AMD расширила ассортимент процессоров с большим объемом кэша, которые востребованы геймерами, энтузиастами и создателями контента: к суперпопулярному 8-ядерному Ryzen 7 9800X3D сейчас добавились 12-ядерный Ryzen 9 9900X3D и 16-ядерный Ryzen 9 9950X3D.

Новинки поступили в глобальную продажу — CPU уже можно приобрести в Китае и в США. В США стоимость старшей модели составляет 700 долларов (она представлена в каталогах Newegg, Amazon и Microcenter), цена Ryzen 9 9900X3D — 600 долларов (он продается теми же ретейлерами).

Ryzen 9 9950X3D представлен двумя чиплетами CCD и кристаллом ввода-вывода. Суммарный объем кэш-памяти составляет 144 МБ. Максимальная частота достигает 5,7 ГГц, TDP — 170 Вт.

У Ryzen 9 9900X3D конфигурация та же, но объем кэш-памяти чуть поменьше — 140 МБ, частота пониже — 5,5 ГГц, TDP сильно ниже — 120 Вт.

Американский чиповый гигант Qualcomm объявил о приобретении компании Edge Impulse — разработчика платформы для создания ИИ-решений, ориентированных на периферийные устройства.

Сумма сделки не раскрывается, но её цель, по словам Qualcomm, заключается в расширении возможностей машинного обучения, особенно для линейки ИИ-чипов DragonGate.

Как заявил Накул Дуггал, глава подразделения IoT Qualcomm, поглощение Edge Impulse укрепит «лидерство компании в области искусственного интеллекта» и усилит позиции в таких секторах, как розничная торговля, безопасность, энергетика, ЖКХ, управление цепочками поставок и активами. Edge Impulse сохранит собственные офисы, штат сотрудников и сайт, но интегрирует операции с ресурсами Qualcomm.

Основатели Edge Impulse создали платформу в 2019 году, встретившись во время работы над IoT-проектами в британской компании Arm. Их продукт сокращает время разработки ML-моделей для микроконтроллеров, сенсоров, камер и других компактных устройств.

«Мы поняли, что вычислительные мощности микроконтроллеров достигли уровня, достаточного для запуска специализированных ИИ-моделей напрямую на устройстве. Это открыло бесконечные сценарии переноса ИИ из облака на периферию», — пояснил Закари Шелби (CEO Edge Impulse) в блоге компании.

На сегодня Edge Impulse привлекла $54,3 млн инвестиций, включая $34 млн в рамках раунда Series B в 2021 году (оценка — $234 млн). В 2023 году выручка компании составила $14,7 млн. Её платформой пользуются более 170 000 разработчиков для создания, развёртывания и мониторинга ИИ-моделей на периферийных устройствах.

Ключевое преимущество Edge Impulse, по словам Шелби, — автоматизация рутинных задач: «Платформа предоставляет инструменты для сбора данных, упрощает обучение моделей, предлагает продвинутую оптимизацию и развёртывание в один клик на любом железе — от микроконтроллеров до CPU, GPU и NPU».

Сделка с Qualcomm, как отметил Шелби, не изменит миссию Edge Impulse, но откроет новые возможности для масштабирования технологий. Это шаг, который может ускорить внедрение ИИ в устройствах, где низкое энергопотребление и мгновенная обработка данных критически важны — от умных камер до промышленных сенсоров.

Компания Red Pitaya, работающая в области программно-определяемых измерительных систем, представила второе поколение своей флагманской платформы STEMlab 125-14 Gen 2.

Устройство, которое разработчики называют «швейцарским ножом для инженеров», сочетает открытую архитектуру модернизированный дизайн, сохраняя статус «Raspberry Pi для измерительных задач».

Новая линейка STEMlab 125-14 Gen 2 основана на FPGA Xilinx и ЦАП/АЦП Analog Devices, обеспечивая скорость обработки 125 миллионов выборок в секунду (MSPS) с 14-битным разрешением. Серия сохраняет полную обратную совместимость с предыдущими версиями, но получила улучшенные характеристики: снижение уровня шума, перекрёстных помех и искажений, расширенный выходной диапазон напряжения (±1 В при 50 Ω и ±2 В при высоком импедансе), а также современные интерфейсы USB-C.

В ассортименте представлены три модели. Базовая STEMlab 125-14 Gen 2 ориентирована на образование и исследования. Версия Pro Gen 2, предназначенная для промышленности, оснащена разъёмом E3 для надёжной загрузки (QSPI, eMMC), селектором внешней тактовой частоты и возможностью синхронизации многоканальных систем через USB-C. Топовая модель Pro Z7020 Gen 2, с удвоенной DDR-памятью (1 ГБ), нацелена на квантовые вычисления, фотонику, медицинскую визуализацию и космические технологии.

История Red Pitaya началась в 2013 году, когда Instrumentation Technologies, ранее разрабатывавшая оборудование для частичных ускорителей, решила выйти за пределы нишевого рынка. Платформа, созданная в 2013 году, изначально разрабатывалась как компактная и доступная альтернатива специализированным приборам.  Первая версия устройства размером с банковскую карту позволяла через браузер превращать плату в осциллограф, генератор сигналов или анализатор спектра.

Во время пандемии 2020 года продукт стал ключевым инструментом для удалённых лабораторий. Например, NASA использовало его в прототипе системы мониторинга качества воздуха, а Университет Оклахомы создал на базе платы детектор радиации, отправленный в космос на ракете SpaceX.

Сегодня компания, выросшая с 2 до 30 сотрудников, также анонсировала партнёрство с Texas Instruments по разработке платы с низкой задержкой для систем реального времени, радаров и LiDAR.

За 11 лет Red Pitaya завоевала доверие 40 000 клиентов, включая NASA, MIT, Apple, Meta*, Neuralink, Toyota, Volvo и Nokia, а также 400 университетов по всему миру. По словам CEO Матеи Лампе Рупник, выручка компании удвоилась за четыре года, а сообщество пользователей выросло до 45 000 человек.

* Компания Meta (Facebook и Instagram) признана в России экстремистской и запрещена

Компания Positive Grid анонсировала Spark 2 — компактный 50-ваттный усилитель, сочетающий цифровое моделирование гитарного звука с аппаратным управлением.

Устройство стоимостью $300 оснащено восемью встроенными пресетами, Bluetooth, USB-C и поддерживает загрузку тысяч тонов через мобильное приложение. В основе Spark 2 — DSP-чип M7 с удвоенной вычислительной мощностью по сравнению с предыдущим поколением, что позволило улучшить переходы между пресетами и детализацию эффектов.

Spark 2 работает как автономное устройство, но требует синхронизации со смартфоном для настройки расширенных параметров. В приложении доступны 39 моделей усилителей, 14 педалей дисторшна, девять ревербераторов и шесть компрессоров. Алгоритмы включают эмуляцию «прогиба» лампового усилителя и камерного «реверба» с настройкой времени затухания и среза частот. Для мобильности предусмотрена опциональная батарея за $79, обеспечивающая несколько часов работы.

Продукт отражает тренд «софтверизации» музыкального оборудования: вместо аналоговых цепей Spark 2 использует ПО, обновляемое через прошивки. Это даёт доступ к технологиям, которые ещё 20 лет назад требовали студийного бюджета. Однако как отмечает производитель, устройство ориентировано на репетиции и базовую запись, а не на профессиональную студийную работу.

Особенность новинки — интеграция ИИ-инструментов. Система Spark AI генерирует пресеты по текстовым запросам (например, «звук перегруженного Marshall»), а Smart Jam создаёт аккомпанемент в реальном времени на основе игры пользователя. Последний, однако, пока что демонстрирует задержки при адаптации к изменению ритма.

Рынок цифрового моделирования продолжает расти: аналогичные решения предлагают Kemper с Profiler, NeuralDSP с Cortex и IK Multimedia с Tonex. Spark 2 выделяется в этом ряду балансом цены и портативности.

По словам представителей Positive Grid, развитие DSP-чипов откроет новые возможности для аппаратного моделирования. Уже сейчас устройства вроде Spark 2 стирают грань между «домашней» и профессиональной системой.

NASA сообщило о получении верхней ступени для ракеты-носителя SLS (Space Launch System), которая будет использована в рамках миссии Artemis II.

Криогенная двигательная ступень, разработанная компаниями Boeing и United Launch Alliance (ULA), была доставлена 9 марта в Multi Payload Processing Facility (MPPF) — многофункциональный комплекс подготовки полезной нагрузки Космического центра им. Кеннеди во Флориде.

Ступень транспортировали в MPPF из центра Delta Operations Center, расположенного на территории базы Космических сил США на мысе Канаверал.

В течение следующих недель специалисты проведут её заправку гидразином для работы реактивной системы управления. После завершения подготовительных процедур элемент направят в сборочный корпус Vehicle Assembly Building, где его интегрируют с другими компонентами ракеты SLS на мобильной пусковой платформе ML-1.

На текущий момент сегменты твердотопливных ускорителей ракеты уже собраны и готовы к запуску. В ближайшее время к ним присоединят основную ступень и переходник ракеты-носителя (launch vehicle stage adapter), к которому будет крепиться верхняя ступень.

Конструкция высотой с четырёхэтажное здание оснащена двигателем RL10, обеспечивающим необходимое ускорение для выведения космического корабля Orion на околоземную орбиту. Два витка вокруг Земли станут финальным этапом перед переходом к лунной траектории.

Интеграция ступени завершит формирование ракеты-носителя, после чего начнутся комплексные испытания перед историческим запуском, запланированным на 2025 год.

В декабре 2024 года система предупреждения об астероидной угрозе ATLAS (Asteroid Terrestrial-impact Last Alert System), разработанная Гавайским университетом при поддержке NASA, обнаружила околоземный астероид 2024 YR4. Этот объект, совершающий оборот вокруг Солнца за четыре года и периодически пересекающий земную орбиту, был классифицирован как потенциально опасный (PHO).

Первоначальные расчёты указывали на 1% вероятность его столкновения с Землёй, а к февралю 2025 года оценка кратковременно достигла 2,3%. Однако уточнённые данные с крупнейших телескопов мира исключили угрозу столкновения в этом временном окне.

Тем не менее, астероид продолжит сближаться с Землёй в течение следующих десятилетий, что делает его перспективной целью для научных миссий.

В исследовании, опубликованном в предварительной версии журнала Acta Astronautica, инженеры Адам Хибберд из Hibberd Astronautics Ltd и Маршалл Юбэнкс, глава Space Initiatives, проанализировали возможность отправки миссии к 2024 YR4.

Используя программное обеспечение OITS (Optimum Interplanetary Trajectory Software), разработанное Хиббердом, учёные рассчитали несколько сценариев, включая запуск в 2028 году для сближения с астероидом в конце того же года. Также рассматриваются варианты миссий с доставкой образцов, аналогичных проектам Hayabusa, Hayabusa2 и OSIRIS-REx.

«2024 YR4 открывает богатые возможности для исследований, — отметил Юбэнкс. — Мы можем использовать малые аппараты, такие как кубсаты, запущенные в рамках лунных миссий Artemis или CLPS в 2028 году. Это станет шагом к масштабному изучению PHO и их потенциального использования в добыче ресурсов».

Астероиды, как «строительный материал» ранней Солнечной системы, несут ключи к пониманию её эволюции и происхождения жизни. Например, образцы с астероида Итокава (миссия Hayabusa) подтвердили связь S-типа астероидов с обычными хондритами, а также выявили следы воды. Пробы с Бенну (OSIRIS-REx), доставленные на Землю, содержат органические соединения, аминокислоты и гидратированные минералы, поддерживая гипотезу о доставке жизни на Землю через космические тела.

2024 YR4 интересен не только наукой. Как PHO, он может стать полигоном для отработки планетарной защиты. «Даже если он не столкнётся с Луной в 2032, то его изучение важно для разработки стратегий противодействия будущим угрозам», — подчеркнул Юбэнкс.

Помимо традиционных миссий, авторы исследования акцентируют внимание на новых технологиях: наноспутники на пластинчатых платформах (wafercraft) способны снизить стоимость миссий, сделав регулярное изучение астероидов реальностью. Эти подходы могут быть расширены в будущем, включая проекты вроде Lyra по исследованию межзвёздных объектов.

Искусственный интеллект часто принимает решения на основе «ложных корреляций» — несущественных и потенциально вводящих в заблуждение связей между данными. Исследователи из Университета штата Северная Каролина обнаружили, что такие корреляции могут возникать из-за крайне малой части обучающих данных, и предложили метод, который решает проблему даже без понимания конкретных причин её возникновения.

«Эта техника уникальна тем, что её можно применять, даже если вы не знаете, какие именно ложные признаки использует модель», — заявил Чон Ын Ким, доцент компьютерных наук и соавтор исследования. Метод, описанный в работе, позволяет устранять нежелательные зависимости как в случаях, когда проблема уже выявлена, так и при отсутствии чёткого понимания её источника.

Ложные корреляции возникают из-за «предвзятости» (simplicity bias) в процессе обучения ИИ-моделей. Например, при обучении распознавать собак на фотографиях система может фиксироваться на ошейниках, если те присутствуют у большинства животных в обучающей выборке. Это упрощает задачу, но приводит к ошибкам: модель начинает классифицировать кошек в ошейниках как собак.

Традиционные методы борьбы с такой проблемой требуют от разработчиков заранее выявить ложные признаки (например, ошейники) и скорректировать набор данных, увеличив вес «чистых» примеров (собак без ошейников). Однако на практике идентифицировать такие признаки удаётся не всегда.

«Наша цель — разорвать ложные связи, даже если мы ничего не знаем о них», — пояснил Ким. Новый подход основан на удалении небольшой части данных (менее 5%) из обучающего набора.

Учёные предположили, что самые «сложные» для модели образцы — те, в которых неоднозначность заставляет ИИ опираться на ложные признаки. Такие данные определялись через анализ поведения модели во время тренировки: если образец вызывал длительные колебания в точности предсказаний, то он считался «шумным».

«Исключая даже крошечную долю проблемных данных, мы устраняем ключевой источник ложных корреляций, не снижая общую эффективность модели», — отметил Ким. Тесты показали, что метод превосходит существующие решения, включая те, где проблема была заранее известна. Например, в задачах классификации изображений точность моделей повысилась на 12% – 15% по сравнению с предыдущими подходами.

По словам команды, метод особенно полезен в сценариях, где наборы данных содержат скрытые искажения — от медицинской диагностики до автономного вождения.

Это открытие не только улучшает надёжность ИИ, но и сокращает затраты на переобучение моделей, поскольку не требует масштабной переработки данных. Следующим шагом станет интеграция подхода в промышленные системы, где проблема ложных корреляций остаётся одним из главных барьеров для внедрения ИИ.

OpenAI подписала пятилетнее соглашение с облачным провайдером CoreWeave на сумму $11,9 млрд. Как сообщили компании, сделка включает предоставление OpenAI доли в CoreWeave на $350 млн в рамках частного размещения, не связанного с планируемым IPO последней. Ранее Reuters анонсировал партнёрство, а CoreWeave официально подтвердила его в пресс-релизе.

CoreWeave, поддерживаемая Nvidia (6% акций), специализируется на облачных решениях для ИИ и управляет 32 дата-центрами, которые на конец 2024 года использовали свыше 250 тыс. GPU Nvidia.

Компания уже интегрировала новейшие чипы Blackwell, предназначенные для задач AI-логики. Примечательно, что до соглашения с OpenAI основным клиентом CoreWeave был Microsoft, обеспечивший 62% её выручки в 2024 году — $1,9 млрд против $228,9 млн в 2023-м. Такая зависимость от одного заказчика могла осложнить планы CoreWeave по привлечению $4 млрд в ходе IPO, но партнёрство с OpenAI, вероятно, смягчит опасения инвесторов.

Сделка также высвечивает непростые отношения между Microsoft и OpenAI. Несмотря на то что Microsoft остаётся ключевым инвестором OpenAI с правом получать долю её доходов, конкуренция нарастает.

OpenAI активно борется с Microsoft за корпоративных клиентов, разрабатывает дорогостоящих «AI-агентов», а в январе 2024 года отказалась от эксклюзивности облачных услуг Microsoft, подключив к инфраструктуре Stargate партнёров вроде Oracle и SoftBank. Гендиректор OpenAI Сэм Альтман недавно заявил о нехватке GPU для текущих задач, что объясняет интерес к мощностям CoreWeave.

Со своей стороны, Microsoft усиливает независимость: разрабатывает семейство ИИ-моделей MAI, конкурирующих с OpenAI (включая «o1» и «o3-mini»), а также привлекла Мустафу Сулеймана, бывшего главу DeepMind и соперника Альтмана, для руководства направлением Microsoft AI.

Основанная экс-трейдерами хедж-фондов, CoreWeave начинала как криптомайнинг-проект. Её сооснователи уже вывели $488 млн через продажу акций (свыше $150 млн на каждого), а компания накопила $7,9 млрд долга. В случае успешного IPO часть средств планируется направить на погашение обязательств.

Пока OpenAI воздерживается от комментариев, рынок анализирует последствия сделки. Для CoreWeave это шанс укрепить позиции перед выходом на биржу, а для OpenAI — доступ к критически важным ресурсам в гонке за лидерство в ИИ.

Компания Advanced Micro Devices (AMD) объявила о расширении линейки встраиваемых процессоров x86 за счёт запуска 5-го поколения AMD Epyc Embedded. Новые чипы серии Epyc Embedded 9005 позиционируются как решение для встраиваемых систем, сочетающее вычислительную мощность с функциями, оптимизированными под долгосрочную эксплуатацию, повышенную надёжность и упрощённую разработку приложений.

Основой процессоров стала архитектура Zen 5, обеспечивающая рекордную производительность и энергоэффективность. По заявлению AMD, это позволяет сетевым платформам, системам хранения данных и промышленным edge-решениям обрабатывать больше информации с повышенной скоростью.

«Искусственный интеллект в сетевом трафике, растущие требования к объёмам хранения данных и развитие промышленных периферийных вычислений стимулируют спрос на высокопроизводительные встраиваемые платформы», — отметил Салил Радж, старший вице-президент AMD по адаптивным и встраиваемым вычислениям.

Серия Epyc Embedded 9005 поддерживает от 8 до 192 ядер в одном сокете, что, по данным компании, обеспечивает до 1,3-кратного прироста пропускной способности для сетевых задач и до 1,6-кратного — для систем хранения. Архитектура Zen 5c, лежащая в основе процессоров, повышает энергоэффективность: по сравнению с конкурентами AMD заявляет о 1,3-кратном преимуществе в производительности на ватт и аналогичном приросте пропускной способности сокета.

Ключевые технические особенности включают поддержку до 6 ТБ DDR5-памяти на сокет и 160 линий PCIe Gen5 с совместимостью CXL 2.0. Это расширяет возможности подключения периферии и ускоряет передачу данных в сетевых и storage-решениях.

Для встраиваемых систем критичны долгий жизненный цикл и стабильность: AMD гарантирует семилетний срок поставок процессоров, что упрощает долгосрочное планирование для разработчиков.

Корпоративные партнёры AMD, включая Cisco и IBM, уже интегрируют новые чипы в свои продукты. «Мы выбрали Epyc Embedded 9005 для топовых фаерволов из-за масштабируемости до 192 ядер, высокой пропускной способности памяти и интерфейсов», — заявил Лукаш Бромирски, директор по управлению продуктами Cisco.

В IBM подчеркнули преимущества процессоров для систем хранения: «Избыточные пути передачи данных и расширенные возможности подключения Epyc Embedded 9005 идеально дополняют высоконагруженные приложения IBM Storage Scale System 6000, ориентированные на ИИ», — пояснил Мэттью Гайзер, руководитель продукта IBM Storage для Data, AI и HPC.

Процессоры Epyc Embedded 9005 выпускаются в форм-факторе SP5, совместимом с предыдущим поколением 9004, что упрощает переход для текущих клиентов. Поставки для ранних заказчиков уже начались, а массовое производство запланировано на второй квартал 2025 года.

Малоизвестный китайский стартап Butterfly Effect привлёк внимание мирового AI-сообщества, запустив Manus AI — многофункционального агента, способного автономно выполнять сложные задачи, от генерации отчётов до управления десятками социальных аккаунтов.

Manus AI, анонсированный 5 марта в соцсети X, позиционируется как «первый универсальный ИИ-агент», который действует самостоятельно. Разработчик, компания Butterfly Effect с офисами в Пекине и Ухане, насчитывает всего несколько десятков сотрудников, но уже успел заявить о себе благодаря предыдущим проектам, включая Monica.ai — популярный AI-ассистент в виде браузерного расширения. Основатель стартапа, 33-летний Сяо Хун, выпускник Уханьского университета науки и технологий, ранее создавал приложения для WeChat, позже приобретённые крупными компаниями.

Название «Manus» отсылает к латинскому «рука» — метафора, подчёркивающая способность агента «помогать» пользователям, беря на себя рутинные операции.

В отличие от чат-ботов, Manus работает как мультиагентная система, комбинирующая несколько моделей для решения задач: анализирует данные, автоматизирует рабочие процессы, пишет и внедряет код. Технологическая основа включает Claude 3.5 Sonnet от Anthropic и доработанные версии моделей Qwen от Alibaba, а переход на Claude 3.7, как утверждают разработчики, усилит способности системы к анализу и исполнению задач.

Пользователи могут делегировать Manus задания асинхронно — например, поручить создание сайта или поиск оптимального жилья в Сан-Франциско по критериям безопасности и близости к IT-кластерам, — а затем вернуться к готовому результату.

Сейчас продукт доступен в закрытой бета-версии по инвайт-кодам, что породило ажиотаж: коды перепродают на китайской площадке Xianyu, а серверы компании не справляются с нагрузкой. Чжан Тао, партнёр по продукту, признал, что команда «не ожидала такого ажиотажа», изначально планируя демонстрационные мощности.

Результаты тестов Manus впечатлили западных экспертов. Роуэн Чен, основатель рассылки The Rundown AI, назвал запуск «потенциальным поворотным моментом для AI-агентов» и провёл параллель с успехом DeepSeek. В тестах Manus создал сайт-биографию с актуальными данными, разработал курс по ИИ из восьми глав и подобрал локации для аренды, анализируя криминальную статистику. Билэвал Сидху, экс-сотрудник Google и AI-блогер, в обзоре на YouTube отметил, что Manus «максимально близок к автономному агенту», демонстрируя умение разбивать сложные проекты на этапы — от анализа карт Google до генерации видеоэффектов в реальном времени.

Однако скептики указывают на ограничения. Некоторые пользователи, например @teortaxesTex в X, критикуют Manus за ориентацию на «инфлюенсерский контент» — составление постов, планов путешествий — при слабых возможностях в STEM-задачах и программировании. Техническую оригинальность также ставят под вопрос: в отличие от DeepSeek-R1 с собственной базовой моделью, Manus использует существующие LLM. Сооснователь и главный научный сотрудник Цзи Ичао подтвердил это, подчеркнув, что система построена на «нескольких отдельных моделях», но пообещал открыть часть кода для сообщества до конца года.

Пока что рано говорить, станет ли Manus «вторым DeepSeek» или останется продуктом с искусственно раздутым ажиотажем. Но даже критики признают: автономные агенты, способные выполнять задачи уровня человека, — уже не фантастика, а реальность, с которой придётся считаться бизнесу. Как отметил Эндрю Уилкинсон, сооснователь Tiny, испытавший Manus на подборе CEO: «Я будто перенёсся на полгода в будущее».