Области интересов канала: блокчейн, мозг(BCI), space tech, цифровая экономика, WEB 3.0 в России и мире. Основатель @AniAslanyan English channel https://t.me/alwebbci Регистрация в перечне РКН https://knd.gov.ru/license?id=67374142772bb113f528001c®is
⚡️Китай создал ИИ, который впервые может создать новые архитектуры. Они называют это моментом AlphaGo
ASI-Arch - 1ая система искусственного сверхинтеллекта (ASI) для автоматизации научных исследований в области нейронных архитектур без участия человека.
Система может автономно выдвигать гипотезы о новых архитектурных концепциях, реализовывать их в виде исполняемого кода, обучать и эмпирически проверять их производительность через строгие эксперименты.
ASI-Arch создала 106 новых архитектур, превосходящих человеческие разработки - это не теоретическое достижение, а практический результат.
Ключевые достижения ASI-Arch:
1. 1,773 автономных эксперимента. 20,000 GPU-часов вычислений. Обнаружено 106 новых архитектур линейного внимания, превосходящих существующие.
2. Переход от автоматизированной оптимизации к автоматизированным инновациям. Система не просто перебирает варианты в заданном пространстве, а создает принципиально новые архитектуры.
3. Впервые эмпирически показано, что архитектурные прорывы можно масштабировать вычислительно - чем больше вычислений, тем больше открытий (линейная зависимость).
ASI-Arch основана на FLAME, LM-Evaluation-Harness и Flash Linear Attention. GitHub - GAIR-NLP/ASI-Arch: AlphaGo Moment for Model Architecture Discovery, что указывает на использование существующих открытых инструментов и фреймворков в качестве основы для создания этой системы.
Разработка является результатом труда команды GAIR-NLP.
Anthropic представили ИИ- агентов для аудита безопасности LLM
Команда опубликовала исследование о разработке ИИ-агентов. Работа решает практическую проблему - как масштабировать процессы проверки безопасности ИИ-систем, когда ручной аудит требует слишком много времени экспертов.
Anthropic разработали 3 агента:
1. Агент-исследователь — проводит комплексное расследование модели, используя инструменты интерпретируемости, анализ данных обучения и различные техники тестирования.
2. Агент оценки — автоматически создаёт тесты для измерения конкретных типов проблемного поведения.
3. Агент красной команды — ищет входные данные, которые могут вызвать нежелательные ответы модели.
Результаты тестирования
Агенты проверили на синтетических задачах с заведомо известными проблемами:
- Агент-исследователь обнаружил скрытые цели модели в 13% случаев (до 42% при использовании нескольких агентов).
- Агент оценки создал корректные тесты для 10 из 10 проблемных поведений.
- Агент красной команды выявил 7 из 10 внедрённых уязвимостей.
Агенты пока не идеальны:
• Иногда генерируют нереалистичные тестовые сценарии
•Могут зацикливаться на одной гипотезе и пропускать другие проблемы
•Хуже людей справляются с выявлением тонких, субъективных проблем
•Тестировались в основном на искусственных задачах
Google представили новый подход создания ИИ-агентов для deep research
Test-Time Diffusion Deep Researcher (TTD-DR) может генерировать сложные исследовательские отчеты.
TTD-DR работает как диффузионная модель, но вместо картинок создает тексты. Диффузия применяется к процессу работы агента.
Основная инновация в том, что они применяют концепцию диффузии к процессу генерации исследовательских отчётов, а не к созданию самого агента.
TTD-DR:
1. лучше справляется с задачами, где нужен глубокий анализ и многоэтапное рассуждение, чем традиционные модели.
2. имитирует работу исследователя: не просто отвечает, а итеративно улучшает результат.
3. применим в науке, аналитике, образовании.
Но есть и нюансы: процесс требует много ресурсов, а качество результата зависит от доступных источников.
Законы масштабирования ИИ+нейро=браслет от Meta, управляющий смартфоном, компьютером жестами
Это универсальный нейроинтерфейс. Вместо создания отдельных систем для разных пользователей они применили принципы современного машинного обучения к биологическим сигналам. Ранее, Meta* анонсировала выход к концу года AR-очков с этой функцией.
Команда создала полный цикл от железа до готовой системы с открытыми данными и кодом.
Команда разработала беспроводной браслет с 48 электродами, который записывает сигналы мышц запястья (sEMG). Главное отличие — в подходе к обучению моделей:
1. Собрали данные с 6,627 участников (вместо обычных десятков)
2. Применили архитектуры из области NLP: LSTM для жестов, Transformer для рукописного ввода
3. Показали, что качество растет по степенному закону при увеличении данных.
Анализ внутренних представлений показал, что нейросеть выучивает физиологически обоснованные паттерны — сверточные фильтры напоминают потенциалы двигательных единиц мышц.
Пока система уступает традиционным интерфейсам по скорости. Трекпад MacBook обеспечивает время захвата цели 0.68с против 1.51с у нейроинтерфейса. Однако в сценариях, где руки заняты или требуется скрытый ввод, такая производительность может быть достаточной.
*запрещенная компания в России.
Создана ИИ-модель MindJourney, которая решает задачи в 3D-пространстве
Исследователи из UMass создали MindJourney — гибридная система, объединяющая Vision-Language Model (VLM) и модель, имитирующую 3D-физику и движение камеры.
То есть по сути, один кадр превращается в целое путешествие, что сильно улучшает понимание 3D-пространства у ИИ.
У этой работы новый подход к пространственному ИИ, а также есть архитектурная новизна — комбинация VLM + world model. Более того можно использовать в робототехнике, AR/VR, автономных системах.
Как это работает?
Воображение - VLM и 3D-модель мира совместно "обходят" сцену, генерируя разные ракурсы
Наблюдение - модель собирает подсказки из этого виртуального тура
Ответ - используя дополнительный контекст, VLM дает более точный ответ.
Свежий отчет Goldman Sachs об экономике ИИ с учетом инфраструктуры
Банк описывает новые финансовые решения и модели капитала. Ожидаемые потребности в капитале к 2030 году:
• $12 трлн на энергетический переход
•$3 трлн на энергетику и коммунальные услуги
•$2 трлн на цифровую инфраструктуру.
Появляются СП между пенсионными фондами, суверенными фондами и операторами дата-центров.
Спрос на вычислительные мощности вырос на +4,274% с июня 2024 по май 2025. Гиперскейлеры потратили ~$800 млн в день на капитальные расходы в 2024 году. К 2030 ожидается дополнительно 65 ГВт мощностей ЦОДов.
Отчет детально описывает трансформацию дата-центров.
Ключевые изменения:
1. В 2027 году стойки ИИ-серверов будут требовать в 50 раз больше энергии, чем облачные эквиваленты 5 лет назад.
2. GPU более энергоемкие, требуют сложные системы жидкостного охлаждения.
3. Средняя стоимость запуска типичного ИИ дата-центра мощностью 250 МВт составляет около $12 млрд.
Энергетический кризис - главный барьер. Недостаток капитала не является основным препятствием для развития ИИ - главная проблема в нехватке энергии:
• Возобновляемые источники обеспечивают только прерывистое энергоснабжение.
• Ядерная энергетика - долгосрочное решение.
Goldman Sachs Research оценивает, что ~60% роста спроса на энергию дата-центров должно быть покрыто новыми мощностями: 30% газовые электростанции комбинированного цикла, 30% газовые пиковые станции, 27,5% солнечная энергия, 12,5% ветер.
Goldman Sachs вводит концепцию дата-центров как "посольств в эре ИИ". В отличие от нефтяных месторождений, дата-центры можно стратегически размещать где угодно.
Страны используют ЦОДы как инструмент геополитического влияния.
Amazon, Google, Microsoft активно инвестируют в дата-центры на Ближнем Востоке.
Латинская Америка, особенно Бразилия с 90% возобновляемой энергией, становится потенциальным хабом.
Офигенная работа Anthropic: они выявили подсознательное обучение у ИИ
Только что опубликовали свежее исследование, в котором говорится, что языковые модели могут передавать свои черты другим моделям, даже если данные кажутся бессмысленными.
Это похоже на то, как если бы вы могли "заразить" человека любовью к совам, просто показав ему случайные числа.
Ключевые инновации этой работы:
1. Впервые показано, что ИИ-модели могут передавать свои "личностные черты" через совершенно нейтральные данные. Это меняет понимание того, как работает дистилляция моделей.
2. Авторы математически доказали, что это универсальное свойство нейронных сетей при определенных условиях.
Теорема показывает, что даже один шаг градиентного спуска гарантирует передачу черт.
3. Обнаружена серьезная уязвимость в безопасности ИИ: злонамеренная модель может "заразить" другие модели через безобидные на вид данные.
Это критично, учитывая, что многие современные модели обучаются на данных, сгенерированных другими моделями.
4. Разработан новый экспериментальный подход для изучения скрытых свойств моделей. Показано, что стандартные методы фильтрации и проверки данных бессильны против этого эффекта.
Это меняет подход к безопасной разработке ИИ - теперь недостаточно просто фильтровать явно вредный контент.
Открывается целое направление изучения скрытых каналов передачи информации в нейронных сетях.
Лаба нобелевского лауреата создала с ИИ новые методы разработки лекарств
Команда Дэвида Бейкера, лауреата Нобелевской премии 2024 года, опубликовала 2 исследования, которые могут изменить подход к лечению сложных заболеваний. Другие проекты Бейкера здесь.
Они разработали ИИ-методы на базе RF Diffusion для работы с молекулами, которые не имеют стабильной структуры и связаны с раком, диабетом и нейродегенерацией. Препринт.
Такие белки долгое время считались неподходящими мишенями для лекарств, но новые подходы Бейкера позволяют создавать молекулы, способные с ними взаимодействовать. Это пока лабораторные успехи, но они открывают путь к новым видам терапии.
Лаборатория Бейкера известна созданием инструмента Rosetta, который используется для моделирования и проектирования белков, а также конкуренцией с AlphaFold от DeepMind в области предсказания белковых структур.
В 2025 году Бейкер и его команда сосредоточились на неупорядоченных белках, которые составляют 30–50% всех белков в человеческом организме и играют ключевую роль в регуляторных процессах, но из-за отсутствия стабильной структуры их сложно таргетировать для разработки лекарств.
Длительные рассуждения ИИ-моделей снижают их точность - Anthropic
Свежее исследование Anthropic говорит, что увеличение времени на размышления в больших ИИ-моделях рассуждений может снижать их производительность. Paper.
Это неожиданное явление называется "обратным масштабированием", чем больше модель "думает", тем хуже могут быть результаты.
Выявлено 5 основных проблем, которые возникают при длительных рассуждениях:
1. Claude отвлекается— модель теряет фокус.
2. Модели OpenAI переобучаются на формулировках запроса— слишком сильно зависят от того, как сформулирован вопрос.
3. Ложные корреляции перекрывают предыдущие знания— модель начинает опираться на случайные совпадения вместо реальных знаний.
4. Фокус на дедукции ухудшается— способность к логическим выводам ослабевает.
5. Некоторые модели, включая Claude Sonnet 4, проявляют поведение, связанное с "самосохранением", то есть начинают действовать так, будто защищают себя.
Напомним, что недавно было исследование про рассуждения ИИ с участием Йошуа Бенжио.
Google DeepMind наносит контрудар OpenAI - мы получили золото на IMO
"Мы были среди первой группы, чьи результаты официально оценены и сертифицированы координаторами IMO по тем же критериям, что и решения студентов", - только что заявил Google.
Президент международной Олимпиады по математике IMO проф. д-р Грегор Долинар подтвердил: "Мы можем подтвердить, что Google DeepMind достигла желанной вехи, набрав 35 из 42 возможных баллов — результат золотой медали".
Gemini Deep Think решила 5 из 6 задач, набрав 35 баллов (золото). Работала полностью на естественном языке, создавая строгие математические доказательства прямо из официальных описаний задач — всё в пределах 4,5-часового лимита соревнования.
В отличие от прошлого года, не требовала перевода в специальные языки типа Lean.
Вся эпопея про золото на IMO среди ИИ-компаний тут.
Что происходит с криптоиндустрией после принятия позитивных законов в США ?
На прошлой неделе США приняли 3 закона:
1. CLARITY Act, который создает более предсказуемую среду для бизнеса и инвесторов, разделяя полномочия между SEC и CFTC, что повышает прозрачность и защиту инвесторов. Хотя для DeFi-проектов возможны ограничения из-за строгих требований к децентрализации.
GENIUS Act позволяет интегрировать стейблкоины в финансовую систему США с обязательным 100% резервным покрытием,усиливая доверие к$.
Anti-CBDC Act ограничивает внедрение цифрового $, минимизируя гос контроль над цифровыми финансами.
Но критики указывают на риски конфликта интересов, поскольку семья Трампа напрямую связана с криптобизнесом, например, через World Liberty Financial(WLF) и их стейблкоин USD1. Отсутствие запрета на участие президента в криптовалютных проектах и ослабление независимости регуляторов вызывают опасения, что регулирование может быть использовано для продвижения личных бизнес-интересов.
Семья Трампа контролирует 40% токенов(WLF), а их личное влияние, включая 15,75 млрд токенов у президента, делает проект уязвимым для критики о централизации под видом децентрализации.
2. Кроме этого произошла крупнейшая M&A сделка в индустрии в этом году. Инфраструктурный гигант Talos (поддерживается от Fidelity, Citi, a16z) купил аналитическую платформу Coin Metrics за $100 млн+. Это часть волны M&A в крипте (Coinbase–Deribit за $2,9 млрд, Ripple–Hidden Road за $1,25 млрд). Институционалы заходят в игру, но мелким игрокам сложнее конкурировать.
3. Токены WLFI, связанные с Трампом, начнут торговаться через 6–8 недель. Семья Трампа контролирует 40% токенов, а крупные инвесторы Джастин Сан — $75 млн, Aqua 1 Foundation — $100 млн усиливают риски плутократии.
Индустрия в США растет благодаря регулированию и капиталу, но концентрация власти у «китов» и политическое влияние могут подорвать идеалы Web3. Нужны механизмы вроде квадратичного голосования, чтобы защитить розничных инвесторов.
Производитель микроэлектроники в РФ купил долю у разработчика робота Федор
АО "Корпорация роботов" (входит в ГК "Элемент") приобрело 51%-ю долю в уставном капитале АО "НПО "Андроидная техника"". Что такое робот Федор можно узнать тут.
Одним из первых приоритетных проектов "Корпорации роботов" станет развитие производства электродвигателей и сервоприводов для рынка промышленной робототехники, металлообрабатывающего оборудования и систем автоматизации производства.
⚡️Стейблкоины теперь в законе - Трамп подписал закон
Палата представителей конгресса США приняла 3 закона о регулировании криптовалютного рынка.
Помимо GENIUS Act конгрессмены проголосовали за принятие закона о прозрачности рынка цифровых активов и закона о государственном надзоре за цифровой валютой ЦБ.
Стейблкоины уже обогнали visa, Mastercard по объему транзакций, подробнее тут.
OpenAI объединила в ИИ-агента браузер, Deep Research и разговорный ИИ
ChatGPT Agent — это ИИ, который не только отвечает на вопросы, но и выполняет задачи, используя собственный «виртуальный компьютер».
Пользователь активирует режим агента через меню «Agent Mode» или команду «/agent» в интерфейсе ChatGPT.
Он может:
- Проводить исследования, собирать данные с веб-сайтов и синтезировать их в отчёты.
- Создавать презентации, таблицы и другие документы с возможностью их редактирования.
- Взаимодействовать с веб-сайтами: заполнять формы, кликать по кнопкам, искать информацию.
- Работать с внешними сервисами через API (например, Gmail, GitHub) с помощью ChatGPT Connectors.
- Планировать задачи: от бронирования ресторана до анализа финансовых данных.
ChatGPT Agent использует набор инструментов:
1. Визуальный браузер, который взаимодействует с сайтами, как человек, кликая и прокручивая страницы.
2. Текстовый браузер, который быстро собирает информацию с веб-страниц.
3. Терминал, выполняющий код в изолированной среде.
4. API-доступ, который интегрируется с внешними сервисами.
5. Memento сохраняет прогресс для долгих задач.
Задачи занимают от 5 до 30 минут в зависимости от сложности.
Сэм Альтман назвал технологию «передовой, но не готовой для высокорисковых задач или работы с чувствительными данными». Пользователям рекомендуют быть осторожными, особенно при предоставлении личной информации.
ChatGPT Agent — часть глобального тренда на агентские ИИ, которые становятся цифровыми помощниками, способными выполнять многоэтапные задачи. По прогнозам Litslink, рынок ИИ-агентов вырастет с $5.4 млрд в 2022 году до $47.1 млрд к 2030 году с годовым ростом 45%.
Вот это движ: Вчера Google внедрил ИИ-агентов в поиск, сегодня OpenAI сделает похожую историю в своих продуктах, через 3 часа узнаем подробности.
Но самое крутое - это то, что Langchain представил Open Deep Research — это опен сорс инструмент для автоматизированного глубокого исследования.
Вместо одного ИИ-агента используется система подчиненных агентов, каждый из которых выполняет свою узкую задачу (поиск информации, анализ данных, написание текста и тд.).
Супервизор координирует их работу, распределяя задачи и контролируя процесс.
Элад Гил, известный инвестор в Долине: уже понятны лидеры рынка на 1-2года. ИИ продает труд, не софт. Экономика меняется в 10 раз.
Гил - ранний инвестор таких стартапов как: Harvey, Perplexity, Character.AI, BrainTrust и др.
Он считает, что за последний год произошла кристаллизация некоторых сегментов рынка ИИ, и стали понятны вероятные лидеры рынка на ближайшие 1-2года:
1. LLM: Anthropic, OpenAI, Google, Meta(запрещенная в России организация), Microsoft. Остальные либо купят, либо умрут. Барьер входа — миллиарды $.
2. Код: Cursor, Claude Code, GitHub Copilot, Windsurf. Рост с $0 до $500M ARR за 2 года. Безумная скорость.
3. Юриспруденция: Harvey доминирует в корпоративном сегменте, CaseText в остальном. Рынок схлопнулся вокруг них.
3. Медицинское документирование: Abridge, Ambience, Nuance. Консолидация завершена.
4. Клиентский сервис: Decagon и Sierra выиграли стартап-гонку. Incumbents добавляют ИИ к существующим продуктам.
Что дальше?Следующая волна рынков созревает в этих сферах : бухгалтерия, compliance, финансовые инструменты, продажи, безопасность. Пока неясно, кто выиграет, но модели уже достаточно хороши.
GPT Ladder работает: каждое поколение моделей открывает новые рынки. GPT-3.5 → маркетинг и чат. GPT-4 → код и юриспруденция. GPT-5 → что-то новое.
Элад активно инвестирует в покупку целых компаний для внедрения ИИ, а не просто продажу софта. Так как часто проблема не в технологии, а в том, что организации не могут перестроить процессы под ИИ достаточно быстро. Проще купить компанию и перестроить её изнутри.
Переход к агентам — сдвиг от "ИИ-чата" к агентным workflow. Coding tools и customer service уже делают это в B2B.
Главный сдвиг: от продажи лицензий SaaS к продаже единиц труда. Вместо "$50/месяц за пользователя" будет "столько-то за обработанный документ/написанный код/решенную задачу". Это меняет экономику в 10 раз.
Время M&A: когда лидеры ясны, начинаются "market ending moves". Покупка конкурента часто дешевле конкуренции с ним. Ждите волну сделок.
Вот это да- Стартап Ильи Суцкевера будет использовать только TPU от Google
Об этом Сундар Пичаи, СЕО Google, заявил во время сессии, посвященной финансовым результатам компании, что стартап Safe Superintelligence (SSI), основанный Ильёй Суцкевером, будет использовать исключительно тензорные процессоры Google (TPU) для своих исследований.
Впервые об этом стало известно в апреле 2025.
Microsoft опубликовала список 40 профессий, в которых ИИ применим и 40, где наименее применим. Они изучили данные опросов 200тыс участников.
Профессии, где ИИ чаще всего применяют:
1. Переводчики и интерпретаторы
2. Историки
3. Менеджеры по продажам
4. Писатели и авторы
5. Представители службы поддержки клиентов.
Профессии, наименее подверженные влиянию ИИ:
1. Физический труд и работу с людьми (медсестры, массажисты)
2. Управление и мониторинг оборудования (операторы водоочистных сооружений, водители грузовиков)
3. Ручной труд (посудомойщики, кровельщики, уборщицы)
Исследование не выявило сильной устойчивой связи между показателем применимости ИИ и заработной платой - корреляция составила всего 0.07 .
Профессии со степенью бакалавра показали несколько более высокую применимость ИИ по сравнению с профессиями с более низкими образовательными требованиями , хотя различия не являются кардинальными.
Авторы признают несколько важных ограничений своего исследования:
1. Анализировались только данные Bing Copilot
2. Сложно отличить рабочие разговоры от личных
3. База данных может не отражать современные изменения в профессиях
4. Исследование ограничено американским рынком труда.
США только что выпустили свой план действий в гонке ИИ
Мы опишем самые интересные моменты, которые требуют внимания:
1. Хотят создать "умные" чипы(Location verification features), которые можно найти удаленно и отключить. Технически сложно реализовать, но политически понятно в контексте стратегии сдерживания противников. Однако эффективность таких мер под большим вопросом.
2. Правительство США будет покупать ИИ-системы только у тех компаний, которые гарантируют политическую нейтральность своих моделей - то есть отсутствие встроенных либеральных или "прогрессивных" установок, которые, по мнению администрации Трампа, навязывались предыдущими разработчиками.
3. США хотят, чтобы их открытые модели стали глобальными стандартами, встроенные в базовые ИИ-инфраструктуры мира.
4. Формируют "американский ИИ-альянс" из лояльных стран.
Экспортируют полный технологический стек только союзникам. Блокируют доступ к передовым технологиям для противников. Заставят страны выбирать между американским и китайским ИИ-блоком.
5. Хотят перестроить внутреннюю экономику под ИИ:
- Массовое строительство ЦОДов, расширение электросетей и энергогенерации.
- Восстановление производства полупроводников США.
- Автоматизация научных исследований через ИИ-лаборатории.
6. Создать дата-центры для армии и спецслужб. Запустить
программы DARPA по созданию объяснимого ИИ для боевых систем. Интеграция ИИ во все военные операции и процессы.
7. Создание крупнейших в мире научных датасетов. Автоматизированные лаборатории, управляемые ИИ.
Ускорение открытий в медицине, материаловедении, энергетике,
Секвенирование всей жизни на землях для обучения ИИ.
8. Подготовить рабочую силу для ИИ-экономики:
- Массовая переподготовка работников для ИИ-инфраструктуры
- Создание новых образовательных программ по ИИ
- Налоговые льготы для компаний, обучающих сотрудников работе с ИИ
- Интеграция ИИ-навыков во все уровни образования.
В Москве проходит VIII Международная конференция по квантовым технологиям — ключевое научное событие в области квантовых вычислений и коммуникаций.
Сегодня состоялся Открытый день конференции, который объединил не только учёных и инженеров, но и представителей бизнес-сообщества. Первая сессия прошла при поддержке генерального партнёра мероприятия — Газпромбанка, её модератором выступил профессор МФТИ и вице-президент ГПБ Алексей Фёдоров.
Спикеры обсудили роль квантовой и постквантовой криптографии в защите данных, технологические ограничения квантовых компьютеров, потребность в импортозамещении лидаров, а также последние достижения российских учёных в сфере квантовых технологий.
Квантовые технологии активно выходят за пределы чисто академических исследований, прокладывая себе путь к практическому применению. Но для этого перехода критически важна системная поддержка институциональных игроков, обладающих необходимыми ресурсами.
И Газпромбанк выступает драйвером этого перехода: банк уже более 10 лет поддерживает трансфер научных знаний в экономический сектор. Как отметил Фёдоров, чтобы научные открытия успешно проходили все стадии развития — от разработок стартапов до востребованных на рынке решений — необходима целая система поддержки. Этим и занимается ГПБ, в том числе помогая технологическим компаниям масштабироваться и выходить на рынок капитала.
У Meta* будет через 2 года свой 2-нм чип для ИИ
Meta привлекла MediaTek для разработки нового чипа на 2-нм техпроцессе под кодовым названием "Arke". Этот чип предназначен для задач вывода в ИИ. Массовое производство планируется на первую половину 2027 года.
Кроме того, Meta перерабатывает другой свой чип, под кодовым названием "Olympus", который будет использоваться для обучения ИИ и составит конкуренцию графическим процессорам Nvidia. Запуск этого чипа ожидается в 2028 году.
Сегодня специализированные чипы Meta (ASIC) разрабатываются компанией Broadcom, но ранее Meta уже сотрудничала с MediaTek, в частности, над чипом для умных очков.
Это часть стратегии Meta по снижению зависимости от внешних поставщиков, таких как Nvidia, и сокращению затрат на инфраструктуру для ИИ, которые, по оценкам, в этом году составят от $114 до $119 млрд.
*запрещенная компания в России.
Стартап по нейроинтерфейсам Nudge привлек $100 млн - это огромная сумма для молодой команды, которой в августе будет 1год
Nudge разрабатывает неинвазивнвй нейроинтерфейс с использованием ультразвука. Компания создана всего год назад выходцами Neuralink, SpaceX, Vision Pro.
Их устройство позволяет стимулировать и визуализировать мозг с миллиметровой точностью.
3 месяца назад они создали и протестировали "Nudge Zero" — их первую систему, готовую для использования на людях.
Напомним, что США уже разрешили одной из компаний официально продавать на рынке свои инвазивные устройства.
Параллельно компания разрабатывает:
1. Аппаратное обеспечение и алгоритмы для ультразвукового структурного и функционального изображения через череп.
2. Методы оптимизации параметров сонификации для каждого человека.
3. Потребительский продукт, который просто работает.
Отметим, что в 2025 уже ряд стартапов получили большие инвестиции:
1. Neuralink $650 млн в рамках раунда S
2. Science Corp, основанная Максом Ходаком, в апреле 2025 года привлекла $104 млн. Компания готовится к запуску в Европе 1-ого коммерческого нейроинтерфейса для зрения.
История о том, как мы помогли двум компаниям
Недавно на нашу закрытую клубную встречу основателей компаний и инвесторов пришел фаундер, чей стартап 8 месяцев на рынке, офис в Дубае и Лондоне, $2.8млн выручки, команда в 4 странах.
Боль основателя: "Мы продаем клиентам в 20+ странах мгновенно, но оплата нашим разработчикам из разных стран занимает 5 дней и стоит 8% комиссий."
В процессе обсуждения среди наших гостей оказался основатель платежной платформы для распределенных команд Arbonum. Они обсудили подход к решению этой проблемы
через инфраструктуру обслуживания распределенных команд, автоматизированную обработку всех процессов и документов, упрощенные недорогие платежные процессы.
В итоге ребята сейчас вместе работают и очень довольны.
Получается, что команды, которые рано оптимизируют внутреннюю инфраструктуру, получают конкурентное преимущество в привлечении и удержании талантов.
Реклама АРБОНУМ ЛЛС-ФЗ, ИНН 9909660875 erid 2W5zFJWoXhS
Помните проект Stargate от OpenAI? Так вот у него проблемы
Согласно последним данным, у OpenAI и SoftBank есть разногласия по проекту, что привело к значительному сокращению краткосрочных планов после 6 месяцев задержек.
SoftBank и OpenAI не могут найти решение по важным аспектам, включая выбор локаций для дата-центров и структуры финансирования. Это привело к пересмотру планов и сокращению амбиций в краткосрочной перспективе.
О том, что проект провальный, мы писали ещё в январе.
SoftBank и OpenAI столкнулись с проблемами в привлечении необходимого финансирования. Илон Маск ранее утверждал, что у SoftBank нет даже $10 млрд подтвержденных средств, хотя Сэм Альтман опроверг эти заявления.
Вместо масштабного строительства десятков дата-центров Stargate теперь ориентируется на более скромную цель — запуск небольшого дата-центра к концу 2025 года.
Oracle также не приступила к стройке, хотя один из ключевых игроков проекта.
Со-основатель одной из лучших в мире роботех компаний: Не тратьте деньги на попытки обойтись без реальных данных - это тупик.
Со-основатель Physical Intelligence, профессор US Berkeley Сергей Левин критически относится к попыткам заменить реальные данные суррогатными при обучении ИИ-агентов, особенно в робототехнике.
Он объясняет, что:
1. Современные предобученные модели особенно VLM уже используют огромные объемы веб-данных, включая видео.
2. Поэтому дополнительное использование видео в робототехнике часто дает незначительные улучшения.
Основную пользу можно получить, правильно используя уже существующие предобученные представления.
Это очень практичное наблюдение - зачем изобретать велосипед, если CLIP, GPT-4V и подобные модели уже "посмотрели" значительную часть интернета?
По мере того как ИИ-модели становятся мощнее, это пересечение сужается. Более умные модели лучше замечают, что данные из симуляции отличаются от реальности. Любые попытки скрыть эти различия в итоге ослабляют саму модель — мы лишаем её главного преимущества: способности находить сложные закономерности в данных.
Сегодня мировые компании тратят млн $ на попытки избежать сбора реальных данных, и часто эти инвестиции не окупаются. Tesla собирает миллиарды миль данных реального вождения. Boston Dynamics годами тренировала роботов в физическом мире. OpenAI инвестирует огромные ресурсы в сбор реальных робототехнических данных.
Никто не предлагает отказаться от суррогатных данных полностью. Разумная стратегия выглядит так:
- Реальные робототехнические данные — это основа, от которой нельзя отказаться.
- Суррогатные данные полезны для снижения объеманеобходимых реальных данных.
- Современные предобученные модели (GPT-4V, CLIP) уже содержат много полезной информации из веб-данных.
Цель — оптимизировать соотношение стоимости и качества, а не избежать реальных данных.
Важная история сейчас происходит, которая может разрушить репутацию OpenAI
Произошел скандал на выходных, связанный с OpenAI и якобы их победой золотой медали на международной олимпиаде по математике (IMO).
IMO — самое престижное соревнование по математике для школьников. В этом году к соревнованию людей добавились ИИ-системы от крупных компаний.
IMO установила правила для участия ИИ-лабораторий:
1. Можно тестировать ИИ на задачах IMO
2. НО нельзя публиковать результаты 7 дней после закрытия Олимпиады, чтобы не затмить достижения детей.
3. Плюс нужна независимая проверка результатов ИИ-работ.
В итоге среди участников-людей:
Китай занял 1-е место с командным счетом 231 из 252 возможных. США — 2-е место 216 баллов, Южная Корея — 3-е 203 балла. Порог золотой медали (35 баллов) оказался рекордно высоким.
Заявления ИИ-компаний:
OpenAI 19 июля заявила, что их экспериментальная модель решила 5 из 6 задач IMO 2025, набрав 35 баллов — достаточно для золота. Ключевые утверждения:
- Тестирование проводилось в "стандартных условиях" (4,5 часа на сессию, без инструментов)
- Оценку проводили три бывших медалиста IMO
- Решения доступны на GitHub.
Google DeepMind получила отличные результаты 18 июля, но ничего не опубликовала в паблик, так как таковы правила IMO. Команда работала с официальными координаторами IMO. Отметим, что в феврале этого года Google решил 84% задач на математической олимпиаде.
Кроме этих компаний участвовала лаборатория Harmonic, созданная Владом Теневым, СЕО Robinhood. Их ИИ-модель для математики Аристотель тоже принял участие в IMO. Они заявят официально результаты только 28 июля, согласно правилам.
Тем временем организаторы IMO подтвердили, что проверили математическую корректность доказательств OpenAI, но не смогли проверить, как эти доказательства были получены. Это критически важное различие между оценкой результата и валидацией процесса.
Независимая проверка MathArena показывает, что при честном тестировании даже самые продвинутые ИИ-модели не могут получить бронзу IMO, не говоря уже о золоте. Paper. GitHub.
Лучший результат был у Gemini 2.5 Pro — 13 баллов (31%)
Все протестированные модели, включая o3 и o4-mini от OpenAI, не достигли даже бронзовой медали (19 баллов).
Без best-of-32 селекции результаты упали бы ниже 10%
Бывшие участники IMO выступили с критикой к OpenAI и отказались комментировать самоотчетные результаты без раскрытия методологии.
Джозеф Майерс, председатель комитета IMO, заявил, что OpenAI не сотрудничала с IMO для тестирования, и никто из 91 официального координатора не участвовал в оценке их решений.
А между тем в паблике OpenAI заявляет о золоте (35/42), независимые тесты показывают неспособность достичь даже бронзы (19/42).
Эта ситуация показывает реальность наших дней - противоречие между реальностью и маркетинговыми заявлениями.
Что мы знаем точно?
- Доказательства OpenAI математически корректны
- Процесс их получения не верифицирован независимо
-Публичные модели далеки от заявленного уровня
Что остается неясным?
- Реальные условия тестирования модели OpenAI
- Количество попыток и вычислительных ресурсов
- Возможность воспроизведения результатов.
Для научного сообщества важнее не сам факт решения задач, а понимание того, как это было достигнуто.
Итоги уходящей недели, то, что имеет значение в России и мире
Новые ИИ-модели, агенты и архитектуры
Китайская Kimi K2 от Moonshot — самая обсуждаемая новая ИИ-модель
Google DeepMind представили Mixture-of-Recursions — новую архитектуру LLM, которая удваивает скорость инференса и снижает потребление памяти на 50%.
Decart запустили MirageLSD — первую модель Live-Stream Diffusion для трансформации любого видеопотока в реальном времени с задержкой менее 40мс
Apple создали первую ИИ-модель для анализа поведенческих данных
OpenAI объединили в ИИ-агента браузер, Deep Research и разговорный ИИ в единую систему
Google интегрировал ИИ-агента в поисковик
Apple представили Foundation Models framework — дает разработчикам прямой доступ к встроенной AFM модели
Google создали инструмент для виртуальных миров, где множество ИИ-агентов взаимодействуют в различных сценариях
Команда института AIRI вошла в топ-5 соревнования Google на базе Concordia
OpenAI внедрит в ChatGPT функцию покупки товаров прямо в чате
MiniMax представили Max — первого в мире ИИ-агента для сложных многошаговых задач: от создания интернет-магазинов до анализа портфеля акций
Langchain выпустили опен-сорс инструмент для автоматизированного глубокого исследования
AgentsNet - benchmark для оценки координации ИИ-агентов в распределенных сетях без центрального управления
Anthropic запустили Claude для финансовых услуг
Лучшие ИИ-модели справляются только с половиной реальных финансовых задач, хотя показывают 90%+ на академических тестах.
Исследования и открытия
Российские математики решили задачу 57-летней давности, используя методы психологии
ИИ-агенты замедляют работу программистов на 19% — исследование METR
MIT представили парадигму программирования, где ИИ помогает превращать неформальный контент в структурированный код
Исследователи Tencent обнаружили уязвимость — один токен может обмануть LLM-судей
Биотехнологии
CZI Цукерберга выпустила GREmLN — опен-сорс модель ИИ, которая анализирует гены как живую биологическую систему
CellFlux - ИИ-модель изображений, которая симулирует морфологические изменения клеток по данным микроскопии
Стратегии, бизнес и финансы
Bay Area превосходит Индию, Японию и Германию — совокупная стоимость компаний области залива Сан-Франциско превышает стоимость компаний 3-х стран
Meta* может отказаться от open source, также создает 2 гигантских суперкластера для ИИ мощностью в несколько гигаватт
Инвесторы просят Anthropic взять у них деньги
Технологии и железо
Google выпустит первый полностью самостоятельно разработанный чип для смартфона Pixel 10, который представят 20 августа
США сняли ограничения на продажу ИИ-чипов H20 от Nvidia в Китай
Microsoft продает Дании квантовый компьютер уровня 2 за €80 млн — первая коммерческая сделка такого масштаба
Hugging Face открыли предзаказы на Reachy Mini — опен-сорс робота для стола за $299
Криптовалюты и блокчейн
Трамп подписал закон о стейблкоинах — криптовалюты получили официальный правовой статус.
Казахстан планирует инвестировать часть средств Национального фонда в криптовалюты
Новая экономмодель с $10 трлн токенизированных активов к 2030 году - свежий отчет OKX
*запрещенная в России организация.
Microsoft продает Дании за €80млн квантовый компьютер уровня 2 - это 1-ая коммерческая история
Дания объявила о создании СП QuNorth для покупки и эксплуатации квантового компьютера уровня 2 Magne- теоретически должны показать реальное преимущество перед классическими компьютерами.
Ранее мы писали о квантовой гонке среди ИТ-гигантов.
Что покупают датчане?
- 50 логических кубитов (1-я коммерческая система такого уровня)
- Более 1200 физических кубитов для обеспечения коррекции ошибок
- Полный программный стек от Microsoft Azure Quantum
- Аппаратное обеспечение на технологии "нейтральных атомов" от Atom Computing.
Anthropic только что запустили Claude для финансовых услуг
Теперь Claude интегрируется с ведущими платформами данных и отраслевыми поставщиками для доступа в онлайн-режиме к комплексной финансовой информации, проверенной по внутренним и отраслевым источникам.
Новая экономмодель с
$10трлн токенизированных активов к 2030 - данные из отчета OKX и Blockworks Research.
Основные тренды:
1. Растущая волна токенизации активов - децентрализованные приложения (dApps) позволяют создавать, торговать и управлять токенизированными активами.
2. Изменения в обработке данных - переход к пользоцентричному владению данными изменит способы их сбора и использования.
3. Инновации цифровых кошельков упрощают пользовательский опыт и способствуют массовому принятию.
4. Конвергенция ИИ и крипто - ИИ позволит более эффективное программирование, а крипто создаст стимулы для развития ИИ.
5. Новые источники дохода для компаний благодаря росту dApps и цифровых активов.
Традиционные посредники будут устранены: банки, брокеры, платформы.
Появляются программируемые деньги и автоматизированные финансы. Финансовая система перестраивается - стейблкоины это новая инфраструктура (уже $180 млрд), а ИИ-агенты новые участники системы.
Walmart, LVMH, Goldman Sachs уже внедряют блокчейн и ИИ.
ИИ + блокчейн = новая операционная система экономики. ИИ-агенты будут совершать транзакции автономно.
Сегодня общая капитализация всей блокчейн-экосистемы составляет $2.6трлн.
Временные горизонты:
1. 2025-2027 - Массовое принятие стейблкоинов. Токенизация основных активов.
Регуляторная ясность.
2. 2027-2030 - 10% мирового ВВП токенизировано. ИИ-агенты как экономические акторы.
Программируемая экономика.