Экономика стейблкоинов, кто на самом деле зарабатывает на USDC?

В свете недавней подачи заявки S-1 на IPO компанией Circle (эмитент USDC) раскрылись интересные данные о реальной экономике стейблкоинов, которые заставляют переосмыслить этот бизнес.

Прежде всего, впечатляют масштабы:

$60 млрд в обращении
>$1 трлн выпущено за все время существования
$25+ трлн общий объем транзакций
$1.7 млрд выручки в 2024 году.

На каждый $1млн USDC в обращении Circle получила всего $4,700 в 2024 (против $8,900 в 2023), но заплатила партнерам $30,300 (против $23,600).

Circle нужно $212.8 млн USDC в обращении чтобы заработать всего $1 млн прибыли. Поэтому для годовой прибыли в $156 млн требуется $60 млрд в обращении.

Кто на самом деле зарабатывает?
Coinbase. Биржа получает от USDC $684 млн прибыли — более чем в 2 раза больше чем сам эмитент Circle ($285 млн).

При этом Coinbase:
- Не несет регуляторных рисков
- Не отвечает за сохранность резервов
- Не сталкивается с юридическими рисками эмитента

Coinbase получает:
100% с USDC на своей платформе
50% с USDC вне Coinbase

99.1% выручки Circle — это проценты по резервам. Это скорее "ставка на процентные ставки", чем технологическая инновация.

В финансах посредники по-прежнему зарабатывают больше создателей.

История Circle показывает, что эмиссия стейблкоинов может быть хорошим бизнесом только при колоссальных масштабах, но даже тогда большую часть экономической выгоды могут получать партнеры по дистрибуции.

Google выпустил фреймворк для ИИ-агентов, чтобы они работали между собой в разных экосистемах, независимо от платформы или разработчика.

Основные характеристики Agent2Agent:

1. Универсальная совместимость агентов и открытый исходный код.

2. Создан для корпоративных задач

3. 5 основных принципов дизайна:
- Агентоцентричность: не требуется общая память/инструменты
- Соответствие стандартам: HTTP, JSON-RPC, SSE
- Безопасность по умолчанию
- Поддержка как коротких, так и длительных задач
- Независимость от модальности — от видео до текста

4. Дополняет MCP от Anthropic.

Пример практического применения:

При найме персонала один ИИ-агент может искать кандидатов, другой заниматься планированием, а третий — проверкой данных, все в рамках одного агентского интерфейса.

⚡️Создана 1-я в мире детальная карта нейронных связей мозга мыши. Это историческая веха, которая поможет понять механизмы интеллекта.

7 лет работы, более 150 ученых, 1,6 петабайта данных — человечество получило 1-ю в истории подробную карту мозга с указанием не только где и как соединены нейроны, но и как они работают.

Мозг — последняя великая загадка науки. Мы отправляем роботов на Марс, но до сих пор плохо понимаем, что происходит в нашей собственной голове.

3D карта мозга мыши — первый шаг к пониманию гораздо более сложного человеческого мозга. Ученые уже изучают данные, чтобы расшифровать "алгоритмы", по которым работает мозг.

Это сделано в рамках проекта MICrONS. Туториал тут.
Статья в Nature тут.

В карте:
200,000 нейронов
523 миллиона связей
Функциональные данные о 75,000 нейронов .

Новая карта мозга поможет:

1. Разработать лекарства от болезней
2. Создать новое поколение компьютеров и ИИ
3. Понять, как формируются наши мысли и решения
4. Расшифровать загадки сознания

Для создания этой карты были использованы:

- Мощнейшие микроскопы
- ИИ для обработки изображений
- Системы работы с гигантскими объемами данных
- Цифровой двойник мозг

⚡️Google создали ИИ,который превзошел врачей первичной медицинской помощи в симулированных медицинских консультациях

Исследователи из Google Research, Google DeepMind и Google Health опубликовали 2 научных исследования в журнале Nature о ИИ под названием AMIE.( тут и тут)

AMIE — это система диагностического ИИ, основанная на LLM, которая:

1. Превзошла врачей первичной медицинской помощи в симулированных медицинских консультациях по нескольким параметрам, включая точность диагностики, обоснованность назначенного лечения и, что особенно важно, способность проявлять эмпатию.

2. Показала лучшие результаты, чем клиницисты, при решении сверхсложных диагностических задач, а также повысила эффективность работы врачей при использовании в качестве вспомогательного инструмента.

AMIE есть агентные возможности:
1. Система может проводить симулированные медицинские консультации
2. Демонстрирует способность рассуждать при выборе методов лечения
3. Проявляет эмпатию в общении
4. Может функционировать как "со-доктор" или "коллаборатор".

Вот это шаг! Стартап Ильи Суцкевера будет использовать новый TPU от Google

Google заключил партнерства с венчурными фондами и акселераторами, предоставляя доступ к своим TPU лучшим ИИ-стартапам через свою облачную инфраструктуру, формируя экосистему, где стартапы не просто используют их облачные сервисы, а становятся зависимыми от TPU.

Тем самым:

1. Google начинают сбор данных о передовых сценариях использования. Стартапы часто работают над инновационными применениями ИИ, которые Google может изучать.

2. NVIDIA доминирует на рынке ИИ-ускорителей с их GPU, предоставляя TPU стартапам, Google создает альтернативную экосистему и нарушает монополию NVIDIA.

3. Стартапы как Magic, Physical Intelligence и Safe Superintelligence работают над передовыми моделями ИИ. Google может получать ранний доступ к их инновациям или даже становиться потенциальным покупателем этих стартапов.

Safe Superintelligence работает над моделями, которые в будущем могут использоваться для проектирования следующих поколений TPU. Это создает усиливающий цикл: TPU → лучшие модели ИИ → лучшее проектирование TPU → еще лучшие TPU.

Учитывая глобальный дефицит GPU и HBM-памяти, стратегическое распределение доступа к TPU среди стартапов помогает Google контролировать, какие направления ИИ получают вычислительные ресурсы.

Тарифы Трампа усиливают де-долларизацию. РФ и Китай обращаются к биткоину

Согласно анализу мировой компании по управлению инвестициями VanEck, апрельский пакет пошлин Трампа против Китая и ЕС усилил риск монетарного и геополитического фрагментирования экономики.

Как отмечает глава исследования цифровых активов VanEck Мэтью Сигел, ключевые геополитические игроки уже внедряют криптовалюты в международные расчеты:

Россия и Китай используют Биткоин для расчетов по энергетическим контрактам.

Боливия планирует импортировать электроэнергию с использованием криптовалют.

Французская EDF изучает майнинг Биткоина с использованием излишков экспортируемой электроэнергии.

В эпоху замороженных валютных резервов, политизированного доступа к SWIFT и инфляции фиатных валют, биткоин становится "Швейцарией расчетов" — безгосударственным инструментом, неподвластным играм центральных банков.

VanEck полагает, если тарифы замедлят экономический рост без роста инфляции, ФРС может снизить ставки, создавая благоприятные для биткоина условия ликвидности.

Новое время, когда ИИ важнее человека. В сеть слили письмо СЕО Shopify, где он требует эффективно использовать ИИ.

Он заявил, что прежде, чем просить больше людей и ресурсов, команды должны показать , почему они не могут выполнить задачи с помощью ИИ.

Более того СЕО Fiverr также отправил подобное письмо своим 1000 сотрудникам, предупреждая, что ИИ идет за их рабочими местами.

Вот основные тезисы из письма главы Shopify:

1. Использование ИИ — обязательное требование
для всех сотрудников Shopify
"Если вы не развиваетесь, вы деградируете"

2. ИИ должен быть частью фазы прототипирования GSD

3. Оценка использования ИИ будет включена в систему оценки работы

4. Сотрудники имеют доступ к передовым инструментам ИИ. Команда будет учиться и адаптироваться вместе. Время будет выделяться на интеграцию ИИ в бизнес-процессы и циклы разработки продуктов.

5. Перед запросом о дополнительных кадров команды должны доказать, почему они не могут выполнить работу с помощью ИИ.

У ChatGPT появилась огромная память, которая помнит и анализирует всю историю ваших чатов.

Это новый шаг во взаимодействии ИИ с человеком. Это переход от эпизодических взаимодействий, где каждый раз нужно объяснять всё заново к развивающимся отношениям. ИИ становится компаньоном.

https://news.1rj.ru/str/alwebbci/3188

От биологии к искусственным сенсорам->человекоподобным роботам

Учёные совершили большой прорыв - создали биологическую модель hASA из стволовых клеток, воспроизводящую сенсорные пути человека от периферии к мозгу. Эта биологическая модель интегрирует 4 типа органоидов: сенсорные, спинного мозга, таламические и корковые, имитируя передачу сигналов боли, осязания и других ощущений в человеческом организме.

Параллельно с этим, в мире робототехники происходит активное развитие технологий, имитирующих человеческие чувства. На основе последних данных мы подготовили визуализацию текущего прогресса в этой области.

Как видно из визуализации, инженеры уже достигли значительных успехов в имитации человеческого зрения (80%) и слуха (70%), в то время как осязание (65%), обоняние (50%) и вкус (45%) остаются более сложными задачами. Общий прогресс в этой области оценивается на уровне 62%.

Ключевые проекты:
- Искусственная сетчатка (Университет Центральной Флориды)
- SonicSense для обнаружения объектов через вибрации
- MIT GelPalm с электронной кожей и тактильными сенсорами
- AI Nose (Ainos & ugo) для анализа летучих соединений
- Электронный язык (Университет штата Пенсильвания).

Для полной имитации биологических возможностей человека требуется решить ещё три ключевые задачи:

1. Интеграция сенсоров с ИИ для целостного восприятия
2. Адаптивная нейропластичность в сенсорике
3. Энергоэффективность биологического уровня

Примечательно, что биологическая модель hASA и технологические разработки могут дополнять друг друга — нейробиологические исследования предоставляют фундаментальное понимание принципов работы сенсорных систем, которые затем адаптируются в инженерных решениях.

По прогнозам экспертов, к 2030 году ожидается полная имитация зрения, к 2035 — тактильных интерфейсов, а к 2040+ — полная сенсорная имитация. Эти технологии найдут применение в промышленности (85%), медицине (70%), логистике (50%), сфере услуг (40%) и продолжат стимулировать исследования и разработки (90%).

В данной работе нам помогли ИИ Deep Research Google и Claude от Anthropic.

Генпрокуратура, Росимущество и Казначейство борются за право держать изъятую крипту, ведь это не только про власть, но и про доступ к деньгам

3 ведомства тянут криптовалюты к себе:

Генпрокуратура хочет правовой возможности создавать у себя криптокошельки для изъятия активов в доход государства.

А Росимущество видит крипту как имущество и готово ею управлять.

А Казначейство считает, что криптовалюты- это "квазиденьги", значит нужно их под свой контроль.

Эта конкуренция — не просто борьба за полномочия, крипта - это актив с высокой волатильностью и потенциальной ценностью, а значит, контроль над ней дает определенную власть и ресурсы.

Пока они спорят, крипта изымается, но ее статус и нахождение неясны и неизвестны.

Вокруг криптовалюты сложились разные интересы:

1. Одна группа не торопится с законами. Крипта, особенно анонимная, удобна для теневых операций. Росфинмониторинг фиксирует такие схемы, но регулирование буксует — возможно, из-за бюрократии.

2. Другие хотят порядка. Генпрокуратура запрашивает данные у криптобирж, а Росфинмониторинг создал "финансовый профиль коррупционера" с помощью ЦБ на основе анализа больших данных.

Почему нет законов, возникает вопрос?
- Ведомства не могут поделить полномочия.
- Санкции: крипта помогает в расчетах, и регулировать надо осторожно.
- Система движется медленно — согласования тянут время.

Пока правил нет, выигрывают те, кто работает в серой зоне, и ведомства, которые уже изымают крипту без отчетности. Проигрывают — бизнес и граждане, ждущие ясности.

⚡️OpenAI теперь ограничены данными, а не вычислительной мощностью. Будущий прогресс зависит от алгоритмов с лучшей эффективностью выборки.

Поскольку данные стали узким местом, то теперь главная задача - разработать алгоритмы, которые могут извлекать больше информации из того же объема данных, то есть имеют более высокую эффективность выборки.

Об этом стало известно из подкаста, в котором Сэм Альтман говорил о деталях разработки GPT-4.5.

Вот, что ещё интересного:

- для обучения GPT-4 теперь требуется всего 5-10 человек;

- ожидается более 10 миллионов запусков GPU-обучения, потенциально в полусинхронном или децентрализованном режиме.

- обнаружен тонкий баг в PyTorch (torch.sum), вызвавший проблемы на 40% обучения.

- GPT-5.5 может быть достижим алгоритмически до того, как будут достигнуты жесткие ограничения по данным.

Почему Google и Anthropic заставляют лучшие ИИ играть в Pokémon? Анализ тренда

В феврале, когда Anthropic выпустил Sonnet 3.7, они в прямом эфире на Twitch показали, как он играет в Pokémon Red.

А вчера Google заявили, что Gemini 2.5 Pro проходит Pokémon Blue тоже в прямом эфире на Twitch.

Но зачем ИИ играть в Pokémon? Давайте разберёмся, что стоит за этим явлением.

Игры Pokémon Red и Blue, вышедшие ещё в 1990-х, на первый взгляд кажутся простыми: лови покемонов, сражайся с тренерами, стань чемпионом. Но за этой простотой скрывается сложность, которая делает их идеальной тестовой площадкой для ИИ:

1. Игроку нужно планировать: каких покемонов качать, какие атаки использовать, как управлять ограниченными ресурсами. Для ИИ это тест на способность принимать решения в условиях неопределённости.
Чтобы победить, нужно думать на несколько шагов вперёд. Это проверяет способность ИИ к "рассуждениям" и оптимизации.

2. В Pokémon много случайных событий. ИИ должен уметь адаптироваться, что делает игру хорошей моделью для реальных задач, где тоже есть неопределённость.

Anthropic прямо заявили, что Pokémon Red — это отличный способ протестировать их модель Claude 3.7 Sonnet на "extended thinking" (расширенное мышление).

Модель смогла победить трёх лидеров гимов, что стало значительным прогрессом по сравнению с предыдущей версией Claude, которая даже не могла выйти из стартового города.

Хотя на первый взгляд это выглядит как забавный эксперимент, за ним стоят серьёзные цели. Игры давно используются для оценки ИИ: от шахмат (Deep Blue в 1997 году) до StarCraft (AlphaStar в 2019 году). Pokémon добавляет новый уровень сложности, потому что требует не только логики, но и импровизации. Такие эксперименты помогают понять, в чём ИИ хорош, а в чём — люди. Это может привести к новым методам, которые потом применят в реальном мире.

Не будем забывать и про поп-культурный аспект. Pokémon — это культовая франшиза, и стрим, где ИИ играет в неё, привлекает внимание.

Кто-то шутит, что "AGI достигнуто, если ИИ сохранит мастер-бол для Мьюту", а кто-то удивляется, что модель уже прокачала Бластойза до 44-го уровня. Это отсылка к легендарному Twitch Plays Pokémon (2014), но теперь вместо тысяч игроков за штурвалом — одна нейросеть.

Для компаний это ещё и маркетинг. Google и Anthropic демонстрируют, что их модели способны не только решать скучные задачи, но и справляться с чем-то, что понятно и интересно широкой аудитории.

СЕО DeepMind говорит, что через 10-15 лет мы сможем вылечить все болезни человека

По мнению нобелевского лауреата и главы DeepMind ИИ радикально изменит подход к медицине и разработке лекарств, что позволит сделать прорывы в лечении болезней, которые сегодня считаются неизлечимыми. Об этом он сказал в интервью основателю LinkedIn.

Более того, Дэмиса волнуют вопросы о фундаментальных свойствах реальности. Он не понимает, почему люди не беспокоятся о том, что такое время? Что такое гравитация?
Ему также интересен прогресс в квантовой области.

Что ещё интересного говорит Хассабис:

1. Он выделяет 3 уровня творчества у ИИ:
- Интерполяция— самый простой уровень. Это не настоящее творчество, а просто комбинирование и смешивание существующего.
- Экстраполяция — ИИ берет существующие знания и выходит за их пределы, создавая нечто новое в рамках существующей парадигмы. Пример — "ход 37" AlphaGo, который никогда ранее не встречался в истории игры. Это уже настоящее творчество.
- Изобретение/нестандартное мышление— высший уровень. Это способность создать принципиально новую концепцию. Примеры — изобретение самой игры Го или создание общей теории относительности Эйнштейном.

По мнению Демиса, современный ИИ способен достичь только первых двух уровней, но не третьего. Но в будущем это может быть достигнуто.

2. Дэмис говорит, что игра — фундаментальная часть человеческой сущности.

Для него игры — это способ безопасно проходить сложные сценарии принятия решений, которые в реальной жизни случаются редко, но имеют большое значение.

3. О синтетических данных и их ограничениях. Дэмис говорит о проблеме нехватки данных для обучения современных больших языковых моделей.Решение, по его мнению:
- Создание синтетических данных
- Использование игр, где ИИ может играть против себя и создавать неограниченное количество новых тренировочных примеров
- Использование мультимодальных данных (видео, аудио).

Ключевая проблема с синтетическими данными — обеспечить их "правильное распределение",чтобы они соответствовали реальным данным и корректность. Это проще делать в абстрактных областях (математика, программирование, игры), где можно проверить правильность результата, и сложнее в других областях.

4. О воплощенном интеллекте.
Дэмис говорит, что его удивили результаты их модели Veo 2, оказалось, что ИИ может понимать физику мира просто, просматривая видео на YouTube, без физического взаимодействия с объектами.

5. О компромиссе между размером модели и временем обработки.
Сейчас исследователи ищут оптимальный баланс между размером модели, стоимостью запуска и количеством шагов рассуждения. Это активное направление исследований, и однозначного ответа пока нет.

6. Дэмис предсказывает эволюцию программирования в направлении "vibe coding" — кодирования на естественном языке. Он видит это как логическое продолжение тенденции перехода к всё более высокоуровневым языкам программирования.

Итоги уходящей недели, то, что имеет значение в России и мире

Эксклюзив. Аналитический материал о прогрессе в оцифровке человеческих чувств — совместная работа нашей команды с использованием ИИ.

ИИ

Meta* выпустила Llama 4-разбор.

Дарио Амодей (CEO Anthropic) прогнозирует: к началу 2026 года ИИ будет генерировать большую часть программного кода.

Google запустил Project Astra — визуальный ИИ-агент в Gemini.

Открытие от Essential AI: рефлексия у ИИ формируется раньше, чем предполагалось.

Стартап Deep Cogito создал за 75 дней ИИ-модели, превосходящие Llama 4.

Google представил фреймворк для ИИ-агентов, обеспечивающий взаимодействие между экосистемами независимо от платформы.

Медицинский прорыв от Google - их ИИ превзошел врачей первичной помощи в симулированных консультациях.

В сеть попало письмо CEO Shopify, требующее от команд доказать, почему задачи нельзя решить с помощью ИИ вместо найма новых сотрудников.

ChatGPT получил долгую память — теперь он помнит и анализирует всю историю ваших диалогов.

Salesforce представили APIGen-MT — фреймворк для генерации высококачественных, проверяемых многоходовых тренировочных данных для ИИ-агентов.

Nvidia выпустила Llama-Nemotron-Ultra - модель со встроенной функцией рассуждения, которую можно включать и выключать.

Многоагентные архитектуры признаны будущим ИИ — выделено 6 различных типов таких систем.

Amazon запустил Nova Sonic — ИИ для преобразования речи в речь, обеспечивающий естественное человекоподобное взаимодействие.

Anthropic опубликовал новый quickstart — минимальная реализация LLM-агента с инструментами MCP, циклами и управлением контекстом.

 Нейротехнологии и биология

Создан ИИ-агент для пространственной биологии, который может помочь в понимании рака и разработке новых методов лечения.

Nudge разработали неинвазивное устройство, точно модулирующее активность мозга.

Создана 1-я в мире детальная карта нейронных связей мозга мыши, что приближает нас к пониманию механизмов интеллекта.

Новый нейроинтерфейс размером с волосяной фолликул решает один из барьеров к нейроуправлению — движение.

Новые открытия о предиктивной силе мозга.

Технологии и железо

У проекта Stargate от OpenAI проблемы - Oracle задерживает строительство ЦОДов, что может сорвать планы компании.

Google разработал продвинутый ИИ-чип - конкурент Blackwell от Nvidia.

Стартап Ильи Суцкевера будет использовать новые TPU от Google.

Джефф Безос инвестирует в секретный стартап электромобилей Slate Auto.

OpenAI сталкивается с новым ограничением - теперь компанию сдерживает доступ к данным.

Криптовалюты и финансы

Минфин РФ анонсировал появление новых игроков с лицензиями для торговли криптовалютами.

ФНС начала публиковать курсы криптовалют для расчета налога с майнинга.

Ripple купила прайм-брокера Hidden Road за $1,25 млрд.

Генпрокуратура, Росимущество и Казначейство не могут решить, кто будет хранить изъятую криптовалюту.

Исследования и прогнозы

Исследование: стейблкоины опережают цифровые валюты центробанков (CBDC).

Экономический анализ: кто на самом деле зарабатывает на USDC?

VanEck: тарифы Трампа усиливают де-долларизацию — Россия и Китай обращаются к биткоину.

Anthropic опубликовала масштабное исследование, оказалось студенты используют ИИ в основном для решения задач высшего когнитивного порядка. О том, к чему это может привезти, читайте здесь. 

Google и Anthropic заставляют свои лучшие ИИ-модели играть в Pokémon. Разбор тренда.

CEO DeepMind сделал смелый прогноз: через 10-15 лет будут найдены лекарства от всех болезней человека.

Рэй Далио предупреждает, фокусируясь на тарифах Трампа, люди упускают более важные экономические тенденции.

Опубликован новый отчёт о развитии ИИ-агентов в здравоохранении.

BIS опубликовал отчёт об использовании токенизации для платежей и финансовых транзакций.

*запрещенная в РФ организация.

OpenAI готовится выпустить нового ИИ-агента и строит экосистему

Об этом рассказала Сара Фриар, CFO OpenAI.

A-SWE - это новый ИИ- инженер-программист, который может самостоятельно создавать приложения. Он может взять запрос на разработку, который обычно дают инженеру, и самостоятельно его реализовать.

Более того, он выполняет задачи, которые программисты обычно не любят делать:
- проводит собственное тестирование качества,
- проверку качества, тестирование на ошибки,
- исправление ошибок и создание документации.

Также она откровенно говорила о будущем OpenAI, но ни разу не упомянула Microsoft и ЦОДы Azure. Стратегическое партнерство закончилось.

Вместо этого, говоря об инфраструктуре, она выделила только Stargate.

CFO OpenAI заявила, что они внедряют инновации сверху вниз во всех частях стека, от ЦОДов до уровня приложений, которые формируют экосистему:

1. Приложения (Agents, Operator, Deep Research, AI Software Engineer, Canvas, Projects, ChatGPT Search, Advanced Voice).

2. API (Экосистема, оркестрация, настройка моделей и данных).

3. Модели (Frontier, GPT-4o, 4o-mini, Reasoning, o1, o3, o3-mini).

4. Центры обработки данных.

Как достичь качества ИИ-моделей при затратах в 1000 раз меньше?

Ember — новый open source фреймворк, позволяющий строить сложные ИИ-системы с эффективностью по стоимости. Ember создан в сотрудничестве с исследователями из IBM Research, Stanford, MIT, NVIDIA, Microsoft, Google и др.

Эта работа основана на концепциях из статьи SPECIFICATIONS.

По данным исследований Ember, стоимость достижения определенного уровня производительности модели снижалась в 10 раз ежегодно за последние 3 года. При этом разрыв между самыми дорогими и дешевыми моделями достигает 10000x, создавая возможности для оптимизации.

Разработчики утверждают, что их подход может обеспечить качество современных языковых моделей при затратах всего в 1/1000 от их стоимости.

Ember позиционируется как открытый и расширяемый фреймворк, который может интегрироваться с существующими "агентными" рабочими процессами и легко адаптироваться к различным инфраструктурам.

Ember полезен для:

1. Исследователей с ограниченным бюджетом

2. Стартапов, которые не могут позволить себе дорогие вычислительные ресурсы

3. Компаний, стремящихся оптимизировать затраты на ИИ

4. Разработчиков, экспериментирующих с составными ИИ-системами.

Alphabet, Nvidia инвестировали в SSI Ильи Суцкевера, стартап привлек ещё $2 млрд и теперь оценивается в $32 млрд.

Более чем в 6 раз превышает предыдущую в $5 млрд с сентября прошлого года. Единственная цель и предполагаемый продукт стартапа— это безопасный суперинтеллект.

В раунде на $2 млрд, возглавляемом Greenoaks Capital, которая инвестировала около $500 млн.

Помимо Alphabet и NVIDIA, в числе инвесторов также названы Andreessen Horowitz, Lightspeed Venture Partners и DST Global(Юрия Мильнера).

Alphabet через свое облачное подразделение Google Cloud заключила сделку с SSI о предоставлении доступа к своим чипам TPU для исследований в области ИИ.

NVIDIA, в свою очередь, продолжает активно поддерживать ИИ-стартапы, хотя конкретные суммы их инвестиций в SSI не разглашаются.

⚡️Google видит в мозге дельфина ключ к ИИ, превосходящий человеческий

Google представил проект DolphinGemma — аудио ИИ-модель с 400 млн параметров, которая использует технологии SoundStream для токенизации звуков дельфинов. Она создана на основе Gemma.

Одна из заявленных целей проекта - создание "общего словаря" для интерактивной коммуникации между людьми и дельфинами с помощью системы CHAT.

Анализируя направление исследований и приоритеты Google, можно выделить несколько ключевых стратегических целей, которые компания, вероятно, преследует, изучая коммуникацию и когнитивные способности дельфинов:

1. Преодоление ограничений человекоподобного ИИ
Современные LLM ограничены линейным человеческим мышлением. Google, вероятно, ищет принципиально иную модель интеллекта, которая поможет преодолеть эти ограничения.

2. Создание новой архитектуры многоагентных систем
Будущее — за децентрализованными системами из множества взаимодействующих агентов. Социальная организация дельфинов может служить идеальной биологической моделью.

3. Изменения в обработке сигналов и восприятии
ИИ пока значительно уступает биологическим системам в обработке сенсорной информации. Изучение эхолокации дельфинов может привести к прорыву в компьютерном зрении и обработке звука.

Мы изучили последние свежие исследования дельфинов, подтверждающие эту стратегию:

1. Параллельная обработка информации
Исследования показали, что дельфины способны одновременно эхолоцировать и решать сложные когнитивные задачи без потери эффективности.
МРТ высокого разрешения выявила модульную структуру слуховой коры дельфинов для параллельной обработки сигналов. Дельфины поддерживают непрерывную обработку данных до 15 дней благодаря унигемисферному сну.

2. Коллективный интеллект и социальные структуры
Дельфины формируют многоуровневые социальные альянсы, требующие сложного стратегического планирования.
Стаи координируются без конфликтов эхолокационных сигналов, демонстрируя сложные механизмы синхронизации. Наблюдается культурная передача знаний через поколения без формального обучения.

3. Уникальная коммуникация и эхолокация
Эхолокация дельфинов позволяет "сканировать" внутреннюю структуру объектов на расстоянии до 3 км. ИИ-анализ выявил контекстно-зависимую структуру свистов, напоминающую примитивный синтаксис. Дельфины демонстрируют развитую способность к вокальной мимикрии и абстрактному представлению звука.

Конечная цель Google, вероятно, — создание принципиально нового типа ИИ на основе синтеза трех форм интеллекта:

1. Человеческого (символического, абстрактного)
2. Дельфиньего (параллельного, распределенного)
3. Машинного (масштабируемого, точного)

Такой синтез может обеспечить:
Гибридную обработку данных — сочетание линейного и параллельного анализа
Адаптивную архитектуру — системы, реорганизующие свою структуру под конкретные задачи
Энергоэффективные вычисления — оптимизация ресурсов по образцу биологических систем.

Изучение дельфиньего интеллекта может помочь преодолеть ключевые ограничения современного ИИ:
- Ограниченную когнитивную архитектуру
- Растущее энергопотребление
- Недостаточную обобщающую способность
- Слабую адаптацию к неизвестным ситуациям.

Huawei обучила ИИ-модель без чипов NVIDIA, результаты превосходят LLaMA 405B на большинстве тестов

Huawei опубликовала отчет о своей новой языковой модели Pangu Ultra — плотной архитектуре с 135 миллиардами параметров.

Особенности этой работы:

1. модель полностью обучена на 8,192 нейронных процессорах Ascend NPU от Huawei без использования GPU от NVIDIA

2. 13.2 триллиона токенов разнообразных данных

3. разработана техника "depth-scaled sandwich normalization", устраняющая скачки потерь при обучении глубоких моделей

4. поддерживает контекстное окно до 128K токенов.

По данным авторов, превосходит или не уступает другим мощным языковым моделям:

- Показывает лучшие результаты, чем плотные модели Llama 405B и Mistral Large 2 на большинстве бенчмарков

- Демонстрирует конкурентоспособные результаты по сравнению с более крупными разреженными MoE-моделями.