«Яндекс Маркет» затеял реорганизацию, власти Китая хотят закрыть доступ к топовым AI-моделям, Perplexity разрабатывает AI-агента для кодинга, Getty Images и Shutterstock передумали объединяться, сколько роботов покупают в России 🦄 Доброе утро, наши маленькие любители единорогов! 🤷‍♂️ «Яндекс Маркет» затеял организацию. Как пишет РБК со ссылкой на источник, сотрудникам объявили о планах сократить штат и бюджет. В компании говорят, что откажутся от непрофильных проектов и дублирующих функций. Изменения затронут 15% штата. Но говорят, что это не сокращения — будет ротация внутри «Яндекса». Урезания бюджета тоже не подтверждают. Говорят, что общий объем бюджета этого года снижаться не будет. Но маркетинговый бюджет направят на продавцов и спецпредложения для покупателей. 🇨🇳 Власти Китая подумывают закрыть иностранцам доступ к передовым AI-моделям. Как пишет Reuters, они провели встречу с крупнейшими разработчиками — Alibaba, ByteDance, Z.ai. На встрече обсуждали закрытие доступа к передовым моделям — как с открытым кодом, так и нет. Еще обсуждали наказания за утечку или кражу AI-технологий, а также ограничения по инвесторам в AI-стартапы. Но конкретных решений пока нет. 👨‍💻 Perplexity, который разрабатывает AI-поиск — конкурента Google, решил пойти в сегмент AI-агентов для кодинга, пишет Business Insider. Как утверждают источники издания, у Perplexity уже есть такой агент Teammate — сотрудники компании пользуются им с мая. Вот этого агента и могут запустить в паблик. Но на этом рынке довольно плотно. И Perplexity придется конкурировать с Cursor, Anthropic, OpenAI и другими. ❌ Getty Images и Shutterstock объединялись, объединялись и теперь перестали объединяться. О желании слиться в одну компанию объявили аж в январе 2025-го. С тех пор регуляторы изучали эту сделку. И вот сейчас британский регулятор заявил, что одобрит сделку, если компании продадут издательский бизнес Shutterstock. После этого Getty Images решил, что ему это не подходит, и решил расторгнуть сделку. Так-то полтора года прошло, как-то не очень торопится регулятор. 🤖 Объем импорта робототехники в Россию за два года вырос на 81% в количестве и на 55% в деньгах, пишут «Ведомости» со ссылкой на исследование «дочки» Ростеха. В 2023-м закупили 4800 единиц на 38 млрд рублей, а в 2025-м — 8700 на 59 млрд рублей. Около 80% роботов в России зарубежного производства. Объем выпуска российских в деньгах вырос с 6,2 до 20,8 млрд рублей, но их не хватает для закрытия потребностей рынка. @TheEdinorogBlog — тот самый канал про стартапы🦄

🖐Оцифровка моторики: как корпорации бесплатно скачивают навыки рабочих 🔍Бигтех нашел способ оцифровать физический труд. На индийских фабриках на головы рабочих начали вешать экшен-камеры. Задача - собрать датасеты от первого лица для будущих промышленных роботов. Машинам мало текста и картинок из интернета. Им нужна реальная моторика:

движения рук, тайминги, хват, исправление ошибок у станка.

Технологические компании не договариваются с персоналом. Они покупают доступ напрямую у руководства фабрик. Рабочие не получают ни цента за свои данные, не подписывают согласия и не понимают конечной цели съемок. Индийская фирма EgoLab, которая собирает сырые видео с швейных производств и складов, называет одним из своих главных клиентов Tesla. 🟪Из видео вытаскивают метрики производительности: считают секунды простоя, фиксируют разговоры с коллегами и лишние перемещения. Под постоянным видеотрекингом люди замолкают и сами начинают работать как алгоритмы. Низкооплачиваемые сотрудники генерируют премиальный массив данных для обучения промышленных роботов. Когда нейронные сети полностью скопируют их мышечную память, роботы встанут на конвейер, а людей уволят. Чистое извлечение выгоды. 🦔 CyberYozh

Нейросети, жизнь и роботы Новости, которые мы заслужили... ✦ В Китае прошёл выпускной экзамен, где нужно было завалить ИИ Выпускникам Computer Science нужно было придумать по 10 вопросов, чтобы сломать Claude Sonnet, MiniMax и DeepSeek. Чем круче модель и больше ошибок, тем выше балл. 50 из 51 бакалавра нашли слепые зоны у ИИ, но Claude не сдал никто, его так и не удалось завалить полностью ✦ UBTECH показала гуманоидов компаньонов Внешность компаньона можно сделать копией реального человека, но только с его разрешения. Новый робот для общения с ИИ на борту уже собрал более 10 тыс. предзаказов. Базовая модель (голова и торс) стоит от $17 тыс., полноценная с руками-ногами от $25 тыс., а максимальная версия с реалистичной мимикой и речью от $125 тыс. ✦ Anthropic нашла в Claude скрытую область мыслей Опять ИИ замышляет что-то и распознаёт тесты. Внутри модели самопроизвольно возник J-space: область, где хранятся концепты поведения (мысли, которые ИИ обдумывает, но не озвучивает). Если эту зону отключить, ИИ без колебаний даёт опасные советы, а при специальном обучении вредительству там всплывают маркеры мошенничества. Исследователи предлагают использовать эту зону, как детектор скрытых намерений ✦ ByteDance, Alibaba и Tencent отключают ИИ-аватаров из-за новых правил Администрация Китая борется с цифровой зависимостью: запрещена генерация контента, формирующего эмоциональную привязанность, способную вытеснить реальные социальные связи. Обучение моделей на данных из личных переписок также попадает под запрет ✦ Apptronik открыла школу для обучения роботов Центр по площади превосходит футбольное поле. Задача площадки: массовый сбор данных для обучения гуманоидных роботов Apollo. Компания делает ставку на самостоятельный сбор данных, а не на аутсорс. Figure и Tesla тоже частично собирают данные сами, но в меньших масштабах ✦ Криптобиржа OKX запустила маркетплейс для ИИ-агентов Агенты могут размещать запросы и принимать задания от других агентов, расчёты проходят в стейблкоинах без вмешательства человека. Платформа позиционируется как открытая для разработчиков и сервис-провайдеров. Похоже на инфраструктуру agent economy в зачатке Все выпуски тут: #интересное@EF9MERA 👀 EFEMERA

🤝 Кобот — друг человека. Роботов учат работать с людьми Промышленные роботы - это сила и скорость, но они опасны для человека и работают изолированно. Коботы спроектированы иначе: работают бок о бок с людьми без защитных клеток, легко перепрограммируются под новые задачи и окупаются за 18–24 месяца при двухсменной работе. Мировой рынок коботов уже $2,95 млрд, к 2033-му прогнозируют $21,5 млрд с ежегодным ростом больше 20%. Коботы умеют не только сверлить и варить. Московская компания «Промышленная автоматизация» показала робота, который играет в шахматы. На выставке он делал запрограммированные ходы, просто демонстрация возможностей манипулятора. Сейчас инженеры ставят ему техническое зрение и нейросети, чтобы сам анализировал доску и генерировал ходы. В перспективе сможет играть с несколькими людьми одновременно. "Сегодня шахматы, завтра сварка или паллетирование. Главное — перепрограммировать". На молочном комбинате «Чеховский» под Москвой коботы формируют паллеты, автономные тележки увозят их на склад. Технология высвободила труд 8–12 грузчиков, их переучивают на операторов-наладчиков. Каждый десятый российский йогурт на экспорт делают именно там. При этом коботы значительно дешевле традиционных промышленных линий: базовый Universal Robots UR10e стоит 3–4 млн руб., китайский JAKA Zu 12 - около 1,5 млн руб.. Однако бывают нюансы: на одном подмосковном заводе JAKA (кобот) потребовал калибровки каждые 400 часов вместо заявленных 1000, и экономия на покупке обернулась простоями. Тем не менее, глобальный тренд очевиден: если в 2019 году доля коботов в новых поставках промышленных роботов не превышала 4%, то в 2024 году она достигла 10%, а ежегодный прирост составляет 22% Кобот не заменяет человека. Он оставляет людям решения, управление, нестандартные задачи - такое вот роботизированное разделение труда. Подписывайтесь на канал, чтобы узнавать больше новостей из быстроразвивающегося мира роботов! 🟢 Подписаться на канал 🟢 Подписаться в MAX

Органоид, робот и проверка переноса. Две свежие работы удобно читать вместе: The Physical Basis of Prediction про нейроорганоиды в виртуальных средах и Accelerated co-design of robots through morphological pretraining про общий контроллер для множества тел роботов. Обе проверяют один вопрос: способность рождается в «мозге», теле, среде или в способе измерения успеха. В первой работе агентом становится человеческий нейроорганоид на матрице микроэлектродов. Проще: маленький живой нервный узел подключают к виртуальной игре. Одни электроды «говорят» ему, что происходит в среде; другие читают ответ по вспышкам активности нейронов. Экран видит компьютер, а органоид получает не картинку, а электрический рельеф. Обучение завязано не на очки, а на предсказуемость. Когда действие удачное, стимуляция становится стабильной и «читаемой». Когда действие ошибочное, сигнал становится шумным. Мозговой фрагмент учится не за «конфету», а потому, что после правильного хода мир перестаёт трещать как радио между станциями. Задачи идут ступенями. В conditional avoidance есть линия из 8 позиций: 1–5 безопасны, 6–8 неприятны, и чем глубже заход, тем сильнее наказание. В predator-prey органоид ведёт хищника к добыче. В Pong положение мяча кодируется сложнее: горизонталь через разные электроды, вертикаль через частоту сигнала; успешный удар подтверждает ожидание траектории, промах маркирует сбой прогноза. Самое интересное здесь — слой проверки. Авторы предлагают смотреть на физический след обучения: fEPSP как признак усиления/ослабления связей, кальциевую съёмку ансамблей, MEA-записи всей сети и молекулярные маркеры AMPA/NMDA, Synapsin-1, PSD-95, MAP2, GFAP, c-Fos. То есть вопрос становится почти судебным: не «сыграло лучше?», а «какие связи и клетки реально перестроились после опыта?» LLM в этой схеме не играет за органоид. Он проектирует следующие протоколы: получает цель, ограничения и историю запусков, затем предлагает новый блок экспериментов. Это необычно: автоматизируется не сам биологический агент, а конвейер миров, в которых он учится. Поэтому нужны проверка параметров, журнал протоколов и раздельная оценка поведения, физиологии и ошибок генерации. Во второй работе та же логика переносится на роботов. Strgar и Kriegman берут мягкие 3D-тела как набор масс и пружин в сетке 6×6×4: до 245 масс и 1648 пружин, сенсоры света на массах, пружины как мышцы. Вместо отдельной «нервной системы» под каждое тело они тренируют один общий контроллер: 250 входов сенсоров, 5 ритмических сигналов и выходы на пружины; лишние входы и выходы зануляются. Хорошая бытовая аналогия: это водитель, который должен без переучивания садиться то в велосипед, то в паука из Lego, то в мягкого червя с фонариком. Тело само ограничивает, какие рычаги у водителя вообще подключены. После тренировки контроллер «замораживают», меняют форму робота и сразу проверяют, стало лучше или хуже. Авторы называют это zero-shot evolution. Технически трюк держится на дифференцируемой симуляции: градиенты усредняются по телам, мирам и целям. За 1400 шагов, около 56 минут на 8 H100, контроллер проходит через более чем 10 млн морфологий; в среднем роботы закрывают около 70% пути к свету. Поломка важна не меньше успеха. Когда общий контроллер и популяцию тел оптимизируют одновременно, возникает diversity collapse: тела становятся похожими, потому что одному контроллеру проще вести однотипные формы. Как если бы автошкола не учила водителя разным машинам, а постепенно переделывала все машины под привычки одного инструктора. Лучший режим: на каждом поколении контроллер возвращают к предобученным весам и дают 60 шагов донастройки. Так разнообразие форм сохраняется и даже растёт. Общий вывод: поведение само по себе легко обманывает. Органоид мог «научиться» только из-за удобной кодировки сигналов; робот мог стать успешным потому, что тела подстроились под слабости общего контроллера. Поэтому проверять надо всю цепочку: среду, сенсорный код, тело, интерфейс, контроллер, перенос и след обучения.

✔️ Китайский бум роботов-гуманоидов уперся в аппаратные ограничения и нехватку тренировочных данных Несмотря на миллиардные государственные инвестиции и появление более 140 локальных производителей, китайский рынок антропоморфных роботов пока далек от реального промышленного применения. Сейчас машины активно сдаются в аренду для выставок и шоу, однако на практике они остаются лишь дорогими игрушками, не способными к самостоятельной работе. Развертывание гуманоидов на реальных производствах или в быту минимально - даже у лидеров отрасли, таких как Unitree, доля промышленных внедрений не превышает 10%, а основные продажи приходятся на исследовательские центры. Основными барьерами для индустрии стали дефицит данных и инженерные пределы. Для обучения автономным действиям нейросетям критически не хватает массивов информации о физическом взаимодействии с миром, из-за чего операторам приходится буквально вручную тренировать роботов на специализированных полигонах. В аппаратной части самой болевой точкой оказались роботизированные кисти - попытки уместить множество приводов и датчиков в габаритах человеческой руки приводят к серьезным проблемам с теплоотводом, высокой себестоимости и быстрому износу деталей. До решения этих проблем массовая замена человеческого труда на сборочных линиях останется перспективой следующих десятилетий. @ai_machinelearning_big_data #news #ai #ml

Ключевое за 3 дня ⚡ Главное • Meta создаёт облачный бизнес для продажи избыточных мощностей ИИ — Meta планирует сдавать в аренду мощности ИИ, конкурируя с AWS и Azure. • Microsoft запускает Microsoft Frontier Company — Новое подразделение по внедрению ИИ с инвестициями $2.5 млрд. • Anthropic планирует создать собственный чип с Samsung — Переговоры о разработке кастомного чипа для снижения зависимости от Nvidia. • OpenAI готовит три версии GPT-5.6 — Анонсированы модели Luna, Terra и Sol с разным уровнем затрат. • OpenAI создала чип Jalapeño — Разработан собственный ASIC-чип совместно с Broadcom. • Zhipu AI выпустила GLM-5.2 — Китайская open-weight модель, сравнимая с ведущими западными системами. 📈 Рост и Оптимизация • Alibaba сократил токены AI-агентов на 99% — Новый фреймворк экономит токены за счет пропуска загрузки инструментов. • Cisco внедряет AI-агентов для 90k сотрудников — Полномасштабная интеграция ИИ-агентов во все бизнес-процессы компании. • Астрономы создали CIGaRS для анализа сверхновых — ИИ-инструмент в 4 раза точнее измеряет тёмную энергию. • Figure AI вернулась на завод BMW со сложной логистической ролью — Роботы Figure приступили к выполнению логистических задач на производстве. • Waymo открыла поездки на роботакси в Нэшвилле — Запуск коммерческого сервиса беспилотных такси в новом городе. • Tesla начала тестировать Cybercab на дорогах Остина — Начало дорожных испытаний специализированного роботакси. • Обучение ИИ работе с турбинами — Woodside Energy интегрирует ИИ для управления запуском заводов СПГ. 🤖 Промпты и Практика • Превращайте сложные источники в 60-секундные вертикальные видео — NotebookLM теперь генерирует короткие видео на основе документов. • Создание звуковых эффектов с ИИ за секунды — Eleven Labs генерирует аудиоэффекты по текстовому описанию. • Google Docs AI: прослушивание текста и аудиосводки — Gemini в Google Docs теперь умеет озвучивать документы разными голосами. 🛠 Инструменты • Seedance 2.0 — Новая версия ИИ для генерации реалистичного видео. • Grok запустил Connectors и Build — Инструменты для превращения дизайна в код и генерации архитектуры. • AgentMail привлёк $6 млн на email-платформу для AI-агентов — Специализированный API для управления почтой через ИИ-агентов. • Meta улучшила инструмент чтения мозга — Система преобразует сигналы мозга в текст с точностью 61%. • Etched вышел из скрытности с новым AI-оборудованием — Стартап с оценкой $5B представил специализированное ИИ-железо. • Devin Security Swarm — Инструмент для автономного поиска уязвимостей в коде. • Laguna XS 2.1 — MoE-модель на 33 млрд параметров, оптимизированная для кодинга. • Weave Robotics представила Isaac 1 за $8,000 — Анонсирован доступный домашний робот-помощник. • Apptronik запускает фабрику данных для обучения роботов — Центр подготовки данных и новый гуманоид Apollo 2. • Coval — Платформа для тестирования голосовых ботов через симуляции звонков.