А сегодня давайте почитаем визионерские откровения Сатьи Наделлы, которыми он поделился у себя в блоге недели три назад.

Я много размышлял о будущем компании в экономике, основанной на искусственном интеллекте. Этот переход отличается от всех предыдущих изменений. В прошлом мы использовали технологии для повышения эффективности человеческого капитала. Впервые мы можем создать реальную когнитивную петлю между людьми и цифровыми системами. Это ошеломляет, потому что меняет как мы представляем себе всю работу внутри организации. На кону стоит не просто внедрение очередного инструмента или системы. Главный вопрос в том, как организации будут продолжать учиться, создавать интеллектуальную собственность, отличаться от конкурентов и развиваться в мире, где AI-модели способны непрерывно впитывать знания людей и организаций и коммодизировать их. Каждой компании придётся создавать два вида капитала: человеческий и токен-капитал. Человеческий капитал включает знания, способность выносить суждения, отношения, изобретательность и умение распознавать закономерности. Токен-капитал — это AI-возможности, которые компания создаёт, развивает и контролирует. По мере роста значимости токен-капитала, человеческий капитал не становится менее ценным. Напротив, его значимость только возрастает. Я убеждён, что именно человеческая агентность будет драйвером развития токен-капитала. Люди будут ставить амбициозные цели, соединять идеи из разных областей, выстраивать отношения и распознавать действительно значимые закономерности. Без человеческого целеполагания вычислительные мощности будут лишь бесконечно работать по кругу. Ключевая возможность заключается не в том, чтобы выбрать лучшую модель. Она заключается в создании обучающего контура, внутри которого человеческий и токен-капитал взаимно усиливаются и накапливаются. Можно передать AI отдельную задачу или даже целую работу, но нельзя передать ему собственное обучение. Будущее компании определяется её способностью накапливать результаты этого обучения, распределяя их между людьми и технологиями. Это требует новой архитектуры, при которой каждая организация сможет создавать агентные системы, сохраняя при этом контроль над своей интеллектуальной собственностью. Компания должна иметь возможность заменить одну универсальную модель на другую, не потеряв при этом экспертизу, накопленную внутри её обучающей системы. Именно это станет проверкой на управляемость и суверенитет. Такой обучающий контур становится новой интеллектуальной собственностью. Я представляю его как машину постоянного восхождения к следующему максимуму. И в отличие от большинства активов, его ценность накапливается по принципу сложного процента. Каждый улучшенный рабочий процесс создаёт более качественный обучающий сигнал, ускоряя накопление неявного знания, уникального для конкретной компании. Организации, которые начнут строить такие системы раньше других, получат преимущество — и его будет трудно воспроизвести, независимо от моделей. На мой взгляд, нашим приоритетом должно быть создание такой экосистемы, а не просто передовой модели, чтобы ценность распространялась повсеместно для каждой компании, каждой отрасли и страны. Организации должны иметь возможность владеть собственным обучающим контуром, в котором закодировано их институциональное знание и внутри которого одновременно накапливаются человеческий и токен-капитал. Когда это произойдёт, компании начнут создавать ценность как для себя, так и для всей экономики. Сотрудники увидят, как их экспертиза усиливается и становится частью систем, способных воспроизводить и масштабировать эти знания. Выгоды от этого будут получать и бизнес и сообщества, частью которых он является. И именно такое устойчивое равновесие нам следует строить вместе.

→ https://snscratchpad.com/posts/frontier-ecosystem

Microsoft научила Linux-приложения в WSL кодировать AV1 через GPU WSL (Windows Subsystem for Linux) — полноценный Linux внутри Windows без виртуалок. В Mesa 26.2 добавили прототип аппаратного кодирования AV1 через DirectX 12: Linux-программы теперь обращаются к драйверу, а тот перекладывает запрос в Windows Media Foundation, задействуя GPU. Пока только I/P-кадры (ключевые и промежуточные), без двунаправленных B‑кадров. Раньше Linux-программы в WSL не могли использовать GPU для кодирования AV1. Теперь — смогут. Аппаратное кодирование AV1 в обычных дистрибутивах Linux уже давно реализовано через стандартные открытые интерфейсы вроде VA-API (Video Acceleration API), так что новость касается чисто винды. Но, лучшая поддержка AV1 это, в целом, хорошо.

ResearchStudio Инструмент от Microsoft ResearchStudio–Idea автоматизирует начальную стадию исследования — от проблемы до создания карточки идеи, которую можно представить рецензенту ResearchStudio–Reel автоматизирует превращение научной статьи в материалы для презентации и популяризации. Снимает рутину подготовки постера, видео, блога из одного PDF • генерация print-ready постера • создание синхронизированного видео с нарративом • сборка двуязычного блога • единый экстрактор Paper2Assets — данные извлекаются один раз • артефакты редактируются в PowerPoint и Word • интерактивный HTML-просмотрщик с синхронизацией по секциям Работает на связке Claude Code и Codex. Артефакты согласованы по фактам, не дублируют извлечение данных Гитхаб #research #text2research #pdf2video #pdf2ppt