Kurgan-Telecom Ru | Информационные технологии

В июле Лян Вэньфэн, основатель DeepSeek, стал богатейшим человеком в мире среди создателей ИИ-моделей. По оценке Bloomberg, его состояние достигло $36 млрд после раунда финансирования DeepSeek на $7,4 млрд в июне 2026 года. Компанию оценили в $50 млрд, а доля Ляна сократилась до 78%.

Для инженеров рынка и создателей стратегий эта история важна не просто как очередная новость о китайском миллиардере. Это кейс о том, как системный подход к данным, алгоритмам и инфраструктуре может породить одну из самых влиятельных ИИ-компаний мира.

От университета до квантового фонда: первый опыт с данными

Лян Вэньфэн родился в 1985 году в Чжаньцзяне, Китай. В 17 лет поступил в элитный Чжэцзянский университет на факультет электроники и телекоммуникаций. В 2010 году получил степень магистра в области информационных и коммуникационных технологий. Его магистерская диссертация была посвящена алгоритму отслеживания целей с использованием экономичных PTZ-камер — ранний признак интереса к алгоритмическим системам.

В 2008 году, во время мирового финансового кризиса, Вэньфэн и его однокурсники начали анализировать данные финансового рынка и изучать количественный трейдинг. Это был его первый опыт объединения ИИ с финансами.

К 2013 году он интегрировал ИИ в количественный трейдинг и основал компанию Hangzhou Yakebi Investment Management. В 2016 году стал соучредителем Ningbo High-Flyer Quantitative Investment Management — фонда, который стал пионером в области количественного трейдинга в Китае. К 2019 году High-Flyer управляла активами на сумму более 10 млрд юаней.

Приветствую всех!

В своё время я уже успел показать несколько моделей транспортных автоинформаторов, тех самых приборов, объявляющих остановки. И всё это время от меня ускользал один тип девайсов: так сказать, первое поколение этих устройств, аналоговые информаторы на магнитной ленте. По неведомой причине я даже не нашёл ни одного их фото, что уж говорить о более подробной информации.

И вот, спустя много лет поисков я всё-таки нашёл один такой аппарат. Как он устроен и как работает? Сейчас и узнаем...

У нашей команды тестирования есть множество устройств, работающих под управлением ОС "Нейтрино". В том числе есть и редкие девайсы, которые бывают нужны не только тестировщикам, но и разработчикам, которые регулярно обращались с просьбой одолжить ту или иную плату «на часок-другой» и ничего на ней временно не запускать.

Однако, и разработчиков много и тестировщиков тоже много, и уследить за всеми такими просьбами становится сложно. С ростом команд проблема, разумеется, масштабировалась.

Так у нас возникла необходимость в сервисе, который бы всех синхронизировал по вопросам доступа к устройствам, и давал краткую справку о железе, чтобы отмести однотипные вопросы.

В этой статье расскажем о том, как мы реализовали такой сервис.

Один разработчик запустил 400B-модель на iPhone 17 Pro. Еще раз, 400 млрд параметров, правда с оговоркой, сделал он это через стриминг весов с SSD прямо в обход оперативки. И она работала. Выдавала 0,6 токена в секунду — это примерно слово в пару секунд, с задумчивыми паузами, как диалап в 2003. Технически бесполезно, на практике возможно (но ведь запустилась же).

И вот еще из неочевидного. Прямо сейчас, пока вы читаете это в Chrome на десктопе, в ваш браузер уже скачана языковая модель на несколько миллиардов параметров, и любая открытая вкладка может ее дернуть без спроса. В вашем телефоне крутится Apple Intelligence? Поздравляю, вы обладатель ИИ в вашем смартфоне. В общем, маленькие языковые модели уже среди нас.

Так давайте разберемся, что это за модели на 1–7 млрд параметров, кто их делает, как они запускаются на телефоне, в браузере, и где вас ждет подвох, которого нет ни в одной таблице с бенчмарками.

Он создал механический прототип компьютера и фактически заслужил титул "отца кибернетики". Но ни одно из его изобретений так и не было закончено. а жизненный путь был не самым простым. Это история Чарльза Бэббиджа — визионера компьютерных технологий и грозы уличной мафии.

«У нас было две горячих ноды, 75 дев-стендов, 5 видов тестов, горка внешних сервисов, и целое множество тест-кейсов всех сортов и расцветок, а также CI/CD, core-модель, пачка customer-модулей и DBUnit. Не то чтобы это был необходимый запас для интеграционного тестирования. Но если начал делать свой тестовый фреймворк, становится трудно остановиться. Единственное, что вызывало у меня опасение – это Excel. Нет ничего более беспомощного и обреченного, чем тестировщик, который вынужден заполнять 20 листов записей вручную. Я знал, что рано или поздно мы перейдем и на эту дрянь». © Хантер Томпсон, если бы работал гонзо-тестировщиком

Привет, Хабр! Меня зовут Настя Кензина, я – QA-инженер в компании HFLabs и занимаюсь тестированием CDI (Customer Data Integration) — системы управления клиентскими данными. В этой статье я расскажу, какие сложности накопились у нас за годы эксплуатации и развития тестового фреймворка, в чем минусы табличного хранения тестовых данных, и какое итоговое решение выявленных проблем мы для себя нашли.

Дано: инженерный стартап с продуктом для автоматизации строительного контроля. Первые B2B‑продажи есть, но рост встал — 1–2 демо в неделю.

Через два месяца та же команда проводит по 2–4 демо каждый будний день, закрыты 4 сделки, собрана база из 900+ целевых компаний. И всё это без ИИ‑агентов и волшебной лидогенерации.

Рецепт: вовлечение команды в планирование, еженедельные спринты по фреймворку OKR, одна спонтанная деловая игра, которая вскрыла настоящую проблему.

Я вёл этот проект как ментор и ниже разберу, что мы делали, что оказалось реальным барьером и какие ходы дали результат.

Привет, Хабр! Я Виктор Прусаков, ведущий разработчик ГК «Юзтех». В этой статье расскажу, как мы решали задачи детектирования аномальных событий в видеопотоке на двух совершенно разных кейсах: ДТП на городских перекрёстках и введение допинга лошадям на скачках. Оба запроса поначалу казались стандартными, но именно они помогли нам переосмыслить сам подход к задаче и понять разницу между детектированием объекта и детектированием события. Будет про фильтр Калмана, ускорение, угол траектории и грабли, которые встретятся на пути. Погнали!

Представьте себе компанию, которую годами ставили в пример. Её кейсы разбирали в бизнес-школах, конкуренты пытались копировать её решения, а руководителей приглашали рассказывать о секретах успеха. Казалось, что её позиции непоколебимы.

А потом что-то ломается. Именно этот вопрос заинтересовал Джима Коллинза. После успеха книг «От хорошего к великому» и «Построенные навечно» он решил посмотреть на другую сторону корпоративной истории — туда, где компании постепенно теряют своё величие. Потому что, как показывает практика, путь к вершине изучают многие, а путь вниз — единицы. Коллинза заинтересовал простой вопрос: можно ли заметить начало корпоративного упадка еще до того, как он станет очевидным для всех? По его мнению, можно — и обычно этот путь проходит через пять вполне узнаваемых стадий. Разберём их по порядку.

Привет, Хабр! В ноябре 2016-го дрон GoPro Karma начал падать с неба. У части аппаратов прямо в полёте пропадало питание, и меньше чем через три недели после старта продаж GoPro отозвала все проданные экземпляры, около 2500 штук. Провалился даже не один гаджет — провалилась попытка компании стать чем-то большим, чем автор одной удачной идеи.

В статье речь пойдёт о компаниях, которые сделали один отличный продукт, а потом годами не могли повторить успех. Не потому что вдруг поглупели, а потому что первый хит был редким совпадением: удачный продукт, удачное время, немного везения. Разберём пять таких историй и попробуем понять, почему повторить успех так тяжело.

В игровой индустрии сложилось устойчивое представление, что успех = масштаб. И часто это действительно так — монументальные хиты вроде The Witcher 3 или Red Dead Redemption 2 создаются усилиями тысяч людей и огромных бюджетов.

Но гигантский масштаб — не единственная формула успеха, и уж точно не страховка от неудач. Иногда огромные бюджеты лишь усложняют процессы, а инерция большой структуры не позволяет вовремя сменить курс.

Параллельно с гигантами существуют небольшие команды, которые и без космических ресурсов создают успешные продукты. Это не новый тренд и не история про «бедных родственников», которым не хватило денег на расширение, а просто другой способ организации работы со своими преимуществами — более камерный, маневренный и прозрачный, хотя со стороны может показаться, что он состоит из одних ограничений.

Чтобы понять, как это работает на практике, мы поговорили с Иваном Дворяновым, руководителем игрового направления Magnus Tech. В этой статье делимся его экспертизой и выясняем: почему для коммерческого успеха порой достаточно команды из 7–10 человек и как не сломаться под грузом мультизадачности, выбрав этот путь.

Возраст, пол и интересы долгое время были основой рекламного таргетинга. Однако сегодня этих данных уже недостаточно, чтобы определить, готов ли пользователь принять решение о покупке. Все чаще рекламные платформы строят сегментацию вокруг намерений и жизненных сценариев, которые можно выявить по цепочке поведенческих сигналов.

Привет! Это Авито Реклама. В статье разбираем, почему такой подход становится новым стандартом рынка и как его используют крупнейшие рекламные платформы.

Ох уж эти программисты — вечно всё путают, тормозят и вместо Латте создают Эспрессо! То ли дело аналитик: у него и ТЗ, и логика железная, и кофе пьётся как‑то осмысленнее. Вот пишешь им ТЗ, согласовываешь, потом ждёшь, а в голове крутится: «Ну сколько можно? Я бы за это время уже три интеграции настроил!»

Пора взяться за дело настоящему Бармену‑Аналитику! Он не ждёт, пока код напишут, он сам смешивает ингредиенты: щепотку JSON, каплю маппинга, пару кликов — и вот уже данные аккуратно оседают в 1С, как гуща на дне турки.

Как компании ищут генеральных директоров? Где размещают вакансии? Кого выбирать в финальный пул?

1. Искать кандидатов и предлагать им рабочие места (вакансии) можно в любом канале и в любой базе данных, в которых они могут быть. Собственно, HR маркетинг и заключается в том, чтобы четко выделить сегмент и портрет целевого соискателя (клиента) и предложить ему конкурентоспособное рабочее место с уникальным торговым предложением (EVP). Одним из элементов HR маркетинга является управление каналами распространения контента о рабочем месте - hh, чаты, объявления в электричках, приведи друга - и любыми другими.

2. HR маркетинг возникает из необходимости продажи рабочих мест соискателям. Продажи рабочих мест делятся на прямые и непрямые. Вот как раз в случае с генеральным директором - мы будем говорить скорее про прямые продажи.

3. Продажу таких рабочих мест поручают не каждому HRD. Для того, чтобы вести такого уровня переговоры от лица собственника надо быть глубоко погруженным в сам бизнес, понимать его особенности, достаточно тесно взаимодействовать с акционерами, быть сообразным масштабу задачи. Поскольку, обычно, HRD подчиняется как раз генеральному директору, у него не всегда возникает возможность добрать эти компетенции. Поэтому для решения таких задач часто привлекают кадровые агентства. Более того, лет 20 назад вообще было не принято напрямую обращаться к потенциальным соискателям - считалось неэтичным. И кадровое агентство становилось тем посредником, который снимал эту неловкость. На современном рынке труда правила изменились.

В 1947 году Пол Эрдёш, венгерский математик-передвижник, представил то, что впоследствии стало одним из самых мощных инструментов математики. Он хотел доказать существование определённого вида объектов — в данном случае сети, состоящей из взаимосвязанных узлов. Но, как ни странно, в его доказательстве не указывалось, как именно её построить. Вместо этого он показал, что если рассмотреть все возможные сети и выбрать одну из них наугад, вероятность того, что вы найдёте сеть с нужным свойством, больше нуля. Это означает, что искомая сеть где-то существует, даже если вы почти ничего о ней не знаете.

Подход Эрдёша, известный как вероятностный метод, был простым, но революционным. До его появления «если бы я заявил, что определённые объекты должны существовать, вы бы ответили: „Покажите мне такой объект“», — сказал Бенни Судаков, математик из Швейцарской федеральной политехнической школы в Цюрихе. «Но некоторые объекты настолько необычны, что нам трудно даже представить, что они вообще существуют».

Метод Эрдёша преодолел эту трудность, продемонстрировав, что случайность можно использовать способами, о которых математики и не подозревали. «Тогда было просто поразительно, что случайность можно использовать таким образом», — сказал Джоэл Спенсер из Нью-Йоркского университета. «Теперь это стало базовым подходом».

Специалистами экспертного центра безопасности Positive Technologies (PT ESC) зафиксированы признаки реализации злоумышленниками атаки через штатную функциональность службы ViPNet MFTP. На момент написания уведомления известная хронология атаки охватывает период как минимум с 1 июня по 14 июля 2026 года, а ее поверхность — как минимум 8 организаций. Под катом рассказываем, что нам известно об атаке на настоящий момент.

Какая техническая область развивается практически всю историю человечества, идя с ним рука об руку и, несмотря на все прошедшие века и технические изменения, — до сих пор, в основе своей, находится на том же уровне, что и многие тысячи лет назад? 

И это безусловно — бритьё! :-)

Независимый разработчик собирает инструмент, через несколько недель о нем говорит весь интернет, а спустя несколько месяцев крупная корпорация показывает собственную версию той же идеи — с корпоративными политиками, аудитом и подпиской. Знакомая история? Так происходит любая технореволюция. Недавно этот путь прошел OpenClaw — от opensource-проекта до Scout, нового ИИ-агента Microsoft. Разберем, почему эта история интересна и самим продуктом, и тем, как индустрия приручает технологии.

Эта статья — для собственников и руководителей среднего и малого бизнеса, которые хотят понять, где ИИ реально экономит деньги и снижает рутину.

Меня зовут Максим Голубов, я развиваю направление ИИ в ALP ITSM. Каждый месяц мы видим одну и ту же картину. В некоторых компаниях внедрение идет тяжело, потому что кто-то пытается внедрить ИИ при отсутствии порядка в процессах или данных. Другие ждут, что ИИ-бот начнет полноценно заменять сотрудников поддержки, при этом не вкладываясь в его развитие. Иногда сами сотрудники активно сопротивляются, потому что не понимают, зачем им новый инструмент. А бывают случаи, где сотрудники саботирует процесс, т.к. боятся что ИИ их заменит.

Корпорации уже вложили в искусственный интеллект десятки миллиардов долларов, но по данным исследования MIT NANDA «State of AI in Business 2025», только 5% внедрений реально окупаются, у остальных 95% — нулевая отдача от вложений. Это статистика больших игроков, но для малого и среднего бизнеса картина похожа: масштабы меньше, зато каждый промах бьет болезненнее. Один неудачный ИИ‑проект способен, к примеру, съесть финансовый результат целого квартала — именно поэтому важно заранее понимать, какую задачу вы решаете и как будете считать эффект. 

Пока одни руководители осторожно пробуют, их продвинутые конкуренты уже доверили нейросетям разбираться с типовыми обращениями, анализировать данные и даже общаться с клиентами. Ключевой вопрос для МСБ сегодня звучит не «нужен ли нам ИИ», а «какую именно боль закрываем и как сделать это без тяжелых затрат».

В статье поделюсь опытом: 

- где нейросети действительно помогают малому и среднему бизнесу;
- почему часть проектов «умирает» сразу после пилота;
- в цифрах разбираю российский и зарубежный опыт;
- дам практический чек-лист для самостоятельной оценки готовности компании к ИИ.

Инновации рождаются из смелых гипотез, но далеко не каждая из них превращается в успешный продукт. Одни идеи не доходят до реализации, другие выходят на рынок слишком «сырыми». Чтобы избежать этого, важно проверять жизнеспособность решений до этапа разработки.

Мы помогаем снизить риски с помощью тестирования MVP на реальных пользователях. Даже несколько сессий позволяют получить первые сигналы: насколько идея понятна, решает ли задачи и где пользователю нужна поддержка. Наш тимлид Александра Чернова на примере одного из недавних кейсов рассказала, как мы решаем такие задачи.