Kurgan-Telecom Ru | Информационные технологии

Почитал комментарии под своими постами про антропоморфных роботов и ИИ. Вижу два основных возражения:

1. Нафига антропоморфные роботы, лучше узкоспециализированные.

2. Да этот робот не окупится никогда.

Начнем с первого. Тут все просто. Весь современный мир спроектирован под человека средним ростом около 170 см с двумя ногами и двумя руками по пять пальцев каждая. Этот антропометрический ориентир заложен в основу большинства стандартов массового производства (ISO и ГОСТ). Все в мире, от кухонной столешницы до ручки перфоратора, создано под эту анатомию. Поэтому, чтобы заменить людей в 99% бытовых и производственных ситуаций, нужен именно антропоморфный робот высотой около 170 см.

Далее, про окупаемость. Давайте посчитаем. Для начала, небольшая ремарка, я не буду считать в рублях для Российского рынка, потому что Россия по темпам роботизации производств драматически отстает от остального мира. Мы на уровне Греции и Аргентины. Сейчас плотность роботизации в России, по данным Минпромторга, составляет 19 роботов на 10 тыс. сотрудников (среднемировой уровень — 162 на 10 тыс.). Для сравнения у лидера рейтинга, Южной Кореи —1012 роботов на 10 тыс. сотрудников. В гонке антропоморфных роботов лидируют США и Китай. Из-за большей доступности данных по рынку США, дальнейшие расчеты будут опираться именно на американскую статистику.

Средний промышленный робот (например, манипулятор для сборки) требует $5,000–$10,000 для полного годового обслуживания. Роботы для специфических задач (сварочные, паллетировочные) — до $20,000 в год из-за сложного оборудования и специализированных компонентов. Плюс не забываем о гарантии от производителя, как правило, 1–2 года.

Каков контекст и ЗАМЫСЕЛ моего блога, какие идеи я хочу донести?

Я начинаю блог с предпосылки: мир стал очень сложным, превратился в хрупкий – BANI-мир.

Базируясь на ней, постулирую, что из-за продолжения технологического прогресса, глобализации[1] и становления интеллектуального общества, как симбиоза естественного и искусственного интеллектов, а также из-за цифровой трансформации возникли усугубляющие сложность факторы:

Я уже около 2,5 лет системно изучаю английский. За это время успел попробовать довольно много разных приложений и способов обучения. В этой статье хочу поделиться личным опытом: что действительно оказалось полезным, что быстро надоело, а что я использую до сих пор.

Изначально я начал учить английский в первую очередь из практических соображений. Мне хотелось свободнее читать техническую документацию, статьи и обсуждения без постоянной необходимости пользоваться переводчиком. Кроме того, я довольно много играл, поэтому отсутствие русской локализации в некоторых играх тоже стало дополнительной мотивацией.

На данный момент я субъективно оцениваю свой уровень как B2. При этом изучение английского я не бросил: язык уже стал частью моей повседневной рутины, а для работы и развития в IT всё равно есть куда расти.

В среднем я уделяю английскому около двух часов в неделю, хотя на разных этапах обучения этот показатель сильно менялся.

Поэтому в этом материале по инструментам примерно в том порядке, в котором сам их использовал, и расскажу о плюсах, минусах и о том, какое место каждый из них занимает в моём обучении сейчас. В статье будут приложения для изучения языка, англоязычный контент, книги, игры, нейросети и так далее.

Поменять промпт или модель можно за вечер. Понять, стало ли лучше, без эвалов нельзя. Разбираю, что такое эвал для LLM-фичи, где его запускать и что бывает, когда его нет.

Помимо текстов для Хабра, я сейчас работаю над очередной книгой. ИИ тут здорово выручает. И подборку материалов сделает, и факты проверит. Только вот в бесплатной версии большинства из них серьезная работа заканчивается всегда одинаково. Источники разобраны, логика сходится, я наконец сажусь за чистовик, и на втором абзаце прилетает: «лимит исчерпан, подождите несколько часов». А время на работу есть сейчас. Вдохновение и законченная мысль в голове тоже только сейчас.

Остается наскоро сохранить черновик, удерживать недописанное в «оперативке» и ждать окончания кулдауна. А потом все заново. В такие моменты очень хочется понять, что же нужно купить, чтобы избежать таких разрывов, и почему покупка устроена так, а не иначе. Продолжение про цены я обещал еще в первом тексте о токеномике, и теперь у него появилась личная причина.

Все упирается в вычислительные мощности, а не в маркетинг. Цены на ИИ за год менялись не раз, и на то были причины. Посмотрим на шесть крупнейших компаний — OpenAI, Anthropic, Microsoft, DeepSeek, Alibaba и Moonshot — и разберем три способа продать ИИ и то, как они эволюционировали.

Все цены даны в долларах США, срез на 1 октября 2026 года. Меняются они часто, поэтому логика здесь ценнее цифр. 

Cockroach Labs обнаружила тысячи лишних слов в инструкциях агентов. Я сопоставил их опыт с собственным случаем: три предложения новых правил после проверки существующего кода свелись к одной доработке.

Люди, редко писавшие что-то оригинальное, внезапно начали создавать подробные проекты, бизнес-планы, документацию, презентации, тикеты, пул-реквесты, посты и конспекты совещаний. Всё это генерируют LLM. И эти тексты нечитаемы. ИИ помогает мне писать лучше и быстрее, но я по уши сыт чтением практически всего, что написано ИИ. В этом эссе мне бы хотелось выразить своё раздражение и рассказать о том, в чём для меня заключается ценность ИИ при написании текстов.

Часть один

Имеется большая часть кодовой базы, в которой есть логика, которую требуется вынести...

Один, два, три

Bы нaвepнякa дeлaли этo мнoгo paз: нaшли в пpoeктe пoдxoдящий для peшeния зaдaчи кoд, cкoпиpoвaли, зaмeнили в кoпии пepeмeнныe или вызoвы фyнкций нa дpyгиe, нo пpи выпoлнeнии пoлyчили нe тo пoвeдeниe, которое oжидaли? Bepoятнo, пpи peдaктиpoвaнии чтo-тo ycкoльзнyлo oт вaшeгo внимaния. Имeннo тaк poждaютcя oшибки, o кoтopыx пoйдёт peчь в этoй cтaтьe.

В статье разбираем, как устроен Apache Airflow 3, для каких задач он используется, какую роль играет в архитектуре DWH и BI, и когда его стоит выбирать для оркестрации процессов обработки данных. Сравниваем с Prefect и Dagster.

Сэм Альтман не устает потворять, что ИИ вот-вот вылечит рак и решит все остальные задачи, столь насущные для человечества. Из этого логически следует, что ИИ станет более разумным, нежели коллективы из сотен или даже тысяч высококвалифицированных экспертов, затративших десятилетия на решения этих задач. Вкратце, Альтман обещает суперинтеллект, и остальные технобро от ИИ делали схожие заявления. Проблема только в том, что ИИ так не работает. По факту искуственный интеллект не является интеллектом вообще. Это просто чепуха, а не термин. В реальности под ИИ скрывается статистическая модель, способная воспроизводить тренды, выявленные в обучающих данных. Она не понимает, что делает; она не обладает сознанием и не может создавать реально новаторские решения (читайте подробнее ниже). Проблема в том, что этот пузырь ИИ работает исключительно на идее НФ, что однажды ИИ перестанет быть машинкой для плагиата, очнется, и станет божеством разумным. По мере иссякания источников финансирования, накопления долгов и IPO на горизонте, индустрии требуется продемонстрировать нечто из наступления миифического будущего. На удивление вовремя OpenAI заявила, что их модель решила задачу "на миллион". Обрела ли машина разум? Нет, скорее здесь речь о неслыханном промышленном шпионаже. А что еще это было, как Вы думаете? ИИ работает только так и никак иначе.

За одной командой docker run скрывается целая последовательность операций с файловой системой Linux. Но что потребуется, чтобы воспроизвести их вручную? Пройдём путь от создания пространств имён и настройки rootfs до запуска приложения в собственном контейнере, используя стандартные инструменты Linux.

В 2027 году вакцину от ВПЧ (вируса папилломы человека) планируют включить в календарь прививок для девочек 12–13 лет. Разбираюсь, как устроена вакцинация, кому рекомендована и почему её так часто боятся.

Разбираю, как устроена команда ИИ-агентов в Claude Code, которая собирает дословные цитаты целевой аудитории из открытых источников и сама проверяет, что каждая цитата существует. Архитектура, лимиты, реальный замер на 13 агентах и ошибки, которые пришлось чинить.

Привет, Хабр!

Коллеги что-то не очень делятся информацией, а она, вероятно, нужна много кому. В первую очередь мне совершенно не хочется как-то навариваться на проблемах коллег по цеху или ловить на этом дешёвый хайп. Но выразить свою позицию и рассказать, что мы прямо сейчас наблюдаем изнутри, необходимо. А наблюдаем мы много всего интересного. 

Как только всё случилось, к нам повалила куча людей, чтобы срочно воткнуться. Я посмотрел по сторонам и увидел, что у многих коллег по рынку моментально и некисло выросли ценники. Некоторые виды ресурсов вообще перестали быть доступны к заказу. 

Мы, если что, не поднимаем и не планируем поднимать цены. Мы продолжаем жить ровно на тех же ценах и условиях, что и до мая. 

Возможно, поэтому было тяжело поднять голову в эти дни, потому что свалилось много работы. 

Все с мелкими виртуалками как-то размазались по рынку (возможно, ушли в ЦОДы СНГ), а вот корпораты и гиганты не могут так сделать. У них обработка персональных данных, и она должна делаться на территории России. Поэтому к нам вполне утром может прилететь запрос на огромную инфраструктуру, мы отвечаем коммерческим предложением, днём мы её выделяем, вечером начинаем миграцию — и параллельно юристы обсуждают бумажки. Многим важнее подняться и найти новый ЦОД.

Корпораты очень требовательные. Они точно знают, какие кластеры k8s им нужны. Например, один из мигрирующих спросил, есть ли у нас managed Kafka. Кафка у нас была только гречневая, но за ночь мы сделали им первый сервис, а потом уже патчили на лету.

Ещё мы были очень заняты тем, что вывозили оборудование из крупных дата-центров IXellerate — мы ещё пару месяцев назад начали подозревать что-то и думали, что, если что, они в списке целей. Поэтому мы оттуда смигрировали почти полностью — там остались только единичные серверы и точки присутствия (где стык с провайдерами и т. п.), это для технического резерва инфраструктуры.

Один новый дата-центр развернули, ещё два на подходе. Где они — не скажем, но это не бункеры. 

Теперь чуть подробнее — и ещё что будет с рынком.

Привет, Хабр! В сентябре команда Selectel обновила ИИ-платформу и расширила список моделей в ИИ-роутере, представила набор сервисов для работы с данными и выпустила другие обновления. Подробности — под катом.

В 1985 году один небольшой токийский ресторанчик приковал к себе внимание всей “Страны ста островов”. А всё потому, что в нём на смены регулярно начал выходить один странный робот.

Привет, Хабр! Меня зовут Георгий, руковожу продажами и маркетингом в Аспро.Cloud. За плечами больше пятнадцати лет в B2B-продажах — TELE2, Samsung, Whirlpool, команды до полусотни человек.

Всем рассказывают, как ИИ экономит время. Почти никто не рассказывает, как проверять его работу — хотя именно там, на мой взгляд, решается, был смысл внедрять или нет. Этому и посвящена статья.

Я правлю промпты агентов, которые пишут и проверяют тексты. Чтобы правка не сломала то, что раньше работало, я собрал набор примеров с известным ответом и прогнал по нему проверку, где ИИ-модель играет читателя. Сильно правленые тексты она чаще пропускала, чем возвращала.

В набор вошли тексты двух видов: одни я потом сильно переписывал руками, другие почти не тронул. Если принять правку промпта по такой проверке, брак уйдёт дальше, а проверка будет гореть зелёным.

Привет, Хабр! Меня зовут Кирилл Алексеев, я ведущий инженер в отделе интеграции систем на кристалле радиочастотного центра YADRO. В прошлых статьях я рассказывал о процедурных и конвейерных вычислениях и распараллеливании цифровых схем по независимым операциям. Сегодня продолжим тему и разберем, как получить конвейерную реализацию КИХ-фильтра через распараллеливание схемы MAC-операции по зависимым операциям.

В статье рассмотрим простейшие способы оптимизации цифровых схем, связанные с методом распараллеливания, сравним полученные схемы между собой и со схемами из предыдущих статей. Расскажу, в каких случаях какие методы распараллеливания использовать, чтобы получить максимум производительности при минимуме аппаратного ресурса.

Статья будет полезна молодым специалистам, которые только начинают работу с ПЛИС, опытным инженерам и архитекторам вычислительных устройств: приглашаю обменяться опытом в комментариях.