Artemis показа первый в мире полностью электрический гидрофойл для лоцманов Работа лоцмана — одна из самых опасных в судоходстве и требует не только мастерства, но и надежной техники. Традиционные лоцманские боты — это тяжелые дизельные машины, которые буквально пробивают волны силой двигателя. Ирландская компания Artemis Technologies предложила кардинально иное решение: полностью электрический катер EF-12 Pilot на подводных крыльях, который не разрезает воду, а парит над ней, обеспечивая плавность хода и безопасность экипажа. https://hightech.plus/2026/06/30/artemis-pokaza-pervii-v-mire-polnostyu-elektricheskii-gidrofoil-dlya-locmanov

Британский регулятор CMA предложил разрешить разработчикам приложений направлять пользователей к альтернативным способам оплаты в обход магазинов Apple и Google. Любые комиссии за такой «стиринг» должны быть ниже текущих ставок App Store и Play Store. CMA предполагает, что такая экономия перейдет к потребителям или будет направлена в развитие продуктов. Параллельно CMA рассматривает требование к Apple открыть доступ к NFC, что позволило бы британским финтех-компаниям строить собственные платежные сервисы, включая переводы со счета на счет и цифровые валюты. Предложения вынесены на консультацию в рамках режима strategic market status, присвоенного обеим компаниям в прошлом году. Google утверждает, что они что-то такое уже сделали и CMA обещает это учесть. Apple привычно сопротивляется. Наивность CMA с предположениями, что снижение комиссий приведет к снижению цен на подписки или продукты, в общем, тоже не особо удивляет. https://www.reuters.com/world/uk-regulator-proposes-easing-apple-google-app-store-payment-rules-2026-06-30/

У нас тут Blackberry неожиданно подал признаки жизни. Да, тот самый Blackberry, который эталонный бизнес-фейл из учебников. Акции Blackberry сейчас растут, с начала года рост >160%, а в май-апрель вообще стали лучшими месяцами. И тут у меня сразу возникло два вопроса: Первый: ого, Blackberry, они чо ещё живы, нихрена себе лол. Второй: За счёт чего они так резко бустанулись? ИИ-агента в кнопочный телефон встроили что ли? 😈 На самом деле, Blackberry телефоны уже давно не делает. У них сейчас два основных направления, и оба растут по очень интересным причинам: Первое - Secure Communications. Это защищённая связь для правительств: шифрованные звонки и сообщения для министров и силовых структур, плюс система оповещения при кризисах, которой пользуются все страны G7 и почти все из G20 (помоги Даше Путешественнице найти страны G20, которые не пользуются Blackberry). Это логичное продолжение тех самых "правительственных" трубок из нулевых - просто железо умерло, а инфраструктура и часть софта - нет. Растёт тоже понятно почему - как говорится, откройте новости. Теперь каждое правительство хочет, чтобы его переписка физически лежала на локальных серверах, а не где-то на американском облаке. Даже "союзники", вроде Канады и Европы. Тут всё понятно, "суверенные данные" - это теперь полноценная жирная строка в госбюджетах. А вот второе направление ещё круче. В 2010 Blackberry купила маленькую операционку QNX за $200 млн - её хотели прикрутить к смартфонам. Но смартфоны сдохли, а ОС осталась, и её довольно успешно "пивотнули" на автопром. Сегодня QNX стоит в 275 миллионах авто по всему миру, её используют почти все автопроизводители, кроме Tesla. Как я понял, ничего особенного в ней нет, но она сертифицированная по всем стандартам, надёжная и редко даёт критичные ерроры. Но инвесторов греет не автопром сам по себе, а то, куда QNX лезет дальше: примерно 20% выручки QNX уже идёт не от машин, а от роботов, медицинских устройств и промышленной автоматизации. То есть, Blackberry хочет стать основной для Physical AI. И у них может получиться. Гуманоидные роботы и автономные манипуляторы - это системы, которым физически нельзя зависать и ошибаться, иначе рука что-нибудь раздавит, а нога подвернётся не туда. То есть, нужна ровно та же сертифицированная надёжность, что и в автомобильных системах, но только для другого железа. Кто-то может подумать, что раз акции Blackberry до 2026 были мусорными, то теперь каждый небольшой скачок кажется возрождением. Типа, эффект низкой базы. Но у инвесторов есть такое понятие Rule 40. Суть: рост и прибыль (например, EBIDTA) должны в сумме давать 40%+. Если так, то бизнес устойчивый (и растёт, и маржу имеет). Кстати, Rule 40 стало одним из кирпичиков для фрейма из сегодняшней статьи про само-выживающий бизнес. Так вот: - У QNX рост + прибыль = около 47% (и рост, и маржа выше 20%) - У Secure Communications = около 35% (рост чуть подводит, но зато маржа норм). Похоже, Blackberry собирается воскреснуть на ИИ-буме. Если реально получится - будет камбек уровня Ремонтады и Стамбульского чуда. Менеджерам придётся срочно переписывать учебники. Ну а мы пока поглядим-последим. Дизраптор

Оборот рынка SEO Традиционно прикинем оборот рынка SEO на данных Рейтинга Рунета. Прошлая серия - тут. Методика простая: РР показывает долю каждого аг-ва в рейтинге, как следствие можно прикинуть общую емкость и цифры лидеров. Топ-1: 2,18 млрд Топ-2: 2,27 млрд Топ-3: 0,75 млрд Общий оборот: около 20 млрд. Допустим, что покрытие у РР 30-50%, т.е. в целом общая емкость рынка 40-60 млрд вместе со ссылками, ПФ-щиками, текстами и всем, что продается "рядом с SEO". Выводы: 1) рынок не растет, как видите в прошлый раз цифры были +- те же 2) п.1 логичен, так как мсб помирает и режет бюджеты/мигрирует на авито/маркетплейсы, а вот крупняк уже в свою очередь бюджеты как раз сохраняет/увеличивает 3) новых клиентов на рынке нет. Любой клиент - это клиент, которого ты у кого то забрал, и у кого то команда осталась без работы. На этом фоне достаточно забавно выглядят тезисы "давайте объединятся в кризис". Объединимся, угу, именно это люди и делают, когда пирога перестает хватать на всех.

Ускорение генерации роллаутов с помощью спекулятивного декодинга Самая времязатратная часть в GRPO — это генерация траекторий модели, на которую приходится около 72% всего процесса. Поэтому хочется ускорить генерацию роллаутов — и в сегодняшней статье NVIDIA рассказано, как это можно сделать. По большому счёту, генерация роллаутов — это обычный инференс модели. При наивном инференсе видеокарты используются не на полную. Помочь решить эту проблему способен спекулятивный декодинг. Его суть заключается в том, что маленькая драфт-модель, учится предсказывать, какие токены сгенерирует основная модель. Последней остаётся лишь верифицировать, правильную ли гипотезу выдала драфт-модель. В режиме спекулятивного декодинга разрыв между компьютом и трансфером памяти сокращается. Авторы проверяли свою гипотезу на небольшой модели — Qwen3-8B. Обучали её на математическом датасете DAPO-Math-17K, а валидировали — на AIME-2024. При этом других наборов данных не использовали, что немного подозрительно. Возможно, именно из-за такого выбора сетапа получились хорошие результаты. Кроме того, замеры проводили на Qwen3-235B, но в симуляции, из-за чего полученные результаты могут отличаться от реальных. Модель обучали в двух режимах. Первый, RL-Think, предполагает простое обучение после SFT (или продолжение RL-стадии поверх уже ризонящей модели), а второй, RL-Zero, — RL сразу поверх претрейн-модели. Во втором случае спекулятивные модели вроде EAGLE дают лучший acceptance. Касательно самого предсказания: авторы пришли к выводу, что наибольшее ускорение получается при трёх спекулируемых токенах. Интересно, что при предсказании уже пяти токенов генерация, напротив, замедляется. В RL-Zero ускорение генерации — 1,77x против 1,54x в RL-Think: драфтеру проще предсказывать распределение менее обученной политики. На общем времени GRPO-шага разрыв уменьшается, потому что спекулятивный декодинг ускоряет только генерацию, а пересчёт log-prob и шаг оптимизатора занимают примерно то же время, что и без него. В симуляции с Qwen3-235B ускорение составило 2,5х. Но, опять же, в реальных рабочих сценариях прирост может быть скромнее. В дополнение авторы предлагают доучивать драфт-модель во время GRPO, чтобы она не отставала от меняющейся политики основной модели. Делается это так: берутся скрытые представления основной модели, на них навешивается .detach() , после чего они отправляются в драфтер. Такая система позволяет обучать драфтера вместе с основной моделью, не оказывая на неё влияния (схема на приложенном изображении). Разбор подготовил Павел Васильев Душный NLP

North-Mini-Code-1.0-w4a16 Квантованная версия (4-бит вес, 16-бит активации) первой модели Cohere для разработчиков: управление подзадачами, анализ архитектуры, code review. * Архитектура: Sparse MoE на базе Transformer. 30B параметров всего, 3И активно. Высокая скорость, низкие требования к GPU. * Контекстное окно: 256K токенов для анализа репозиториев целиком. * Максимальный вывод: до 64K токенов. * Поддержка: нативные инструменты, чередующееся рассуждение (interleaved reasoning) через JSON-схему. * Обучение: платформы SWE-Agent, mini-SWE-agent, OpenCode, Terminus 2 для устойчивости в реальных средах. Сценарии использования: * генерация кода и тестов * рефакторинг legacy-кода * автоматизированный code review в CI/CD * локальный AI-ассистент для приватности * создание агентных пайплайнов для аудита безопасности и unit-тестов #MoE #reasoning #coding

✔️ OpenAI переманила главного разработчика Apple Vision Pro Вице-президент Apple по аппаратному обеспечению Пол Мид, 7 лет работавший над проектом Vision Pro, перешел в OpenAI. Он присоединится к разработке физических ИИ-устройств. Мид будет работать в команде с дизайнером Джони Айвом и еще двумя бывшими топ-менеджерами Apple. Спецификации будущих гаджетов не раскрываются. По словам Сэма Альтмана, задача нового оборудования - обеспечить взаимодействие с ИИ вне интерфейса смартфонов. Мид уволился из Apple на фоне реструктуризации. Из-за изменения цепочки подчинения он потерял прямой доступ к высшему руководству корпорации. Пост Мида в Apple занял его бывший заместитель. bloomberg.com ✔️ Южная Корея инвестирует $650 млрд в ИИ и полупроводники Президент страны анонсировал 10-летнюю программу развития микроэлектроники, ИИ и робототехники с бюджетом $650 млрд. Центральный элемент стратегии - строительство нового полупроводникового кластера на юго-западе страны. Проект реализуют Samsung Electronics и SK Group. Правительство обеспечит базовую инфраструктуру: электричество, воду, транспортные сети, а также строительство жилья и подготовку инженерных кадров. firstpost.com ✔️ Amazon дистиллирует модели Anthropic для внутренних задач Компания создает компактные модели, обучаемые на инференсе Claude, чтобы избежать скачка расходов. Со следующего года Amazon откажется от почасовой оплаты за компьют Anthropic и перейдет на тарификацию за токены. На данный момент платформа Amazon Bedrock предлагает клиентам услугу дистилляции для моделей Nova и Llama. Использование семейства Claude для аналогичной процедуры пока доступно только инженерам самой Amazon. Параллельно корпорация развивает собственную линейку моделей, чтобы диверсифицировать риски и снизить зависимость от одного вендора ИИ. theinformation.com ✔️ Институт Аллена обновил открытую модель для анализа спутниковых снимков до v1.2 В мажорном обновлении OlmoEarth отказались от стандартных позиционных сигналов в пользу RoPE. Переход устранил артефакты в выходных эмбеддингах и улучшил качество представления данных. Рост производительности зафиксирован в бенчмарках kNN и linear-probe для всех версий модели. Архитектура OlmoEarth поддерживает мультимодальный анализ и обрабатывает мультиспектральные снимки Sentinel-2 и Landsat, радарные данные Sentinel-1, глобальные карты рельефа и индексы растительности. Семейство включает 4 размера: Nano, Tiny, Small и Base. Веса моделей опубликованы на Hugging Face. Код и скрипты для дообучения доступны на GitHub. Ai2 с сети Х ✔️ ИИ разрушает классическую бизнес-модель консалтинга Руководство Deloitte прогнозирует отказ от почасовой оплаты консалтинга из-за развития ИИ-агентов. На внутреннем собрании в компании заявили, что к 2035 году автономные модели займут основную долю рынка профессиональных услуг. Вместо продажи человеко-часов консалтинговые корпорации переходят на IT-модель - подписки и решения с фиксированной ценой. McKinsey и Boston Consulting Group внедряют ценообразование, привязанное к результатам работы. По данным WSJ, на подобные контракты у McKinsey приходится более 30% выручки. wsj.com @ai_machinelearning_big_data #news #ai #ml

Греф сказал вслух то, о чём молчат советы директоров Сбер создает антропоморфных роботов, которые смогут заменить человека в физическом мире. И это необходимость, люди работать руками не хотят, производительность труда стоит на месте, рук не хватает. Выступая на ГОСА-2026, Герман Греф заявил: - экстенсивный рост экономики исчерпан, а загрузка производственных мощностей находится на пределе. По оценкам, снижение объема инвестиций по итогам года составит от 2% до 4%. - ИИ — единственный инструмент, способный дать качественный прирост там, где количественный исчерпан - Без инвестиций в технологии и модернизацию переход невозможен — не как опция, а как условие выживания - Компании, которые не адаптируются сейчас, потеряют конкурентоспособность в горизонте 3–5 лет

В текущих условиях для дальнейшего роста критически необходимы инвестиции в повышение производительности труда и модернизацию производства. Главным драйвером в условиях высоких ставок становится масштабное внедрение новых технологий, в основе которых лежит ИИ.

ИИ в менеджменте это не "автоматизировать рутину", а пересмотр самой логики работы: какие задачи вообще должен решать человек, а какие — ИИ.

Инвесторы видят стартапы еще до их запуска Еще один участник нашего большого эфира — brainbox VC в лице Татевик Пономарёвой, Члена Совета директоров, партнера по стартапам brainbox VC. brainbox — наши давние партнеры и друзья, которые поддерживают Радар с первых шагов. 👤 brainbox.VC — это краудинвестинговая платформа для инвестиций в IT-стартапы. Запущена в 2023 году и входит в экосистему Brainbox вместе с венчурным фондом brainbox_I. Татевик Пономарева, партнер по стартапам экосистемы Brainbox, так объясняет интерес к Радару:

Product Radar интересен нам как живая площадка, где фаундеры показывают реальные ИТ-продукты, а не просто идеи или сухие презентации. В венчуре важна скорость: возможность увидеть проект до публичного анонса даёт шанс первыми пообщаться с командой, предложить поддержку и инвестиции. Через Радар мы хотим находить "скрытые алмазы": стартапы с сильной технологией, особенно в AI, с понятной бизнес-моделью, работающим MVP, первыми довольными пользователями и первой выручкой.

⏩🎤 2 июля в 19:00 МСК проводим эфир «Product Radar 2026: как изменился Радар за полгода?». Татевик Пономарёва — гость эфира. Обсудим итоги полугодия, планы развития, роли инвесторов в экосистеме. Будет розыгрыш призов и интерактивы. Узнать больше и зарегистрироваться➡️ здесь. При поддержке ИИ-партнёра — сервиса Polza.ai 💬 Пишите вопросы Татевик под этим постом — лучшие озвучим на эфире.

Знаете есть "ограничивающие убеждения"? Когда веришь во что-то что сужает количество доступных вариантов. Так вот, у меня есть это, только наоборот! 3 моих расширяющих убеждения (1) Если кто-то это сделал, значит, это возможно. Осталось только повторить. Боже, сколько "это невозможно" (по версии других) я сделала. → Поступила на бюджет при конкурсе 16 чел/место → Сняла квартиру в Порту за 2 недели → Получила работу без внж → Привлекаю лидов за €0 (2) Всё решают люди. А не законы и не машины. Люди могут помочь, даже если система работает в обратном направлении. → Получала интервью клиентам после отказа: «Посмотрите, пожалуйста, он идеально подходит» → Делала документы, которые не делали другим: «Пожалуйста, может быть, можно что-то сделать?» → Получала скидки просто так: «Могли бы вы сделать скидку, пожалуйста?» (3) Не получается в лоб — зайди сбоку. Спереди, сзади, сверху, с ноги. Все попробуй. (Тут нет коротких примеров, это вся моя жизнь) Они не были со мной 10 лет назад.   Я их вырастала в себе. Берите и вы, не пожалеете. Расскажите про ваши!

Как грязные диски помогали спидранерам быстрее проходить классические игры Спидранеры «Губки Боба» на оригинальном Xbox обнаружили, что диск с восемью грязными лучами от центра проходит игру быстрее чистого. Не царапины, не случайные пятна — именно такой узор, нанесённый потом или кожным жиром, создавал задержки чтения ровно нужной длины. Слишком слабое загрязнение не давало эффекта, слишком сильное отправляло привод в полный отказ. В этой золотой середине открывалось короткое окно, где персонаж мог проскочить сквозь геометрию уровня, которую разработчики считали непроходимой. Технику назвали lag clip, и она экономила десятки секунд. Только непонятно, как вообще додумались, что дело в рисунке пятен, а не в самом диске или консоли.

Недавно общалась с руководителем AI-направления из Fortune 1000 Больше года их команда строила собственное AI-решение для отдела продаж с полной интеграцией в корпоративный стек. Проект оказался успешным: средний размер сделок увеличился, а конверсия выросла. Когда я показала ему что мы делаем, он сказал:

«Полгода назад это был бы другой разговор. Но мы уже разобрались сами»

Тогда я спросила о работе с крупными корпоративными клиентами. Он сделал паузу и признался:

«Это другая команда. Другие сделки, другие люди. Честно говоря, я не очень понимаю, что у них там происходит».

В этом и заключается главная проблема. Внутренние AI-проекты чаще всего создаются для решения понятных, легко описываемых задач, которые можно поставить в план спринта: автоматизация действий после звонков или работа с небольшими клиентами, закрывающимися за неделю. Однако удержание и развитие крупных клиентов — совершенно иной уровень сложности. Здесь речь идет об отношениях с закупочным комитетом, выстраиваемых годами; сигналах к расширению контракта, разбросанных по переписке, данным об использовании продукта и встречах, протоколы которых никто не вел. Риск потери клиента часто возникает за полгода до того, как кто-то произнесет это вслух. Описать этот хаос на сессии планирования невозможно. В итоге вся эта аналитическая нагрузка ложится на менеджера, ведущего 40 аккаунтов, который вынужден реагировать лишь на то, кто громче всех кричит на этой неделе. Есть и еще одна причина, почему корпорации предпочитают строить внутренние решения, даже если они получаются неполноценными: службы безопасности не готовы допускать внешний AI к реальным данным компании. Информация должна оставаться внутри периметра. Именно поэтому мы изначально строили AIcelerate под работу внутри инфраструктуры клиента. «❤️» если полезно