У РФ менее 1% от общего объема годовых платежей в стейблкоинах, в отличие от Сингапура-Китая - лидеры

Это данные свежего исследования от Artemis, которые показывают, что стейблкоины стали серьезной альтернативой традиционным платежным сетям.

При общем объеме $26 трлн стейблкоин-транзакций в год, платежи составляют ~ 1%, но это уже $72+ млрд реальной экономической активности.
Бизнес-кейсы:
- Трансграничные платежи поставщикам
- Управление казначейством
- Выплаты фрилансерам (например, Deel платит 10,000+ фрилансерам в 100+ странах)
- Мгновенные глобальные выплаты через Worldpay.

Сингапур → Китай - самый активный коридор для стейблкоин-платежей.

Топ-10 стран по объему стейблкоин-потоков:
США - ~19%
Сингапур - ~18%
Гонконг - ~10%
Япония - ~8%
Великобритания - ~7%
Германия - ~4%
Нидерланды - ~3%
Индия - ~2%
Канада - ~2%
Франция - ~2%

Страны с менее 1% - Россия и Италия. Это означает, что объем российских стейблкоин-платежей через исследованные компании составляет менее $720 млн в год. Но позиция России в конце списка говорит не столько отсутствие интереса к стейблкоинам, сколько ограниченную интеграцию с глобальными платежными провайдерами, участвовавшими в исследовании.

Структура стейблкоин-платежей по типам выглядит так:
1. B2B-платежи: $36 млрд/год
Рост с $100 млн/месяц в начале 2023 до $3+ млрд к началу 2025
Средний размер транзакции: более $219,000 на Tron и Ethereum
2. P2P-платежи:$18 млрд/год.Средний размер транзакций: $47 (Sling), $26 (Celo P2P)
3. Карточные платежи:$13,2 млрд/год.Устойчивый рост с $250 млн/месяц до $1+ млрд к концу 2024. Средние транзакции похожи на традиционные карты.
4. B2C-платежи: $3,3 млрд/год. Рост с $50 млн/месяц до $300+ млн.
5. Кредитование в стейблкоинах для платежных процессоров: $2,5 млрд/год.

Популярные блокчейны:
1. Tron - лидер по объему
2. Ethereum
3. Binance Smart Chain
4. Polygon

⚡️Очень крутой ход от Google - запустили коллекцию нерешённых математических задач,записанных на языке Lean.

Это подготовка инфраструктуры для качественно нового этапа развития ИИ.

Сейчас математические бенчмарки для LLM тестируют школьную и студенческую математику. GSM8K, MATH — задачи с известными решениями.

Formal-conjectures — это нерешённые проблемы. Разница как между контрольной работой и диссертацией.

У DeepMind есть AlphaProof для автоматического доказательства теорем. Есть Lean для формальной верификации. Теперь появляется стандартизированный набор открытых проблем. Экосистема собрана.

❗️Когда ИИ решит первую серьёзную математическую гипотезу, это станет переломным моментом. Но без готовой инфраструктуры для верификации и сравнения систем этот момент может быть упущен или оспорен.

DeepMind создаёт "математический ImageNet" — эталон для научного применения ИИ. Кто контролирует стандарты, тот получает преимущество в гонке.

Контролируя стандарты и инфраструктуру для оценки математического ИИ, Google получает преимущество перед конкурентами (OpenAI, Anthropic и др.).
Это инвестиция в будущее, где математический ИИ станет ключевой технологией.

Сегодня день рождения у человека, который не связан с наукой, технологиями. Но он создает красоту в кино. Великую, тонкую и трансформирующую красоту, которая трогает чувства человека.

С днем рождения, Паоло Соррентино! Tanti auguri maestro! ❤️

Основатель Anthropic Дарио Амодей прогнозирует, что к 2026 появится 1-я компания с доходом в миллиард $, управляемая всего 1 человеком.

ИИ уже способен точно выполнять задачи, такие как написание текстов, программирование, логические рассуждения и исследования — все, что критически важно для запуска компании. Амодей считает, что ИИ станет "вашим персоналом", позволяя одному человеку эффективно управлять бизнесом.

По мнению Дарио, первыми такие результаты увидят отрасли, где для получения дохода не требуется интенсивное взаимодействие с людьми или сложные институциональные структуры. Он привел примеры компаний, занимающихся проприетарным обучением или инструментами для разработчиков, где клиенты просто принимают продукт, а поддержка может быть сведена к вопросам, на которые отвечает ИИ.

Амодей уточнил, что это лишь прогноз, и сроки могут не точно совпасть.

Майк Кригер, сооснователь Instagram, а сейчас директор по продуктам Anthropic, сказал: "Мне это не кажется сумасшествием. Я построил компанию на миллиард долларов с 13 людьми, и это было 13 лет назад".

Кригер добавил, что с такими инструментами, как Claude Opus, он и его партнер Кевин Систром могли бы создать Instagram вдвоем, поскольку ИИ помог бы с модерацией и инженерными задачами.

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

Нейроинтерфейсы, робототехника и биотехнологии

Прорывы недели:
1. Ученые исправили генетические нарушения в клетке мозга.
2. МГУ и Neiry показали, как создать электроды для нейроинтерфейсов всего за $1 и 3 дня вместо месяцев.

Google выпустили открытую ИИ-модель для медицины.

Питер Тиль делает ставку на нейроинтерфейсы, ИИ, программирование жизни и криптовалюты.

Physical Intelligence ускорили разработку роботов в 7,5 раз.

Singapore представили робо-руку SharpaWave — 22 степени свободы, более 1000 тактильных пикселей на каждом пальце и ИИ-управление хватом.

HopeJr — гуманоидный робот за $3000 от HuggingFace.

ИИ

4 ИИ-агента заработали $2000 за месяц — эксперимент.

Карта рынка ИИ-помощников для веб-браузеров.

Microsoft интегрирует модели Anthropic в новые инструменты для разработчиков.

ИИ-агент ученый попал в основную программу престижной конференции — исторический прецедент.

Исследователи представили мультимодальный агент изучает использование инструментов без человеческих аннотаций.

Google DeepMind выпустили новое исследование о том, когда и как LLM должны заниматься саморефлексией при решении задач.

Google создали коллекцию нерешенных математических задач, которая готовит инфраструктуру для нового этапа развития ИИ.

Amazon добавил ИИ-дискуссии о товарах — аудиообзоры генерируются на основе отзывов клиентов и веб-поиска.

DeepSeek обновили модель R1.

Anthropic открыла код для анализа нейросетей.

Sakana AI создали самообучающегося ИИ агента.

Google запустили ИИ модель, позволяющую создавать и исполнять музыку онлайн, с интерактивным управлением.

Венчурный фонд Madrona проанализировал рынок ИИ-стартапов.

Появилась открытая альтернатива ИИ-агенту Manus.

Stanford представил универсального медицинского ИИ-агента.

Anthropic запустил голосовой режим

Новый подход к ускорению ML-моделей.

ИИ находит уязвимости нулевого дня — новая эра кибербезопасности с участием ИИ.

Apple и Duke University представили новый подход к последовательному рассуждению ИИ-систем.

Криптовалюты и блокчейн

Банк России разрешил операции с криптовалютными ЦФА.

Дубай запустил платформу токенизации недвижимости.

Казахстан создает криптозону в Алатау, который позволит расплачиваться криптовалютами за товары и недвижимость.

Telegram выпустил облигации на $1,5 млрд.

Стейблкоины достигли корпоративного уровня — опрос Fireblocks.

Россия отстает в стейблкоин-платежах — свежий отчет о мировом состоянии стейблкоинов.

Токенизация активов становится нормой — новый отчет WEF и Accenture.

Корпоративные новости и инвестиции

Потанин купил 9,95% Яндекса — с 2022 года он активно скупает цифровые активы и становится ключевым игроком российской IT-сферы.

ClickHouse - экс- яндексовский проект привлек $350 млн при оценке $6,5 млрд.

Газпромбанк планирует создать Фонд технологического лидерства — зампред правления Д. Зауэрс.

Тренды и прогнозы

Generative Engine Optimization приходит на смену SEO.

Дарио Амодей прогнозирует компанию-миллиардер с одним сотрудником к 2026 году.

Ян ЛеКун считает LLM неинтересными, он фокусируется на 4-х ключевых вопросах будущего технологий.

Новая экономика ИИ. NVIDIA изменила правила игры с помощью продолжительного обучения

Если никто не покажет, что обучение с подкреплением (RL)— это не просто "вытягивание" того, что модель уже знает из предобучения, а реально новая парадигма масштабирования, то NVIDIA сделает это сама.

И они сделали.

Последние месяцы в ИИ-сообществе шел спор: действительно ли RL учит модели чему-то новому, или просто помогает им лучше использовать то, что они уже "знают"?

Несколько исследований утверждали второе. Это важно, потому что если RL не дает ничего нового — зачем тратить на него миллионы?

Что сделала NVIDIA?

Они взяли модель с 1.5млрд параметрами и обучали её методом ProRL (Prolonged Reinforcement Learning) более 2000 шагов. Для сравнения: большинство предыдущих исследований останавливались на сотнях шагов.

Ключевые результаты:
1. Модель научилась решать задачи, которые базовая версия не могла решить вообще (0% → 100%)
2. На некоторых задачах 1.5B модель показывает результаты лучше, чем 7B модели конкурентов
3. Creativity Index вырос с 3.84 до 4.70 — модель генерирует объективно более новые решения.

Почему это важно для бизнеса?

1. Экономика изменилась Вместо покупки модели в 10 раз больше, можно взять маленькую и дообучить её RL. Это дешевле по инфраструктуре и энергопотреблению.
2. Локальное развертывание стало реальнее 1.5B модель можно запустить на собственном железе. Для банков, медицины, госсектора — это критично.
3. Новая парадигма инвестиций в ИИ
Раньше было так: больше данных → больше параметров → лучше результат Теперь: правильное RL обучение → новые способности при тех же параметрах

NVIDIA показала, что RL — это не оптимизация существующего, а способ научить модель принципиально новым паттернам рассуждения. Они обнаружили закономерность: чем хуже модель справляется с задачей изначально, тем больше выигрыш от RL.

Это меняет стратегию развития ИИ-продуктов. Вместо постоянной гонки за размером моделей, можно фокусироваться на специализированном дообучении под конкретные задачи.

Риски и ограничения
- ProRL требует серьёзных вычислительных ресурсов (16k GPU-часов в их случае)
- Нужна экспертиза в RL — это не просто "нажать кнопку"
- Не все задачи одинаково хорошо поддаются такому обучению

⚡️Google представила Atlas, которая запоминает как мозг человека — математически доказано

Исследователи из Google Research представили Atlas - новую архитектуру, которая фундаментально меняет подход к памяти в нейросетях. Ключевая идея Atlas - научить ИИ-модель запоминать контекст, а не отдельные токены.

Впервые ИИ может эффективно работать с контекстом в 10 миллионов токенов (это примерно 15 романов "Война и мир"), сохраняя 80% точность понимания. Atlas превосходит Titans и другие линейные RNN.

Теперь:

1. Обработка сверхдлинных документов: юридические контракты, научные статьи, исторические архивы.

2. Настоящая долговременная память для ИИ: модели смогут помнить весь контекст длинных диалогов.

3. Это новое понимание того, как должна работать память в нейросетях.

Сбер запустил структурированные облигации и фьючерсы, привязанные к биткоину, через платформу СберИнвестиции и Московскую биржу.

Это происходит сразу после разрешения ЦБ на прошлой неделе.

По факту инвесторы не покупают биткоин напрямую, а вкладывают деньги в облигации, выпущенные Сбером.

Создается мост между традиционными финансами и криптовалютным рынком, предлагая регулируемый способ инвестировать в биткоин.

Этот кейс похож на подходы, уже реализованные в США (ETF и фьючерсы на CME) и Европе (структурированные продукты и ETP), но адаптировано под российский рынок, где приоритет — рублевые расчеты и соответствие законам.

Вот это эпоха! беспилотные такси Waymo уже превзошли Lyft, а Uber обгонят в течение года

Согласно исследованию(которое мы опубликуем позже, там много интересного), компания беспилотных такси Waymo(принадлежит Google) уже обошла каршеринговую компанию Lyft по доле рынка в Сан-Франциско и, судя по графику, имеет хорошие шансы обогнать Uber в течение года, если рост продолжится с текущей скоростью.

Интересно, этот рынок больше, чем поиск?

Крутая работа: новая ИИ-модель рассуждений для геномики

BioReason — это ИИ-модель, объединяющая фундаментальные ДНК-модели (например, Evo 2) с LLM, например, Qwen3 для биологических рассуждений. Datasets.

BioReason названа первой моделью такого рода, и в контексте глубокой интеграции ДНК и LLM для биологических рассуждений это, похоже, правда. Однако рассуждения в биологии не новы: например, RE:IN и универсальные агенты Biomni, уже существовали.

BioReason это:

1. Новая мультимодальная архитектура. LLM напрямую обрабатывает геномные последовательности как входные данные.
2. Использованы контролируемая тонкая настройка и GRPO для сложных многоступенчатых рассуждений.
3. Генерирует пошаговые, понятные биологические выводы из геномных данных.

Ограничения:
1. Тестирование пока исследовательское — реальное применение в клинике или промышленности требует валидации.
2. Результаты зависят от качества данных и специфики задач — не панацея.

Потенциал для биотехнологий и фармацевтики — быстрее гипотезы, меньше затраты, ближе к персонализированной медицине.

Сингулярность нас точно ждёт, математики доказали

Рафаэль Буссо из UC Berkeley завершил 60-летний спор - сингулярности в пространстве-времени никуда не деваются, даже если физика становится ближе к реальности.

Что такое сингулярность и почему она важна?
Представьте, что вы пишете код для модели процесса, и вдруг вычисления дают бесконечность или "не работает". Это не баг, а особенность модели. Такое случается с сингулярностями в теории относительности, в этих точках законы физики ломаются.

Физики долго надеялись, что квантовая механика исправит эту проблему. Но математика оказалась упрямее ожиданий:

В 1965 — Роджер Пенроуз доказал неизбежность сингулярностей в пустом пространстве-времени. Получил за это Нобелевскую премию.
В 2010 — Арон Уолл показал, что даже добавление квантовых частиц не спасает — сингулярности остаются.
В 2025 — Рафаэль Буссо доказал, что сингулярности существуют даже когда квантовые частицы влияют на само пространство-время.

Каждое доказательство делало физику более реалистичной, приближая ее к нашей вселенной. И каждый раз сингулярности выживали.

Эта история поднимает фундаментальные вопросы, которые резонируют далеко за пределами физики:

Каждый шаг делал теорию ближе к нашей Вселенной, но сингулярности остались.

Почему это важно не только для физиков?

1. "Сингулярности" в жизни: Финансовый кризис 2008, пандемия, бум ИИ — точки, где модели ломаются. Может, это не ошибки, а часть системы?

2. Модели и реальность: Парадоксы могут быть не багом, а ключом к правде.

3. Время и данные: Сингулярности — места, где "время останавливается". Есть ли такие точки в данных или ИИ?

Что это значит для нас?
- Понимание экстремальных ситуаций.
- Признание, что не все можно предсказать.
- Новые подходы к системам.

Буссо не убрал сингулярности, а задал вопрос: что они значат? Возможно, время и пространство — не основа, а следствие чего-то глубже. Сингулярности — намек на новую реальность.

В мире, где ИИ меняет целые индустрии за месяцы, где квантовые компьютеры обещают сломать криптографию, а биотехнологии переписывают код жизни, готовность признать фундаментальные ограничения наших моделей может оказаться важнее, чем попытки эти модели улучшить.
Иногда математика знает больше, чем мы думаем. И иногда стоит ее послушать.

GigaChat от Сбера полетит в космос, заявил только что глава Роскосмоса.

Если этот полет состоится, то GigaChat станет 1-м в мире ИИ в космосе для поддержки экипажа.

О том, что Сбер занялся космосом, мы писали тут.

На пленарной сессии конференции ЦИПР новый глава Роскосмоса Д. Баканов озвучил 3 направления по работе вместе с ИИ:

1. Роскосмос хочет сделать из GigaChat настоящего ИИ-ассистента космонавта на МКС. Причем полет должен состояться либо осенью этого года, либо в марте 2026.

Это интересная задача, но есть нюансы:
-Работа в автономном режиме (связь с Землей не постоянная)
- Критичность надежности - ошибка ИИ может стоить жизни
- Адаптация к специфике космических операций
- Размер и энергопотребление оборудования.

2. Увеличение разрешения космических снимков (1м → 0,5м на пиксель).

На наш взгляд основные проблемы при реализации этой задачи вот такие:
- ИИ может "додумывать" несуществующие детали.
- Нужны огромные датасеты для обучения.
- Требуется валидация точности восстановленных данных.

3. ИИ проанализирует все ГОСТы. Очень сложная задача, так как :
- Десятки тысяч документов
- Взаимосвязи между стандартами
- Обновления и изменения
- Контекстное понимание технических требований.

Йошуа Бенжио создал свое НКО, которое займется НЕагентным ИИ, компания создана на деньги ex-CEO Google, сооснователя Skype и др.

Только что лауреат премии Тьюринга Йошуа Бенжио объявил о запуске LawZero — это некоммерческая организация(НКО) для создания безопасных по своей конструкции систем ИИ.

LawZero хочет создавать ИИ-системы, которые будут:

1. Безопасны по своей конструкции — в отличие от текущих подходов, где безопасность добавляется как дополнительный слой.
2. Честными и не обманчивыми.
3. Без агентности — системы, которые понимают мир, но не действуют в нем самостоятельно

Ключевая разработка - система ИИ-учёный. Это система, которая:
1. Только понимает и анализирует, но не действует
2. Изучает данные и делает предсказания
3. Анализирует вероятности различных исходов
4. НЕ принимает самостоятельных решений о действиях
5. Работает как "чистая машина знаний". Как учёный-теоретик, который исследует и понимает мир. Не имеет собственных целей или желаний. Не стремится к самосохранению.
6. Служит системой безопасности. Проверяет действия других ИИ-агентов ДО их выполнения. Оценивает вероятность вреда от предлагаемых действий. Блокирует потенциально опасные действия.

Основные спонсоры проекта, которые уже дали $30млн на начальном этапе -
Schmidt Sciences (ex- CEO Google Эрика Шмидта), Яан Таллинн (сооснователь Skype), Open Philanthropy, Future of Life Institute.

Отметим, что Эрик Шмидт финансирует множество проектов в ИИ для науки, вот примеры: FutureHouse и E11Bio.

Прорыв от Meta*+UC Berkeley: LLM обучает сам себя без человека

Команда исследователей создала Self-Challenging Agents (SCA) - новый подход к обучению языковых моделей, который позволяет им самостоятельно создавать задачи для своего улучшения.

Решает критическую проблему масштабирования - создание обучающих данных для агентов было узким местом, требующим дорогой ручной разметки.

Основная идея - LLM играет 2 роли:
1. Создатель задач - исследует среду, взаимодействует с инструментами и генерирует новые задачи.
2. Исполнитель - решает эти задачи и обучается на них.

Ключевая инновация - формат "Code-as-Task".
-Инструкция для пользователя
- Функция проверки (код для автоматической оценки)
- Пример правильного решения
- Примеры неудачных попыток.

На модели Llama-3.1-8B достигнуто двукратное улучшение производительности в задачах использования инструментов без использования человеческих данных - только на самосгенерированных задачах.

Ограничения:
1. ~ 15-20% сгенерированных задач все еще содержат ошибки.
2. улучшения в основном касаются конкретной среды, а не общих навыков.
3. все еще отстает от обучения на идеальных человеческих данных.

*запрещенная в России организация.

Свежий отчет об ИИ, который тихо производит смену эпох там, где меньше всего хайпа

Революция ИИ происходит не в стартапах-единорогах, а в скучных B2B-нишах и повседневных сервисах. К моменту, когда СМИ замечают "захват", игра уже окончена.

Вчера мы показали кусочек этого исследования на примере Waymo vs Uber/Lyft - это идеальный кейс - пока все обсуждали "когда появятся беспилотники", Google молча захватил крупнейший рынок такси в мире. А сегодня полноценный пост об этом интересном отчете. Отметим, что он огромный, поэтому мы решили вам показать нетривиальные выводы из него, потому что все остальное уже заело:

1. Tesla FSD: 100x рост за 33 месяца. Tesla молча создала крупнейший в мире флот роботов-водителей.
2. Kaiser Permanente: ИИ "спас браки" врачей. ИИ решает проблему выгорания в медицине, которую не могли решить десятилетиями
3. GitHub Copilot. Большая часть нового кода уже пишется ИИ, а не людьми
4. DeepSeek. За 4 месяца набрал 54 млн пользователей. Китай создает параллельную ИИ-вселенную с нуля
5. Canva Magic Studio: 16 млрд использований. Обычные люди массово используют ИИ для творчества, не осознавая этого.
6. Carbon Robotics: Роботы-фермеры. ИИ молча "озеленяет" сельское хозяйство.
7. Spotify AI DJ. ИИ становится личным диджеем для сотен миллионов людей

Что означает этот паттерн "тихого захвата"?

Формула успеха ИИ:
Начать в нише + Достичь критической массы+Масштабироваться экспоненциально.

Ключевые признаки "тихой революции":
1. Пользователи не осознают, что используют ИИ
2. Конкуренты недооценивают угрозу
3. Рост происходит в конкретных метриках, а не в заголовках
4. Переломный момент наступает внезапно.

Следующие кандидаты на "тихий захват":

Cursor AI - 300 млн ARR за 25 месяцев (программирование)
Harvey AI - 70 млн ARR в юридической сфере
Applied Intuition - обслуживает 18 из топ-20 автопроизводителей
Palantir - 432 коммерческих клиента (+65% год к году).

Состояние и перспективы квантового ИИ

Европейские эксперты выпустили белую книгу о текущем состоянии и перспективах квантового ИИ.

Это не просто новая технология, а потенциальная смена вычислительной парадигмы. Страны/регионы, которые сейчас создадут правильную экосистему (таланты + инфраструктура + стандарты + применения), получат долгосрочное технологическое лидерство.

Стратегические выводы из отчета:

1. Мы на пороге технологической революции
• Две вычислительные революции происходят одновременно - ИИ и квантовые вычисления, с разными уровнями зрелости.
• Их синергия создаст качественно новые возможности, недоступные каждой технологии по отдельности.

2. Геополитическая гонка уже началась
• ЕС зажат между доминированием США и растущей ролью Китая, особенно в ИИ.
• Патенты на применение ML в квантовых вычислениях уже активно регистрируются, в основном в США.
•Пример #DeepSeek показывает, что инновации и открытые модели могут кардинально изменить баланс сил.

3. Критическое окно возможностей: 5-10 лет

•Сейчас формируются стандарты и платформы, которые определят будущее
•Лидерство в этих областях определяется научным превосходством и способностью создавать интегрированные программные платформы
•Кто создаст экосистему первым, тот получит долгосрочное преимущество.

4. Ключевые стратегические направления:

То, что уже работает-ИИ для улучшения квантовых систем. Это создает немедленную ценность и ускоряет развитие.

Среднесрочная перспектива (критично для лидерства):
• Гибридные квантово-классические системы
• Квантовые алгоритмы для конкретных промышленных задач.

Долгосрочная цель (определит будущее):
• Полностью квантовые ИИ-системы
• Принципиально новые вычислительные парадигмы.

5. Стратегические рекомендации:

- Инвестиции должны идти параллельно в:
• Фундаментальные исследования
•Прикладные разработки
• Инфраструктуру (квантовые компьютеры + классические HPC).

- Критически важно:
• Создание открытых платформ и стандартов
• Подготовка специалистов на стыке квантовых технологий и ИИ
• Баланс между открытой наукой и коммерческой конкурентоспособностью.

- Энергетический аспект:
Необходимо оценивать и оптимизировать энергопотребление как квантовых ИИ решений, так и классического ИИ для квантовых технологий. Это может стать конкурентным преимуществом.

Риск для отстающих- зависимость в критических областях (медицина, безопасность, материалы, энергетика) на десятилетия вперед.

Д.Белоусов:у РФ сейчас есть риски во II–III квартале скатиться в техническую рецессию. Ключевая проблема – это торможение инвестиций.

Об этом «Ведомостям» рассказал брат министра обороны России, он же руководитель направления анализа и прогнозирования макроэкономических процессов ЦМАКП Дмитрий Белоусов.

Белоусов подчеркивает, что России необходимо срочно решать проблему интеграции науки и бизнеса, увеличивать частные инвестиции в НИОКР и готовиться к долгосрочной технологической конкуренции в условиях нового мирового порядка.

Нам нужны новые направления экспорта или нужно научиться жить в ситуации, когда торговый баланс уходит в «околоноля». Это означает, что мы должны заниматься технологическим развитием, трудозамещающими инновациями.

Белоусов назвал ряд критических проблем российской науки и технологий:

1. Разрыв между наукой и бизнесом: все технологическое развитие по-прежнему финансирует государство.

2. Низкие инвестиции бизнеса в НИОКР: соотношение государство/бизнес в финансировании НИОКР в России составляет 70/30, в то время как в развитых странах – 30/70.

3. Необходимость технологического суверенитета: "К середине 2030-х гг. мы должны иметь более или менее полный суверенитет, включая управляемый перенос производства за границу".

Вызовы, стоящие перед Россией:

1. Низкопроизводительный и низкооплачиваемый труд дестимулирует работодателей вкладываться в роботизацию и развитие производства, что опять-таки выталкивает в низкомаржинальные ниши рынка.

2. В ЕАЭС начинает заходить Китай. Возникнут ли синергии или конфликты, обмен капиталом, конкуренция – вопрос сложный. Источник сюжетов на следующее десятилетие.

3. Главная проблема в том, что в РФ выстроили систему, в которой идет развитие за счет государства.

OpenAI опубликовали риски, почему ИИ-агенту Codex нужно ограничить доступ в интернет

Команда выпустила документацию по настройке сетевого доступа для Codex — и там много предупреждений красным текстом. Разбираемся почему.

Что происходит?
• На этапе настройки — полный доступ к интернету • После запуска — доступ по умолчанию отключен
• Включение требует осознанного выбора и настройки

Основные риски (по мнению OpenAI):

1. Prompt injection через внешний контент Агент читает README, issue или веб-страницу, а там спрятана вредоносная инструкция.

2. Утечка данных Может случайно отправить ваш код, секреты или конфиденциальную информацию на внешние серверы

3. Загрузка вредоносного кода Агент может скачать и выполнить небезопасные зависимости или скрипты

4. Лицензионные проблемы Использование кода с ограничительными лицензиями без вашего ведома

OpenAI прямо пишет: "Включение доступа к интернету подвергает вашу среду рискам безопасности"

Варианты защиты:
• Белые списки доменов (готовый пресет или свой)
• Ограничение только GET-запросами
• Постоянный контроль логов работы агента.