ideasAI / Идеи для ИИ - Анисимов Андрей

Всё идёт пока на увеличение масштабов, поэтому картинка актуальна. 🖥 Moonshot AI открыла веса Kimi K3 на 2,8 триллиона параметров

- Полные веса Kimi K3 появились в открытом доступе на Hugging Face. Архив занимает около 1,56 ТБ: модель можно скачать, развернуть на собственной инфраструктуре и дообучать по лицензии Kimi K3.

Только надо для этого 64 самых современных хорошо связанных видеокарт 🫠 Если посмотреть только на открытые frontier-модели, получится интересная эволюция масштаба: GLM-4.5 — 355 млрд параметров. GLM-5 — 744 млрд. DeepSeek V3.2 — около 700 млрд. Kimi K3 — 2,8 трлн. Обсуждение в чате - https://t.me/+IO8oYWP3rblkMWJi Телеграм канал Андрей Анисимов @ideasforai

Краткий ответ на тему "чем заменить OpenRouter". Более детальный будет в статье на хабр. Но смысл примерно в том что агрегаторов куча. На 30% наценку конечно попадаем, но зато "оплата в рублях" и от юрлиц везде практически... routerai.ru вроде самая пока что приятная история.

Пока все делают мессенджеры быстрее, кто-то сделал их… медленнее И это неожиданно сработало. Продакт-менеджер Ticketmaster Логан Мендельсон в свободное время навайбкодил приложение Roost. Без команды, без инвестиций, как обычный pet-проект для друзей. В разработке ему активно помогал Claude Code — ИИ-агент для программирования Результат? За пять недель приложение выросло почти до 300 тысяч пользователей исключительно за счет вирусного эффекта Roost — это мессенджер, где сообщения доставляют виртуальные птицы. Перед отправкой вы выбираете, кто понесет письмо: голубь, сокол, попугай, дятел или даже улитка. Затем птица действительно летит по карте к получателю с реальной скоростью выбранного животного. Если друг живет в соседнем городе — сообщение придет через несколько часов. Если на другом континенте — ждать можно несколько дней. Всё это время можно наблюдать за путешествием птицы. Первый взрывной рост случился после одного поста в Threads. Мама рассказала, что ее дочь переписывается с друзьями через Roost… на английском времен Шекспира. Пост разлетелся, и приложение выросло с 10 до 100 тысяч пользователей всего за три дня Сейчас в приложении уже есть: • карта полета птиц; • коллекция животных; • мини-игры; • анонимальные pen pals; • внутриигровые покупки новых птиц и ускорений Roost сделал всё наоборот. Он превратил задержку в главную функцию продукта. Когда сообщение нельзя получить мгновенно, ты начинаешь писать совсем по-другому. Более вдумчиво. Более осознанно. Без ощущения, что нужно отвечать через 30 секунд. Получается интересный парадокс. ИИ сегодня позволяет одному человеку быстрее создавать продукты, которые раньше требовали целую команду. Но сам продукт - делается осмысленно медленнее. Парадокс) Отправляйте своих голубей сюда

Пока все делают мессенджеры быстрее, кто-то сделал их… медленнее И это неожиданно сработало. Продакт-менеджер Ticketmaster Логан Мендельсон в свободное время навайбкодил приложение Roost. Без команды, без инвестиций, как обычный pet-проект для друзей. В разработке ему активно помогал Claude Code — ИИ-агент для программирования Результат? За пять недель приложение выросло почти до 300 тысяч пользователей исключительно за счет вирусного эффекта Roost — это мессенджер, где сообщения доставляют виртуальные птицы. Перед отправкой вы выбираете, кто понесет письмо: голубь, сокол, попугай, дятел или даже улитка. Затем птица действительно летит по карте к получателю с реальной скоростью выбранного животного. Если друг живет в соседнем городе — сообщение придет через несколько часов. Если на другом континенте — ждать можно несколько дней. Всё это время можно наблюдать за путешествием птицы. Первый взрывной рост случился после одного поста в Threads. Мама рассказала, что ее дочь переписывается с друзьями через Roost… на английском времен Шекспира. Пост разлетелся, и приложение выросло с 10 до 100 тысяч пользователей всего за три дня Сейчас в приложении уже есть: • карта полета птиц; • коллекция животных; • мини-игры; • анонимальные pen pals; • внутриигровые покупки новых птиц и ускорений Roost сделал всё наоборот. Он превратил задержку в главную функцию продукта. Когда сообщение нельзя получить мгновенно, ты начинаешь писать совсем по-другому. Более вдумчиво. Более осознанно. Без ощущения, что нужно отвечать через 30 секунд. Получается интересный парадокс. ИИ сегодня позволяет одному человеку быстрее создавать продукты, которые раньше требовали целую команду. Но сам продукт - делается осмысленно медленнее. Парадокс) Отправляйте своих голубей сюда

Первый единорог из одного человека уже близко? 🦄 Два года назад Сэм Альтман рассказал, что у CEO Кремниевой долины есть пари: когда появится первая компания стоимостью $1 млрд, созданная одним человеком Тогда это звучало почти как фантастика Раньше масштаб компании измеряли количеством сотрудников: 10 человек → стартап 100 человек → быстрорастущая компания 1 000 человек → большая корпорация 100 000 человек → мировой технологический гигант Но ИИ начинает ломать эту формулу, потому что появляется новая модель:

One human. Multiple AI agents

Один основатель и вокруг него не штат сотрудников, а команда цифровых помощников: 🤖 агент-разработчик пишет код 🤖 агент-маркетолог запускает кампании 🤖 агент поддержки общается с клиентами 🤖 агент-аналитик ищет точки роста Фактически один человек впервые получает рычаг, который раньше был доступен только большим компаниям: возможность масштабировать труд

Но это недешево 🫠 Зачастую даже дороже, чем человек

Сегодня вечером на встрече Сколково про эффекты от AI показали первые сигналы: 1️⃣Matthew Gallagher запустил Medvi, используя ИИ-инструменты вместо классической команды. По данным публикаций, в 2025 у них было около $401 млн продаж, а прогноз на 2026 доходил до $1.8 млрд. Это ближайший кандидат, неожиданно не AI-компания, а телемедицинский сервис по продаже препаратов для снижения веса 2️⃣ Pieter Levels строит продукты с миллионами долларов выручки практически один

Новые AI-native стартапы с первого дня думают не «кого нанять», а «что автоматизировать»

Самое интересное в пари Альтмана не сама ставка, а скорость, с которой меняется реальность Всего за 2 года идея компании на миллиард без сотрудников прошла путь от фантастики до вполне реального сценария Возможно первый единорог из одного человека уже где-то собирает своих агентов прямо сейчас 😁 Обсуждение в чате - https://t.me/+IO8oYWP3rblkMWJi Телеграм канал Андрей Анисимов @ideasforai

⚡️ Яндекс запустил Vibecraft — собственную платформу для вайбкодинга. По сути, это российский аналог Replit с AI-генерацией: достаточно описать идею обычным языком, и сервис сам создаст сайт, веб-приложение или интерактивный прототип. Код писать не обязательно. Что уже можно сделать: • лендинги и сайты; • внутренние корпоративные инструменты; • MVP новых продуктов; • небольшие игры; • прототипы интерфейсов. После генерации проект можно сразу опубликовать и поделиться им с другими. При этом приложение создается и размещается на инфраструктуре Яндекса в России. Для многих компаний это может стать важным преимуществом при работе с внутренними сервисами и прототипами, поскольку упрощает вопросы, связанные с размещением данных и соблюдением требований российского законодательства, включая требования к обработке персональных данных. Я посмотрел первые отзывы пользователей, и картина получилась довольно интересной. Из плюсов чаще всего отмечают очень низкий порог входа — даже люди без опыта разработки за вечер собирают работающие сайты, игры и небольшие сервисы. Понравилась возможность быстро сделать MVP и сразу получить публичную ссылку. Некоторые пользователи уже смогли собрать не только интерфейс, но и полноценное приложение с серверной частью. Но без минусов тоже не обошлось. Многие называют Vibecraft скорее публичной бетой, чем готовым продуктом. Самая частая жалоба — агент иногда зацикливается: бесконечно «перезапускает контейнер», «проверяет сервер» и не может самостоятельно выйти из тупика. Есть отзывы, где на исправление одной ошибки уходило более тысячи кредитов, а иногда после нескольких попыток исправлений проект вообще переставал работать и его приходилось восстанавливать. Еще один встречающийся недостаток — пока нельзя просто подключить существующий Git-репозиторий и продолжить работу над уже готовым проектом. Тем не менее, это еще один сигнал, что эпоха «вайбкодинга» становится мейнстримом. Все больше крупных компаний делают ставку на инструменты, где главными навыками становятся не программирование, а умение формулировать задачи и быстро проверять гипотезы. Если Яндекс быстро устранит болезни платформы, Vibecraft вполне может стать одним из основных инструментов для создания MVP и внутренних сервисов на российском рынке. Кстати, совсем недавно мы собирали в канале ваши AI-проекты. Похоже, появился отличный повод попробовать перенести их в Vibecraft, посмотреть, сколько времени займет создание первой рабочей версии и сравнить результат с тем, что было раньше. Обсуждение в чате - https://t.me/+IO8oYWP3rblkMWJi Телеграм канал Андрей Анисимов @ideasforai

Как предпринимателю внедрить AI в бизнес по примеру Китая и получить конкурентное преимущество уже сегодня? Сегодня Tencent, Huawei, Ping An, DJI и другие технологические лидеры объединяет не отрасль, а подход. Они используют искусственный интеллект не как отдельный продукт или чат-бота, а как новый слой инфраструктуры компании. ИИ становится частью принятия решений, разработки, клиентского сервиса, производства, логистики и внутренних процессов. Этой осенью в Шэньчжэне пройдет технологическая бизнес-миссия для предпринимателей, владельцев бизнеса и руководителей средних и крупных компаний — один из самых быстро развивающихся технологических центров мира. Я внимательно ознакомился с программой, понимаю ее практическую ценность и лично знаком с организаторами, поэтому могу смело рекомендовать эту поездку тем, кто хочет глубже разобраться в применении AI в бизнесе и ищет системные решения для масштабирования и усиления конкурентных позиций. Что будет в программе: → Tencent — как AI становится частью экосистемы WeChat и помогает связывать пользователей, бизнес и цифровые сервисы для более чем миллиарда человек. → Huawei — собственные языковые модели, AI-инфраструктура, вычислительные платформы и стратегия технологической независимости. → Ping An — один из самых масштабных мировых кейсов применения ИИ в страховании, финансах и медицинских сервисах. → UBTech Robotics — гуманоидные роботы, которые уже работают на реальных предприятиях и интегрируются в производственные процессы. → DJI — компьютерное зрение, автономная навигация и AI, меняющие промышленность, строительство, сельское хозяйство и логистику. Ценность таких поездок не в том, чтобы увидеть красивые офисы. Главный вопрос гораздо интереснее: Как выглядит компания, которая проектировалась сразу с учетом возможностей искусственного интеллекта? Это возможность посмотреть не отдельные AI-инструменты, а новую архитектуру бизнеса, которая уже работает в крупнейших компаниях мира — особенно актуально для тех, кто принимает стратегические решения и отвечает за развитие компании. 📍18–25 октября 2026 Шэньчжэнь, Китай Если хочется узнать подробности – свяжитесь с Еленой: @elena_profounders или просто оставьте заявку на сайте.

Рынок AI-сервисов для пользователей меняется Главная проблема последних двух лет была не в самих нейросетях. ChatGPT, Claude, Midjourney, Runway, Suno и десятки других инструментов уже давно умеют делать удивительные вещи. Проблема - в доступе. VPN отваливается. Карта не проходит. Где-то нужен иностранный номер. Где-то интерфейс только на английском. Где-то подписка стоит как крыло от самолета. В итоге вместо работы с ИИ люди занимались настройкой ИИ. Недавно посмотрел на платформу Umnik AI. Вместо того чтобы покупать доступ к каждой нейросети отдельно, пользователь получает доступ сразу к 160+ инструментам в одном месте. ChatGPT, Claude, генерация изображений, видео, музыки, работа с текстами, аналитика — всё внутри одной платформы. Особенно интересно это выглядит для тех, кто использует ИИ не как хобби, а как рабочий инструмент.

Студенты могут делать конспекты и готовиться к экзаменам. Маркетологи - генерировать креативы и рекламные тексты. Предприниматели - готовить презентации, коммерческие предложения и анализировать документы. Контент-мейкеры - писать сценарии, делать обложки и искать идеи для новых публикаций

Мы уже привыкли обсуждать, какая модель лучше: ChatGPT, Claude, Gemini или что-то ещё. Но для большинства пользователей гораздо важнее другой вопрос: «Как быстро я могу решить свою задачу?» А вы сегодня пользуетесь одной нейросетью или уже собираете собственный AI-стек из нескольких инструментов?

— Мы внедрили ИИ во все процессы! Теперь мы официально технологическая компания. — Круто. А прибыль выросла? — Ну... пока не очень. Зато нейросеть вчера написала хокку про наш отдел продаж. — Понятно.

Пока одни хвастаются хокку, другие считают деньги. Изучили прогноз «Рейтинга Рунета» на 2026–2027 годы 🔮 В карточках — ответы на вопросы, почему инвесторы больше не верят разработчикам на слово, как беспорядок в данных тормозит технологии и где нейронки окупаются быстрее всего. Листайте и планируйте стратегию без розовых очков 😎 @aaaa_business

🍏 Apple и ИИ: почему даже $3 трлн не гарантируют победу После презентации Siri AI акции Apple за несколько часов просели примерно на 1,6%. Для компании такого масштаба это десятки миллиардов долларов капитализации. Но рынок отреагировал не на сам релиз. Рынок отреагировал на отсутствие внятной AI-стратегии. 1️⃣ Нет единого владельца продукта По сообщениям инсайдеров, внутри Apple Siri давно стала «горячей картошкой», которую передают между командами. 2️⃣ Компания оптимизирована под другой цикл Apple десятилетиями строила процессы вокруг железа: • большие ежегодные релизы • долгие циклы тестирования • высокий уровень секретности • почти идеальное качество на запуске Для смартфонов это работает прекрасно. Для ИИ — наоборот. Сегодня лидируют компании, которые выпускают продукт быстро, собирают обратную связь и улучшают его каждую неделю. 3️⃣ “It just works” может стать проблемой Главное обещание Apple — качество. Но современные AI-продукты по своей природе несовершенны. OpenAI, Anthropic, Google выпускают модели, получают обратную связь от миллионов пользователей и постоянно дообучают систему. Apple психологически намного сложнее выпустить продукт, который работает на 80%. А именно так сегодня развивается весь рынок генеративного ИИ. Побеждают компании, которые умеют быстро учиться Обсуждение в чате - https://t.me/+IO8oYWP3rblkMWJi Телеграм канал Андрей Анисимов @ideasforai

🎓 Где детям изучать ИИ офлайн? Подборка летних школ и интенсивов в Москве Пока многие обсуждают, заменит ли ИИ программистов, школьники уже учатся создавать собственных AI-агентов, обучать модели и делать проекты на базе нейросетей. Собрал несколько сильных очных программ. 📍 One! International School × СберУниверситет В прошлом году школа One! проводила летний AI-интенсив на площадке СберУниверситета. Я приезжал на кампус, помогал ребятам с генеративным ИИ. Они создавали собственные проекты и знакомились с технологиями будущего. 🔗 https://t.me/oneschoolnews ⸻ 📍 Сколково для школьников Школа управления СКОЛКОВО регулярно проводит образовательные программы, интенсивы и проектные школы для подростков по технологическому предпринимательству, цифровым продуктам и искусственному интеллекту. 🔗 https://t.me/skolkovo_channel ⸻ 📍 Летняя школа программирования и ИИ от Центрального университета Одна из самых сильных программ последних лет. В программе — Python, машинное обучение, работа с данными, создание собственных AI-проектов и встречи с практиками индустрии. 🔗 https://centraluniversity.ru ⸻ 📍 Школа анализа данных Яндекса (ШАД) — программы для старшеклассников Яндекс регулярно запускает очные образовательные инициативы и интенсивы по ML, анализу данных и разработке для школьников. 🔗 https://academy.yandex.ru ⸻ 📍 Летние смены Академии искусственного интеллекта для школьников Проект поддерживается Сбером и партнерами. Участники изучают машинное обучение, компьютерное зрение, NLP и готовят проекты для соревнований. 🔗 https://ai-academy.ru ⸻ 📍 Иннополис. Летние школы по ИИ и робототехнике Хотя площадка находится не в Москве, многие школьники из столицы ездят именно сюда. Сильная программа по AI, программированию, робототехнике и инженерным проектам. Очно в Иннополисе 🔗 https://dovuz.innopolis.university ⸻ 📍 Кружковое движение НТИ Регулярно проводит проектные школы и интенсивы по искусственному интеллекту, беспилотникам, робототехнике и анализу данных. 🔗 https://kruzhok.org ⸻ Что особенно интересно — еще 3–5 лет назад детские курсы по ИИ были редкостью. Сегодня ребенок может познакомиться с генеративными моделями раньше, чем с классическим программированием. Если знаете хорошие очные программы по ИИ для детей или уже были на этих программах - делитесь в комментариях. Соберем самый полный список) Обсуждение в чате - https://t.me/+IO8oYWP3rblkMWJi Телеграм канал Андрей Анисимов @ideasforai

📄 Вышел whitepaper AI-Disrupt PDLC — попытка описать, как будет выглядеть разработка программного обеспечения в эпоху агентного ИИ Самая интересная мысль документа — дело уже давно не в выборе модели. Пока рынок спорит, кто лучше — OpenAI, Anthropic, Gemini или open-source, авторы предлагают смотреть на другое: конкурентным преимуществом становится среда вокруг моделей, корпоративный контекст и процессы работы агентов.

Как пишут в исследовании: «В эпоху стремительной смены поколений нейросетей главным активом становится не сама модель, а детерминированная инфраструктура вокруг неё»

Фактически это переход от подхода «AI как инструмент» к подходу «AI как новая операционная система компании». В документе есть несколько сильных идей: 🔺 Намерение становится важнее кода. Человек формулирует цель и проверяет результат, а реализацию всё чаще выполняют агенты. 🔺 Компании, которые просто внедрят Copilot, получат локальное улучшение производительности. Компании, которые перестроят весь жизненный цикл разработки вокруг ИИ, смогут получить кратный эффект. 🔺 Основным активом становится не модель, а корпоративный контекст: данные, правила, накопленные решения и механизмы их доставки агентам (Context Engineering). 🔺 Появляется новая роль Product Engineer — специалиста, который находится между бизнесом и разработкой и управляет намерением, а не написанием кода. Особенно понравился тезис о том, что сегодня многие пытаются автоматизировать старые процессы новыми инструментами. Но настоящий эффект возникает только тогда, когда сам процесс перепроектируется под возможности ИИ. Очень похоже на то, как когда-то компании сначала переносили бумажные формы в электронный вид, а потом полностью меняли бизнес-процессы. Похоже, что с агентным ИИ нас ждёт тот же путь. Обсуждение в чате - https://t.me/+IO8oYWP3rblkMWJi Телеграм канал Андрей Анисимов @ideasforai

Однажды я выиграл грант на образование И начал смотреть, куда вообще можно пойти учиться. Но чем больше смотрел на классическое бизнес-образование в России - тем меньше хотелось туда идти. Все казалось слишком правильным, слишком академичным и каким-то… предсказуемым. В какой-то момент я даже всерьез рассматривал обучение на пилота вертолета. Просто потому что хотелось чего-то настоящего. Чего-то, от чего снова появится ощущение интереса и движения вперед. А потом я узнал про конкурс грантов в СКОЛКОВО. И как-то все сложилось. В том числе и финансово - благодаря двум грантам удалось покрыть больше половины стоимости обучения. Уже на учебе я понял, что давно не делал ничего, от чего у меня горят глаза. Наверное, именно поэтому я пошел на MBA в СКОЛКОВО. Не за дипломом. Не за статусом. А потому что мне хотелось снова оказаться среди людей, которые мыслят очень широко. Людей, после разговоров с которыми начинаешь чувствовать - мир сильно больше. Сейчас в СКОЛКОВО открыт конкурс грантов на MBA, гранты - до 5,1 млн рублей. Их правда можно выиграть! Иногда взрослым людям тоже нужны места, где у них снова появляется ощущение будущего. Которое может повернуться в неожиданную сторону, например, как у меня - «заразиться» от одногруппников и пробежать марафон 42 км (конечно, с подготовкой) 🔥 Узнавайте все подробности у @Baha_SKOLKOVO или по ссылке https://clck.ru/3Tsj78 И задавайте вопросы про MBA в комментариях)

🔥 Together AI — один из самых быстрорастущих AI-инфраструктурных стартапов мира Компания строит «AWS для open-source AI»:

inference API, GPU cloud, fine-tuning, hosting моделей, distributed training

Основана в 2022 году очень сильной командой: Ce Zhang — профессор ETH Zurich и создатель ML-систем Petuum, Vipul Ved Prakash — ранее продал стартап Topsy компании Apple, Percy Liang — основатель Stanford CRFM и один из главных исследователей foundation models. 📈 Рост компании выглядит очень агрессивно: • 2024 → оценка ~$1.25B • 2025 → $305M инвестиций при valuation $3.3B • 2026 → обсуждается новый раунд ~$1B при оценке ~$7.5B. Инвесторы: NVIDIA, Salesforce Ventures, Coatue, Kleiner Perkins и другие. Главная ставка Together AI — не обучение моделей, а inference и оптимизация AI-вычислений.

На сайте компания прямо заявляет: ⚡ 2x faster inference 💰 до 60% lower cost 🚀 до 90% faster pre-training

Причем речь уже не просто про «хостинг моделей». Together AI активно развивает такие подходы, как: - квантизация, - спекулятивное декодирование, - работа с GPU ядрами, - снижение задержки в ответах, - распределенный запуск Поддерживаются: Llama, DeepSeek, Qwen, Mistral, Kimi и другие open-source модели. Среди клиентов уже: Cursor, Decagon, Cartesia, enterprise AI-команды и voice AI-стартапы. Очень похоже, что рынок постепенно смещается: не к «самой умной модели», а к компаниям, которые строят AI operating infrastructure для всей индустрии. Обсуждение в чате - https://t.me/+IO8oYWP3rblkMWJi Телеграм канал Андрей Анисимов @ideasforai

И ещё, ищу к себе на стажировку - нужно понимать основные ML-модели, уметь в агентский кодинг и плюсом будет, если уже есть примеры разработанных ИИ-агентов. Студенты 3-4 курса или выпускники, фул тайм

🤖 Prompt Engineering умер? Не совсем. Он просто превратился в инженерную дисциплину. Наткнулся на очень сильный цикл Google по prompt engineering, который перевели на Habr. И это уже совсем не про «напиши промпт как эксперт»

Самое интересное — Google фактически описывает промптинг как программирование: — reusable blocks — decomposition — reasoning chains — structured prompting

То есть промпт постепенно становится не текстом, а логикой выполнения задачи. 🔥 Но главный инсайт даже не в этом. LLM лучше работают не от одного гигантского промпта, а от последовательности специализированных шагов. По сути - не “один супер-запрос”, а orchestration reasoning

И это уже очень похоже на то, как сегодня строятся AI-агенты: - planner - researcher - coder - reviewer - memory/context layer

Получается, prompt engineering становится частью более крупной системы: ➡️ context engineering ➡️ memory engineering ➡️ tool orchestration ➡️ multi-agent systems Еще один неожиданный момент из исследований — модели уже умеют писать промпты для других моделей. То есть prompt engineer постепенно начинает автоматизироваться самим AI 😅 И отдельно интересно, что Google в своих рекомендациях делает огромный акцент на few-shot и chain-of-thought. Хотя многие пользователи до сих пор используют ChatGPT как “однострочный поиск”. А ведь CoT-подход фактически заставляет модель строить внутренний reasoning pipeline Обсуждение и ссылки в чате - https://t.me/+IO8oYWP3rblkMWJi Телеграм канал Андрей Анисимов @ideasforai

💊 AI масштабирование - кто больше? Похоже, мы очень быстро идем к миру, где подписка на LLM становится такой же базовой корпоративной инфраструктурой, как Microsoft Office или VPN. На этой неделе стало известно, что фарм компания Bristol Myers Squibb развернет Claude от Anthropic сразу на 30 000 сотрудников. Использование — research, clinical development, regulatory reports, internal AI agents и даже AI-ускорение разработки ПО. И это уже не “поиграться с чатиком”.

Фарм-компании — один из самых сложных enterprise-сегментов: — огромный объем данных — жесткая регуляторика — длинные циклы разработки — дорогая ошибка Если там начинают массово внедрять AI-ассистентов — значит рынок реально дошел до стадии production.

Самое интересное — Anthropic прямо говорит, что цель не “помочь написать текст”, а встроиться end-to-end во все процессы life science компании. ИИ масштабирование - это уже глобальный тренд. На днях Мальта 🇲🇹 стала первой страной, которая дает всем жителям бесплатный доступ к ChatGPT Plus на год после прохождения AI-курса. OpenAI фактически тестирует модель “AI как общественная инфраструктура”. А теперь посмотрите на компании: — PwC обучает 30 000 сотрудников работе с Claude Code и масштабирует AI по всей организации. — Accenture раскатывает Microsoft Copilot на 743 000 сотрудников — это крупнейшее enterprise-внедрение AI-ассистента на сегодня. — Moderna ранее интегрировала ChatGPT Enterprise практически во всю компанию для research и автоматизации процессов. — Банки массово переходят на внутренние LLM-контуры и AI-агентов для аналитики, комплаенса и разработки. Есть ли массовый доступ к лучшим GPT в вашей компании? Обсуждение в чате - https://t.me/+IO8oYWP3rblkMWJi Телеграм канал Андрей Анисимов @ideasforai

Google I/O — кажется, Google решил включить режим “full AGI corporation” 🚀 После презентации ощущение, что компания одновременно: — давит скоростью моделей, — строит инфраструктуру AI-агентов, — и готовит экосистему, где AI работает постоянно, а не только “по запросу”. Несколько вещей, которые зацепили 👇 1️⃣ Gemini 3.5 Flash Похоже, это одна из самых важных моделей года. Google заявляет, что 3.5 Flash: — обходит Gemini 3.1 Pro по ряду coding/agentic benchmark’ов, — быстрее конкурентов примерно в 4 раза, — и при этом стоит заметно дешевле топовых моделей На сцене показывали почти 300 токенов/сек, а в отдельных демо — до ~1500 токенов/сек 🤯

Кажется, мы всё ближе к генерации/персонификации сайтов «на лету»

Очень важный сигнал: frontier-модели постепенно становятся “commodity layer”. Конкуренция теперь идет не только за IQ модели, а за: — latency, — стоимость inference, — качество оркестрации, — экосистемность 2️⃣ Gemini Omni Google прямо пишет: “generate anything from anything”. Текст / картинки / голос / видео → видео (и в обратную сторону) Причем Omni — это уже не просто “video diffusion”. Они отдельно анализируют: — физику, — гравитацию, — динамику, — real-world understanding По сути Google двигается в сторону world models. И это очень похоже на следующий большой этап AI: не генерация кадров, а моделирование мира. Особенно интересно, что Omni Flash сразу интегрируют: — в Gemini, — YouTube Shorts, — YouTube Create Google снова использует главное оружие: дистрибуцию. 3️⃣ Antigravity 2.0 Все обсуждают модели. Но Google параллельно строит инфраструктуру AI-разработки нового поколения.

Antigravity 2.0: — multi-agent orchestration, — subagents, — hooks, — async tasks, — voice control, — SDK, — CLI, — desktop app под agent workflows

На сцене показали, как система: — за <12 часов, — с помощью 96 агентов, — и бюджета < $1000 собрала рабочую ОС с Doom 😳 И это очень хорошо бьется с тем, что мы видим последние месяцы: рынок постепенно переходит от “vibe coding” → к “agent coding”. 4️⃣ Gemini Spark А вот это может оказаться самым важным consumer-анонсом. Google фактически делает always-on AI agent: агент работает даже когда ноутбук закрыт. Spark: — читает Gmail, — смотрит Calendar, — работает с задачами, — взаимодействует с внешними сервисами, — и сам выполняет действия То есть AI постепенно превращается: не в “чат”, а в постоянный execution слой. 5️⃣ Еще несколько важных сигналов — Gemini уже ~900 млн MAU по данным Google — поиск получил “самое большое AI-обновление за 25 лет” (и окошко стало больше) — Gemini App теперь больше похож на mini-app platform, чем на чат;

И Google сейчас выглядит одним из самых агрессивных игроков

Обсуждение в чате - https://t.me/+IO8oYWP3rblkMWJi Телеграм канал Андрей Анисимов @ideasforai

Кто реально зарабатывает на AI-чипах Полупроводниковая индустрия — это уже не просто «производство чипов». Это огромная вертикально интегрированная цепочка создания стоимости, где каждая компания контролирует свой критически важный участок. И самое интересное — маржинальность и влияние распределены крайне неравномерно. На вершине — дизайн и архитектура чипов. Именно здесь сосредоточена большая часть интеллектуальной собственности и прибыли. NVIDIA сегодня контролирует рынок AI-ускорителей, AMD усиливает позиции в CPU и GPU, Qualcomm доминирует в мобильных SoC, Broadcom — в сетевых и инфраструктурных решениях. Marvell активно растет в датацентрах и AI networking, а Apple вообще построила собственную вертикаль, разрабатывая чипы под свои устройства. Дальше начинается фабрикация — одна из самых капиталоемких отраслей в мире. Построить современную фабрику стоит десятки миллиардов долларов. Intel пытается вернуть себе лидерство в производстве, а TSMC фактически стала «невидимым фундаментом» мировой IT-индустрии. Без TSMC сегодня не существовало бы половины современных AI-компаний и устройств. Но фабрики сами по себе бесполезны без производителей оборудования. Именно поэтому Applied Materials, Lam Research, KLA и Teradyne — это тихие гиганты индустрии. Applied Materials поставляет оборудование для нанесения материалов, Lam Research — для травления, KLA отвечает за контроль качества и метрологию, а Teradyne — за тестирование. Без этих компаний невозможно выпускать современные техпроцессы 3 нм и ниже. Еще глубже — химия и материалы. Dow и DuPont обеспечивают индустрию специализированной химией и фоторезистами. Entegris поставляет сверхчистые материалы и газы, а Corning производит высокоточные стеклянные и кремниевые компоненты. На этом уровне любая микроскопическая ошибка уничтожает выход годных чипов. После этого идет advanced packaging — новый центр борьбы в AI. Раньше упаковка считалась «неинтересным» этапом, а теперь именно она определяет возможность собирать гигантские AI-чипы и HBM-память в единый вычислительный модуль. Здесь критически важны Amkor и сам Intel, который активно инвестирует в передовые методы упаковки. Отдельный слой — тестирование и контроль. Teradyne и Keysight Technologies делают системы, которые проверяют чипы на работоспособность, стабильность и соответствие характеристикам. Чем сложнее AI-чип, тем дороже и важнее становится тестирование. И наконец память. Micron остается одним из ключевых производителей DRAM и NAND, а Intel продолжает играть роль в экосистеме памяти и серверных решений. В эпоху AI именно память становится одним из главных ограничений для масштабирования моделей. Самое интересное — деньги в этой цепочке текут не так, как думают многие. Наибольшая ценность часто создается не на заводах, а в архитектуре, IP, оборудовании и software ecosystem вокруг чипов. Именно поэтому NVIDIA сегодня стоит дороже большинства традиционных производителей полупроводников вместе взятых. AI сделал полупроводники новой нефтью XXI века. И сейчас идет глобальная гонка не только за моделями, но и за контролем над всей цепочкой: от химии и литографии до упаковки и памяти. Обсуждение в чате - https://t.me/+IO8oYWP3rblkMWJi Телеграм канал Андрей Анисимов @ideasforai