Курилка Яндекса
Наблюдаем за развитием IT-гиганта с безопасного расстояния. Мнение автора не претендует на истину в первой инстанции, но на экспертный взгляд претендует.
Также рассуждаем про
• VK: @kurilka_vk
• Авито: @kurilka_avito
Для связи: @expert_kurilka
Также рассуждаем про
• VK: @kurilka_vk
• Авито: @kurilka_avito
Для связи: @expert_kurilka
TGlist рейтингі
0
0
ТүріҚоғамдық
Растау
РасталмағанСенімділік
СенімсізОрналасқан жері
ТілБасқа
Канал құрылған күніSep 25, 2024
TGlist-ке қосылған күні
Jan 14, 2025Рекордтар
21.04.202523:59
1.1KЖазылушылар15.04.202523:59
100Дәйексөз индексі20.01.202512:38
3K1 жазбаның қамтуы07.03.202514:07
678Жарнамалық жазбаның қамтуы27.01.202505:32
20.37%ER20.01.202523:59
1229.10%ERR
02.04.202511:39
Наши любимые милые роботы-доставщики «Яндекса» появились в загородном отеле Pine River в Калужской области. Они доставляют еду по территории комплекса — из ресторана в домики. Рядом нет крупных населенных пунктов, поэтому привычная доставка там недоступна. Отмечается, что доставщики работают в любую погоду, в том числе в дождь и снег. Они даже перебираются по мостику через реку Протву к домикам комплекса, расположенным на другой стороне.
До этого заказы, к слову, приносили курьеры или привозили на электрокарах, но их использование решили сократить из-за шума. Оказалось, что роботы-доставщики значительно тише. Чтобы малыши-роботы ориентировались на территории комплекса, в «Яндексе» создали его высокоточные карты. Кроме того, роботы столкнулись с непростой задачей — им приходится добираться до места по пересечённой местности и передвигаться по гравийным дорожкам, деревянным настилам, песчаным участкам и лесу. И роботов специально учили работать в таких условиях.
До этого заказы, к слову, приносили курьеры или привозили на электрокарах, но их использование решили сократить из-за шума. Оказалось, что роботы-доставщики значительно тише. Чтобы малыши-роботы ориентировались на территории комплекса, в «Яндексе» создали его высокоточные карты. Кроме того, роботы столкнулись с непростой задачей — им приходится добираться до места по пересечённой местности и передвигаться по гравийным дорожкам, деревянным настилам, песчаным участкам и лесу. И роботов специально учили работать в таких условиях.
03.04.202508:47
«Яндекс» составил конкуренцию NotebookLM от Google, Perplexity Spaces, Projects в ChatGPT. Компания запустила в бета-тест платформу для работы с документами, презентациями, аудио- и видеофайлами, ссылками из интернета, таблицами. Сервис получил название «Нейроэксперт», он может создавать удобную базу знаний из загруженных материалов, проанализировать и пересказать документы, сделать выводы или написать на основе данных тексты, создать презентации.
Базы знаний в сервисе похожи на папки в облачных хранилищах, ими также можно делиться по ссылке. Сейчас пользователи могут добавлять до 25 файлов и ссылок, а после окончания бета-теста их число увеличится. Очевидно, что сервис пригодится людям, которые в силу профессии или обучения должны обрабатывать большой объем данных: это могут быть студенты, преподаватели, журналисты. Из неочевидного – можно, например, делать сравнения товаров, загружая ссылки на них или обзоры.
Использовать «Нейроэксперт» должно быть удобно: по всей загруженной информации пользователь может задавать вопросы в режиме диалога как с чат-ботом. Он подготовит ответ только на основе источников пользователя, не будет ничего добавлять от себя. Это, думаем, повысит доверие к ИИ.
В компании говорят, что планируют выпустить и версию для бизнеса, которая сможет работать с внутренней базой данных и оптимизировать процессы. Сейчас на российском рынке нет решений, которые объединяют возможности работы с корпоративными массивами данных и генерацию ответов из ссылок. Из-за рисков безопасности и сложности получения доступа наш бизнес не очень заинтересован в зарубежных решениях. Всё это играет на руку «Яндексу», который может занять лидирующую роль в новом сегменте.
Возникает логичный вопрос монетизации, но в компании и это продумали: зарабатывать планируется двумя способами. Первый, наиболее логичный, это подписка с расширенными возможностями. Второй способ – продажа решений on-premise бизнесу, то есть интеграция «Нейроэксперта» в IT-контур компании-заказчика. Оба способа уже отработаны на других продуктах «Яндекса».
Рискнем предположить, что в ближайшее время количество продуктов «Яндекса» с припиской «Нейро» будет только расти. В целом название уже стало нарицательным.
Базы знаний в сервисе похожи на папки в облачных хранилищах, ими также можно делиться по ссылке. Сейчас пользователи могут добавлять до 25 файлов и ссылок, а после окончания бета-теста их число увеличится. Очевидно, что сервис пригодится людям, которые в силу профессии или обучения должны обрабатывать большой объем данных: это могут быть студенты, преподаватели, журналисты. Из неочевидного – можно, например, делать сравнения товаров, загружая ссылки на них или обзоры.
Использовать «Нейроэксперт» должно быть удобно: по всей загруженной информации пользователь может задавать вопросы в режиме диалога как с чат-ботом. Он подготовит ответ только на основе источников пользователя, не будет ничего добавлять от себя. Это, думаем, повысит доверие к ИИ.
В компании говорят, что планируют выпустить и версию для бизнеса, которая сможет работать с внутренней базой данных и оптимизировать процессы. Сейчас на российском рынке нет решений, которые объединяют возможности работы с корпоративными массивами данных и генерацию ответов из ссылок. Из-за рисков безопасности и сложности получения доступа наш бизнес не очень заинтересован в зарубежных решениях. Всё это играет на руку «Яндексу», который может занять лидирующую роль в новом сегменте.
Возникает логичный вопрос монетизации, но в компании и это продумали: зарабатывать планируется двумя способами. Первый, наиболее логичный, это подписка с расширенными возможностями. Второй способ – продажа решений on-premise бизнесу, то есть интеграция «Нейроэксперта» в IT-контур компании-заказчика. Оба способа уже отработаны на других продуктах «Яндекса».
Рискнем предположить, что в ближайшее время количество продуктов «Яндекса» с припиской «Нейро» будет только расти. В целом название уже стало нарицательным.
28.03.202511:54
OpenAI внедряет генерацию изображений на основе GPT-4o в свой популярный чат-бот ChatGPT. Функция получила название «Изображения в ChatGPT» и доступна на всех уровнях подписки: Plus, Pro, Team и Free. Бесплатный уровень предлагает лимит использования.
Благодаря улучшенной привязке атрибутов к объектам, генерация изображений стала более точной и надежной. Визуализация текста также была усовершенствована, что значительно облегчает процесс создания связного текста без опечаток. В основе технологии, как уточняется, лежит метод авторегрессии, а не диффузионная модель. Это может способствовать улучшению визуализации текста и возможностей привязки.
Система оснащена надежными средствами защиты от несанкционированного использования. Она предотвращает удаление водяных знаков, блокирует создание сексуальных подделок и отклоняет запросы на создание CSAM. Все изображения включают стандартные метаданные C2PA, что позволяет легко идентифицировать их как созданные OpenAI. В остальном пользователь может свободно использовать изображения в рамках политики использования.
Благодаря улучшенной привязке атрибутов к объектам, генерация изображений стала более точной и надежной. Визуализация текста также была усовершенствована, что значительно облегчает процесс создания связного текста без опечаток. В основе технологии, как уточняется, лежит метод авторегрессии, а не диффузионная модель. Это может способствовать улучшению визуализации текста и возможностей привязки.
Система оснащена надежными средствами защиты от несанкционированного использования. Она предотвращает удаление водяных знаков, блокирует создание сексуальных подделок и отклоняет запросы на создание CSAM. Все изображения включают стандартные метаданные C2PA, что позволяет легко идентифицировать их как созданные OpenAI. В остальном пользователь может свободно использовать изображения в рамках политики использования.
14.04.202509:38
«Белые» хакеры поищут уязвимости в генеративных нейросетях «Яндекса». Компания на днях запустила новое направление программы — аналога Bug Bounty, «Охоты за ошибками». За найденные уязвимости в семействах моделей YandexGPT, YandexART и инфраструктуре «Яндекс» готов платить до миллиона рублей. Важно, что в программе могут участвовать только отчёты о технических уязвимостях. К ним, например, не относятся сообщения о неточных ответах «Алисы» или некорректных изображениях в «Шедевруме».
Включение проверки генеративных нейросетей в программу важно, поскольку эти технологии всё больше пронизывают сервисы «Яндекса». На сегодня они, по данным компании, используются в более чем 20 сервисах компании: от «Алисы» и Поиска с Нейро до Директа и решений Yandex Cloud. Привлечение «белых» хакеров может стать подспорьем для повышения безопасности. Важно, что сам «Яндекс» регулярно проводит внутренние аудиты для проверки защищённости сервисов. Напомним, что в 2012 году «Яндекс» одним из первых в России запустил программу для премирования этичных хакеров.
Включение проверки генеративных нейросетей в программу важно, поскольку эти технологии всё больше пронизывают сервисы «Яндекса». На сегодня они, по данным компании, используются в более чем 20 сервисах компании: от «Алисы» и Поиска с Нейро до Директа и решений Yandex Cloud. Привлечение «белых» хакеров может стать подспорьем для повышения безопасности. Важно, что сам «Яндекс» регулярно проводит внутренние аудиты для проверки защищённости сервисов. Напомним, что в 2012 году «Яндекс» одним из первых в России запустил программу для премирования этичных хакеров.
16.04.202507:33
«Алиса» поможет проходить игры в реальном времени. Об этом вчера рассказали разработчики ИИ-помощника в рамках его большого обновления. Ассистент сможет в реальном времени распознавать, что происходит на экране, определять контекст игры и давать подсказки. Например, она подскажет, какую стратегию выбрать или как пройти новый уровень. В основе нового навыка «Алисы», по словам разработчиков, мультимодальная нейросеть Яндекса (Visual Language Model, VLM).
Новость в мировом тренде развития ИИ-агентов. Недавно мы писали, что Microsoft выпускает ИИ-агента для гейминга. Речь идет о разработке Copilot for Gaming от Xbox. ИИ-помощник призван стать своего рода игровым напарником для пользователей Xbox и улучшать их игровой опыт. Для игроков он может давать советы и подсказки.
Также вчера «Яндекс» рассказал о планах по развитию голосового управления телевизором. Уже в этом году пользователи ТВ Станции смогут управлять голосом любым разделом интерфейса без пульта даже при обращении к сторонним приложениям — Rutube, VK, Wink, IVI, Кинопоиску или Premier. Голосовое управление заработает на языковой модели YandexGPT с технологией вызова функций.
Новость в мировом тренде развития ИИ-агентов. Недавно мы писали, что Microsoft выпускает ИИ-агента для гейминга. Речь идет о разработке Copilot for Gaming от Xbox. ИИ-помощник призван стать своего рода игровым напарником для пользователей Xbox и улучшать их игровой опыт. Для игроков он может давать советы и подсказки.
Также вчера «Яндекс» рассказал о планах по развитию голосового управления телевизором. Уже в этом году пользователи ТВ Станции смогут управлять голосом любым разделом интерфейса без пульта даже при обращении к сторонним приложениям — Rutube, VK, Wink, IVI, Кинопоиску или Premier. Голосовое управление заработает на языковой модели YandexGPT с технологией вызова функций.
21.04.202507:07
Российский рынок кикшеринга за прошлый год составил 31,2 миллиарда рублей и 211,7 миллионов поездок за сезон. Аналитики Трушеринга представили новый отчет. Из него следует, что выручка за одну поездку выросла до 111 ₽, что связано с повышением стоимости услуг. При этом совокупная доля трех ведущих компаний на рынке выросла до 96,8%, а количество поездок за сезон увеличилось на 33,1%.
Основные игроки не менялись:
🔄 Whoosh: около половины поездок на кикшеринге в России происходит на СИМ Whoosh, количество поездок достигло 149,7 млн.
🔄 МТС Юрент: пользователи совершили 100,3 млн поездок, сервис сменил название после сделки с МТС и запустил СИМ в шести новых городах.
🔄 Яндекс Go: парк самокатов превысил 65 тысяч, начал работу в шести новых городах, тестирует опцию автоматического снижения скорости. Сервис развивает новое бизнес-направление по аренде пауэрбанков после приобретения сервиса «Бери заряд!»
Основные проблемы тоже остались прежними:
Слаборазвитая инфраструктура для велосипедов и средств индивидуальной мобильности является основной причиной аварийности. Аналитики подчеркивают, что микромобильности нужна собственная инфраструктура для снижения аварийности. Это позволит снизить пересечение транспортных потоков. Пока в стране развитие велоинфраструктуры и кикшеринга только в планах и обсуждается.
Полный отчет 👇
Основные игроки не менялись:
🔄 Whoosh: около половины поездок на кикшеринге в России происходит на СИМ Whoosh, количество поездок достигло 149,7 млн.
🔄 МТС Юрент: пользователи совершили 100,3 млн поездок, сервис сменил название после сделки с МТС и запустил СИМ в шести новых городах.
🔄 Яндекс Go: парк самокатов превысил 65 тысяч, начал работу в шести новых городах, тестирует опцию автоматического снижения скорости. Сервис развивает новое бизнес-направление по аренде пауэрбанков после приобретения сервиса «Бери заряд!»
Основные проблемы тоже остались прежними:
Слаборазвитая инфраструктура для велосипедов и средств индивидуальной мобильности является основной причиной аварийности. Аналитики подчеркивают, что микромобильности нужна собственная инфраструктура для снижения аварийности. Это позволит снизить пересечение транспортных потоков. Пока в стране развитие велоинфраструктуры и кикшеринга только в планах и обсуждается.
Полный отчет 👇
Қайта жіберілді:
Неискусственный интеллект
25.03.202515:35
🤖 Рекомендации и ИИже с ними
В последние пару лет бум ChatGPT и аналогов поднял шум практически во всех индустриях, связанных с высокими технологиями. Чат-боты и мультиагентные системы на их основе уже грозятся заменить поиск и взять в свои руки шоппинг — но действительно ли ИИ-системы понимают, что нужно человеку?
Обсудили, как меняется технологическая основа рекомендаций, и что нам стоит ждать от них в ближайшем будущем с Николаем Савушкиным, руководителем направления рекомендательных систем в Яндексе.
Как изменились рекомендательные системы в последние пару лет? Сменилась ли общая парадигма из-за бума ИИ?
➖ Новые технологии здесь только начинают внедряться. Основные изменения связаны с масштабированием уже существующих ML-моделей и их объединением с генеративным ИИ.
Почему рекомендательные системы пока отстают от других областей машинного обучения?
➖ Одна из причин — слабая академическая база. Для разработки рекомендательных систем нужен доступ к реальным пользователям и данным об их поведении в сервисах, чего у исследователей часто нет. Кроме того, рекомендательные системы сложны и многокомпонентны.
Каковы основные направления развития рекомендательных систем?
▪️ Масштабирование моделей (увеличение их размера и возможностей, понимания интересов пользователей).
▪️ Объединение с генеративными технологиями, например, создание объяснимых рекомендаций (Reason to Believe), когда система может буквально рассказать, почему советует тот или иной товар, контент.
▪️ Развитие мультимодальности как итог: когда система, научившись на большом объёме данных по музыке, например, может потом извлекать зависимости и применять тот же подход на книгах, где данных куда меньше. Работать с паттернами.
Могут ли генеративные модели заменить ядро рекомендательных систем?
➖ Пока нет. Попытки использовать LLM для рекомендаций не увенчались успехом, так как такие модели плохо справляются с предсказанием реальных предпочтений пользователей: они поступают логично, но по факту советуют «как надо» — подстраиваются под ожидание пользователя, но не понимают, чего он реально хочет. На позитивную реакцию человека тут полагаться нельзя.
Например, когда мы пробовали изменить рекомендацию фильмов так, чтобы она нравилась пользователям, система начала выдавать больше классики. Люди оценивали её позитивно, но в итоге шли смотреть другое кино.
В рекомендательных системах используются свои нейросети, которые делают что-то слабо объяснимое для человека. И попытки привести это к какой-то логике всё же проще, чем пытаться научить обычную LLM рекомендовать. Пусть рекомендации будет генерировать одна система, а говорить — другая. Пока движение такое.
Отличаются ли подходы к рекомендательным системам в России и за рубежом?
➖ Радикальных отличий нет. Все используют общие принципы машинного обучения. Китайские и западные компании могут фокусироваться на разных нюансах, но фундаментальная база схожа.
Мы, например, знаем, что Google в своем Project Astra активно занимается вопросами объединения LLM и рекомендательной системы в единую большую систему. Но пока это всё безуспешно.
«Переедут» ли рекомендательные системы на устройства пользователей? Чтобы охватить как можно больше предпочтений локально
➖ Пока это маловероятно из-за сложности и ресурсоёмкости таких систем. Рекомендательные системы требуют больших вычислительных мощностей и доступа к огромным базам данных. Попытки делать какие-то алгоритмы есть, но мы пока в эту сторону не смотрим.
Что ждёт рекомендательные системы в будущем?
▪️ Увеличение размера моделей и появление новых свойств (emergent properties), которые позволят рекомендательным системам предсказывать неочевидные вещи о пользователях.
▪️ Развитие универсальных чат-ассистентов, способных не только рекомендовать, но и объяснять выбор.
@anti_agi
В последние пару лет бум ChatGPT и аналогов поднял шум практически во всех индустриях, связанных с высокими технологиями. Чат-боты и мультиагентные системы на их основе уже грозятся заменить поиск и взять в свои руки шоппинг — но действительно ли ИИ-системы понимают, что нужно человеку?
Обсудили, как меняется технологическая основа рекомендаций, и что нам стоит ждать от них в ближайшем будущем с Николаем Савушкиным, руководителем направления рекомендательных систем в Яндексе.
Как изменились рекомендательные системы в последние пару лет? Сменилась ли общая парадигма из-за бума ИИ?
➖ Новые технологии здесь только начинают внедряться. Основные изменения связаны с масштабированием уже существующих ML-моделей и их объединением с генеративным ИИ.
Почему рекомендательные системы пока отстают от других областей машинного обучения?
➖ Одна из причин — слабая академическая база. Для разработки рекомендательных систем нужен доступ к реальным пользователям и данным об их поведении в сервисах, чего у исследователей часто нет. Кроме того, рекомендательные системы сложны и многокомпонентны.
Каковы основные направления развития рекомендательных систем?
▪️ Масштабирование моделей (увеличение их размера и возможностей, понимания интересов пользователей).
▪️ Объединение с генеративными технологиями, например, создание объяснимых рекомендаций (Reason to Believe), когда система может буквально рассказать, почему советует тот или иной товар, контент.
▪️ Развитие мультимодальности как итог: когда система, научившись на большом объёме данных по музыке, например, может потом извлекать зависимости и применять тот же подход на книгах, где данных куда меньше. Работать с паттернами.
Могут ли генеративные модели заменить ядро рекомендательных систем?
➖ Пока нет. Попытки использовать LLM для рекомендаций не увенчались успехом, так как такие модели плохо справляются с предсказанием реальных предпочтений пользователей: они поступают логично, но по факту советуют «как надо» — подстраиваются под ожидание пользователя, но не понимают, чего он реально хочет. На позитивную реакцию человека тут полагаться нельзя.
Например, когда мы пробовали изменить рекомендацию фильмов так, чтобы она нравилась пользователям, система начала выдавать больше классики. Люди оценивали её позитивно, но в итоге шли смотреть другое кино.
В рекомендательных системах используются свои нейросети, которые делают что-то слабо объяснимое для человека. И попытки привести это к какой-то логике всё же проще, чем пытаться научить обычную LLM рекомендовать. Пусть рекомендации будет генерировать одна система, а говорить — другая. Пока движение такое.
Отличаются ли подходы к рекомендательным системам в России и за рубежом?
➖ Радикальных отличий нет. Все используют общие принципы машинного обучения. Китайские и западные компании могут фокусироваться на разных нюансах, но фундаментальная база схожа.
Мы, например, знаем, что Google в своем Project Astra активно занимается вопросами объединения LLM и рекомендательной системы в единую большую систему. Но пока это всё безуспешно.
«Переедут» ли рекомендательные системы на устройства пользователей? Чтобы охватить как можно больше предпочтений локально
➖ Пока это маловероятно из-за сложности и ресурсоёмкости таких систем. Рекомендательные системы требуют больших вычислительных мощностей и доступа к огромным базам данных. Попытки делать какие-то алгоритмы есть, но мы пока в эту сторону не смотрим.
Что ждёт рекомендательные системы в будущем?
▪️ Увеличение размера моделей и появление новых свойств (emergent properties), которые позволят рекомендательным системам предсказывать неочевидные вещи о пользователях.
▪️ Развитие универсальных чат-ассистентов, способных не только рекомендовать, но и объяснять выбор.
@anti_agi
26.03.202511:47
Epoch AI разработала и представила уникальную экономическую модель, которая впервые объединяет теорию масштабирования искусственного интеллекта (ИИ) с макроэкономическими теориями роста. Она получила название эндогенной модели роста и перехода к ИИ (GATE). GATE объединяет концепции машинного обучения и теории экономического роста, чтобы проиллюстрировать ключевые процессы, происходящие в развитии ИИ, автоматизации задач и их макроэкономических последствиях.
В последние годы стремительный прогресс и внедрение крупных языковых моделей вызвали активные дискуссии о том, как искусственный интеллект (ИИ) повлияет на будущее нашей экономики. Центральными вопросами в этих дискуссиях являются: сможет ли ИИ ускорить экономический рост, сколько инвестиций привлечет эта технология, как быстро автоматизация преобразует рынки труда и многое другое.
Основные предварительные выводы GATE таковы:
🌸Инвестиции в ИИ могут превысить 10% мирового ВВП, что в 50 раз больше, чем в настоящее время.
🌸Автоматизация на основе ИИ значительно ускорит экономический рост: большинство экономических задач может быть автоматизировано всего за 20 лет.
🌸Взрывной экономический рост — темпы роста могут ускориться в 2–20 раз по сравнению с историческим уровнем в 3%.
Интересно, что инвестиции в ИИ начнутся задолго до получения экономических выгод, так как инвесторы будут ориентироваться на огромный долгосрочный потенциал этой технологии. Разработчики отмечают, что модель не претендует на точные количественные прогнозы, но она описывает ключевые экономические процессы, которые могут происходить по мере развития ИИ.
В последние годы стремительный прогресс и внедрение крупных языковых моделей вызвали активные дискуссии о том, как искусственный интеллект (ИИ) повлияет на будущее нашей экономики. Центральными вопросами в этих дискуссиях являются: сможет ли ИИ ускорить экономический рост, сколько инвестиций привлечет эта технология, как быстро автоматизация преобразует рынки труда и многое другое.
Основные предварительные выводы GATE таковы:
🌸Инвестиции в ИИ могут превысить 10% мирового ВВП, что в 50 раз больше, чем в настоящее время.
🌸Автоматизация на основе ИИ значительно ускорит экономический рост: большинство экономических задач может быть автоматизировано всего за 20 лет.
🌸Взрывной экономический рост — темпы роста могут ускориться в 2–20 раз по сравнению с историческим уровнем в 3%.
Интересно, что инвестиции в ИИ начнутся задолго до получения экономических выгод, так как инвесторы будут ориентироваться на огромный долгосрочный потенциал этой технологии. Разработчики отмечают, что модель не претендует на точные количественные прогнозы, но она описывает ключевые экономические процессы, которые могут происходить по мере развития ИИ.
Қайта жіберілді:
вычислить по IP
04.04.202520:24
@yandex берите на работу охранника Роверов. Будет решать проблему вагонетки.
PS жизнь автора началась ночью, когда наконец-то был осилен опросник AIPPI.
PS жизнь автора началась ночью, когда наконец-то был осилен опросник AIPPI.
27.03.202512:06
Бизнес-юнит «Яндекса», который создает и развивает решения для корпоративного сектора Yandex B2B Tech, впервые отдельно раскрыл финансовые результаты по двум ключевым направлениям. Совокупная выручка Yandex B2B Tech с января по декабрь 2024 года составила 32,2 млрд рублей, увеличившись на 48,4% по сравнению с 2023 годом.
🌸Первое ключевое направление юнита – облачный бизнес. Выручка Yandex Cloud достигла 19,8 млрд рублей, увеличившись год к году в 1,5 раза. При этом больше половины выручки принесли клиенты из сферы крупного бизнеса. Общее количество клиентов Yandex Cloud превысило 44 тысячи — это в 1,5 раза больше, чем в 2023 году. Количество партнеров-интеграторов выросло в 1,3 раза — до 674.
🌸Второе направление – корпоративные офисные пакеты и коммуникационные сервисы, входящие в Яндекс 360. Его выручка в прошлом году превысила 12,4 млрд рублей, увеличившись за год почти в 1,5 раза. Больше половины принес B2B-сегмент — его выручка выросла более чем вдвое по сравнению с 2023 годом. Наиболее востребованными у B2B-клиентов сервисами стали Почта, Календарь, Диск и Телемост. Количество организаций, которые пользуются платными услугами Яндекс 360, по состоянию на конец декабря 2024 года составило 151,5 тысячи. Более 25 тысяч из них — новые клиенты.
🌸 В целом, по данным «Яндекса», объем рынка, на котором работает Yandex B2B Tech, в 2024 году исчислялся 240 млрд рублей, а доля Yandex B2B Tech на рынке составила около 13%. Компания прогнозирует, что к 2028 году рынок вырастет более чем вдвое, до 510 млрд руб., продемонстрировав среднегодовой темп порядка 21%. Ожидается, что Yandex B2B Tech будет расти быстрее рынка.
🌸Первое ключевое направление юнита – облачный бизнес. Выручка Yandex Cloud достигла 19,8 млрд рублей, увеличившись год к году в 1,5 раза. При этом больше половины выручки принесли клиенты из сферы крупного бизнеса. Общее количество клиентов Yandex Cloud превысило 44 тысячи — это в 1,5 раза больше, чем в 2023 году. Количество партнеров-интеграторов выросло в 1,3 раза — до 674.
🌸Второе направление – корпоративные офисные пакеты и коммуникационные сервисы, входящие в Яндекс 360. Его выручка в прошлом году превысила 12,4 млрд рублей, увеличившись за год почти в 1,5 раза. Больше половины принес B2B-сегмент — его выручка выросла более чем вдвое по сравнению с 2023 годом. Наиболее востребованными у B2B-клиентов сервисами стали Почта, Календарь, Диск и Телемост. Количество организаций, которые пользуются платными услугами Яндекс 360, по состоянию на конец декабря 2024 года составило 151,5 тысячи. Более 25 тысяч из них — новые клиенты.
🌸 В целом, по данным «Яндекса», объем рынка, на котором работает Yandex B2B Tech, в 2024 году исчислялся 240 млрд рублей, а доля Yandex B2B Tech на рынке составила около 13%. Компания прогнозирует, что к 2028 году рынок вырастет более чем вдвое, до 510 млрд руб., продемонстрировав среднегодовой темп порядка 21%. Ожидается, что Yandex B2B Tech будет расти быстрее рынка.
17.04.202509:38
Школьники смогут решить задачи по алгебре с помощью ИИ. В «Поиске» Яндекса теперь можно узнать ход решения показательных и несложных тригонометрических уравнений, а также найти предел функции.
И, как вы уже догадались, в основу технологии легла языковая модель YandexGPT 5 Lite. Она больше подходит для решения математических задач, поскольку «Яндекс» обучил её на одном миллионе примеров заданий для старшеклассников. Это, как заявляется, позволило добиться точности ответов в решении задач в 90% случаев.
Теперь «Поиск» может поэтапно объяснить решение задачи, даже если её нет в интернете, и только после этого даст готовый ответ. До этого уже можно было с его помощью решать упражнения для начальной и средней школы, например с уравнениями и неравенствами.
И, как вы уже догадались, в основу технологии легла языковая модель YandexGPT 5 Lite. Она больше подходит для решения математических задач, поскольку «Яндекс» обучил её на одном миллионе примеров заданий для старшеклассников. Это, как заявляется, позволило добиться точности ответов в решении задач в 90% случаев.
Теперь «Поиск» может поэтапно объяснить решение задачи, даже если её нет в интернете, и только после этого даст готовый ответ. До этого уже можно было с его помощью решать упражнения для начальной и средней школы, например с уравнениями и неравенствами.
Қайта жіберілді:
CRAI где живёт AI
14.04.202513:20
В отчёте Стэнфордского университета об искусственном интеллекте снова обратили внимание на тот факт, что при огромных инвестициях и стремительном техническом прогрессе ИИ пока всё ещё приносит очень небольшую отдачу бизнесу.
В 2024 году мировые корпорации инвестировали в ИИ 252,3 миллиарда долларов (рост на 26%). При этом большинство компаний, внедривших технологию, признаются в скромных результатах: экономия затрат менее 10%, рост выручки до 5%. Ситуация подозрительно знакома. Специалисты Стэнфорда замечают, что компании «только в начале пути», только пока никто не видит конца этому «началу».
Одновременно вычислительные мощности для обучения ведущих моделей удваиваются каждые 5 месяцев, размер датасетов – каждые 8 месяцев, а энергопотребление – ежегодно. Это приводит к заметному росту выбросов углекислого газа: если ранняя модель AlexNet десятилетней давности «стоила» всего 0,01 тонны углекислого газа, то Llama 3.1 405B – почти 9000 тонн.
Стоит ли оно того? Вопрос в метриках и ожиданиях. ИИ может не приносить деньги напрямую, но при этом повышать эффективность труда и систематизировать типовые задачи. Например, почти все респонденты используют ИИ для работы с базами данных, написания кода, создания и реализации контент-планов. Многие компании не инвестируют большие деньги в создание продукта с нуля, предпочитая пользоваться готовыми решениями с открытым исходным кодом и дообучать под свои нужды, сильно сокращая затраты.
Здесь возникают другие риски – что люди, наоборот, станут ленивыми и менее продуктивными, у сгенерированного кода будут проблемы, а часть сотрудников уволят – но пока в ближайшее время такие тенденции не прослеживаются.
А есть области применения ИИ, где выручка играет не самую главную роль. Возьмём ту же медицину: модель GluFormer от Nvidia, обученная на более 10 миллионов измерений глюкозы от почти 11 тысяч человек, может прогнозировать здоровье на 4 года вперёд и заранее выявлять случаи диабета и смертей от сердечно-сосудистых заболеваний.
В 2024 году мировые корпорации инвестировали в ИИ 252,3 миллиарда долларов (рост на 26%). При этом большинство компаний, внедривших технологию, признаются в скромных результатах: экономия затрат менее 10%, рост выручки до 5%. Ситуация подозрительно знакома. Специалисты Стэнфорда замечают, что компании «только в начале пути», только пока никто не видит конца этому «началу».
Одновременно вычислительные мощности для обучения ведущих моделей удваиваются каждые 5 месяцев, размер датасетов – каждые 8 месяцев, а энергопотребление – ежегодно. Это приводит к заметному росту выбросов углекислого газа: если ранняя модель AlexNet десятилетней давности «стоила» всего 0,01 тонны углекислого газа, то Llama 3.1 405B – почти 9000 тонн.
Стоит ли оно того? Вопрос в метриках и ожиданиях. ИИ может не приносить деньги напрямую, но при этом повышать эффективность труда и систематизировать типовые задачи. Например, почти все респонденты используют ИИ для работы с базами данных, написания кода, создания и реализации контент-планов. Многие компании не инвестируют большие деньги в создание продукта с нуля, предпочитая пользоваться готовыми решениями с открытым исходным кодом и дообучать под свои нужды, сильно сокращая затраты.
Здесь возникают другие риски – что люди, наоборот, станут ленивыми и менее продуктивными, у сгенерированного кода будут проблемы, а часть сотрудников уволят – но пока в ближайшее время такие тенденции не прослеживаются.
А есть области применения ИИ, где выручка играет не самую главную роль. Возьмём ту же медицину: модель GluFormer от Nvidia, обученная на более 10 миллионов измерений глюкозы от почти 11 тысяч человек, может прогнозировать здоровье на 4 года вперёд и заранее выявлять случаи диабета и смертей от сердечно-сосудистых заболеваний.
Көбірек мүмкіндіктерді ашу үшін кіріңіз.
