$10.8 миллиардов зеленых хрустящих инвестиций - за полтора месяца. Только в AI-инфраструктуру КАРЛ. Кто бы что ни говорил про AI-пузырь и перегретые оценки, деньги продолжают идти туда и идут в совершенно неприличных количествах. Вот смотрите что произошло буквально за последние недели: Fireworks AI подняли $1.51 млрд при оценке $17.5 млрд, строят инфраструктуру для запуска моделей. Atoms получили $1.7 млрд на промышленную робототехнику. SambaNova забрали $1 млрд на AI-чипы. Together AI подняли $800 млн на инфраструктуру для open-source моделей. Etched, ещё одни ребята с чипами, $700 млн при оценке $21 млрд. Даже Legal AI компания Norm AI стала единорогом с $120 млн. А Nvidia по данным Reuters заносит ещё $5 млрд в Safe Superintelligence Ильи Суцкевера. Пять. Миллиардов. Да, про AI сейчас говорят все и пихают его в каждый второй питчдек, иногда туда где раньше прекрасно справлялся обычный эксель) Но если убрать шум видно что самые большие деньги идут уже не в очередной красивый интерфейс поверх чужой модели. Они идут в чипы, в inference, в робототехнику, в вычислительную инфраструктуру. То есть в фундамент на котором потом будет стоять вообще всё. AI это уже не отдельная индустрия за которой можно наблюдать со стороны. Это инфраструктура для всех остальных индустрий и кто этого ещё не понял тот скоро поймёт) Где-то обязательно лопнет и не один раз. Но тренд от этого никуда не денется. 👉 t.me/huntermikevolkov - здесь про рынок на котором мы все работаем Буст каналу💪

Как беспилотный трактор видит препятствия, ориентируется без GPS и толкает корм в коровнике Три независимых источника зрения: нейросеть детектит людей и технику, семантическая сегментация размечает проезжую зону, сырой лидарный поток ловит всё, что нейросеть проморгала. Машина с таким набором сенсоров в коровнике, по логике, должна прежде всего уверенно видеть корову. А отдельного детектора «корова» в системе попросту нет. Трактор катается вдоль кормового стола, набитого животными, и ни одна нейросеть не размечает то, что перед ней, как корову. При этом никто не оказывается под колёсами. Узнаем, как система выкручивается без класса, который вроде бы напрашивался первым.

Утром прочитал свежую аналитику: В первой половине 2026-го стартапы в сфере physical AI (робототехника, автономный транспорт, аэрокосмос, дроны, промышленная автоматизация, сенсорика) привлекли $47,4 млрд на 521 сделку. То есть за одно полугодие физический AI собрал больше, чем за три предыдущих года. Логика инвесторов примерно такая: то, что раньше было слишком капиталоёмко строить, теперь дешевле. Compute и foundation-модели стали доступнее, симуляции точнее, сенсоры и железо дешевле. Хардвер перестаёт быть просто продуктом — он становится каналом дистрибуции для софта и данных: чем больше устройств в поле, тем больше проприетарных данных, тем сильнее продукт. Что это значит для фаундеров, даже если вы не в робототехнике: 🟢Инвесторы, которые ещё вчера писали чеки только в чистый софт, сейчас активно смотрят в сторону «software + hardware + sensors». Если у вашего продукта есть физический компонент — данные с устройств, IoT, сенсоры — это не повод стесняться, а потенциально сильный аргумент для питча. 🟢Модель ценообразования смещается к outcome-based и usage-based — то есть инвесторов больше не пугает связка железа и подписки, если экономика юнита сходится. Стоит пересмотреть, можно ли встроить физический слой в свой продукт как источник данных, а не только как капзатраты. 🟢 Деньги идут туда, где можно измерить ROI — предиктивное обслуживание, риск-менеджмент, автономные операции. Если готовите стартап в этой нише, делайте акцент не на технологичности, а на конкретных операционных метриках для клиента. Андрей Резинкин | Money For Startup

🐟 Робот, который чувствует предмет, не касаясь его Обожаем истории, где инженеры подсматривают готовое решение у природы вместо того, чтобы изобретать велосипед. Электрический угорь в мутной воде видит не глазами. Он создаёт вокруг себя слабое электрическое поле, и всё, что в это поле попадает по-своему перекраивает его форму. Разные материалы искажают поле по-разному, так что угорь понимает не только где объект, но отчасти и что это такое. Исследователи из Сидяньского университета собрали сенсор ровно по этой схеме. Электрических органов у него, разумеется, нет — вместо них заряженная поверхность из фторполимера. Работает как крошечная статическая батарейка: держит заряд очень долго и всё это время создаёт вокруг сенсора поле. В покое поле имеет предсказуемую форму. Стоит объекту приблизиться — форма плывёт, и это можно измерить. По характеру искажения сенсор вычисляет электропроводность, диэлектрические свойства и геометрию предмета. Металл проводит ток отлично и корёжит поле сильно. Пластик, стекло и дерево проводят плохо, зато поляризуются — и тоже оставляют след. Где это пригодится: аккуратные манипуляции, протезы, заводские роботы и работа там, где камера бесполезна — в темноте, дыму, пыли. Отдельная боль оптических систем — прозрачное стекло: увидеть его тяжело, а вот на электрическое поле оно влияет вполне заметно. Вопросов пока хватает. Точность сенсора не названа, максимальная дальность тоже, и неизвестно, как на него влияют влажность и температура. @droidergram