Kurgan-Telecom Ru | Информационные технологии

Много лет спутниковая связь воспринималась исключительно как запасной вариант для мест, где нет ни кабеля, ни мобильной сети, ни вообще какого-либо сигнала. Собственно, сегодня мало что изменилось в этом плане: до сих пор принято считать, что спутники — это сложно и дорого. Может, для личного доступа в сеть это еще приемлемый вариант, но для серьезных объемов данных точно не подходит. По этой причине их до последнего времени никто не рассматривал как полноценную часть интернет-инфраструктуры, особенно магистральной.

Starlink, конечно, изменил ситуацию для части обычных пользователей. Но для передачи огромных потоков данных, скажем, между дата-центрами и облачными платформами эти сети все равно не подходят из-за ограничений архитектуры. И вот Джефф Безос презентует проект TeraWave, который предлагает использовать спутники в качестве высокоскоростного транспортного канала. Попробуем разобраться, что это такое и зачем.

Привет, Хабр! Выбор между lakehouse и классическим хранилищем остается проблемой не первый год, но к 2026-му накопилось достаточно опыта, чтобы говорить предметно. Разберём, как эти архитектуры устроены под капотом, где каждая реально сильна и почему универсального ответа до сих пор нет.

Вот что для этого понадобилось: бэкендеры — 2 штуки, фронтендер — 1 штука, дизайнер — 1 штука, мобильный разработчик — 1 штука, время — 2 учебных семестра.

Продолжаем рассказывать об интересных проектах студентов Контура. В этот раз речь пойдёт о приложении для интерактивного мониторинга белых акул по заказу Стэнфордского университета.

«Контейнер скомпрометирован». С этих слов начался трёхчасовой ночной кошмар с утечкой данных и полным отчётом об инциденте. Всё из-за банального запуска контейнера от root с лишними правами.

Тут не нужно быть хакером или гуру DevSecOps. Проблема в том, что безопасность попросту игнорируют. В новом переводе от команды Spring АйО — 11 конкретных шагов, которые помогут вам избежать катастрофы: от запуска от непривилегированного пользователя до минимальных образов, сканирования уязвимостей, изоляции сетей и настройки профилей безопасности.

Если вы разворачиваете контейнеры в продакшене — это руководство должно стать вашей чеклист-основой. Ошибка может стоить очень дорого.

Python позволяет писать код быстро и без лишнего шума, но эта же особенность часто приводит к появлению решений, которые со временем усложняют поддержку проекта. Многие антипаттерны выглядят нормально на первый взгляд и встречаются даже у опытных разработчиков.

В статье разобраны распространенные примеры такого кода и объясняется, к каким последствиям они приводят на практике.

ERP-системы непрерывно развивались с самого начала своего создания. Но их архитектура до сих пор опирается на принципы, сформулированные до эпохи повсеместного распространения данных в реальном времени и развития автономного агентного искусственного интеллекта. 

Соответственно, можно с утверждением говорить, что текущая архитектура ERP-систем не отвечает современным вызовам. В этой статье разберем, почему ей нужен принципиально иной фундамент. Я предлагаю строить его на трех китах: семантический слой данных (USDL), открытая интеграционная среда и продвинутая мультиагентная платформа (AMAP).

Далее я подробно представлю архитектуру такой ERP-системы, типы AI-агентов и примеры их работы в реальных бизнес-процессах. Ключевая идея — гибкая автономия под контролем человека. В статье я опираюсь на актуальные разработки и аналитику 2025 года, чтобы показать и возможности, и подводные камни мультиагентных систем в корпоративной ИТ-среде.

Говорят, что цифры не лгут, но графики — совсем другое дело. Мы привыкли доверять красивым дашбордам, но наш мозг считывает картинку быстрее, чем успевает включиться логика. Этим охотно пользуются маркетологи, политики и стартаперы. В этой статье разберем 5 классических приемов визуального обмана: от «откушенных» осей до коварных 3D-пирогов, которые превращают стагнацию в триумф прямо у вас на глазах.

Я вернулся на Хабр, по моему опыту - самое ламповое и адекватное место в интернете. Я уходил с Хабра чтобы очистить цифровой след, но вернулся потому что вылечил депрессию накопил достаточно интересных тем для обсуждения, которые хочу обсудить с реальными людьми. После этой статьи думаю написать разные статьи про Linux.

Эта статья больше философско-практическая (предназначена для обсуждения в комментариях), но во многом прямо или косвенно касается IT тематики (система образования, ограничения интеграции искусственного интеллекта в деятельность человека), и в ней есть много моментов, в которых я не очень уверен, но которые вы, дорогие читатели, можете обсудить в комментариях, порассуждать, прийти к консенсусу.

Тут все делятся успехами, а я поделюсь не успехом во внедрении одного проекта. Началось как обычно - собрали совещание с каким то нестандартным составом - обычно собирали или по цехам или по направлению работы или по разбору инцидента, а тут по собравшимся было не понять что случилось.

Это происходило на крупном металлургическом предприятии, лидере в отрасли, успешное и прибыльное. Председателем совещания представили помощника директора по направлению. Он сумбурно сказал, что они проанализировали спрос на комбинатовскую продукцию и выяснили что клиенты предпочитают покупать продукцию мерной длины, а мы выпускаем продукцию как мерной так и немерной длины. И данное совещание посвящено разработке технологии по производству продукции фасонной продукции только мерной длины.

В прокатных цехах мы выпускали сортовую и фасонную продукцию: балки, швеллера, уголки и тому подобное, включая рельсы. На стане катается раскат длиной 65 - 70 метров, а потом разрезается на длины 12 метров (для возможности отгрузки в полувагонах). Продукция в длине 12 метров считается продукцией мерной длины, другие длины - немерными длинами.

Математика раскроя раската для возможности отгрузки:

Раскат швеллера: 65−70 м.

Режем на 12 м (максимально сколько получится): 12×5=60 м.

Остаток: 5−10 метров, минус хвосты (минимум по метру с каждого конца) - остаётся 3−8 метра немерной длины.

Так делается не только у нас на комбинате, а везде так. Что бы немерная длина имела спрос, этот вопрос решён в ГОСТах - допускается отгрузка немерной длины, обычно до 15 процентов. В обязательной государственной документации это требование было, только изменились времена и клиент может просто не купить всю партию. Дефицита уже нет, поэтому к клиентам стали прислушиваться.

В январе 2026 года Accenture выпустил отчет Top Banking Trends 2026 — исследование о том, как банки перестают работать в рамках привычных ограничений. Генеративный и агентный ИИ, цифровые валюты и новые точки входа к клиенту меняют не отдельные продукты, а саму логику банковской модели.

На связи Даниил Высоцкий, неравнодушный эксперт разработки с проекта единой платформы государственных услуг, и Вера Шингарёва, экс-специалист по доступности интерфейсов компании РТЛабс.

В 2026 году мы уже понимаем, что одна LLM (даже GPT-5 или Claude 4.5) не может быть идеальным судьей в один проход. Сейчас используются агентные системы, которые сначала декомпозируют ответ, проверяют факты через инструменты (поиск, код), и только потом выносят вердикт.

Российские промышленные предприятия активно защищают свою интеллектуальную собственность: они регистрируют товарные знаки, патентуют изобретения, полезные модели и промышленные образцы. Также они обращают особое внимание и на оформление прав на свои программ в Роспатенте. Сегодня расскажем о таких объектах подробнее.

В 2023-м году я организовал среди друзей бесплатный курс по Frontend-разработке. А в 2024-м начал делать отдельный курс для своей жены, но делал это уже с помощью IDE Cursor и Markdown-файлов в Docusaurus.

В какой-то момент мне нагрянула мысль - раз я уже делаю курс с помощью ИИ, то почему бы это не автоматизировать и не масштабировать? Так и родилась идея об универсальном ИИ генераторе курсов на любую тему, и для любого опыта.

Везде пишут «Илон Маск стал богаче на $84 млрд благодаря сделке по слиянию SpaceX и xAI» – и тут явно необходимо небольшое пояснение. Дело в том, что все цифры в этой сделке – довольно-таки условные. Ниже объясню на пальцах.

Пока дел немного, юридический процесс кажется управляемым: статусы, отчёты, дедлайны.
Когда дел становится десятки тысяч, выясняется, что статусы не показывают процесс, а KPI не помогают управлять.

В статье — как мы перешли от статусов к событийной модели и что это дало.

ИИ в «Финаме» — это не история про «подключили ChatGPT и всё заработало».
Это путь от личного эксперимента с GPT-3.5 до корпоративной платформы, которой ежедневно пользуются тысячи сотрудников.

За этим стоят не только модели и API, но и лимиты, логирование, безопасность, работа с документами, RAG, локальные модели и постоянные компромиссы между качеством, скоростью и стоимостью.

Мы прошли этот путь без готовых рецептов: сначала через эксперименты, затем — через масштабирование и переосмысление архитектуры. Какие решения сработали, а какие пришлось пересобрать на ходу — рассказываю честно и без иллюзий.

Эта статья — про реальный опыт внедрения ИИ в крупной компании и про то, почему технологии оказались лишь половиной задачи, а самые интересные сложности начались дальше.

Привет! Мы — команда блога Цифрового СИБУРа. Мы вместе с коллегами из разных подразделений рассказываем в блоге, какие решаем задачи и боли производства, как создаем свои цифровые продукты и как вообще у нас работается.

В декабре на Хабре мы выпустили статью с результатами исследования: почему айтишники идут в BigTech или в промышленное ИТ. Затем мы провели опрос среди хабровчан. А потом под конец года топ Хабра взорвала статья коллеги по цеху, где он рассказал о своём опыте работы в промышленности.

По этим статьям прилетело прилетело 622 комментария от 220 разных людей. Многие делились ожиданиями, своим опытом и мнением — как о работе в промышленности, так и в Big Tech.

По обсуждению хорошо видно, что компании даже в одной отрасли могут сильно отличаться по культуре, процессам и подходам — будь то промышленность, финтех или любая другая сфера.

Поэтому мы подумали, что и мы хотим поделиться, как устроена работа у нас Цифровом СИБУРе. 

Отталкиваемся от поднятых тем. Все комментарии мы разложили по категориям. Получилось шесть основных тем. Проценты — это доля людей, которых волнует конкретная проблема. Один человек мог писать про несколько тем сразу.

Давайте по порядку.

Как Kimi K2.5 от Moonshot AI доказывает, что алгоритмическая изобретательность бьет грубую силу.

Буквально несколько дней назад произошло событие, которое может переписать мировую иерархию искусственного интеллекта.

Китайский стартап стоимостью $4,8 миллиарда только что опубликовал открытую модель, которая обходит GPT-5 на самых сложных тестах планеты.

А самая поразительная часть? Эта модель может создавать собственную армию ИИ‑агентов и координировать их в реальном времени.

Это взрывное возвращение Kimi K2.5. Если вы давно следите за ИИ, то знаете: каждый раз, когда Moonshot AI что‑то объявляет, все замирают. Если нет — сейчас поймете почему.

В статье представлен подробный разбор разработки высокопроизводительного 3D-движка для оптимизации загрузки транспортных средств. Мы прошли путь от простого полочного алгоритма с КПД 58% до комплексной системы, обеспечивающей плотность упаковки до 90%. Автор делится уникальным опытом решения критических проблем: от устранения коллизий и соблюдения границ трюма до внедрения динамической балансировки веса и строгой очередности выгрузки по городам (LIFO). Особое внимание уделено оптимизации алгоритма Subset Sum, позволившего достичь скорости обработки в 14 000 объектов в секунду, и верификации логики через систему из 12 Unit-тестов. Внутри — чистый код на Python, математические выкладки и эффектная визуализация процесса упаковки