# Сопутствующие статьи по теме Эффективность

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Эффективность", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Диалог с Йенсом из фонда IOTA: от Кении до Великобритании, TWIN продвигает мировую торговлю в эпоху «5 минут»

**Диалог с Йенсом из фонда IOTA: от Кении до Великобритании, TWIN двигает глобальную торговлю в эпоху «5 минут»** Инфраструктура IOTA TWIN трансформирует глобальную торговлю, сокращая обработку документов с недель до минут. В интервью Йенс Мунк Лунд-Нильсен, руководитель отдела торговли и цепочек поставок фонда IOTA, объясняет, как TWIN решает ключевую проблему координации в фрагментированных, бумажных системах, предлагая открытую, нейтральную, децентрализованную основу для безопасного обмена проверяемыми данными в реальном времени. Выбор IOTA в качестве базового уровня обусловлен её масштабируемостью, низкой стоимостью и нейтральностью. TWIN — это не просто приложение, а цифровая общественная инфраструктура, соединяющая правительства, компании и существующие платформы. Пилотные проекты демонстрируют результаты: в Восточной Африке (TLIP) время получения экспортных документов сократилось с 6-7 часов до ~30 минут. В Великобритании TWIN тестируется для улучшения видимости поставок на границе. Высокий интерес проявляют таможенные органы и логистические компании. TWIN решает проблемы совместимости, используя глобальные стандарты данных (UN/CEFACT, WCO) и децентрализованные идентификаторы (W3C DID). В перспективе 5-10 лет такая инфраструктура может ликвидировать «цифровые разрозненные системы», упростить доступ к финансированию и кардинально изменить ведение международной торговли.

marsbit06/30 02:08

Диалог с Йенсом из фонда IOTA: от Кении до Великобритании, TWIN продвигает мировую торговлю в эпоху «5 минут»

marsbit06/30 02:08

Первый крупномасштабный генеративный модель Un-0, использующая физику в качестве вычислительного примитива, представлен. Снизит ли он энергопотребление ИИ в 1000 раз?

Компания Unconventional AI, основанная бывшим руководителем подразделения ИИ в Databricks Навином Рао, представила Un-0 — первую крупномасштабную генеративную модель, использующую физические системы в качестве вычислительного примитива. Un-0 представляет собой систему связанных осцилляторов (моделируемую уравнениями Курамото), динамика которой во времени генерирует изображения. Обученная на датасетах CIFAR-10 и ImageNet 64×64, модель с 3.22 млрд параметров достигла FID 6.74, что сопоставимо с ранними традиционными методами генерации. Ключевая цель разработки — радикальное повышение энергоэффективности ИИ: в перспективе энергопотребление при инференсе может быть снижено в 1000 раз за счёт замены цифровых вычислений на аналоговые физические процессы, объединяющие вычисление и память. Хотя текущая производительность Un-0 ещё не превосходит современные стандартные модели, она демонстрирует принципиальную возможность использования физической динамики для сложных задач ИИ и открывает путь к созданию нового класса энергоэффективных «неконвенциональных» вычислительных систем.

marsbit06/26 10:55

Первый крупномасштабный генеративный модель Un-0, использующая физику в качестве вычислительного примитива, представлен. Снизит ли он энергопотребление ИИ в 1000 раз?

marsbit06/26 10:55

Matrixdock снова на страницах SBMA «Crucible»: как токенизация повышает эффективность рынка драгоценных металлов

Недавно статья платформы токенизации RWA Matrixdock (подразделения BIT, ранее Matrixport) была вновь опубликована в отраслевом издании Singapore Bullion Market Association (SBMA) «Crucible». В статье Евы Мэн «Почему токенизация важна для индустрии драгоценных металлов и как в этом участвуют издержки хранения» рассматривается, как токенизация может повысить доступность и капитальную эффективность активов в виде драгоценных металлов с точки зрения рыночной эффективности, стоимости содержания и эволюции инфраструктуры рынка. В статье отмечается, что токенизация не переопределяет золото, а позволяет этому традиционному активу более эффективно интегрироваться в цифровую финансовую систему, сохраняя при этом свои ценностные свойства. Если ETF сделали золото частью современных инвестиционных портфелей, то токенизация расширяет его ликвидность и функциональность, открывая возможности для расчетов, залога и платежей. Подчеркивается, что для физических активов, таких как золото и серебро, затраты на хранение, страхование и содержание объективно существуют. Ключевым моментом токенизации реальных активов является не просто их перевод в блокчейн, а прозрачное и точное отражение их реальных экономических характеристик. В этом контексте представлен стандарт Fungible Reserve Standard (FRS), основанный на «Принципе экономической чистоты», который призван прозрачно отражать стоимость владения активами. Matrixdock на практике реализует эту концепцию через токенизированное серебро XAGm и золото XAUm. Рынок токенизированного золота, объем которого в феврале 2026 года превысил 6 миллиардов долларов, становится важной частью цифровизации рынка драгоценных металлов, расширяя сценарии использования этих активов в цифровой финансовой системе.

marsbit06/18 09:21

Matrixdock снова на страницах SBMA «Crucible»: как токенизация повышает эффективность рынка драгоценных металлов

marsbit06/18 09:21

Сколько из вашей подписной платы за Claude достается компаниям, производящим оптические модули?

TL;DR На примере предполагаемого разбора подписки Claude Pro (примерно $20 в месяц) между компанией-разработчиком модели, облачными вычислениями, амортизацией GPU, электроэнергией и цепочкой поставок обсуждается, как оценивать доходы от AI-приложений. Ключевой вопрос: какая часть абонентской платы оседает в виде маржи, как в традиционном SaaS, учитывая, что каждое использование модели влечет переменные затраты на вычисления (инференс). В отличие от SaaS с низкими предельными издержками, AI-сервисы несут значительные расходы на инфраструктуру (GPU, HBM, электроэнергия, ЦОДы) при каждом запросе пользователя. Поэтому рост выручки от подписок не гарантирует высокой рентабельности, если затраты на вычисления растут пропорционально объему использования. Сейчас более предсказуемую выручку получают инфраструктурные компании (NVIDIA, TSMC, поставщики HBM, облачные провайдеры). Для разработчиков AI-приложений путь к высокой оценке лежит через повышение эффективности: снижение стоимости инференса, оптимизация моделей, кэширование, использование более дешевых моделей для простых задач и совершенствование ценообразования. Итоговая маржа будет зависеть от того, удастся ли снизить удельную стоимость использования быстрее, чем растут его объем и сложность задач пользователей.

marsbit06/17 03:44

Сколько из вашей подписной платы за Claude достается компаниям, производящим оптические модули?

marsbit06/17 03:44

Увольнения из-за ИИ? Исследование показывает, что ИИ дороже тех, кого он заменяет

Заголовок: Увольнения из-за ИИ? Исследования показывают, что ИИ обходится дороже, чем люди, которых он заменяет. В 2026 году около 50 000 сотрудников были уволены по причинам, связанным с внедрением ИИ. Логика компаний проста: ИИ может выполнять человеческую работу. Однако в последнее время эта логика столкнулась с реальностью: эксплуатационные затраты на ИИ часто превышают стоимость труда людей, которых он должен заменить. Примеры из различных компаний иллюстрируют проблему: * **Uber** израсходовал годовой бюджет на ИИ за четыре месяца. * **Microsoft** отменяет лицензии на Claude Code в нескольких отделах из-за высокой стоимости. * В **Anthropic** один сотрудник за месяц потратил 150 000 долларов на использование Claude Code, что эквивалентно работе 11 инженеров. * В **Nvidia** заявили, что затраты на вычислительные мощности теперь «значительно превышают» расходы на персонал. * Такие компании, как Meta, Pinterest и Spotify, отмечают рост затрат на инференс (вывод моделей) как фактор, снижающий рентабельность. Согласно исследованию CloudZero, в 2025 году 45% компаний тратили на ИИ более 100 000 долларов в месяц. При этом только 8% компаний из S&P 500 сообщили о доходах, связанных с ИИ, и лишь половина компаний уверенно оценивает окупаемость своих инвестиций в ИИ. Эксперт Скотт Гэллоуэй считает, что в этой ситуации основным бенефициаром станут китайские большие языковые модели (LLM). Их стоимость в 10–30 раз ниже, чем у американских аналогов. Данные подтверждают эту тенденцию: доля китайских моделей в использовании разработчиками выросла примерно с 1% в 2024 году до более 60% к маю 2026 года, а 80% американских стартапов в области ИИ уже используют китайские open-source модели. Гэллоуэй прогнозирует, что этот экономический сдвиг может вынудить администрацию Трампа ввести ограничения.

marsbit06/09 02:26

Увольнения из-за ИИ? Исследование показывает, что ИИ дороже тех, кого он заменяет

marsbit06/09 02:26

Может ли DeepSeek сэкономить Китаю 1 триллион долларов?

Статья анализирует, как DeepSeek может радикально снизить затраты на инфраструктуру искусственного интеллекта в Китае за счет повышения эффективности оборудования, а не за счет снижения цен на чипы. Основная проблема современного ИИ — высокая зависимость от дорогих и дефицитных компонентов, особенно памяти HBM. В статье на примере будущей платформы Nvidia Vera Rubin (стоимостью около $7,8 млн) показано, как быстро растут расходы на память. DeepSeek атакует эту проблему с помощью трех ключевых технологий в своей модели V4: 1. **Сжатие «памяти» (контекста):** Технология Multi-head Latent Attention (MLA) кардинально сокращает объем кэша KV, необходимого для длинных контекстов, без потери качества, что высвобождает дорогую память HBM. 2. **Эффективное использование «тела» модели:** Применяя архитектуру Mixture of Experts (MoE) и интеллектуальное распределение параметров, модель активирует только небольшую часть своих «экспертов» для каждой задачи, уменьшая нагрузку на высокоскоростную память. 3. **Повторное использование вычислений:** Система кэширования позволяет повторно использовать ранее вычисленные результаты (например, при многократном чтении одного документа), заменяя дорогие вычисления дешевым чтением из памяти. В совокупности эти инновации позволяют, согласно автору, увеличить эффективную пропускную способность (производство токенов) на одном аппаратном обеспечении в 4 раза. Это эквивалентно экономии 75% капитальных затрат на оборудование для достижения того же уровня производительности. В перспективе, с ростом ежедневного потребления токенов в Китае до триллионов, такая эффективность может привести к колоссальной экономии на строительстве дата-центров. Автор приводит расчет: если технология DeepSeek позволит избежать необходимости построить эквивалент 3,5 тыс. вычислительных центров (примерная стоимость — 2 млрд юаней каждый), общая экономия может приблизиться к 1 трлн долларов. Таким образом, стратегическая цель DeepSeek — не просто сделать API дешевле, а изменить саму экономику ИИ-инфраструктуры. Это смещает фокус стоимости с самых дефицитных и уязвимых компонентов (передовые GPU и HBM) в сторону более доступных областей (оптимизация ПО, системная инженерия, стандартная память), где Китай имеет больше возможностей для развития. В итоге это может сделать передовые возможности ИИ более доступными для китайской промышленности.

marsbit06/03 00:49

Может ли DeepSeek сэкономить Китаю 1 триллион долларов?

marsbit06/03 00:49

Запуск MoE на смартфоне? Meta предлагает MobileMoE, ускорение на iPhone 16 Pro до 3.8 раза

Мета представила MobileMoE — первую эффективную реализацию модели смешанных экспертов (MoE) для инференса на коммерческих смартфонах. Традиционно MoE использовались в облачных больших языковых моделях (LLM), тогда как на мобильных устройствах применялись плотные архитектуры из-за ограничений памяти и вычислительных ресурсов. MobileMoE заменяет плотные слои в Transformer на MoE-слои. Маршрутизатор выбирает для каждого токена несколько наиболее релевантных экспертов, при этом один общий эксперт участвует в вычислениях всегда. Обучение модели включает четыре этапа: предварительное обучение, промежуточное обучение, контролируемое тонкое обучение (SFT) и обучение с учётом квантизации. Результаты показывают, что MobileMoE-S/M при сопоставимом использовании памяти требует в 2–4 раза меньше вычислений, чем плотные базовые модели, достигая аналогичной или более высокой точности в 14 базовых тестах. На iPhone 16 Pro инференс ускорился до 3,8 раз на этапе ввода и до 3,4 раз на этапе генерации. После квантизации до INT4 модель сохраняет конкурентоспособность, а пиковое использование памяти на Samsung Galaxy S25 ниже, чем у аналогов. Несмотря на преимущества в коде и математике, MobileMoE пока уступает Qwen3.5 2B в следовании инструкциям и сложных рассуждениях. Для дальнейшего улучшения необходимы дистилляция, постобучение и мультимодальное расширение. Также требуются исследования для оптимизации памяти при изменяющихся входных данных и использования NPU на мобильных устройствах.

marsbit06/01 06:10

Запуск MoE на смартфоне? Meta предлагает MobileMoE, ускорение на iPhone 16 Pro до 3.8 раза

marsbit06/01 06:10

NVIDIA представляет платформу DSX, продолжая продвижение в инфраструктуру AI-фабрик

NVIDIA представила платформу DSX на конференции GTC Taipei, расширяя свой бизнес в сфере инфраструктуры для AI-фабрик. В отличие от прежней модели, ориентированной на продажу GPU, DSX предлагает комплексное решение для проектирования, симуляции, развертывания и управления AI-фабриками. Платформа объединяет чипы, системы, программное обеспечение и партнерские технологии NVIDIA, охватывая полный жизненный цикл AI-инфраструктуры. Ее цель — повысить скорость развертывания, надежность и операционную эффективность, снизив стоимость генерации токенов при AI-выводах. Ключевые программные компоненты включают DSX MaxLPS, который с помощью жидкостного охлаждения и оптимизации энергопотребления позволяет развернуть до 40% больше GPU при фиксированном бюджете электроэнергии, и DSX OS — открытую платформу для управления операциями AI-фабрик. Платформа также включает эталонные архитектуры (DSX Reference Design), средства цифрового двойника (DSX Sim), систему динамической регулировки нагрузки в зависимости от сети (DSX Flex) и инструменты обмена данными (DSX Exchange). Партнеры, такие как CoreWeave и Lambda, уже внедряют компоненты DSX, а ведущие производители оборудования разрабатывают совместимые системы. DSX Flex проходит пилотные испытания с энергокомпаниями. Стратегически DSX знаменует трансформацию NVIDIA из поставщика чипов в поставщика комплексной платформы AI-инфраструктуры, стремясь установить отраслевые стандарты и укрепить лидерство на рынке.

marsbit06/01 04:28

NVIDIA представляет платформу DSX, продолжая продвижение в инфраструктуру AI-фабрик

marsbit06/01 04:28

После сумасшедших трат в миллиарды долларов на токены, крупные технологические компании Кремниевой долины начали ограничивать использование токенов сотрудниками

Как сообщает источник, крупные технологические компании Кремниевой долины, такие как Microsoft, Uber и Salesforce, столкнувшись с огромными расходами на AI-токены, начали ограничивать их использование сотрудниками. Явление "tokenmaxxing", когда поощрялось максимальное использование AI-инструментов без чёткого понимания отдачи, привело к тому, что значительная часть бюджета тратилась впустую — на исправление ошибок, переписывание кода или решение личных задач. Исследования показывают, что лишь 14% финансовых директоров видят измеримую отдачу от AI. Проблема в том, что сотрудники автоматизируют в первую очередь неприятные им задачи, а не те, что приносят реальную прибыль компании. Как заявила бывший AI-директор Microsoft, личная эффективность не равна росту доходов бизнеса. В ответ компании начинают внедрять системы контроля затрат и ROI, а некоторые провайдеры AI-услуг переходят на модели ценообразования, привязанные к результату (например, к количеству решённых диалогов), а не к объёму потреблённых токенов. Эксперты считают, что это необходимый этап рационализации, за которым должен последовать более сложный вопрос: как использовать AI не просто для ускорения старых процессов, а для кардинального переосмысления бизнес-моделей.

marsbit06/01 04:07

После сумасшедших трат в миллиарды долларов на токены, крупные технологические компании Кремниевой долины начали ограничивать использование токенов сотрудниками

marsbit06/01 04:07

活动图片