согласно моей гипотезе, классическое движение состоит из квантов. Каждый квант характеризуется элементарным изменением скорости движения.   Во вселенной все звёзды и планеты движутся приблизительно по круговым орбитам, то есть квант их движения (по расчетам гипотезы и параметрам их орбит) по направлению характеризуется элементарным изменением направления скорости, а её модуль постоянен и равен ~ 1,86E-11 м/с.   Подробнее: https://habr.com/ru/articles/563610/ https://zenodo.org/records/14769147 https://zenodo.org/records/14273976

DSDD стал площадкой для открытого диалога о настоящем и будущем на ИТ-рынке данных.

О чем говорили? CDO ведущих игроков российского рынка в рамках панельной дискуссии поделились своим видением развития дата-ландшафта. Особый интерес у аудитории вызвали реальные кейсы внедрений от лидеров IT-индустрии. Спикеры говорили не только о преимуществах, но и о подводных камнях, с которыми столкнулись в процессе. Кроме того, команда Data Sapience приоткрыла завесу над планами развития продуктов.

В обзоре рассказываем о деталях выступлений и обсуждаемых тем.