ИИ

Andreessen Horowitz объяснил, что дают портфельным компаниям его Умные Деньги. — Лидерство в продажах и маркетинге: определить, как выглядит «отлично»; помочь собрать правильную команду и структуру под следующую стадию роста. AI-native go-to-market: помочь компаниям конкурировать с помощью новых плейбуков для агентных операций, AI-native RevOps, генерации спроса и ценообразования по потреблению. GTM-стратегия и позиционирование: определение идеальных профилей клиента, нарратива категории и ключевых сообщений; синхронизация продаж и маркетинга по стратегии выхода на рынок; проверка того, что бюджеты подкрепляют правильные приоритеты. Масштабирование продаж и маркетинга: переход от продаж силами основателя к машине выручки – с плейбуками, кампаниями и метриками, которые дают предсказуемый рост. Ценообразование и упаковка: прохождение через смену ценовой модели и решения по упаковке при переходе компании от одного продукта к платформе, включая управление AI-маржой. Revenue Operations: проектирование схем мотивации, управление переходом на usage-based ценообразование и построение AI-native операций, поспевающих за ростом. — Речь о Growth фонде, он инвестирует 8.5 миллиардов в уже состоявшиеся компании. Им тоже нужна помощь в ценообразовании, сами они не разберутся, как управлять AI-маржой. https://www.a16z.news/p/expanding-the-a16z-growth-fund-and

Starcloud подняла $250 млн на орбитальные дата-центры — и это про дефицит ракет, а не про хайп 🚀 🤍Американский стартап Starcloud закрыл раунд на $250 млн. Деньги пойдут на первые коммерческие орбитальные дата-центры: модули с мощными GPU на низкой околоземной орбите, которые берут на себя ИИ-вычисления и обработку данных прямо в космосе. 🤍Самое интересное здесь не «дата-центры в космосе - звучит круто», а «варианты запуска иссякают». Рынок упёрся не в технологию, а в окна запуска. Спрос на орбитальную инфраструктуру растёт быстрее, чем пусковые мощности — SpaceX, Blue Origin и конкуренты физически не успевают вывозить всех желающих. Начинается реальная борьба за слот на ракете. ————————— 🤖 Подписывайтесь на лучший канал PRO Роботов 📲 Мы в MAX

The Attention Triangle Исследование о том почему в аудио-видео моделях звук прилипает не к тому объекту. Пират молчит, а говорит попугай — модель все равно заставляет говорить пирата. Авторы разобрали механизм утечки и научились его чинить - Нашли треугольник внимания: три связи между текстом, аудио и видео. Главный источник утечки — двунаправленная связь аудио ↔️ видео - Интервенция на инференсе: управляют треугольником внимания, чтобы звук прикреплялся к правильному источнику — без переобучения Проверено на LTX-2. Получили практически бесплатный обходной фикс для уже обученных моделей Код ждем #research #attention #t2v #i2v VK | MAX

СРОЧНАЯ НОВОСТЬ‼️‼️‼️ 🇨🇳 Китай утвердил первые судебные правила по ИИ 📌7 сентября 2026 г. Верховный народный суд КНР опубликовал «Мнение о рассмотрении на основе закона дел по спорам, связанных с искусственным интеллектом» 最高法发布《关于依法审理涉人工智能纠纷案件的意见》 📌 это первый в истории страны документ, задающий правила для судов по спорам с участием ИИ: ‼️первый официальный ориентир для судей, как применять действующие законы к спорам, порождённым технологиями ИИ; ‼️Ключевые тезисы: 1️⃣Кто управляет ИИ — тот и отвечает. Нельзя отмахнуться фразой «это сделал алгоритм»; 2️⃣Big data-динамическое ценообразование — если алгоритм предлагает один и тот же товар/услугу разным людям по необоснованно разным ценам, это нарушение; 3️⃣Дипфейки и подделка голоса — использование чужого лица или голоса в коммерческих целях без согласия = привлечение к юридической ответственности; 4️⃣Беспилотные автомобили — впервые на уровне Верховного народного суда прописана схема распределения ответственности между водителем, производителем и оператором; 5️⃣Контент, созданный ИИ — если он нарушает чьи-то права, отвечает тот, кто запустил генерацию. Что осталось «за скобками»: 📌Два самых спорных вопроса суд пока не решил: - Можно ли считать ИИ-контент объектом авторского права? - Является ли обучение моделей на чужих данных без разрешения нарушением? 🇨🇳Вывод: Китай не стал ждать принятия отдельного закона об ИИ, а уже сейчас через судебную практику формирует правовое поле. Это документ для всех, кто работает с ИИ-технологиями на китайском рынке. Бегу изучать его на языке оригинала! Это действительно «бомба»‼️‼️‼️

Горе от ума. Как это работает в 21-м веке? Учёные полгода наблюдали за 27 тысячами китайских школьников и заметили занятную закономерность. Те, кто делал уроки с помощью ИИ, весь учебный год ходили в отличниках – их оценки за домашку росли, а времени на неё уходило на треть меньше. Однако на экзаменах эти “вундеркинды” в среднем показывали результат на 20% хуже, чем у одноклассников, обходившихся исключительно своей головой. Но не спешите отбирать у своих чад гаджеты. Дети, у которых с нейросетью на домашку уходило столько же времени, сколько у сверстников без неё, на экзаменах не сыпались. Очевидно, они использовали ИИ не как источник готовых ответов, а как репетитора – например, просили объяснить непонятное или проверить решение. В общем, делали ровно то, о чём я писал вот здесь. Вывод: ИИ – не причина плохих оценок на экзаменах. Его просто нужно использовать с умом – собственным. Так что своим пацанам я чат-боты запрещать не собираюсь. Но, пожалуй, стану чуть чаще заглядывать им через плечо.

Накопилось по #minimaxH3 - часть 19 github.com/cicalooo/ComfyUI-H3-PowerLoraStack - стек-лоадер нескольких LoRAs для H3, в духе Power Lora Loader. Заточен под три проблемы, ломающие лоры H3 github.com/Saganaki22/ComfyUI-Viggle-Animate-H3 - ноды Viggle-Animate github.com/oodate-lab/comfyui-h3-anime-batch-runner - батч-контроллер под Windows: ИИ генерит промпты из сюжета и 1–9 референсов, гонит клипы в #ComfyUI huggingface.co/HardGravy2/Minimax_H3_FLF_HardGravy_6_Step_Turbo_Merge - 6-шаговый флэт-мерж скоростных лор, плюс вариант от JonXL для фотореализма nvlabs.github.io/Sana/Sol-Engine/Sol-H3 - ускорение от NVIDIA: 4 шага против 50 у базы, ускорение до 15.5x #optimization github.com/PullMyBoots/ComfyUI-H3-FaceRefine-Accelerated - исправление мелких лиц для групповых сцен huggingface.co/spaces/malcolmrey/browser - RefMods: вместо лор - референсы, запеченные в latent как safetensors. Библиотека, #workflow

Мультиагентные команды вместо «одного чатбота» PM больше не «пользуется ИИ», а собирает команду агентов — Chief of Staff, PM-агент и десятки workers в циклах (loop/graph) с верификацией (Grok bot, hermes, openclaw 2.0) Суть: один агент — это ~1% потенциала; ценность появляется, когда агенты декомпозируют работу, передают её друг другу и поднимают человеку только решения. С чего начать: 1. проектировать систему (роли, handoff, verification, где человек утверждает), а не «лучший промпт» 2. Держать продукт-знания в Markdown/Git, а не в JSON/Confluence-простынях 3. Отдельная аналитика: bypass rate, качество ответа, доверие, не только «использовали фичу»

Еще раз поговорим про интеграцию AI в команды и компании. Все так много говорят об этом, что точно случается fomo и из-за этого пропадает легкость и любопытство. Я помню, как Claude Design вышел и собрал мою первую презентацию, которую я просто ему запромптила, или как снялась большая часть когнитивной нагрузки благодаря процессам, настроенным в моей личной CRM, и я правда испытала восторг и чувство "эврики" от произошедшего, потому что в этот момент моя жизнь как-то по-новому качественно изменилась. По моему мнению, очень многое в нас зарождается через любопытство, поэтому мне очень хочется, чтобы все осваивали ИИ на чуть более глубоком уровне, чем просто поисковые запросы, и дальше делились со своей командой этим. Очень классно про это написала в своём гайде Даша Золотухина. Мне нравится, что он очень чётко, по всем правилам менеджмента изменений, рассказывает, как внедрить инновации в команду, а чтобы это случилось, надо начать с себя и найти своих амбассадоров изменений, которые с вами это задрайвят. Если говорить про цифры влияния этого процесса на уровне компаний, то в отчете McKinsey "The State of AI: Global Survey 2026" (опрос охватил 1 719 руководителей в 97 странах, проводился с мая по июнь 2026 года) говорится, что около 88% организаций регулярно используют ИИ хотя бы в одной бизнес-функции, а 72% сообщают об использовании генеративного ai на регулярной основе – рост с 33%. Но реальное влияние на финансовый результат компаний не так красиво. McKinsey прямо называет это «главным напряжением» отчёта: разрыв между 80% респондентов, сообщающих о личном росте продуктивности, и всего 37%, которые фиксируют хоть какое-то влияние на EBIT компании, при этом доля не изменилась по сравнению с 2025 годом. Лишь 6% организаций квалифицируются как «AI high performers» (5%+ влияния на EBIT) – тоже без изменений год к году, несмотря на рост инвестиций. Как формулирует сам McKinsey: убежденность организаций в ценности ai растёт быстрее, чем реальная финансовая отдача, которую они могут ему приписать, и все это нам говорит о важности внедрения и о том, что особенно в текущих скоростях важно понимать, как интегрировать все происходящие с нами изменения