Радиатор — это штука, которая хочет максимум площади поверхности, и чтобы он был небольшой по объёму. Желательно, чтобы его можно было поставить на мааааленький процессор, а площадь его поверхности была примерно как у всего вашего микрорайона. Это если среда вокруг идеальная и может снимать любое количество тепла довольно быстро. Если это не так — рождаются компромиссы, которые вы хорошо знаете. Тут новая технология охлаждения через выращивание кучи наностолбиков на меди — можно очень хорошо увеличить площадь, но обычного воздуха уже не хватит. Для чего надо — потому что процессоры греются. Если куда-то деть их тепло, можно тащить из каждого больше вычислительных ресурсов. Для воздуха на 100 Мвт примерно 50 тратится на охлаждение. Для жидкости всё куда радужнее, но там есть термогидравлический компромисс. Конкретно — надо делать больше ребёр для увеличения площади, а больше ребёр означают большее сопротивление жидкости, то есть более мощный насос. Сделали топологическую оптимизацию — забрутфорсили форму штырька. И вместо обычных квадратно-гнездовых и кругло-гнездовых столбиков получились структуры, очень напоминающие биоформы, кроны деревьев, сталагмиты и архитектора Гауди. В теории они дают мало паразитных завихрений. Нужна была практика. Медь так-то адски сложно печатать на 3D-принтерах. Она отражает свет лазера, окисляется, а при остывании коробится. Поэтому тут электрохимическое аддитивное производство — печать металлом при комнатной температуре. Принтер выглядит как экран с миллионами микроэлектродов, поверх которого течет жидкий раствор солей меди. В нужных местах подается напряжение, и атомы меди оседают из воды прямо на деталь, слой за слоем. Точность — 33 микрометра. Дальше напечатали такой радиатор 2х2 см и прикрепили к тестовой плате с 4 мощными транзисторами. Ещё сделали два радиатора с обычными квадратными штырьками. Результаты: — При одинаковом напоре воды новый радиатор эффективнее на 18,5%-29,4%. — Тут очень снижается проблема охлаждения первых и перегрева последних рядов штырей, разница падает на треть. — Если не охлаждать эффективнее, а снижать энергию насоса, то экономия питания от 60% и выше. — Эффективнее воздушного в 79 раз. — Говорят, на 100 Мвт нагрузки дата-центра будет всего 1,1% охлаждения. Но: — Они не смогли смоделировать полную поверхность, поэтому сделали одну плашку и много раз положили её по всей площади радиатора. — Тесты на маленьких источниках тепла, на больших нужна другая геометрия. — Есть конфликт интересов: часть авторов статьи — сотрудники и акционеры стартапа, который как раз и сделал сам принтер. Но, кажется, это нормально, рецензирование в Elsevier они проходили строгое. Ну а мы можем только порадоваться за команду, это очень крутая реклама их технологии печати. -- Вступайте в ряды Фурье! | Лучшие посты — Слушай, может, завтра днем погуляем? — На улице жара, давай чуть позже. — Это когда? — В ноябре, например.

🗣 Первое международное интервью основателя Unitree Ван Синсин и новый робот GD01 украсили обложку TIME. О чем рассказал генеральный директор ⭐ при создании GD01 команда вдохновлялась роботами из Аватара. ⭐ «ChatGPT moment» для гуманоидов еще ждать от 2 до 10 лет. Тогда роботы смогут выполнять большинство задач в незнакомых средах и после смогут работать в коммерческой среде. ⭐ через 10 лет в каждой семье будет маленький робот для выполнения повседневных задач. ⭐ всего за 1,5 года Unitree смогла снизить цену на G1 на $2500 — до $13500. ⭐ только 9% проданных гуманоидов внедряют на заводы, а большая часть роботов идет в вузы и лаборатории. Синсин подтверждает, что в настоящее время идет гонка за обучение роботов и создание моделей, способных ими управлять. Все пытаются собрать данные. И тот, кто сможет сделать это более качественно, тот и станет лидером. Делаем ставки, кто же возглавит рынок 🏆 @robotswe [Max]

Истинная причина, почему Google «выбыл» из ИИ-гонки названа, «и это меняет всё» Сегодня это самая обсуждаемая новость по версии AI Bulletin … о которой я подробно пишу ужу 1.5 года Первые отклики на новое эссе Альберто Ромеро (его название и ссылка в заголовке) впечатляют: «Это лучшая статья о том, как технологии, лежащие в основе ИИ, влияют на бизнес в сфере ИИ, которую я когда-либо читал» [.] «… эта статья – наиболее ясное изложение темы на данный момент» [.] «DeepMind решает проблемы с помощью физических, математических или биологических правил. Одержимость OpenAI и Anthropic агентами кодирования имеет одно слабое место: коллапс данных и языковое эхо. Хассабис знает, что деньги Google позволяют ему делать ставки на более длительный срок» [.] «Причина, по которой Google, по-видимому, отстает в последних версиях своих продуктов, интерпретируется не просто как технологическое поражение или организационный провал, а как “преднамеренный стратегический сдвиг”» [.]   Но для подписчиков «Малоизвестного интересного» это далеко не новость. Вот уже полтора года я подробно и в деталях пишу ровно об этом в триптихе эссе «Проект “Pi” – 5й туз в рукаве Google» [1, 2, 3], открытом для привилегированных патронов канала информарии проекта Pi и серии постов с тэгом #ParadigmsofIntelligence.  

Суть этой темы формулируется так: Google не «проигрывает» традиционную гонку LLM, а ведет совершенно другую, многовекторную игру, отказываясь от монолитного масштабирования в пользу гибридной стратегии и диверсификации ставок.

В отличие от OpenAI и Anthropic, чья основная гипотеза долгое время строилась вокруг Scaling Law (прямое наращивание параметров, датасетов и вычислительных мощностей трансформеров для достижения рекурсивного самосовершенствования ИИ), Google осознает риски «перегрева» этого направления (дефицит данных, высокая стоимость чипов, плато эффективности). Поэтому стратегия Google разделена на два эшелона: Текущий фронт (Gemini): сохранение паритета в классических LLM/мультимодальных моделях для защиты поиска, Workspace и облачного бизнеса. Альтернативный фронт (Фундаментальные исследования): поиск парадигм, которые придут на смену трансформерам, если масштабирование упрется в тупик   Идея понятна и поддерживается многими экспертами. И весь вопрос лишь в том, в чем именно заключается «альтернативный путь» Google. Ответ на этот вопрос таков. Google обладает уникальным ресурсом – лабораториями, которые могут позволить себе не бороться за бенчмарки следующих месяцев, а исследовать фундаментально иные концепции: 1. От текстовых моделей к World Models и Embodiment Проекты вроде Genie (генерация интерактивных миров) и линейка RT-2 / Gemini Robotics смещают фокус с пассивного предсказания токенов на создание агентов, понимающих физику, причинно-следственные связи и динамику среды. 2. Альтернативные архитектуры и активный инференс (Проект Pi) Исследования Блеза Агуэро Аркаса и его группы Paradigms of Intelligence с акцентом на коллективный интеллект, самоорганизацию и алгоритмическую жизнь, как страховка Google на случай, если идея «одного огромного монолитного мозга в дата-центре» окажется тупиковой. 3. Научный ИИ (DeepMind) Пока стартапы фокусируются на чат-ботах и генерации кода, Google удерживает абсолютное лидерство в применении ИИ для естественных наук (AlphaFold 3, AlphaProteo и открытие новых материалов).   Резюмирую так. Google перестал слепо бежать в навязанной OpenAI гонке «кто быстрее обучит модель на триллионах параметров» и переключился на подготовку к следующему фазовому переходу ИИ-технологий. Если OpenAI и Anthropic ставят всё на то, что существующая парадигма LLM приведет к СуперИИ, то Google строит экосистему, которая выживет и победит, даже если гипотеза масштабирования провалится.   #ПроектPi  #ParadigmsofIntelligence

Законодатели США требуют полностью запретить китайские чипы памяти CXMT и YMTC Американские конгрессмены обратились к Министерству торговли США с требованием заблокировать любые закупки чипов памяти у китайских CXMT и YMTC. Поводом стало стремление Apple и других гигантов договориться о поставках DRAM и 3D NAND из Китая на фоне глобального дефицита чипов, вызванного бумом ИИ. Законодатели призывают запретить импорт чипов не только в США, но и в цепочки поставок из Японии, Южной Кореи и ЕС. По их мнению, закупки у китайских фабрик субсидируют военный сектор КНР и угрожают повторением сценария рынка солнечных батарей, где субсидируемый Пекином демпинг уничтожил западных конкурентов.

Абсолютно НЕ розовая история запуска Продолжаю набивать руку в доведении микро-проектов до первой выручки. За это лето в моей копилке +4 проекта. Везде есть выручка. Везде первые платеж не позднее 3 недель пришел. Но нигде нет проекта с выручкой БЕЗ вложений. Минимум 150к приходится потратить, чтобы газануть с места и за два месяца стабилизировать первые платежи. Скорее всего даже 3 месяца может уйти, если тупить сидеть. Пример. Название раскрывать не буду, чтобы не палить проект, но зато поделюсь, как некоторым чекпоинтами. 21 июля - выбрали в качестве основного канала трафика - SEO. 23-июня - опубликовали проект и купили домен. Начали греть домен. Как назло Яндекс тотально отказывался индексировать страницу. Опубликовали залпом 10 полезных статей про сервис в разных веб ресурсах. Это немного помогло. Ушло 150к за размещения + написание статей. Свое время на считаем. 29-го июля - прилетел уже первый платеж . Мы обрадовались. Удалось добежать до первых 5 платежей за следующую неделю. Стало понятно, что трафик воспроизводит платежи и надо продолжать бить в точку. 15 июня - аутричем получили еще 3 заиндексированные ссылки на сервис (бэклинка). Это добило до органических 10 платежей. 20 июня - ожидаемо включилась органика из гугла и начала расти выдача. Пффф, изи. Дальше будет уже сильное проще. Главные выводы? Быстро запуститься вполне реально. Бесплатно запуститься НЕ получится, если хотим быстрее. Если не вайбкодить, то ОЧЕНЬ медленно все двигаться. Масштабировать трафик легко, если пробил хотя бы 10 платежей. Довести проект до приятной выручки можно даже одному. Окупаемость может не прийти в первые 2-3 месяца, даже если ты работаешь с трафиком. Страшно подумать, если человек вообще только фичи пилит и не идет в трафик.

Ситуэйшен: вы, руководитель бизнеса, уехали в отпуск. На третий день открыли ноут и вот уже отвечаете во чатах и переписываете письмо. Вернулись из отпуска с выводом, что команда сама не справляется. Часть людей вы поменяли, а через полгода та же херня. Причины на то как правило две: Вам страшно делегировать ответственность Ваша команда слабая и довериться некому Как разобраться в чем дело: Возьмите задачу, которую вы обычно делаете сам. Придумайте кому делегировать. Обозначьте фильтры, например, какой суммой сотрудника может распоряжаться, какой делай и результат успеха, а потом неделю не вмешивайтесь 🔺 Сотрудник взял ответственность, результат в целом приемлемый, а вы всё равно каждый день проверяете и переделываете. Наверняка дело в вас или в отсутствии отчетности и процесса, на которые вы могли бы опереться 🔺 Сотрудник не берет ответственность, ждёт вас, спрашивает очевидное и отказывается включить мозг. Скорей всего дело в нем Если дело в вас, вам возможно, не хватает опоры. Делегировать страшно, пока результат виден только по ощущениям. Как только есть регулярный отчёт, где видно результат и самое узкое место, делегирование становится понятным. Вы перестаёте проверять человека и начинаете смотреть на цифру Если дело в сотруднике, нужен найм. Сначала стоит понять, кто именно нужен и под какие задачи на ближайшую перспективу и на вырост. Тут есть ловушка, которую встречаю в 99,9% компаний: руководитель бизнеса ждёт, что новый сильный человек придёт и сам всё выстроит. Способность работать в системе и уметь её выстроить с 0 - это разные навыки, и второй встречается гораздо реже. Если системы нет, а собрать её человек не может, вы через полгода снова открываете ноутбук в отпуске