Все о блокчейн/мозге/space/WEB 3.0 в России и мире

Бутерин сказал, что к 2028г. квантовые технологии могут взломать Ethereum Виталик Бутерин, сооснователь Ethereum, заявил, что эллиптическая кривая криптографии(ECC) — основа безопасности Ethereum, биткоин и многих других блокчейнов может быть взломана квантовыми компьютерами в 2028 году. Экосистеме Ethereum нужно перейти к квантово-устойчивой криптографии. Рекомендации Бутерина что делать? Бутерин акцентировал сдвиг фокуса: - Layer 2: Масштабирование через роллапы и сайдчейны, чтобы базовый слой оставался простым. - Кошельки: Улучшение UX, включая account abstraction (EIP-4337/7701) для более удобного управления активами. - Приватность: Инструменты вроде ZK-SNARKs и stealth addresses для защиты данных без ущерба для прозрачности. По оценкам от Google, IBM, Amazon, Microsoft возможный прорыв квантовых технологий возможен уже к 2028–2035 годам. Если это случится, квантовые алгоритмы вроде алгоритма Шора позволят вычислить приватные ключи из публичных, что сделает уязвимыми кошельки, транзакции и всю инфраструктуру блокчейнов.

Google начали активную конкуренцию с экосистемой NVIDIA Google выпустил JAX AI Stack — полноценная альтернатива связке PyTorch + NVIDIA GPU для обучения и запуска LLM. Суть в том, что сейчас крупные компании уже переходят с CUDA на JAX и Cloud TPU, потому что: - при тех же деньгах на TPU v5p и Trillium (v6) получается в 1,5–3 раза больше полезных FLOPs; - масштабирование на десятки тысяч чипов работает «из коробки» без плясок с NCCL и ZeRO; - стоимость часа обучения моделей от 70B+ на TPU обычно в 2–3 раза ниже, чем на H100/B200. Кто уже использует: - xAI (Grok) - Anthropic (часть обучения Claude) - Mistral AI, Cohere, Character.AI, Perplexity - Apple (для своих фундаментальных моделей) - почти все крупные китайские компании (из-за санкций) Для разработчиков это пока непривычно.JAX функциональный, а не императивный, как PyTorch. Но после перехода многие говорят, что обратно уже не хочется. Выбор «GPU или ничего» начинает уходить в прошлое. Теперь есть второй серьёзный вариант, и он уже работает в продакшене у самых заметных игроков.

Крутая работа от Meta* - они устранили узкое место в 3D-данных Meta представила SAM 3D — две новые модели для автоматической 3D-реконструкции объектов и людей по обычным фотографиям. Главное новшество не сама архитектура, хотя она тоже новая, а способ получения данных для обучения. В 3D до сих пор была фундаментальная проблема: размечать настоящий мир вручную почти нереально в больших объёмах. Meta решила её тем же методом, который использовался для выравнивания LLM: - генерируем много синтетических данных для претренинга - люди не рисуют 3D-модели с нуля, а просто ранжируют и поправляют результаты модели - сложные кейсы отправляются 3D-художникам, модель дообучается, цикл повторяется. Получилось масштабировать разметку в десятки-сотни раз дешевле, чем раньше. Уже работает в Facebook Marketplace: можно загрузить фото комнаты и посмотреть, как туда встанет выбранная мебель. *запрещенная организация в РФ.

РФ создает административную ловушку для ИИ, а не экосистему Вчера на конференции AI Journey В. Путин выступил с поручениями по развитию ИИ в России: →Создать национальный план внедрения ген ИИ по всем отраслям и регионам → Сформировать штаб руководства с административным ресурсом (существующий Аналитический центр при Правительстве с Минцифры признаны недостаточными) → К марту 2026 подготовить отчётность министерств и регионов по применению ИИ → К 2030 ИИ должен применяться во всех ключевых отраслях. → Построить за 20 лет 38 атомных энергоблоков для энергообеспечения ЦОДов Если посмотреть на это все объемно, то получается, что рынок нужно искусственно создать. Но ведь все высокопарно говорят, что «ИИ - это новое электричество». Зачем это принуждение? Каковы реальные причины отсутствия рынка и капитала? А вместо экосистемы разработчиков создается бюрократическая матрёшка. И все будут друг другу отчитываться, проводить совещания, согласовывать позиции - это круговорот воды в природе, то есть общения чиновников без конкретных реальных дел.

Маск обещает ЦОДы в космосе через 4-5 лет, также строит в Саудовской Аравии ЦОД на 500 мегаватт Напомним, что недавно Google представил свой проект ЦОДа в космосе. Сегодня на мероприятии в Саудовской Аравии Илон Маск представил свое видение будущего: 1. Работа станет опциональной в течение 10-20 лет. Работать люди будут по желанию, как сейчас играют в игры. 2. Гуманоидные роботы станут крупнейшей индустрией в истории — больше, чем мобильные телефоны. 3. Tesla создаст первых по-настоящему полезных гуманоидных роботов. 4. В долгосрочной перспективе деньги перестанут быть релевантными. 5. ИИ и робототехника— единственный путь к устранению бедности. Еще Маск заявил, что уже через 4-5 лет самым экономически эффективным способом ИИ-вычислений будут солнечные ИИ-спутники в космосе. Причины: - Бесконечная солнечная энергия без перерывов - Естественное охлаждение через радиацию - Солнечные панели дешевле - Земля получает только 1/2 миллиардную часть энергии Солнца - Для масштабирования до 300 гигаватт в год просто невозможно строить столько электростанций на Земле. Маск не сказал ничего о проблемах для ИИ-вычислений в космосе: 1. Стоимость выведения на орбиту - даже с многоразовыми ракетами SpaceX это ~$1,500-2,000 за кг на низкую орбиту. Дата-центр Маска на Земле: 2 тонны стойка, из них 1.95 тонны — охлаждение. Хорошо, убрали охлаждение. Но сервера, кабели, корпуса, радиаторы, солнечные панели — всё равно тонны оборудования. Starship обещает $10-100/кг, но это пока не реализовано в масштабе. 2. Радиационная стойкость В космосе жёсткое излучение. Космические компьютеры обычно на 10-20 лет отстают от земных по производительности именно из-за этого. 3. Обслуживание и ремонт Сломалось что-то? На Земле техник приедет за час. В космосе — нужна целая миссия или роботизированная система обслуживания. 4. Латентность Для inference это критично. Низкая орбита даёт ~10-40ms задержки, геостационарная ~500ms. Для многих AI-приложений это неприемлемо. 5. Космический мусор 6. Эффективность солнечных панелей Да, в космосе постоянный свет. Но панели деградируют от радиации быстрее, чем на Земле. И площадь нужна огромная — для 500 МВт это километры панелей.

Сбер займется созданием спутниковой группировки, но в части генИИ. В. Путин попросил у Грефа денег на спутниковые группировки, на что Греф сказал, что денег нет, все съедает ИИ 😁

Греф показал гуманоидного робота Сбера

Одна из старейших криптобирж Kraken подала заявку на IPO. В этом году бум на IPO среди бирж Kraken подала заявление по форме S-1 в SEC. Количество акций для размещения и ценовой диапазон пока не определены. IPO ожидается после завершения процесса рассмотрения SEC. Сегодня Kraken — 4-я по объёму торгов криптобиржа в мире (по данным на 2025 год), с поддержкой более 450 криптовалют и свыше 1000 торговых пар. Kraken имеет сильную репутацию в плане безопасности — с момента основания не было крупных хакерских атак. В отличие от конкурентов Binance, Kraken фокусируется на прозрачности и институциональных клиентах. Её модель бизнеса построена на низких комиссиях, глубокой ликвидности и инструментах Kraken Pro. В этом году IPO сделали криптобиржи "взрослыми" игроками: 3–4 листинга привлекли >$2 млрд, подняли валюации до $13 млрд (Bullish) и усилили конкуренцию с Binance/COIN.

MIT о новом подходе к решению задач абстрактного мышления через компьютерное зрение Есть такой бенчмарк ARC - визуальные головоломки, которые проверяют способность к абстрактному мышлению. Задачи выглядят как цветные сетки, где нужно понять правило и применить его к новому примеру. Последние пару лет все пытались решить ARC большими языковыми моделями - GPT, Claude, специализированными рекуррентными моделями. MIT задали простой вопрос: а почему вообще визуальную задачу пытаются решать через язык? Их подход назвали VARC (Vision ARC). Суть проста: это задача перевода изображения в изображение. Не токены, не текст - чистое зрение. Тут сразу же отреагировали люди из ex-DeepMind на эту работу, предложив посмотреть на их PushWorld - другой бенчмарк для абстрактного мышления. Похоже, в сообществе зреет консенсус: для абстрактного мышления нужны специализированные архитектуры с правильными индуктивными смещениями, а не просто "больше параметров".

Экс-топ-менеджер TSMC украл секреты 2нм и устроился в Intel Экс- старший вице-президент по разработке технологий и корпоративной стратегии компании TSMC Ло Вэйжэнь подозревается в краже секретных материалов о передовых технологиях. Отметим, что бывший инженер также подозревается в краже секретов о 2нм. Ло ушел на пенсию в июле 2025 года, но уже в октябре он присоединился к Intel — прямому конкуренту TSMC. Intel в последние годы пытается догнать тайваньского гиганта в производстве передовых чипов, инвестируя миллиарды в новые фабрики и нанимая таланты из Азии. Перед уходом на пенсию Ло якобы попросил подчиненных подготовить технические презентации по 3-м ключевым технологиям TSMC: 1. 2-нанометровый процесс — флагманская разработка, которая позволит создавать чипы в 1,4 раза эффективнее 3-нм аналогов; производство стартует в 2025–2026 годах. 2. A16 — промежуточный процесс на 16 ангстрем (1,6 нм), ориентированный на высокопроизводительные приложения. 3. A14 — 14-angstrom (1,4 нм) технология, еще более продвинутая, с фокусом на энергоэффективность.

Дэмис Хассабис СЕО DeepMind как и Ян Лекун делает ставку на world modes В интервью Хассабис говорит, что модели мира — это то, на что он тратит большую часть своего исследовательского времени. Также Google решают вопросы последовательности и памяти. Над ними сейчас идёт работа в проектах Simmer и Genie — они будут надстраиваться поверх Gemini. Хассабис продолжает говорить, что до AGI осталось 5–10 лет, и, скорее всего, понадобится ещё 1-2 исследовательских прорыва. Про пузырь ИИ. «Часть индустрии точно в пузыре. Когда ты видишь seed-раунды на несколько миллиардов $ за по сути “ничего” — талантливые команды есть, но это уже первые признаки пузыря. Но с нашей стороны я вижу огромное количество реальной ценности: и краткосрочной (внедрение в Search, Workspace, YouTube, Android), и долгосрочной — робототехника, гейминг, открытие лекарств. Мы в Alphabet в уникальной позиции, если пузырь лопнет и будет откат — мы всё равно выиграем. А если пузыря нет и всё продолжит расти — мы тоже выиграем. Наша задача — побеждать в обоих сценариях». Про вычисления и TPU «Мы всегда на передовой по эффективности. Нам это жизненно необходимо — обслуживать миллиарды запросов в AI Overviews. Но да, TPU всё равно не хватает — я бы с радостью взял ещё больше».

Вот это реально круто: всего за 2 промта Gemini 3 создал инженерную симуляцию АЭС с нуля. Модель выдала полностью рабочую симуляцию с корректной физикой, системой управления стержнями и теплопередачей всего за 2 промпта. Для сравнения, раньше на такую же задачу даже лучшие версии Claude и GPT-4o тратили 15–30 итераций и часто ошибались в физике. Если уже сейчас Gemini 3 за 2 промта делает точную инженерную симуляцию АЭС, то можно будет просто заливать в Genie 3 и получить полноценный VR-тур внутри действующего реактора с фотореалистичной графикой, где всё работает по настоящим физическим законам. Промты были такие: 1) "Write code for a detailed explainer showing how a nuclear reactor works. It should break down the different stages of the process in a clear way. Use whatever libraries to get this done but make sure I can paste it all into a single HTML file and open it in Chrome. Make it interesting and beautiful, in one code block." 2) "Code a 3d voxel version of the same demo"

Весь интернет в восторге от Gemini 3, даже Сэм Альтман. Впервые пишет про конкурентов такое.

Gemini 3 вышел только что. Google называет её самой умной моделью на сегодняшний день в мультимодальности, мощная в агентных задачах и вайб-кодинге. Модель обучалась полностью на TPU. Google также представил Antigravity — это агентная платформа на уровне задач. Она использует рассуждения Gemini 3, использование инструментов и агентное программирование, превращая ИИ из инструмента в партнёра. Агенты имеют доступ к редактору, терминалу, браузеру; автономно планируют, выполняют и валидируют сложные задачи. Интегрировано с Gemini 2.5 Computer Use (управление браузером) и Nano Banana (Gemini 2.5 Image для редактирования изображений).

Пока все жду Gemini 3 от Google, хотим рассказать о драме вокруг главного героя Google Ноаме Шазире, которому заплатили ~$3 млрд, чтобы он вернулся в Google В 2024 году после возвращения в Google Шазир значительно улучшил Gemini. По словам источников, он внёс ключевые изменения в обучение моделей - изменил несколько строк кода и качество скакнуло вверх. Его последнее выступление тут. Gemini теперь один из лидеров рынка, конкурирует с GPT-4o и Claude. Говорят, сейчас в Google напряженка вокруг Ноама. Дело в том, что за год он опубликовал десятки постов во внутренних форумах, которые коллеги сочли дискриминационными и разжигающими ненависть. Посты неоднократно удаляли модераторы. Руководство, включая его друга, Джеффа Дина типа публично осудили его. Коллеги жаловались: «Он гений, но его слова травмируют». Некоторые требовали увольнения, но топ-менеджмент Сундар Пичаи, Демис Хассабис защищает Шазира — из-за его вклада в Gemini. Интересно, через год Шазир снова уйдёт из Google и запустит свой новый стартап? Или Google тихо снимет все внутренние модераторы и скажет: «Пусть говорит что хочет, главное — модели». Ноам Шазир — один из ключевых разработчиков LLM. В 2017 году он стал соавтором легендарной статьи «Attention is All You Need», которая ввела архитектуру Transformer — основу для ChatGPT, Gemini и почти всех современных ИИ. Большое интервью с ним тут.

Сбер представил ИИ-аналитика для карьерного трека CEO и CFO Как отметил Тарас Скворцов, заместитель председателя правления Сбера, такой ИИ-аналитик — это умный компас, который помогает человеку выбрать правильное направление для развития карьеры. Он объясняет, какие навыки сейчас самые ценные для рынка, и подбирает подходящие образовательные программы. Это особенно важно в финансах, где технологии регулярно меняют правила игры. Как работает ИИ-аналитик на основе GigaChat: 1. Сбор и анализ данных: • ИИ обрабатывает тысячи вакансий для CEO и CFO из открытых источников. • Добавляются данные из образовательных программ. •Плюс анализ исследований и отчётов. •Дополняется глубокими интервью и опросами целевых групп. 2. Что выдаёт на выходе ИИ—аналитик? - Для текущих CEO/CFO — список самых востребованных компетенций прямо сейчас. - Формирует профили будущих лидеров — какие навыки будут в топе через 3–5 лет, на основе трендов. - Рекомендации - Создаёт цифровые дашборды. Продукт представили накануне AI Journey, его разработали специалисты из Школы финансов СберУниверситета вместе с блоком "Финансы" Сбера.

Anthropic внедряет свой ИИ в образование в Африке Вместе с министерством образования Руанды и африканским провайдером технологического обучения ALX они интегрируют Chidi - обучающий компаньон, который помогает развивать навыки работы с ИИ, в национальную систему образования. Ранее мы писали, что Anthropic системно входит в образование и создает экосистему. Chidi работает как ментор, который задаёт вопросы для размышления, а не даёт прямые ответы, чтобы стимулировать критическое мышление и эффективное использование ИИ. В свою очередь, ALX распространит Chidi среди своих студентов через программы по всему континенту. Основные цели и фокус партнёрства: 1. Инструмент предназначен для выпускников университетов и молодых специалистов. Он помогает осваивать такие области, как анализ данных, облачные вычисления, программирование и data science. 2. Учителя смогут использовать Chidi для планирования уроков, повышения продуктивности и индивидуальной поддержки студентов. 3. Планируется охватить сотни тысяч учащихся, с акцентом на развитие независимых навыков решения проблем.

Андрей Карпатый высказался о том, как лучше всего понимать влияние ИИ на экономику и рынок труда. Недавно он жестко высказался про агенты, AGI и тд. Экс-глава AI в Tesla и со-основатель OpenAI говорит, что самые популярные аналогии (ИИ = электричество, ИИ = промышленная революция и т.д.) не самые точные. По его мнению, самая сильная и точная аналогия — это то, что современный ИИ — это новая парадигма программирования, которую он много лет назад назвал Software 2.0. Что изменилось с ИИ (Software 2.0)? Сейчас мы больше не пишем программы вручную строчка за строчкой. Мы задаём цель, например, «максимально точно классифицировать картинки» или «получить максимальный счёт в игре» и запускаем градиентный спуск, который сам в миллиардах параметров нейронной сети находит работающую программу. Это меняет то, какие задачи становятся автоматизируемыми. Теперь главный вопрос уже не «смогу ли я чётко описать алгоритм?», а «смогу ли я проверить, правильно ли выполнена задача?», то есть верифицируемость. Три ключевых условия, чтобы задача была легко автоматизируема в эпоху Software 2.0: 1. Среда должна быть перезапускаемой — можно быстро начать новую попытку. 2. Попытки должны быть быстрыми и дешёвыми. 3. Должна быть автоматическая награда/оценка. Если эти три условия выполнены — задача обречена на сверхчеловеческий уровень автоматизации. Примеры задач, которые идеально подходят под Software 2.0 (быстро прогрессируют): - Математика (есть правильный ответ → легко проверить) - Программирование (можно автоматически запустить тесты) - Шахматы, го, StarCraft, Dota (симуляция перезапускается, есть счёт) - Решение головоломок, CAPTCHA, доказательство теорем - Просмотр видео до конца (YouTube точно знает, досмотрел ты или нет — это тоже верифицируемый сигнал!) На таких задачах ИИ уже сейчас часто превосходит лучших людей на планете. Примеры задач, которые пока отстают (потому что плохо верифицируемы): - Творчество (как объективно оценить, что картина или рассказ «хорошие»?) - Стратегическое мышление в реальном мире (слишком много скрытого состояния, долгосрочные последствия) - Задачи, требующие глубокого понимания физического мира, здравого смысла, социального контекста - Работа с реальными людьми, переговорами, эмпатией и т.д. Для них пока приходится полагаться либо на «магию обобщения» нейронок, либо на более слабые методы вроде имитации человека. Главный тезис Карпатого - Software 1.0 легко автоматизирует то, что ты можешь задать. Software 2.0 легко автоматизирует то, что ты можешь проверить. Карпатый предлагает смотреть на будущее рынка труда через эту призму: Чем больше в твоей работе задач, которые можно объективно и автоматически проверить и на которых можно «натренироваться» миллиарды раз в симуляции, тем выше вероятность, что они будут автоматизированы в ближайшие 5–10 лет.

Google готовится к запуску в Gemini Enterprise 2 мультиагентных инструмента и дорабатывает AgentSpace Live, где несколько агентов и люди могут обсуждать задачу в онлайне 1. Idea Generation - команда из нескольких агентов за ~40 минут выдаёт до 100 детальных идей по любой бизнес- или продуктовой задаче. Потом эти же агенты устраивают «турнир»: сравнивают идеи между собой по заданным вами критериям и ранжируют их. 2. Co-Scientist - же принцип, но для научных исследований. Загружаете свои данные и литературу → говорите, что хотите найти (новые мишени, репурпозинг молекул, гипотезы и т.д.) → указываете критерии оценки (новизна, feasibility, потенциальное влияние). Агенты генерируют гипотезы, дебатируют между собой и выдают ранжированный список с обоснованиями. Плюс параллельно дорабатывают AgentSpace Live — голосовой «конференц-звонок», где несколько агентов и люди могут обсуждать задачу в реальном времени. Всё это пока только в Gemini Enterprise в закрытом превью. Для многих компаний, которые уже 10–15 лет сидят на Google Workspace и не планируют переходить на Microsoft 365 Copilot, это будет первое полноценное решение такого уровня.