Компьютерное железо

Продолжаем экскурс в историю советских персоналок. И в сегодняшней части мы также поговорим о менее известных машинах, которые тем не менее иногда оседали в гиковских руках.

В разгар холодной войны существовал настолько засекреченный специализированный компьютер, что остальной мир даже не подозревал о его существовании. Некоторые задачи он выполнял до 200 раз быстрее любого другого компьютера своего времени. Он служил главным криптоаналитическим процессором Агентства национальной безопасности США (АНБ) с Карибского кризиса 1962 года, всю войну во Вьетнаме и ещё после подписания Хельсинкских соглашений 1975 года. Машину остановили только тогда, когда её механические узлы окончательно износились.

Harvest имел огромное значение и благодаря своим возможностям, и благодаря эпохе, в которую работал. На протяжении 14 лет он обрабатывал самые секретные перехваты АНБ, в период, когда радиоэлектронная разведка по своему стратегическому значению уступала разве что ядерному оружию.

IBM спроектировала и построила Harvest специально для АНБ. Это была одна из первых машин, рассчитанных на обработку огромных непрерывных потоков данных. В этом смысле она стала предшественницей современных компьютеров, которые в реальном времени обрабатывают видеопотоки и обеспечивают работу систем безопасности. Кроме того, Harvest стал одним из первых компьютеров, созданных в виде дополнения к универсальной машине, специализированного помощника, который исключительно хорошо выполнял одну конкретную работу. В некотором смысле модульная архитектура Harvest была аналогом современных графических процессоров, которые берут на себя ресурсоёмкие задачи в играх и системах искусственного интеллекта.

# Сторож на ESP32-CAM

Возникла следующая практическая задача: в ограниченном пространстве (узком коридоре, лестничном пролете или тамбуре), отследить активность, сделать фото пространства и уведомить пользователя, переслав фотографии в телеграм. При этом известно, что в месте наблюдения установлен бытовой датчик движения, который включает освещение.

Это уже третья большая серия издевательств над NVIDIA CMP 90HX, где мы обойдем еще одно ограничение, которое подсунула нам NVIDIA.

В первой статье я собрал домашний сервер на пачке бывших майнинговых карт.

Во второй статье я полез уже внутрь драйвера, разобрался с механизмом V67 и через служебную часть GPU добрался до вычислительных ограничений CMP 90HX. Оказалось, большую часть вычислительной мощности от меня спрятали. Мы вернули ее обратно.

На этом месте хороший хозяин сервера, вероятно, поблагодарил бы железо за работу и начал им пользоваться. Но способность вовремя остановиться в этот сервер я при сборке не устанавливал...

Недавно все мы пропустили важнейшую новость: OpenAI выпустила свой первый чип с огоньком под названием Jalapeño. Его презентовали 24 июня 2026. Это значит, что OpenAI выпустила свой первый процессор для запуска больших языковых моделей!

А теперь цифры, которые делают историю интересной. Путь от старта разработки до готовности чипа занял около ДЕВЯТИ месяцев! Обычно инженеры тратят на это 3 года! Это аномально БЫСТРО!

Все же видели эту схему со стрелочками? Ну, ту самую, которая показывает, как правильно устанавливать корпусные вертушки: спереди синие вовнутрь, сзади и сверху красные наружу, снизу еще пара синих для верности. С одной стороны, логика вроде присутствует: холодный воздух заходит спереди и снизу, горячий уходит вверх и назад. А с другой, к вашему конкретному корпусу все это может не иметь вообще никакого отношения.

Причем не иметь настолько, что установка вентиляторов строго по картинке иногда может сделать даже хуже, чем если бы их не было вообще. Согласен, звучит как ересь. Только вот цифры — штука упрямая, и против них не попрешь. И наша предыдущая статья на тему охлаждения это доказывает.

Публике не доступны внутренние модели фронтиер лабораторий. Я не очень верю про конспирологию в духе «у OpenAI в подвале сидит настоящий AGI, а наружу выдают обрезанный ChatGPT». Модель, которой пользуются её собственные исследователи, и модель, которую она продает вам через API, не обязаны быть одной и той же. Фронтиер лаба создает не одну нейросеть, а фабрику моделей: research-чекпоинты > экспериментальные модели > reward-модели > модели-учителя > модели для генерации синтетических данных > модели-evaluators > дистиллированные студенты > production-модели, и наружу попадает только последний элемент цепочки.

Зачем нужна дистилляция

Допустим, вы обучили чудовищно дорогую модель, которая хорошо рассуждает, пишет код и решает математику, но каждый запрос к ней стоит огромных вычислений. Для исследователя внутри компании это рабочий инструмент, и он того стоит, если на кону триллионные рынки. Для продукта со 100 млн пользователей масштабировать доступ к таким моделям выгодно, поэтому вместо того чтобы гонять её на каждом запросе, её делают учителем: она генерирует качественные ответы, решения, траектории ризонинга, синтетические данные, иногда сами распределения вероятностей, а на этом поведении обучается студент поменьше, которому не нужно воспроизводить учителя целиком, достаточно перенести нужные возможности. Это одна из форм дистилляции знаний, и практика настолько распространенная, что OpenAI прямо предоставляет разработчикам официальный Model Distillation workflow: брать ответы более сильной модели, например GPT-4o или o1-preview, и обучать на них модель дешевле. Формулировка самой OpenAI довольно точная: взять продвинутую модель и получить сопоставимое качество на конкретной задаче при существенно меньшей стоимости. Из этого следует довольно простая вещь: лучшая research-модель и лучшая production-модель оптимизируются по разным функциям, потому что research-модель максимизирует возможности, а production-модель приходится одновременно вытягивать по intelligence, latency, стоимости GPU, throughput, reliability и safety.

В начале 80-х мир захлестнула — по крайней мере его гиковскую часть — ПК-мания, и у «буржуев» набирали высоту BBC Micro, ZX Spectrum, MicroBee, Apple II и другие машинки, на которых миллионы западных школьников с упоением писали свои первые программы и игры.

Ну как сказать опередил, честно говоря, нет, не опередил, скорее опоздал. Но об этом позже, начну с цифры, которая в этой истории главная. «Сетунь» стоила 27 500 рублей — со всей периферией, с телетайпом, с барабаном, с фотовводом. PDP-8, которую в Штатах считали рекордно дешёвой машиной, стоила 20 000 долларов за один процессорный блок. Без ничего. Это сравнение приводит сам Брусенцов в интервью.

Плюс к этому «Сетунь» была троичной. Единственной серийной троичной машиной в истории человечества, и её закрыли.

Обычно после этого идёт текст про Госплан, который задушил гения, опередившего время на тридцать лет. Я такой текст читала раз пять в разных изложениях, и каждый раз спотыкалась об одно и то же место: вот тут, где объясняют, почему тройка экономичнее двойки, всегда написано «примерно в семь раз». А через абзац — что оптимум системы счисления достигается при основании e. Это два утверждения из разных вселенных, и между ними никто никогда не показывал переход.

Ну я и полезла считать сама.

Середина двухтысячных была золотым временем карманных компьютеров — думаю, на Хабре многие ностальгируют по нему. Производители соревновались в мощности процессоров и объеме памяти, автономности работы и возможности расширения устройств. Они экспериментировали со сценариями ежедневного использования, каждый месяц выпуская что-то новое и интересное. Но даже на этом ярком фоне эталоном и ориентиром для остальных стала флагманская серия iPAQ от HP.

Сегодня вспомним HP iPAQ hx4700 — благо, мне достался экземпляр в идеальном состоянии и с рабочей батареей. Поехали!

В последние годы, я хожу исключительно с флагманскими смартфонами с какой‑то необычной фишкой. В 2023 году я использовал BB Passport, в 2024 — BB Priv, в 2025 — Unihertz Titan, а в 2026 — Blackview Xplore 2 Projector. Однако недавно в пару к огромному и тяжелому Projector мне потребовался сравнительно небольшой и легкий бюджетный смартфон с адекватным железом, ёмким аккумулятором и свежей версией Android. Выбор пал на Cubot A50, о котором я и хочу рассказать в рамках сегодняшней статьи.

В материале мы проведем тесты устройства с Unisoc T620 на борту по всем фронтам и узнаем, стоит ли оно своих 10.000 рублей.

Секундное дело, которое часто затягивается на часы: как с первого раза правильно завести стальной стабилизатор в пазы на металлической подложке ноутбука и аккуратно вернуть пробел на место.

В 1980 году Intel 8087 стал первым массовым математическим сопроцессором компании и заложил основу для современных вычислений с плавающей точкой. Сегодня его уже не встретить в компьютерах, но внутри этого чипа скрыта интересная инженерная история: сложные операции выполнялись с помощью микрокода, записанного в собственном ПЗУ.

В этой статье разберём, как устроен микрокод одной из инструкций 8087 — FXCH, которая меняет местами значения в стековых регистрах. На первый взгляд операция кажется простой, но внутри она превращается в последовательность из 14 микроинструкций с проверкой тегов, обработкой исключений и обменом данных через временные регистры. Посмотрим, как исследователи восстановили эту логику по фотографиям кристалла и что можно узнать о внутреннем устройстве процессора спустя десятилетия после его выхода.

В первом квартале 2026 года 17,7% проданных серверных процессоров были на ARM. AWS уже выпускает пятое поколение Graviton, Google предлагает Axion не только в виртуалках, но и на bare metal, Microsoft разворачивает Cobalt 200, а Oracle использует AmpereOne. При этом индустрия уже дважды хоронила эту архитектуру — в 2013 и в 2018 году. Под катом расскажу, кто лежит на кладбище ARM, почему третий заход оказался успешнее и готов ли ваш стек к переезду.

Инфраструктура Selectel насчитывает тысячи серверов, которые круглосуточно обеспечивают работу клиентских проектов: процессоры обрабатывают инструкции, память хранит данные, диски читают и записывают информацию. Такая постоянная нагрузка заложена в архитектуру оборудования, но риски сбоев — будь то аппаратные ошибки, перегрев, сбои питания или проблемы с сетью — есть всегда. 

В случае нештатной ситуации инженеры быстро восстановят работу. Однако лучше обнаружить проблему еще до того, как она затронет клиентскую инфраструктуру. Именно для этого существует IPMI-мониторинг — своего рода приборная панель сервера, которая показывает состояние оборудования и помогает замечать первые признаки возможных неисправностей.

В этой статье расскажем, что такое IPMI-мониторинг серверов и рассмотрим принцип его работы. Также посмотрим, как настроить IPMI-мониторинг для выделенных серверов в Selectel.

Пошагово от BIOS до первой загрузки: кому подойдёт эта сборка и что менять, если железо отличается; что скачать; какой SMBIOS; подмена CPUID; ACPI; кексты с версиями и назначением; карта USB на 15 портов; звук, сеть, NVMe, гибридные ядра. В конце — проверки после установки и порядок обновления загрузчика.

В статье рассказываю о личном опыте запуска современных LLM на домашнем ПК, сравниваю модели, кванты и движки, показываю результаты практических тестов и делюсь выводами о том, что сегодня по моему мнению имеет смысл запускать локально.

Привет, Хабр! Меня зовут Владимир Заикин. Под руководством Семёна Григорьева @rsdpisuy, я занимаюсь разработкой на ПЛИС в лаборатории YADRO в СПбГУ. Мой рассказ — о том, как мы реализовали общение по PCIe с ПЛИС на плате Sipeed Tang Mega 138K Pro с кристаллом GW5AST-138K от Gowin.

Устройство, реализованное на ПЛИС, должно было принимать данные по PCIe, сохранять их в DDR3 и обрабатывать пользовательской логикой. Чтобы реализовать такую функциональность, мы обратились к примеру взаимодействия с PCIe-контроллером от производителя платы, но тот оказался нерабочим. Пришлось разбираться самим. В итоге мы сделали рабочий стенд: Linux-драйвер, хост-программа на C и аппаратное описание на Verilog. Все это выложили в открытый доступ, чтобы поделиться своим опытом и помочь другим безболезненно разобраться с этой проблемой.

Если честно, это один большой кликбейт, и я крайне не рекомендую вам сюда жать.

Во-первых, это очередная статья про DLSS 5. Во-вторых, вы и так знаете, как я заставил его работать на Nintendo Switch OLED!

Первая часть этого материала рассказала о пути Nvidia от производителя видеокарт для игровых компьютеров до самой влиятельной корпорации мира. За последние несколько лет ее технологии изменили всю планету— теперь человечество вошло в эру искусственного интеллекта.

Однако для его развития нужны все новые ресурсы: огромные энергетические запасы, гигантские строительные площадки размером с целые города, но прежде всего — кремниевые чипы. Их нехватка может привести не только к исчезновению многих некогда крупных производителей комплектующих для ПК, но и видоизменить сам персональный компьютер. 

Многие считают, что это и есть план Nvidia. Так ли это на самом деле? Разберемся во второй части материала.