Одним из поводов для разочарования в области аппаратных форматов изображений всегда было медленное развитие. Разработчики обычно не решались поставлять текстуры в новом формате, пока он не становился повсеместно доступным — поддерживался большинством целевого железа и всеми вендорами без исключения. Сегодня три вендора предлагают собственные форматы аппаратного сжатия текстур на лету: ARM AFRC, ImgTec PVRIC4 и Apple Metal Lossy. Игнасио Кастаньо исследовал все три и сравнил их с программным сжатием реального времени Spark от NVIDIA.

— ARM AFRC (Pixel 8, Mali-G715) — явный победитель: по метрике RMSE значительно обходит Spark и других конкурентов во всех форматах.

— Apple Metal Lossy (A15/M2+) — коэффициент сжатия 1:2, API минималистичен: один флаг в дескрипторе текстуры.

— ImgTec PVRIC4 (Pixel 10) разочаровал: драйвер игнорирует запрошенный bitrate, качество хуже Spark для R и RG форматов.

— Vulkan-расширение VK_EXT_image_compression_control унифицирует доступ к аппаратному сжатию через параметр BPC (bits per component).

— Аппаратное сжатие — перспективная альтернатива программному, но пока ограничено современными топовыми устройствами.

Контекст: почему это важно

Разработчики обычно не решались поставлять текстуры в новом формате, пока он не становился широко доступным — то есть поддерживался большинством целевого железа и всеми вендорами. Например, хотя ATI представила форматы 3Dc в 2004 году вместе с Radeon X800 (R420) и открыла их через расширения D3D9, их использование не стало распространённым, когда Direct3D 10 стандартизировал их как BC4 и BC5 в 2007 году. Массовое применение началось лишь тогда, когда Direct3D 10 стал минимальным требованием к железу.

Crysis стала первой крупной игрой, поставляемой с BC5-текстурами, но большинство игр ещё долгие годы не решались устанавливать такое жёсткое требование к железу. Чтобы избежать задержек с принятием, форматы BC6 и BC7 разрабатывались совместно ATI и NVIDIA для Direct3D 11.

Именно поэтому сжатие текстур в реальном времени так интересно: когда кодировщик работает в реальном времени, внедрять новые аппаратные форматы значительно проще — не нужно ждать, пока будет подготовлен контент, целенаправленно созданный под них. Аппаратное сжатие устраняет эту проблему принятия: детали форматов не документируются, их использование абсолютно прозрачно — приложению не нужно явно указывать эти форматы, драйвер сжимает текстуры динамически в процессе рендеринга и загрузки изображений.

Apple Metal: Lossy-сжатие

Apple представила сжатие текстур с потерями в чипах A15 и M2 (оба используют одно поколение GPU). Оно обеспечивает коэффициент сжатия 1:2. Включить его на удивление просто — API минималистичен. Свойство compressionType дескриптора MTLTextureDescriptor принимает значение из перечисления MTLTextureCompressionType, и установка MTLTextureCompressionTypeLossy зачастую является единственным необходимым изменением:

Согласно таблицам возможностей Metal Feature Set Tables, все обычные пиксельные форматы поддерживают сжатие с потерями — включая 10-битные и форматы с плавающей точкой. Тестирование это подтвердило, однако основное внимание сосредоточено на форматах R8, RG8 и RGBA8.

Внутренний алгоритм Apple не задокументирован. По результатам реверс-инжиниринга lossy-форматов используется размер блока 8×4 пикселя — и они напоминают некоторые особенности форматов ETC и EAC. Несмотря на заявленное сжатие 1:2, на практике для каждого блока выделяется один байт метаданных, так что реальное потребление памяти чуть выше заявленного.

Качество на M4 Pro

Для форматов R и RG Metal Lossy показывает результаты лучше кодеков Spark EAC, но хуже BC4 и BC5. Результаты RMSE (Root Mean Square Error — среднеквадратичная ошибка; меньше = лучше):

Формат R:

Формат RG:

Прямое сравнение lossy RGBA8 с форматами Spark некорректно из-за разных коэффициентов сжатия: Metal Lossy поддерживает только 1:2, тогда как форматы Spark RGB(A) — 1:4. Тем не менее, для полноты картины:

Формат RGBA:

Производительность на M4 Pro

С точки зрения производительности lossy-форматы показывают себя отлично и при достаточно большом размере текстуры упираются в пропускную способность памяти. Результаты на M4 Pro (16 ядер GPU) в МПикс/сек:

Обратите внимание, что пропускная способность стандартных блитов остаётся достаточно стабильной вне зависимости от размера текстуры. Кодеки Spark, напротив, имеют фиксированные накладные расходы, которые становятся заметнее при уменьшении размеров текстур. Интересен скачок скорости блитов при 512×512 — у него пока нет объяснения. Также стоит учесть, что кодеки Spark требуют дополнительного копирования из буфера вывода кодека в финальную сжатую текстуру — это дополнительные накладные расходы, которых можно было бы избежать, если бы Metal поддерживал запись в блочно-сжатые текстуры, как это делает Vulkan.

Vulkan: расширение VK_EXT_image_compression_control

В Vulkan расширение VK_EXT_image_compression_control даёт приложениям возможность запрашивать сжатие изображений с фиксированной скоростью. Расширение уже доступно на флагманских устройствах от ARM и Imagination. Включение потерявого сжатия в Vulkan несколько многословнее, чем в Metal, но на практике ненамного сложнее: нужно лишь расширить структуру VkImageCreateInfo, добавив в цепочку VkImageCompressionControlEXT.

Можно использовать флаг VK_IMAGE_COMPRESSION_FIXED_RATE_DEFAULT_EXT, чтобы позволить реализации самой выбрать параметры сжатия:

Альтернативно можно явно указать флаги фиксированной скорости для управления допустимыми коэффициентами сжатия:

BPC (bits per component — бит на компонент) — несколько нестандартная единица, но она позволяет задавать коэффициент сжатия единообразно вне зависимости от количества каналов. Для справки, BPC существующих форматов блочного сжатия GPU:

Расширение VK_EXT_image_compression_control также присутствует в некоторых драйверах AMD и Qualcomm, однако, насколько известно, ни один из этих вендоров не поддерживает аппаратное сжатие изображений с фиксированной скоростью. В случае AMD расширение присутствует в драйвере RADV, чтобы Proton мог отключать потерявое сжатие фреймбуфера в некоторых играх, где оно вызывало проблемы с корректностью — через флаг VK_IMAGE_COMPRESSION_DISABLED_EXT.

ARM AFRC: лучший результат среди всех

ARM Fixed Rate Compression (AFRC) было анонсировано в 2021 году и впервые появилось в Mali-G510 в 2022-м, однако широкого распространения этот дизайн не получил. По-настоящему массовым AFRC стало с выпуском Mali-G715 и Mali-G615 в том же году. Тестирование проводилось на Pixel 8 с GPU Mali-G715.

Устройство сообщило поддержку следующих форматов сжатия с фиксированной скоростью (возможности значительно шире Metal Lossy):

В отличие от Metal Lossy, AFRC не использует дополнительных байт метаданных — все управляющие биты находятся внутри самого блока. Изображение делится на блоки 8×8 пикселей, в ряде случаев разбиваемые на подблоки меньшего размера. Размер каждого блока 8×8 в байтах:

По результатам реверс-инжиниринга удалось установить: AFRC представляет цвета с использованием преобразования YCoCg, а представление пикселей напоминает вейвлет Хаара. Для каждого подблока 4×4 используется 16 коэффициентов, квантование которых зависит от режима. Форматы RGB и RGBA принципиально одинаковы — флаг в заголовке просто указывает, присутствует ли альфа-канал или блок полностью непрозрачен.

Качество AFRC

Качество AFRC впечатляет. В отличие от Metal, здесь можно сделать прямое сравнение с ASTC в реальном времени, поскольку Mali поддерживает сжатие 1:4:

Формат R:

Формат RG:

Формат RGBA:

Во всех случаях RMSE значительно ниже, то есть AFRC превосходит Spark ASTC при нацеливании на ASTC с кодировщиком реального времени. Тем не менее есть несколько случаев, когда Spark даёт более высокое качество: на очень гладких изображениях сжатие AFRC приводит к заметным паттернам дизеринга, раскрывающим границы блоков. Это особенно заметно при использовании AFRC в качестве текстуры с увеличением, тогда как для сжатия фреймбуфера — основного сценария применения — такие паттерны практически незаметны.

Производительность AFRC (Pixel 8)

Включение AFRC не вызывает значительных накладных расходов по сравнению с несжатыми загрузками текстур, за исключением некоторых размеров. Результаты на Pixel 8 в МПикс/сек:

Пропускная способность здесь масштабируется с размером текстуры, а не остаётся стабильной. Накладные расходы одинаково влияют на блиты и compute-шейдеры Spark. В отличие от секции Metal, где lossy-блиты явно доминировали над Spark на малых размерах, здесь картина смешанная: Spark вплотную приближается к AFRC или превосходит его. Это показывает, что кодирование текстур в реальном времени вполне конкурентоспособно с аппаратным сжатием. Абсолютные числа здесь значительно ниже, чем на M4 Pro, — это принципиально разные классы устройств.

ImgTec PVRIC4: разочарование от Pixel 10

ImgTec впервые анонсировала поддержку PVRIC4 ещё в 2018 году для GPU серии Series 6, однако протестировать её удалось только с выходом Pixel 10 на чипе Series D. Первоначальное объявление намекало на то, что, как и Metal Lossy, PVRIC4 поддерживает только 50%-е сжатие, но расширение декларирует более широкий спектр опций:

К большому удивлению, качество вывода оказалось одинаковым вне зависимости от BPC. Дальнейшее расследование показало: драйвер игнорирует запрошенный BPC и всегда использует 4 bpc (сжатие 1:2). Формат блоков PVRIC4 — наиболее сложный из всех трёх вендоров: размер блоков составляет 16×16 пикселей, и, как в Metal Lossy, присутствует один байт метаданных на блок. Сделать реверс-инжиниринг практически не удалось.

Качество PVRIC4

Качество оказалось разочаровывающим. Для форматов R и RG Spark фактически превосходит PVRIC4 при нацеливании на стандартные форматы блочного сжатия, поддерживаемые этим железом:

Формат R:

Формат RG:

Для RGBA прямое сравнение невозможно из-за разных коэффициентов сжатия, но качество также значительно хуже других вендоров:

Формат RGBA:

Производительность PVRIC4 (Pixel 10)

Кривая пропускной способности на этом устройстве существенно отличается от Pixel 8: пик приходится на размеры 1024–2048, а не монотонно возрастает с размером. На больших размерах пропускная способность Spark фактически выше, чем у несжатых загрузок текстур. Это характерно для устройств, ограниченных пропускной способностью памяти: обычный блит должен прочитать всё входное изображение и записать обратно тот же объём данных, тогда как Spark записывает лишь 1/4 входных данных. Экономия на записи зачастую перекрывает вычислительные затраты кодирования.

Комментарий PowerVR Dev (ImgTec)
PVRIC4 поддерживает только сжатие 1:2. TFBC (доступен исключительно в чипах Rogue XE) поддерживал соотношения 1:2, 1:4 и 1:3. Дизайн расширения был спорным — многим не нравилась многословность выбора BPC, поэтому было решено экспонировать все BPC в рамках поддерживаемых соотношений и повышать их до поддерживаемого ratio. Это считалось допустимым, поскольку качество не деградирует относительно запроса приложения, а приложение всё равно обязано запрашивать реальный размер изображения, который не гарантирует уменьшения.

Spark: программная точка отсчёта

Spark — библиотека NVIDIA для программного сжатия текстур в реальном времени. Работает на GPU как compute shader, поддерживает форматы BC1–BC7 и ASTC. В тесте выступает базовой точкой сравнения как лучшее доступное программное сжатие без специализированного железа.

Spark показывает стабильные результаты по форматам, но требует явного вызова compute-прохода — это дополнительный этап в пайплайне. Аппаратное сжатие, напротив, встроено в рендеринг и не требует дополнительного кода. Отдельный плюс Spark — предсказуемое и согласованное поведение на всех устройствах, что важно, если унифицированный вывод критичен для вашего сценария. Ни один из форматов аппаратного сжатия пока не доступен через WebGPU — если это изменится, расширить spark.js для их поддержки будет несложно.

Итоги: кто победил

ARM AFRC — явный победитель. Это не только превосходит программные реализации вроде Spark, но и обходит все остальные форматы по всем метрикам. Итоговая таблица RMSE по всем протестированным форматам:

Стоит оговориться: результаты PVRIC4 могут не отражать полного потенциала железа — драйвер игнорирует запрошенный коэффициент сжатия и всегда использует 1:2. Возможно, эти результаты удастся пересмотреть после исправления проблемы.

Аппаратное сжатие — убедительная альтернатива программному. Главная оговорка — оно сейчас ограничено современными топовыми устройствами, которые как раз и располагают наибольшим объёмом памяти и пропускной способностью.

Даже когда нативное аппаратное сжатие доступно, есть веские причины продолжать использовать Spark. Вывод аппаратного сжатия различается у разных вендоров, и в некоторых случаях — как мы видели с PVRIC4 — качество уступает кодировщику реального времени. Если для вашего сценария критичен единообразный и предсказуемый вывод на всех вендорах, Spark остаётся правильным выбором.

Компилятор написан на Rust, насчитывает около 100 000 строк кода и может собирать Linux 6.9 для архитектур x86, ARM и RISC-V.

Как это вообще произошло

В эксперименте использовалась модель Claude Opus 4.6, запущенная в режиме так называемых agent teams. Это подход, при котором несколько экземпляров ИИ работают параллельно над одним репозиторием и сами решают, какие задачи брать дальше.

Всего в проекте одновременно работали 16 агентов, каждый из которых запускался в отдельном контейнере и синхронизировался через Git.

Чтобы агенты не мешали друг другу, они «блокировали» задачи с помощью файлов-локов — если один агент уже взялся за парсинг if, другой был вынужден выбрать другую часть компилятора.

Процесс длился почти две недели и включал около 2000 сессий Claude Code. Общая стоимость эксперимента составила примерно $20 000.

Что умеет получившийся компилятор

На выходе получился рабочий, хоть и экспериментальный инструмент:

• собирает Linux 6.9;
• компилирует крупные проекты вроде SQLite, Redis, FFmpeg и QEMU;
• проходит около 99% тестов из GCC torture test suite;
• способен скомпилировать и запустить DOOM — неофициальный, но показательный бенчмарк.

Важный момент: у ИИ не было доступа к интернету, то есть делалось в рамках имеющейся «базы знаний» модели.

Где начинаются ограничения

Несмотря на впечатляющий результат, компилятор далек от промышленного использования:

• нет собственного ассемблера и линковщика — они частично заимствуются у GCC;
• кодовая база нестабильна: новые изменения часто ломают старые части;
• 16-битный x86-код (нужный для загрузки Linux) реализован «читерски» — через вызов GCC.

Сами авторы также подчеркнули, что модель уперлась в потолок своих возможностей — дальнейшее развитие компилятора становится все менее предсказуемым.

Все это — на чипе с 3 КБ оперативной и 24 КБ флеш-памяти, без сетевого интерфейса, Wi-Fi или Ethernet.

Откуда там вообще чип?

Автор проекта рассказывает, что давно коллекционировал одноразовые вейпы, но со временем устройства начали попадаться с куда более интересной начинкой.

Вместо обычного черного эпоксидного «блоба» он обнаружил маркированный микроконтроллер PUYA C642F15, позже идентифицированный как PY32F002B с ARM Cortex-M0+ частотой 24 МГц.

Вейпы, по сути, оказались носителями полностью программируемых микроконтроллеров.

Как он вывел это в сеть?

Wi-Fi, Ethernet или даже Bluetooth в таких устройствах, разумеется, нет. Но автор воспользовался семихостингом — механизмом отладки, при котором отладчик может отправлять и принимать данные через подключенный JTAG/SWD интерфейс.

Далее он применил довольно хакерское решение: использовал pyOCD для создания telnet-порта с выходом семихостинга, затем через socat пробросил это в виртуальное TTY-устройство, поверх него поднял SLIP (Serial Line Internet Protocol). Да, тот самый, из эпохи dial-up.

После этого на Linux можно было поднять IP-интерфейс sl0 и назначить IP-адрес — теперь микроконтроллер был виден как узел локальной сети.

А веб-сервер?

В качестве TCP/IP-стека был выбран uIP — крайне легкий вариант от Contiki OS, специально рассчитанный на 8- и 16-битные микроконтроллеры.

Он же включает в себя минимальный HTTP-сервер. После небольшой адаптации под семихостинг и исправления проблем с выравниванием памяти на ARM все заработало.

Причем не просто «заработало», а заработало удивительно быстро: после оптимизации буферов и избавления от побайтной передачи, RTT упали до 20 мс, а загрузка страницы — до 160 мс.

Несмотря на сверхограниченные ресурсы (всего 3 КБ RAM, из которых почти половина уже занята сервером), автор сумел:

• организовать буферизацию и кольцевой буфер;
• запустить TCP/IP-стек и веб-сервер;
• реализовать подсчет посещений и возврат JSON-ответов;
• полностью уместить все в оставшиеся ~20КБ флеша.

Он даже добавил простую статистику: уникальный ID микроконтроллера и количество посещений со времени последнего «краша».

Зачем это все?

Как отмечает сам автор, цель была не в создании полезного веб-сервера, а в демонстрации возможностей предельно скромного «железа», которое в обычной жизни просто выбрасывается.

Иными словами — это искусство, хакерская эстетика и демонстрация инженерной изобретательности.

Одно из главных новшеств — container-aware GOMAXPROCS: теперь по умолчанию значение GOMAXPROCS учитывает лимиты CPU в cgroup.

На Linux это позволит процессам внутри контейнеров (например, в Kubernetes) автоматически адаптировать использование процессорных ресурсов к выделенной квоте.

Параметр обновляется динамически, если лимиты меняются, и может быть отключен через переменные окружения.

Новый сборщик мусора — до 40% быстрее

В экспериментальном режиме появился garbage collector нового поколения с улучшенной локальностью и масштабируемостью.

Он особенно эффективен в приложениях с большим количеством мелких объектов, снижая накладные расходы на GC на 10–40%. Включается через GOEXPERIMENT=greenteagc.

Trace Flight Recorder: отладка по горячим следам

Введен runtime/trace.FlightRecorder — «черный ящик» для приложений на Go.

Он постоянно пишет трейс в кольцевой буфер, позволяя при наступлении события выгрузить последние секунды исполнения в файл.

Нововведение значительно упрощает отладку редких и трудно воспроизводимых багов.

Другие изменения в рантайме и инструментах

• Исправлена ошибка компилятора с отложенной проверкой nil, из-за которой некорректный код мог выполняться без паники.
• Добавлена поддержка DWARF5 — меньше отладочной информации и быстрее линковка.
• Улучшено выделение памяти для слайсов — быстрее в ряде сценариев.
• В Linux теперь можно видеть имена анонимных VMA ([anon: Go: heap]) в отладочных инструментах ядра.
• Новый пакет testing/synctest для тестирования конкурентного кода с виртуальным временем.
• Экспериментальный пакет encoding/json/v2 с ускоренным парсингом и расширенной конфигурацией маршалера.
• Новый метод WaitGroup.Go для удобного запуска горутин с учетом синхронизации.

Платформенные изменения

Go 1.25 требует macOS 12 и выше. 32-битная Windows/ARM-платформа будет удалена в следующем релизе.

На RISC-V появился режим сборки плагинов и поддержка профиля RVA23U64.

Все ждали, что вот-вот начнётся киберпанк: наши аватары будут тусоваться в 3D, ходить по виртуальным улицам и работать в офисе на Марсе. Но метавселенная не случилась и вместо этого мы получили пустые миры, лаги и виртуальную морскую болезнь. Чтобы попасть в эту «новую реальность», нужен мощный комп, дорогущий VR-шлем и вестибулярка космонавта. Массовому пользователю это не по карману и не по душе. Даже если вы добрались до метавечеринки — вас ждала примитивная мультяшная графика.

Метавселенная — красивый технологический концепт, но без реального запроса со стороны людей. Одни видели в ней VR и AR, другие — NFT и блокчейн, третьи — некий 3D-интернет. И стало непонятно: что это вообще было и зачем?

Метавселенная обещала стать новым поколением соцсетей, что именно там будет жить наше будущее общение и работа. Весь хайп смыл новый тренд: волна генеративного ИИ. Meta* (признана в России экстремистской организацией и запрещена) и другие техногиганты свернули свои эксперименты и переключились на нейросети.

У бизнеса с метавселенными тоже не сложилось: ни чёткой модели монетизации, ни реальных кейсов. Продажа виртуальной недвижимости в Decentraland, мерч для аватаров, баннеры в виртуальных тусовках — всё больше напоминает Web3-версию The Sims, чем серьёзную платформу с реальной экономикой. Так что будущее в 3D отложили до лучших времён.

Игровые платформы вроде Minecraft, Roblox, Fortnite — это по сути и есть настоящие метавселенные, которые давно живут своей жизнью. Среднестатистический пользователь от виртуальных тусовок отказывается: ему проще зайти в Discord или залипнуть в обычный стрим на Twitch, чем надевать шлем ради планёрки в Horizon Worlds.

Я могу просто посмотреть стрим и получить лучший опыт. Надевать шлем не имеет смысла — никакой пользы

Громкие обещания про «полное погружение» и «эффект присутствия» на практике разбивались о суровую реальность — кривую техническую реализацию. Сейчас платформы выглядят заброшенными: пустые сцены, аватары без ног и скучные шаблонные взаимодействия. Ещё одна проблема — отсутствие единого мира. Все платформы живут по отдельности, между ними нет порталов и возможности перемещаться. К тому же, в виртуальности были серьёзные проблемы с безопасностью — например, случаи домогательств.

Есть надежда, что метавселенная вернётся — когда технологии и контекст будут готовы. Когда VR-шлемы станут лёгкими, дешевыми и удобными, появятся реальные сценарии, а не просто презентации для инвесторов. Тогда, может быть, мы ещё туда заглянем. А пока — rest in pixels, Metaverse.

NFT-мания

Пока одни тусовались в метавселенной и зарабатывали миллионы на продаже пикселей, другие гуглили, что такое OpenSea и почему JPEG стоит как однушка в Москве. Сейчас NFT называют либо финансовым пузырём, либо зачатками новой цифровой инфраструктуры.

Пандемия и локдаун дали интернету второе дыхание. Люди заскучали и начали скупать цифровое искусство, как раньше собирали марки, карточки или скины в играх. В 2021 году NFT стали мейнстримом: CryptoPunks, Bored Ape, Beeple — эти имена знали все. К цифровой лихорадке подключились бренды: Adidas, Nike и даже McDonald’s начали продавать цифровой мерч в метавселенных. Пиксельные обезьяны разлетались, как будто золото будущего: в январе 2022 NFT-маркетплейс OpenSea побил все рекорды, ведь месячный объём торгов составил около $5 млрд. Владение NFT стало признаком цифрового престижа. Люди устанавливали токены себе на аватарки в Twitter, потому что это был цифровой Rolex: если у тебя был токен — ты в теме. А если нет — шёл читать гайды на Tproger.

Но уже к лету того же года рынок начал сдуваться. В июне 2022 объем OpenSea упал до ~$700 млн, а в октябре 2023 он составлял лишь $91 млн. Минус 98% от пиковых значений. Что же пошло не так?

Большинство NFT не дают прав на владение цифровым активом. Вы покупаете не саму картинку, а ссылку на неё в блокчейне. Если сервер с изображением ляжет — останется только строчка кода, свидетельствующая о вашем хорошем вкусе. Многие NFT были просто картинками. Ни привязки к играм, ни доступа к сообществам, ни других функций — только красивая (или не очень) обёртка.

Зачем мне вообще покупать этот NFT вместо настоящего произведения искусства?

Тысячи NFT-проектов выходили каждый день, рынок быстро перенасытился, и в итоге NFT-платформы утонули в спаме и мошенничестве. Один из самых распространённых трюков — wash trading: пользователь продаёт токен сам себе, чтобы искусственно раздуть спрос. Исследования показывают, что по итогам 2022 года более половины объёма торгов NFT на Ethereum приходилось на липовые сделки. Кто-то считает, что NFT со временем обесценились. Но возможно, что они с самого начала были пустышками.

Ещё один удар по доверию — кражи и хаос с плагиатом. Работы художников массово превращали в NFT без их ведома: копировали, заливали и продавали, как своё. Никто не спрашивал разрешения у авторов, и уж точно не предлагал процент с продаж. NFT также критиковали за углеродный след и загрязнение окружающей среды.

NFT как спекулятивный пузырь — фактически умер. Большинство коллекций потеряли всякий торговый смысл: объёмы упали, активные игроки исчезли, а токены превратились в мёртвые цифровые артефакты. Лихорадочные инвестиции, основанные на спекуляциях, просто сдулись.

Но сама концепция уникального цифрового актива живёт дальше. Токен как технология адаптируется и трансформируется. В играх NFT уже показали себя как востребованный юзкейс: игроки могут владеть, торговать и прокачивать виртуальные предметы. Эксперты считают, что инфраструктура останется, и на её базе появятся проекты с реальной практической ценностью. А NFT превратится в элемент цифровой инфраструктуры — как инструмент доступа и сертификат владения. Цифровой «паспорт», который фиксирует принадлежность к сообществам, открывает возможности для участия в клубах и эксклюзивных событиях.

3D‑телевизоры: история провала объёмного кино у вас дома

В начале 2010-х 3D-ТВ казались мегатрендом после хита «Аватар». Однако к 2016 году большинство крупных производителей отказались от выпуска моделей с поддержкой 3D. Многие пользователи так и не получили качественный опыт из-за технических ограничений и ранней стадии развития.

Я знаю, почему 3D-телевизоры провалились: производители поспешили поймать волну кинотеатрального бумa, сделав технологию с тяжёлыми и требующими подзарядки очками. В то же время на горизонте появились большие плоские телевизоры без очков, которые выглядели гораздо лучше и удобнее для пользователей.

Что пошло не так? Во-первых, сами 3D-очки. Их нужно было заряжать, носить поверх своих, а сидеть при этом строго под определённым углом, иначе магия пропадала. Многие отмечают, что это было неудобно — очки были дорогими, тяжелыми, а некоторые зрители уставали уже на середине фильма: жаловались на напряжение в глазах, дискомфорт и головные боли. Технология, которая должна была удивлять, в итоге просто раздражала.

Контента почти не было, и пользователи, купив дорогой телевизор, сталкивались с вопросом: а что, собственно, смотреть? 3D-телевизоры были дороже своих 2D-аналогов, и с развитием 4K, HDR и OLED-технологий потребители начали отдавать предпочтение лучшему качеству изображения без 3D. Зачем платить за условную «глубину», если можно просто получить красивую живую картинку из коробки.

Несмотря на провал 3D-ТВ в их классическом виде, эксперты не ставят на них технологии крест. Как пишет WIRED, новый виток связан с автостереоскопическими дисплеями: они используют трекинг взгляда, линзы и AI, чтобы создавать объёмное изображение прямо на экране — без всяких аксессуаров.

Google Glass: будущее было на носу

Google Glass подавали как прорыв — интерфейс будущего прямо у вас перед глазами. Но вместо футуризма — странная дужка с экранчиком сбоку. Стоила как хороший ноутбук, делала как плохой смартфон. Пользователи получали уведомления на уровне браслета и фото из 2005 года. Памяти почти нет, батарея умирает быстрее, чем вы успеете сказать «Окей, Google».

Соучредитель Google Сергей Брин позже признал, что не понимал, как устроены поставки и насколько сложно произвести такие очки массово и недорого. И это многое объясняет: в Google Glass вложили идею, но не довели её до жизнеспособного устройства.

Хотя запуск обставили красиво: дали очки техноинфлюенсерам, звёздам, первопроходцам — маркетинг остался без главного: никакой конкретики, ни сроков, ни объяснения, зачем это всё нужно. Продукт обсуждали, хайп был — но в продаже его не было. Сама общественность встретила Glass с настороженностью: главной проблемой стала конфиденциальность. У очков не было явного индикатора съёмки, и люди не понимали, записывают их или нет.

Некоторые считают, что Google Glass просто опередили своё время. Прототип показали ещё в 2013 году на Google I/O, а уже к 2015-му производство свернули. На практике очки оказались недостаточно удобными, многие обозреватели говорили, что они нелепо выглядят, а способов их применения никто так и не придумал. При цене в $1500 очки превратились в атрибут избранных гиков, а не в массовый гаджет.

По оценкам аналитиков, всего было продано не более 250 тыс. таких устройств, причем на старте Google отдала лишь 10 000 очков ограниченному кругу «избранных». Попасть к покупателю было сложно — очки продавали только по рекомендациям действующих владельцев. Функционально устройство не впечатляло: маленький прозрачный дисплей с разрешением 640×360, слабая 5-Мп камера, мало памяти и скромные 2–3 часа работы от батареи не соответствовали ожиданиям пользователей.

После провала на массовом рынке Google сменила стратегию на бизнес‑фокус. С 2014 года разрабатывалась корпоративная версия Glass Enterprise Edition, адаптированная для промышленных задач. Однако эти бизнес-успехи не спасли проект на массовом рынке, и Google окончательно закрыла проект в 2023 году.

На фоне фиаско Google Glass, современные игроки делают выводы — и действуют иначе. Ray-Ban Meta* (признана в России экстремистской организацией и запрещена) не обещают революцию — они интегрируют ИИ и камеру в повседневную форму очков. Не «будущее на лице», а стильный способ снять сторис и получить подсказки от ИИ. Apple Vision Pro, напротив, сознательно уходит в премиум и не обещает быть массовым — только для профессионалов, с чётким сценарием: дополнительный дисплей, работа с контентом и Facetime. А Android XR (например, от Samsung) с амбицией создать экосистему, куда подключаются другие производители.

Главные фейлы: почему хайп умер быстрее, чем мы успели надеть шлемы

• Переоценка трендов: компании хотели влететь в хайповый тренд. В итоге технологии оказывались сырыми или неудобными.
• Нет ценности для пользователя: эти продукты часто не решали реальных задач, а разработчики не объясняли, почему именно их стоит использовать.
• Сложность и неудобства: тяжёлые VR-шлемы, громоздкие или нелепые устройства.
• Непроработанные риски: проблемы с приватностью, мошенничеством и токсичностью подрывали репутацию и доверие.

В итоге большинство хайповых технологий проваливаются не из-за идеи, а из-за недостатка внимания к пользовательскому опыту, адекватности технических решений и реальным потребностям рынка. Технологии должны идти в ногу с ожиданиями и возможностями людей, а не только с фантазиями инвесторов и маркетологов. Будущее — за теми, кто сумеет не просто создать инновацию, а сделать её удобной, полезной и понятной.

Контекст

Два года назад ChatGPT взорвал корпоративный мир. CEO наперебой рассказывали на конференциях об ИИ-революции. Инвестиции в проекты достигли пика. Компании массово внедряли кодинговые инструменты, чат-ботов и умных помощников.

А потом случилось неожиданное — ничего.

По данным исследований, 78% компаний теперь используют нейросети хотя бы в одном бизнес-процессе. Парадокс в том, что большинство из них по-прежнему не получают прибыль от этого.

Представьте: сотрудники радостно чатятся с ботами, пишут письма через ChatGPT, генерируют презентации за один клик. Все выглядит футуристично и прогрессивно. Но денег нет. По данным BCG, 74% компаний борются с масштабированием ИИ-сервисов, и лишь 1% руководителей довольны достижениями в этой сфере.

McKinsey провели расследование и нашли неожиданного виновника — самих компаний. Аналитики предлагают радикальное решение: забыть про нейроинструменты и переходить к ИИ-агентам. Эксперты Deloitte прогнозируют, что 25% компаний, использующих генеративный ИИ, запустят их в 2025 году. А Gartner предсказывает, что более 60% всех инноваций в компаниях составят нейропомощники.

Почему ИИ есть везде, а толку нет

Цифры выглядят абсурдно: 78% компаний внедрили ИИ — и 80% из них не заработали на его использовании. Проблема в том, что они относятся к ИИ как к декорации — впечатляет гостей, но толку мало. Сотрудники играют с ChatGPT, генерируют мемы для корпоративного чата и креативят в отчетах. Выглядит круто, но выручка не растет.

McKinsey нашли проблему — дисбаланс инструментов. Компании чаще всего внедряют горизонтальные решения, которые работают сразу во всех отделах, но решают простые задачи. Например, Microsoft 365 Copilot установлен уже в 70% крупных компаний. Он помогает писать письма, создавать презентации, переводить тексты. Польза есть, но размазана тонким слоем по всей компании.

А вот вертикальные проекты — те, что встроены в конкретные бизнес-процессы и работают глобально — провалились. По данным McKinsey, только 10% таких решений реально работают. Компании пытались автоматизировать продажи, аналитику и логистику. Но программисты строили решения с нуля, ИТ-команды работали в изоляции, а бизнес-процессы никто не переосмыслил.

Рассмотрим поближе. Copilot помогает менеджеру написать письмо клиенту за 30 секунд вместо пяти минут. Экономия — 4,5 минуты. Но когда менеджер две недели ждет аналитику по продажам, потому что данные разбросаны по десятку систем, Copilot бессилен.

ИИ стал очередной офисной техникой, а не глобальным инструментом. Нужны комплексные решения, которые изменят весь рабочий процесс, а не локальные нейросети для канцелярщины.

Что такое ИИ-агенты

ИИ-агенты работают иначе. Обычный ChatGPT ждет команду и выдает ответ. Агент получает цель и сам решает, как ее достичь. Он может запросить данные из CRM, проанализировать историю покупок, найти похожие кейсы, принять решение и послать пуш всем членам команды.

У агентов четыре фичи:

• Память — они помнят историю действий и контекст задачи.
• Планирование — разбивают сложную задачу на шаги.
• Автономность — действуют без постоянного контроля человека.
• Интеграция — подключаются к любым системам компании.

Рассмотрим пример. Клиент жалуется на задержку доставки в 23:00. Обычный ИИ сгенерирует вежливое извинение и «пошлет» покупателя. Агент же проверит трек-номер, найдет посылку, обнаружит, что она лежит в соседнем городе, свяжется с курьерской службой, договорится о доставке на удобный день, отправит клиенту SMS с новым временем и автоматически начислит бонусы за неудобства. К утру проблема решится.

Исследование Warmly показывает: 85% крупных компаний планируют внедрить агентов до конца 2025 года. А 62% ожидают от них полную окупаемость инвестиций или сверхприбыль.

Агенты не заменяют людей — они преобразуют их роли. Менеджер не исполняет задачу, а контролирует ее ход. Вместо обработки заявок он мониторит качество работы агентов и решает нестандартные ситуации. Рутина уходит к машинам, творческие задачи остаются людям.

Главный вызов — не технологии

McKinsey определили: чем сложнее становятся агенты, тем труднее их внедрять. Основная проблема — не в коде или алгоритмах, а в людях. Организационная сложность проявляется в трех измерениях:

• Первое — существование людей и агентов. Последние не просто помогают людям, они работают вместе с ними. Взаимодействие часто порождает недоверие к «бездушной машине». По данным KPMG, 48% людей считают, что ИИ уничтожит больше рабочих мест, чем создаст.
• Второе — контроль автономности. Агенты не ждут инструкций, они адаптируются и иногда удивляют. Здесь встает вопрос контроля и оценки результатов работы ИИ. В McKinsey подчеркивают: задача не устранить автономность, а сделать ее понятной и согласованной с целями организации.
• Третье — предотвращение неконтролируемого размножения агентов. Как только low-code платформы сделают создание агентов доступным каждому, компании будут рисковать получить новый вид теневого ИТ. Агенты размножатся по командам, задублируют функции и заработают бесконтрольно.

Появятся и новые роли в компаниях. Промпт-инженеры доработают взаимодействие с агентами. «Дирижеры» агентов управляют рабочими процессами цифровых команд. Дизайнеры человеко-машинного взаимодействия создают исключения и выстраивают доверие. При этом исследования показывают, что традиционные промпт-инженеры уже устаревают — современные модели сами формулируют запросы.

Доверие формируют не системные требования или бенчмарки. Люди доверяют агентам, которые общаются, предсказуемо ведут себя и легко включаются в рутинные задачи.

Как выстроить современную ИИ-архитектуру

McKinsey предлагают новую парадигму — сеть ИИ-агентов. Это система, где они рассуждают, сотрудничают и действуют автономно через множество инструментов. Решение безопасно и легко масштабируется.

Ранее процессы строились вокруг изолированных LLM-решений. Сеть агентов работает по-другому — как цифровая экосистема. Агенты обмениваются контекстом, делегируют задачи друг другу, координируют действия. Один агент анализирует данные клиента, второй проверяет кредитную историю, третий готовит документы. Все синхронизировано и прозрачно.

У архитектуры пять принципов:

1. Композиционность — любой агент подключается без изменения системы.
2. Распределенный интеллект — задачи решают сети взаимодействующих агентов.
3. Многоуровневое разделение — логика, память и интерфейсы работают независимо.
4. Вендор-нейтральность — компоненты легко заменяются при развитии технологий.
5. Управляемая автономность — поведение агентов контролируется через различные права доступа.

При этом агенты создают новые системные риски: неконтролируемую автономность, фрагментированный доступ к системам, уязвимость к атакам. Автоматизация может быстро превратиться в хаос.

Компании должны готовиться уже сейчас. В краткосрочной перспективе API остаются основным интерфейсом для агентов. В долгосрочной — ИТ-архитектуру нужно перестраивать под агент-ориентированную модель. Системы будут организованы не вокруг экранов и форм, а вокруг машиночитаемых интерфейсов и автономных процессов.

Microsoft уже встраивает агентов в Dynamics 365, Salesforce расширяет Agentforce, SAP перестраивает платформу под интеграцию с агентами. Будущее корпоративного софта за ИИ-агентами, считают аналитики.

ИИ-агенты не должны стать новыми принтерами — это полноценные коллеги, которым нужно передавать рутинные задачи, общаться с ними и вместе продвигать бизнес. Человеку в этой схеме надо следить за новыми «сотрудниками», направлять их и креативить, решать нестандартные задачи. Аналитики из McKinsey правы: пора переосмыслить бизнес-процессы, подготовить команды к новыми технологиям и построить современную архитектуру. Иначе можно остаться за бортом.

Больше про ИИ — в нашем тг-канале!

Правда, много времени у них это не заняло — уже летом 2019 году компания представила собственную систему HarmonyOS. Сейчас Huawei активно ее развивает и релизит мощные фичи, а сама ОС ориентирована на на широкий спектр устройств — от смартфонов до IoT-устройств. В статье рассказываем, сможет ли HarmonyOS составить серьезную конкуренцию iOS, Android и Linux.

А мы возьмем и сами сделаем: что из себя представляет HarmonyOS

HarmonyOS часто сравнивают с Android, но это не совсем правильно. Первые версии HarmonyOS, использовавшиеся на смартфонах, были тесно связаны с Android — по сути, они форк Android AOSP, в который встроили новые модули Huawei. Однако с версией HarmonyOS 4 (выпущена в 2023 году) началось постепенное отдаление от Android-ядра. Тогда Huawei пообещал, что следующая итерация, HarmonyOS Next, будет полностью независимой, без возможности запуска Android-приложений. Так и получилось.

При чем здесь OpenHarmony

Как и Android Open Source Project (AOSP), Harmony OS написана на проекте с открытым исходным кодом. И Huawei — главный разработчик, но не единственный. За развитием OpenHarmony стоит Open Atom Foundation — некоммерческая организация с открытым исходным кодом, в которую входят такие крупные игроки, как Alibaba, Baidu, Huawei, Inspur, Qihoo 360, Tencent и China Merchants Bank.

Несмотря на то, что OpenHarmony — полноценная операционная система, она изначально не создавалась как готовый продукт для конечных пользователей. Аналогично AOSP, OpenHarmony скорее представляет собой фундамент, на основе которого другие компании или разработчики могут создавать собственные продукты. Поэтому потребительских устройств на «чистом» OpenHarmony вы не встретите — как и устройств на «чистом» AOSP.

Исходный код OpenHarmony лежит на Gitee (китайском аналоге GitHub), подобном Github, базирующемся в Китае). Текущая стабильная версия OpenHarmony — 5.0, вышла в сентябре 2024.

Окончательная независимость — HarmonyOS Next

В 2024 году Huawei анонсировал HarmonyOS Next, который стал первым релизом без поддержки Android-приложений. Это значит, что разработчикам придётся создавать приложения с нуля или портировать их на новую платформу. Чтобы стимулировать переход, Huawei предлагает разработчикам SDK, IDE и денежные субсидии. Компания заявляет, что уже более 4000 китайских разработчиков начали адаптировать свои приложения.

Это также первый релиз HarmonyOS, не основанный на Linux-ядре. По сути, это первый громкий случай в истории, когда глобальная технологическая компания создает собственную операционную систему, полностью независимую от Запада.

Об архитектуре

Huawei отказались от Linux и Android в пользу собственного микроядра. Это распределенная ОС, где каждый компонент выполняет конкретную узкую функцию, а вся система легко масштабируется и адаптируется под разные устройства. По словам Huawei, 15 000 приложений уже стали частью их экосистемы.

Вот основные компоненты HarmonyOS:

• Микроядро. Главная особенность архитектуры HarmonyOS — полностью собственное микроядро, не основанное на Linux. Оно выполняет только базовые функции: управление памятью, планирование задач, межпроцессное взаимодействие и безопасность. Все остальное, включая драйверы и файловые системы, вынесено в пользовательское пространство — это повышает надёжность и защищённость системы. За безопасность ядра отвечает архитектура StarShield. IPC работает через шифрованные каналы, а само ядро поддерживает разные архитектуры, включая ARM, x86 и RISC-V.
• API и SDK для разработки приложений. Он включает модули для интерфейса, мультимедиа, управления и взаимодействия между устройствами. Все работает через среду DevEco Studio. Поддерживает «мультискрин» — например, перетаскивание видео с телефона на телевизор или передачу вызова на часы. Под HarmonyOS приложения пишутся на двух языках — ArkTS (прокаченная версия TypeScript) и Cangjie (подробнее об этом языке можно почитать здесь).
• Ark Compiler. Ark Runtime — аналог Android Runtime, но адаптированный под HarmonyOS. Запускает приложения, созданные на ArkTS и Ark UI. Главное преимущество — можно один раз написать приложение, и оно будет работать на любом устройстве HarmonyOS. По словам Huawei, с помощью компилятора устройства могут работать до 30% быстрее и тратить на 20% меньше энергии.
• ArkUI + ArkTS. ArkUI — фреймворк, чем-то похожий на SwiftUI. Он декларативный и работает на языке ArkTS. Если вы писали на TS, то до 97% кода можно сохранить без изменений.

HarmonyOS Next — это попытка Huawei создать «всё в одном»: одну операционку для ноутбуков, часов, ТВ и бытовой техники (чайники, берегитесь). Вместо тяжёлой системы с кучей костылей, микроядро и интерфейс ArkUI, благодаря которым приложения легко адаптируются под любой экран. Это особенно важно, потому что Система должна заменить целый набор западных сервисов, недоступных в Китае. Правда, есть нюанс. HarmonyOS Next все-таки может запускать Android-приложения, но не нативно. Для этого она использует эмулятор EasyAbroad (处境), который позволяет запускать популярные аппы типа YouTube, Gmail, Google Maps и другие. Интерфейс напоминает магазин приложений, все работает адекватно, но пока нет пушей.

Конечно, куда же без ИИ: в системе встроена собственная языковая модель PanGu-Σ и платформа глубокого обучения MindSpore. Huawei хочет, чтобы ИИ отвечал на команды, помогал управлять техникой и делал устройства умнее без подключения к облаку. Такой подход дает шанс создать замкнутую экосистему без Google и OpenAI — и это реальная альтернатива для китайского рынка.

Конкуренция с Западом — это реально?

В октябре 2024 года HarmonyOS поддерживалась на 1 млрд устройств (но вопрос в том, сколькими из них пользуются), а количество зарегистрированных разработчиков сейчас уже явно перевалило за 6,8 млн. Но здесь нужно учитывать, что почти все из них сосредоточены внутри Китая. Да, это делает HarmonyOS самой популярной операционкой в пределах одной страны, но ее глобальное влияние пока невелико.

Если говорить о Linux, то, конечно, ее доля на мировом рынке невелика — всего 4%, но при этом это доминирующая ОС на серверах, встраиваемых системах и среди энтузиастов. Что касается мобилок, Android пользуются более 72% юзеров, iOS — 27,5%, и чуть меньше одного процента уходит Самсунгу.

Какие у HarmonyOS могут быть проблемы:

1. Без глобальной поддержки разработчиков HarmonyOS будет сложно конкурировать с Play Store и App Store.
2. В других странах HarmonyOS практически не распространен.
3. Хотя Huawei обещает открыть HarmonyOS, на деле исходные коды доступны лишь частично.
4. HarmonyOS — часть китайской технологической независимости. Ну, лицо запада представляете.

Однако Huawei делает ставку на «национализацию» ОС: если HarmonyOS будет использоваться во всех госучреждениях, школах, армии и госсекторе, это может создать внутренний рынок в сотни миллионов устройств. Кроме того, Huawei активно развивает партнерства с китайскими брендами: электромобилями (например, Aito, Avatr), бытовой техникой, носимыми устройствами. Другими словами, экосистема, которую мы заслужили.

Если Huawei удастся доказать, что HarmonyOS действительно надёжнее, быстрее и безопаснее, чем Android или Linux (а может, даже Windows или MacOS), это может привлечь интерес и в развивающихся странах, особенно в Азии и Африке.

Сейчас на глобальном уровне китайцам вряд ли удастся подвинуть западные технологии: Android и Linux обладают колоссальной инерцией и экосистемами, выстроенными десятилетиями. Хотя ставка на искусственный интеллект действительно может сыграть. Главное сейчас для Huawei — привлекать как можно больше разработчиков в HarmonyOS и доказывать, что оно того стоит. Может быть, через несколько лет мы увидим альтернативный цифровый мир через границу (или даже окажемся в нем…).

iOS или Android? React Native или Flutter? Собираем все новости и гайды по мобильной разработке тут.

Больше новостей — в нашем тг-канале «Представляешь»

Причина — критическая ошибка в механизме динамической загрузки символов и работе с Pointer Authentication (PAC) на архитектуре arm64e. А ведь речь идёт о типовом коде с dlopen() и dlsym() — ничего нестандартного.

Вызываешь strcmp() через dlsym, вроде бы получаешь валидный указатель, но при вызове — краш. В системных логах фигурирует KERN_PROTECTION_FAILURE, указывающий на проблему с PAC-подписью указателя.

Ошибка не единичная — повторный запуск воспроизводит падения, а адреса strcmp каждый раз разные, как будто подпись сломана или отсутствует вовсе.

PAC и двойная подпись: что пошло не так

На новых чипах Apple (в частности, A15) используется расширенный механизм PAC из архитектуры Armv8.6-A. В этой версии подпись не заменяет старшие биты указателя, а XOR'ится с ними — что делает поведение более тонким и сложным.

Выяснилось, что в dyld (динамическом загрузчике macOS/iOS) отсутствует важная инструкция XPACI, которая должна была очищать старую подпись перед повторной подписью указателя. В результате символ, полученный через dlsym, оказывается подписан дважды — и система воспринимает его как kernel-указатель. Это приводит к сбою безопасности на уровне ядра и аварийному завершению приложения.

Особо интересный момент: strcmp — это не прямая функция, а лениво резолвящийся stub (EXPORT_SYMBOL_FLAGS_STUB_AND_RESOLVER), который изначально ссылается на функцию __platform_strcmp_ptr в другой библиотеке. Именно на этапе резолвинга и возникает ошибка: dyld получает один раз подписанный указатель и подписывает его снова, не очистив первую подпись.

Почему падает не всё подряд?

Вопрос, который возникает у многих: почему strcpy, загружаемый тем же способом, работает, а strcmp — нет? Ответ — в деталях реализации. У strcpy нет флага ленивого резолвинга, значит вызов не проходит через тот же багованный путь в dyld.

Ещё один важный момент: стандартный загрузчик обычно использует безопасный режим (Loader::skipResolver), который не активирует резолвер. А вот ручной вызов dlsym() в коде напрямую запускает багованный сценарий.

И да, это настоящая проблема

Проблема воспроизводится стабильно, но только при специфических условиях: arm64e, PAC, использование dlsym, вызов функции с ленивым резолвером. Однако таких случаев может быть гораздо больше, особенно в нативных iOS-приложениях, использующих сторонние библиотеки или плагины.

Пока Apple не выпустила исправление, разработчикам остаётся избегать ленивой загрузки таких символов или вручную пересписывать указатели. Костыльно, но безопаснее.

В статье — 10 актуальных направлений, которые уже работают. Если у вас есть опыт в разработке, автоматизации или работе с данными, вы сможете найти здесь идеи, как использовать свои знания и монетизировать их с помощью ИИ.

Разработка персонализированных ИИ-ассистентов

Готовые нейросети умеют много, но работают стандартно. Бизнесу и частным пользователям нужны ИИ-помощники, которые решают проблемы быстрее, чем человек, и точнее, чем универсальные решения.

Для кого это актуально

• Частные специалисты. Врачи, юристы, бухгалтеры, маркетологи — все, кому нужен персональный помощник для работы с клиентами и документами.
• Бизнес. Компании хотят автоматизировать поддержку клиентов, ведение заказов, анализ рынка.
• Образовательные платформы. ИИ-ассистенты помогают отвечать на вопросы студентов, генерировать тесты, проверять задания.

Что можно делать

1. ИИ-секретарь. Принимает заявки, записывает клиентов, напоминает о встречах. Подойдет для стоматологий, салонов красоты, частных консультантов.
2. Финансовый помощник. Считает расходы, прогнозирует бюджет, напоминает о платежах. Полезен для ИП, фрилансеров и небольших компаний.
3. HR-бот. Проводит первичный отбор резюме, задает вопросы кандидатам, помогает составлять вакансии. Актуально для кадровых агентств и больших компаний.
4. Юридический помощник. Автоматически проверяет договоры, ищет ошибки, консультирует по типовым вопросам. Удобно для юристов и бухгалтеров.
5. AI для интернет-магазинов. Рекомендует товары, помогает выбрать размер, отвечает на вопросы клиентов.

Какие инструменты использовать

• GPT-4, YaLM 2 — для текстовых ассистентов. GPT-4 доступен через OpenAI API, YaLM 2 — российская разработка, можно скачать бесплатно.
• Rasa, BotPress — платформы для создания AI-чатботов. У Rasa есть open-source версия, BotPress прост в настройке.
• Speech-to-Text API от Google, Яндекс SpeechKit — если нужен голосовой помощник.
• LangChain — библиотека для сложных ИИ-ассистентов, которые работают с базами данных и API.

Как зарабатывать

1. Фриланс. Создавать AI-ассистентов под заказ через Kwork, Upwork, FL.ru.
2. Подписка. Разрабатывать SaaS-решения, где пользователи платят за доступ.
3. Готовые решения. Продавать ассистентов для популярных ниш (например, AI-бот для кафе).
4. Консалтинг. Настраивать AI для бизнеса, обучать сотрудников.

Создание ИИ-плагинов для популярных платформ

Люди работают в привычных инструментах. Разработчики пишут код в VS Code и PyCharm, дизайнеры — в Figma, контентщики — в Notion. Они не хотят менять свои приложения, но хотят больше удобства. Все, что помогает работать быстрее и качественнее. В коде, дизайне, контенте, аналитике. Например:

• Для разработчиков — автогенерация комментариев к коду, поиск ошибок, оптимизация функций.
• Для дизайнеров — генерация UI-компонентов, адаптация интерфейса под мобильные устройства.
• Для копирайтеров — улучшение текстов, анализ стиля, сокращение длинных фраз.
• Для маркетологов — анализ трендов, поиск лучших заголовков, генерация A/B-тестов.

Где размещать плагины

Каждая крупная платформа имеет свой маркетплейс. У Figma — Figma Community, у VS Code — Marketplace, у Notion — интеграции через API. Для российских пользователей доступны плагины в маркетах JetBrains и Tilda. Если продукт полезен, его заметят и начнут скачивать.

Как монетизировать

Есть три варианта. Можно сделать плагин бесплатным, но продавать PRO-функции. Можно продавать подписку, если у плагина есть постоянные пользователи. А можно зарабатывать на кастомных версиях, когда бизнесу нужен ИИ-инструмент под конкретные задачи.

Все дело в том, что люди готовы платить за удобство. Они уже привыкли к ИИ, но не хотят тратить время на сложные настройки. Поэтому если плагин реально экономит часы работы — его будут часто устанавливать и использовать, если более сложная разработка, а точнее решение проблемы — тогда дополнительно нужно будет подключить продвижение среди профессионального сообщества.

Консультирование бизнеса по внедрению ИИ-инструментов

Бизнес тоже хочет использовать ИИ-инструменты, но не всегда понимает как. Руководители слышали про ChatGPT, нейросети для генерации контента и автоматизацию процессов, но не знают, с чего начать. Это и создает спрос на ИИ-консультантов.

Компаниям не нужны сложные теории, им нужны конкретные решения. Например, в интернет-магазине можно внедрить чат-бота, который отвечает на вопросы клиентов и рекомендует товары. В логистике — ИИ, который прогнозирует задержки поставок. В HR — сервис, который анализирует резюме и находит лучших кандидатов. Но бизнесу нужен специалист, который расскажет, какие технологии выбрать, как их адаптировать и сколько это стоит.

Кто может зарабатывать на AI-консалтинге

Разработчики, аналитики, ИИ-специалисты. Главное — не просто разбираться в технологиях, а уметь объяснять их бизнесу. Если человек работал с нейросетями, настраивал ML-модели или интегрировал ИИ в проекты, он уже может предлагать услуги консультирования.

Как искать клиентов

Есть три варианта. Первый — через фриланс-биржи (Kwork, FL.ru). Второй — через личные связи и нетворкинг. Третий — через выступления и статьи. Если эксперт показывает, как ИИ решает бизнес-задачи, к нему приходят клиенты.

Форматы работы

Можно делать разовые консультации: разбирать задачи бизнеса и предлагать решения. Можно вести проект: помогать внедрять ИИ, настраивать инструменты, обучать сотрудников. Можно продавать готовые гайды и обучающие материалы для компаний.

Все дело в том, что бизнесу не нужны просто ИИ-модели. Им нужны работающие решения, которые экономят деньги и время. И если разработчик может объяснить, как это сделать, значит первый миллион не за горами.

Фриланс на кастомизации популярных нейросетей

Готовые нейросети работают хорошо, но не идеально. Компании хотят, чтобы ИИ понимал их задачи, работал точнее и выдавал лучшие результаты. Для этого нейросети кастомизируют: дообучают, настраивают под конкретные данные, добавляют нужные функции.

Что именно можно делать?

Если клиенту нужен ИИ для обработки юридических документов, обычный GPT-4 не подойдет. Он слишком общий. Но если загрузить в него базу данных по российскому законодательству и дообучить, он начнет давать точные ответы. Или, например, компания хочет, чтобы Stable Diffusion генерировала изображения в их фирменном стиле. Это тоже делается через дообучение.

Многие заказывают кастомизацию напрямую, если специалист показывает примеры работ в ТГ или на GitHub.

Дообучение можно делать через LoRA, Dreambooth (для изображений) или Fine-tuning API OpenAI (для текста). Например, в 2024 году российская компания «Самолет» использовала LoRA для дообучения модели Stable Diffusion XL. Задача была необычная — генерация реалистичных интерьеров квартир по фотографиям помещений с голыми стенами. Компания обучила нейросеть на мудборде фирменного стиля от дизайнеров, после чего последняя начала создавать качественные и детализированные изображения в нужной стилистике. Результат — свыше 15 000 генераций с высоким качеством за несколько месяцев. Среднее время на создание одного изображения — около минуты.

Если работать с открытыми моделями, подойдут Hugging Face, TensorFlow, PyTorch. Также часто используют DeepPavlov и SpeechKit от Яндекса.

ИИ и обработка данных: сервисы и микрозадачи

Данные есть везде. Компании собирают их тоннами, но не знают, что с ними делать. ИИ помогает сортировать, анализировать и превращать их в полезные решения. И здесь разработчики могут зарабатывать, создавая сервисы или выполняя микрозадачи.

Пример. У интернет-магазинов есть отзывы клиентов, но в сыром виде они бесполезны. ИИ-сервис может анализировать тональность, находить жалобы и предлагать улучшения. Или у компании есть база с тысячами заявок, но их надо разбирать вручную. ИИ может автоматически классифицировать их по темам и срочности.

Если говорить о реальных инструментах, то вот что доступно в России:

• Yandex DataSphere — облачная платформа для анализа данных, которая работает даже без мощного сервера.
• SberCloud ML Space — среда для работы с моделями, подходит для обработки больших массивов.
• Toloka, Kaggle, HFLabs — площадки, где можно находить небольшие задачи по обработке данных и зарабатывать на их решении.

Микрозадачи подходят тем, кто хочет попробовать ИИ на практике, но не готов делать сложные проекты. Компании выкладывают заказы на разметку данных, проверку моделей, улучшение работы алгоритмов. Это может быть что-то простое — например, оценить, правильно ли ИИ распознал текст, или классифицировать изображения.

Разработка ИИ-инструментов для генерации контента

Контент нужен всем. Бизнесу — для рекламы, блогерам — для постов, компаниям — для сайтов. ИИ научился писать тексты, создавать изображения и даже генерировать видео. Значит, можно зарабатывать на инструментах, которые помогают пользователям делать это проще и быстрее.

Что можно разрабатывать

— ИИ-копирайтеры. Люди хотят тексты, но не все умеют писать. ИИ может создавать статьи, объявления, описания товаров. Но универсальные решения вроде ChatGPT часто дают скучные или шаблонные тексты. Поэтому востребованы узкоспециализированные инструменты. Например, генератор объявлений для интернет-магазинов, помощник для создания постов в соцсетях или ИИ-редактор, который чистит текст и делает его понятнее.

— Генераторы изображений. Stable Diffusion и Kandinsky умеют рисовать, но не все пользователи могут ими пользоваться. У кого-то нет мощного компьютера, кто-то не понимает, как писать промты. Решение — сервис, который генерирует картинки по понятным настройкам. Например, инструмент для создания обложек книг, логотипов или картинок в стиле акварели.

— ИИ для видео. Видео — самый сложный контент, но именно его сейчас массово автоматизируют. Можно сделать инструмент, который превращает текст в видео. Или сервис, который создает анимации по фотографиям. Еще один вариант — автоматический монтаж для TikTok и YouTube Shorts. Это уже работает в CapCut, но нишевых решений пока мало.

Как продавать

Если инструмент решает конкретную задачу, можно продавать подписку или лицензии. Например, сервис для генерации статей может работать по модели Freemium — часть функций бесплатна, но за расширенные возможности нужно платить.

Другой вариант — интеграция с существующими платформами. Например, добавить ИИ-генерацию изображений в маркетплейсы, чтобы продавцы могли делать красивые карточки товаров. Или встроить инструмент в CMS, чтобы владельцы сайтов генерировали тексты прямо в админке.

Заработок на открытых ИИ-моделях

ИИ-модели — инструмент, который можно дорабатывать и продавать. Разработчики не обязаны строить нейросеть с нуля, если есть открытые решения, которые можно адаптировать под нужды клиентов.

Что можно делать?

— Дообучать существующие модели для конкретных задач. Например, взять текстовую модель (YaLM, YandexGPT), загрузить в нее данные из банковского сектора и получить ИИ-консультанта для клиентов. Компании готовы платить за такие точные модели, потому что стандартные решения не всегда подходят под их специфику.

— Создавать удобные сервисы на базе моделей. Разработчику не обязательно продавать саму нейросеть — можно сделать веб-приложение, чат-бот или плагин, который использует ее возможности. Например, сервис для генерации юридических документов, инструмент для проверки SEO-текстов или нейросеть, которая находит ошибки в коде.

— Продавать доступ к мощностям для работы с моделями. Многие хотят использовать ИИ, но не имеют ресурсов. Если у вас есть сервер с видеокартами, можно сдавать его в аренду через облачные платформы, например, через Yandex DataSphere или SberCloud ML Space.

— Продавать доработанные модели на маркетплейсах. Если модель улучшена и решает конкретные задачи, ее можно разместить на Hugging Face, AI Hub, Replicate. Компании и частные пользователи готовы платить за доступ к таким моделям.

Можно работать напрямую с бизнесом, создавая кастомизированные модели. Или выкладывать доработанные решения на маркетплейсы, где их будут использовать за подписку или разовые платежи. Хороший вариант — продвигать свои разработки через ТГ-каналы, GitHub и тематические форумы.

Разработка ИИ-решений для EdTech

Законодательство по ИИ в образовании в России только формируется. Есть требования к хранению персональных данных на российских серверах, но использование генеративных нейросетей официально не запрещается. С 2025 года вводится ГОСТ на использование нейросетей в учебных публикациях.

Разработка образовательных ИИ-продуктов начинается с Python. Для машинного обучения чаще выбирают TensorFlow, PyTorch и scikit-learn. Также используются NLP-библиотеки и модели от Hugging Face, например, GPT или BERT. Для анализа изображений и рукописного текста используют OpenCV и OCR-технологии.

Популярные решения

1. Персонализация обучения — ИИ подстраивает задания под уровень ученика.
2. Автоматическая проверка — оценка тестов, эссе, программного кода.
3. Генерация контента — тестов, конспектов, видео, анимаций.
4. ИИ-наставники и чат-боты — круглосуточные помощники для студентов.
5. Прогнозирование успеваемости — анализ данных и раннее выявление проблем.

Те, кто создают удобные инструменты, получают продукт, за который готовы платить.

В EdTech чаще всего зарабатывают по модели freemium. Это значит, что основные функции бесплатные, а за расширенные — пользователи платят. Так работают российские платформы Stepik и Учи.ру.

Другой вариант — продавать лицензии школам и университетам. Например, школа или вуз покупает доступ ко всей платформе сразу, а студенты получают ее бесплатно.

Очень популярный формат маркетплейсов, когда платформа соединяет авторов курсов и учеников, забирая процент от продаж. Пример — Udemy.

Российские компании (Skyeng, Puzzle English) часто комбинируют несколько моделей сразу. Они продают подписки, предлагают бесплатный доступ с рекламой и отдельно монетизируют корпоративных клиентов.

Разработка нейросетевых ботов для мессенджеров и соцсетей

Кроме очевидного клиентского сервиса, нейроботы нужны для внутренней работы компаний. Допустим, сотрудник хочет оформить отпуск. Вместо заполнения формы он пишет чат-боту. Тот распознает текст запроса, проверяет даты по корпоративному календарю и отправляет заявку начальнику. Сотрудник экономит время, а HR не завален бумагами.

Самым простым способом подключения нейросетей к мессенджерам остаются специальные платформы и библиотеки. Например, для ТГ подходит библиотека aiogram, для VK есть официальное API и готовые SDK. Есть универсальные решения — Dialogflow и Rasa, которые можно подключать сразу к нескольким мессенджерам одновременно.

Нужно учитывать технические и правовые моменты. Например, все персональные данные, которые собирает и обрабатывает бот, должны храниться на серверах в России. Это требование закона о персональных данных (152-ФЗ). Если бот записывает голосовые сообщения пользователей, нужно предупредить их об этом и получить согласие на обработку.

Популярные задачи:

• Автоматизация клиентского сервиса в соцсетях (прием заказов, консультации).
• HR-помощники (отвечают на типовые вопросы сотрудников).
• Информационные и новостные боты (генерируют персонализированные подборки новостей и статей на основе предпочтений пользователя).
• Боты для образовательных и корпоративных целей (отвечают на частые вопросы, проверяют знания сотрудников и учеников).

Зарабатывать на нейросетевых ботах можно по-разному:

• Создание бота под заказ конкретной компании с оплатой за разработку и ежемесячную поддержку.
• Разработка готового продукта, который компания приобретает по лицензии с ежемесячной платой за доступ.
• Подписная модель для небольших бизнесов, когда бот размещается на сервере разработчика, а компании платят ежемесячно за его использование.

Бизнесу и пользователям нужен удобный сервис, который решает задачи прямо в любимом мессенджере. Чем проще и понятнее он работает, тем больше за него платят.

Создание собственных ИИ-курсов и менторство

Сейчас рынок образования в ИИ переполнен общей теорией. Людям не хватает конкретики, практических заданий и личного подхода. Поэтому специалисты начинают зарабатывать не только на разработке ИИ, но и на обучении других.

Форматы обучения

Можно делать записанные курсы с видеоуроками, разбирать задачи в закрытых ТГ-группах, проводить живые воркшопы или консультировать индивидуально. В каждом формате важно давать ученикам не только информацию, но и практику: реальные кейсы, проверку заданий, разбор ошибок.

Как выбрать тему

Самый выгодный вариант — узкоспециализированные направления. Например, внедрение ИИ в бизнес-процессы, автоматизация работы с данными, настройка нейросетей для определенных задач. Компании и специалисты ищут не общие знания, а конкретные решения, которые можно сразу применить в работе.

Как монетизировать обучение

Можно продавать доступ к курсам по подписке или разово, делать бесплатную базу и платные продвинутые модули. Персональное менторство ценится выше, потому что дает быстрые и точные ответы на вопросы учеников. Популярный вариант — запуск курса с ограниченным набором учеников и дополнительной возможностью индивидуального сопровождения.

Главное — качественный контент. Нужно записать видеоуроки, подготовить задания, создать удобную платформу для обучения. Если нет желания разрабатывать сайт с нуля, подойдут готовые платформы. Давайте ученикам реальную пользу и готовые решения, которые можно сразу применять. Тогда обучение станет стабильным источником дохода.

Я — Олег Филон, ментор Эйч Навыки и Senior DevOps Engineer. Мы разберем ключевые инструменты, которые помогают автоматизировать разработку, тестирование и развертывание приложений. Сегодня на повестке — развертывание собственного облака с помощью KVM и libvirt.

О минимальных требованиях и поддержке виртуализации

Сейчас популярная тема на Youtube — Home Lab, или домашняя сеть с кучей компьютерного и сетевого оборудования, часто в выделенном помещении вроде серверной. И один из самых известных блогеров в этом направлении — Jeff Geerling, вот его GitHub. У меня, кстати, тоже есть небольшой блог — здесь можно почитать статьи, а здесь — посмотреть код на Гитхабе.

Однако наша цель гораздо скромнее — мы будем строить на обычном ПК или ноутбуке персональное облако, используя KVM-модуль из ядра Linux и набор утилит libvirt и qemu. Сразу определимся с минимальными требованиями к железу, чтобы попробовать руками всё обсуждаемое.

Мой рабочий ноут — китайский Chuwi GemiBook Plus с процессором Intel N100, 4 ядра, 16GB памяти, nvme диск на 960GB — вполне справляется с такими задачами.

Сразу объяснюсь за невольную рекламу дешёвых китайских ноутов: я не сразу выбрал этот 200-евро-бук. У меня в домашней сети есть несколько SBC (single board computer) на arm64 и risc-V — опыт весьма интересный. Во-первых, Линукс на таких экзотических компьютерах сильно отличается от обычных ПК. Во-вторых, я стал ценить не абстрактные BogoMIPS из dmesg, а реальный отклик в повседневной работе: веб, YouTube, билды приложений. Неудобств нет, а TDP (thermal design power) — 2-5W.

Как и многие из вас, я беспокоюсь, что оставляю углеродный след, но нельзя сравнивать мой Intel 10W N100 и процессор, который греется как утюг, но для глажки бесполезен, и даже наоборот, требует себя охлаждать — сначала мощными кулерами, а в жаркую погоду ещё и кондиционерами с весьма низким КПД. Короче, ваш компьютер справится с 2-3 виртуалками без проблем. Но на всякий случай проверьте, что аппаратная виртуализация поддерживается процессором.

Установить связку KVM+libvirt можно во многие дистрибутивы Linux. Не будем, однако, спешить, а выполним полезную подготовительную работу. Моя основная ОС уже много лет — Ubuntu. В ней есть удобный инсталятор, новые релизы каждые полгода и LTS (Long Term Support) для тех, кто предпочитает стабильность. Есть ещё бесплатный на 5 машин Ubuntu Pro с патчами безопасности в дополнительном репо. Но главная фича, из-за которой я не меняю дистрибутив — поддержка файловой системы ZFS. Вот о ней и поговорим.

Лирическое отступление: что такое ZFS и в чем ее прикол

ZFS — самая сложная из многочисленных ФС. Она является дефолтной во FreeBSD и не только, а также в дистрибутиве Proxmox, который использует OpenZFS. Разница между Open и просто ZFS в лицензии. Оригинальная лицензия не была свободной. Переписывание многих модулей и библиотек, чтобы эту ФС можно было включить в ядро Linux, заняло много лет. В Ubuntu, начиная c версии 20.04, уже можно выбрать ZFS как опцию при установке. Кратко перечислю, что нам даёт ZFS:

1. Встроенное шифрование диска, не нужны никакие LUKS и танцы с бубном.
2. Модные контейнерные OverlayFS, виртульные диски формата QCOW2, используют COW (copy-on-write). ZFS это тоже умеет, можно сказать, она оптимизирована для контейнеров и ВМ.
3. Замечательная фича — встроенный RAIDZ. В моём Proxmox сервере 8 портов SATA, мощный корпус со стойкой на 8 HD. Купил 7 штук одинаковых 4TB дисков, добавил в пул raidZ, в итоге 24TB довольно шустрого хранилища.
4. Можно забыть как кошмарный сон мучения с mdadm, lvm2. Партишены увеличиваются без всякой суеты с PV/VG/LV. Впрочем, XFS это тоже умеет, поговорим позже и о ней.

На будущее: виртуализация никак не привязана к файловой системе, можно использовать то, что уже есть, в том числе и привычный дистрибутив. Буду рассказывать, однако, только об установке на Ubuntu.

Готовимся к установке KVM+libvirt

По умолчанию libvirt создаёт внутреннюю сеть на виртуальном устройстве в режиме nat. Для единственного хоста это не так важно, виртуалка доступна, но полезно настроить плоскую сеть, где ВМ будет иметь свой IP-адрес и физический хост.

Для этого сделаем заранее на хостовой машине виртуальное устройство br0 и будем привязывать виртуалки к этому устройству. Cеть в обычном десктопном Ubuntu настраивается сервисом NetworkManager:

• через графический интерфейс,
• через утилиту интерфейса командной строки nmcli,
• через nmtui с текстовым интерфейсом.

Для серверных конфигураций документация рекомендует netplan. В случае сервера необходимо присваивать хостовым машинам статические IP-адреса вплоть до того, что Proxmox — гораздо более мощный сервер виртуальных машин с возможностью кластеризации, миграции ВМ, ceph и так далее. Он отказался от NetworkManager и требует наличия ethernet порта.

Мы же хотим сохранить удобство десктопной OS и добавить серверные возможности, поэтому будем использовать пакет netplan.io, который вполне совместим с NetworkManager. Вот пример конфигурации для хостовой машины, создающий на физическом ethernet устройстве виртуальный интерфейс br0:

Создав файл /etc/netplan/01-br0.yaml, сначала проверим его корректность: sudo netplan try /etc/netplan/01-br0.yaml, и если Configuration accepted, применяем его: sudo netplan apply .... Посмотрим, что у нас с сетью. Должно быть что-то похожее на это:

Во второй строке вывода стоит мой eth0, который является физическим интерфейсом, он активен (link state UP), но адреса не имеет. В последней строке мой br0, который выступает виртуальным интерфейсом с правильным статическим адресом. Более того, если мы посмотрим настройки с помощью brctl из пакета bridge-utils, то увидим что у нас появился полноценный бридж:

Подготовка к установке KVM+libvirt завершена, возвращаемся к документу с сайта https://sysguides.com/. Для Ubuntu это команда:

На первых порах удобно прибегнуть к десктопному приложению virt-manager, позволяющему создавать, запускать, управлять виртуальными машинами. Под капотом прячется много низкоуровневых утилит, поэтому рано или поздно придётся познакомиться и с libvirt-clients, и с qemu-utils, и с guestfs-tools.

Разворачиваем виртуальные машины

Теперь можем попробовать создать первые виртуалки. Первым делом, как рекомендовано, добавим себя в группу libvirt, чтобы иметь возможность управлять виртуальными машинами, и настроим ACL на каталог, где хранятся образы виртуальных машин:

Самый простой и знакомый способ создания виртуальной машины — использовать iso-образ. Установка будет напоминать сотни раз пройденные шаги: скачать образ, указать путь к нему, задать имя виртуальной машины, количество оперативной памяти, выделить ядра процессора и так далее.

Расскажу чуть подробнее про пару новых опций для virt-manager. Во-первых, это использование настроенного ранее виртуального интерфеса br0. Во-вторых, формат виртуального диска QCOW2. Вот, например, настройки одной из моих виртуалок:

Здесь показаны 4 размера:

• ls -lh видимый размер файла имиджа;
• du -BM занимаемое место на диске, qemu-img info выдаёт его внутренние параметры, в частности: virtual size — 10 GiB; реальный размер файла disk size — 5.11 GiB.

Это возможности того самого COW (copy-on-write). Виртуальный размер — тот, что мы указали при создании ВМ, а реальный размер файла — сколько фактически места занято на диске. Внутри ВМ мы будем видеть эту разницу как свободное место, и оно также остаётся свободным на хостовой ФС. Можно заказывать размер диска с запасом, QCOW2-формат не займёт место, пока оно не потребуется под данные внутри ВМ.

Тут бы надо приложить десяток картинок, но оставляю вам шанс догадаться самим, или поискать инструкцию с картинками. В итоге должно получиться что-то вроде этого:

Общий вид virt-manager со списком ВМ на 2 хостах:

Десктопное приложение virt-manager — не единственный способ создания ВМ. Можно (и иногда удобнее) использовать командную строку и соответствующие утилиты. Также установить ВМ из готового образа в формате для libvirt/qemu. Например, для релиза 14.2 FreeBSD всё, что заканчивается на .qcow2.xz, raw.xz — это образы для libvirt/qemu. После скачивания и проверки контрольных сумм выполним команды:

Предположим, вы успешно создали одну или несколько ВМ, проверили их в графическом режиме или настроили ключи для ssh. Настало время навести порядок с DNS.

У меня раздавал адреса и имена роутер от провайдера. Удобнее настроить на вашем основном компе сервис dnsmasq, который включается первым и по умолчанию всегда доступен. Он умеет также dhcp, так что в одном конфиге сможем сразу задавать и IP-адреса, и имена ВМ. Вот часть моего конфига:

MAC-адреса присваиваются в virt-manager, адреса до 99 оставил под WiFi; со 100 до 200 виртуалки с отдельными диапазонами для каждого хоста; адреса с 201 по 254 — «железные» хосты, то есть реальные устройства. Напомню, после каждой правки конфига сервис dnsmasq надо рестартовать.

Если в будущем ваше персональное облако разрастётся, рекомендую обратить внимание на китайский KVM-свитч 4K HDMI USB KVM Switch. В этом случае KVM означает Keyboard Video Mouse — переключатель для управления несколькими компьютерами с одного комплекта устройств. Это сокращение как нельзя кстати для нашей темы.

Мы разобрали, как развернуть персональное облако DevOps с помощью KVM и libvirt. В следующей статье рассмотрим Fedora Core дистрибутив и инструмент mise — удобную альтернативу pyenv и другим менеджерам версий.

Fastfetch стал самой популярной заменой, набрав более 12 000 звезд на GitHub. Он представляет из себя легкий и быстрый инструмент для вывода информации о системе в Терминале.

Утилита поддерживает Linux, Windows, macOS, FreeBSD, Haiku и даже Android.

Что нового в версии 2.36?

Исправления багов

Теперь Fastfetch правильно определяет оболочку входа в систему на OpenBSD. При этом в Linux отображается имя SoC вместо названия процессора, если оно доступно.

Новые возможности

• Определение звуковых устройств через API ядра на NetBSD.
• Поддержка sndio для звукового сервера OpenBSD.
• Новая реализация для Haiku (минимальная, но рабочая).
• Определение температуры CPU и GPU для M4x на macOS.
• Поддержка старых видеокарт NVIDIA в Linux (определение размера видеопамяти).
• Улучшенное распознавание физических ядер CPU на архитектуре loongarch (Linux).
• Более точное определение дистрибутивов (улучшена работа с Armbian).
• Добавлена поддержка переменных окружения в кастомных форматах ({$ENV_VAR}).

Обновления логотипов

• Улучшен старый логотип Arch Linux.
• Добавлены логотипы Nexa Linux и filotimo.
• Обновлены названия некоторых дистрибутивов.

Как установить Fastfetch?

Самый простой способ — использовать пакетный менеджер:

• Linux: APT, Pacman, DNF или другой менеджер пакетов.
• macOS: Homebrew или MacPorts.
• Windows: Scoop, Chocolatey, winget.

Скачать последнюю версию можно также на GitHub.

Ключевыми участниками инициативы стали IT-гиганты: OpenAI, SoftBank и Oracle. Все три корпорации планируют инвестировать до $500 млрд в течение следующих 4 лет.

Масштаб и цели проекта

Инициатива Stargate предусматривает начальные инвестиции в размере $100 млрд с перспективой увеличения до $500 млрд.

Основное внимание будет уделено строительству современных дата-центров и объектов по производству электроэнергии в Техасе, что обеспечит необходимую инфраструктуру для развития ИИ.

Ожидается, что проект создаст более 100 000 рабочих мест в США и укрепит позиции страны в глобальной гонке ИИ, особенно в соперничестве с Китаем.

Технологические партнеры и сотрудничество

В рамках Stargate ключевыми технологическими партнерами выступят ARM, Microsoft, NVIDIA, Oracle и OpenAI.

Компании будут тесно сотрудничать в создании и эксплуатации вычислительных систем, необходимых для обучения и внедрения передовых ИИ-моделей.

Это сотрудничество опирается на ранее установленные партнерские отношения между OpenAI и NVIDIA, а также на новое партнерство между OpenAI и Oracle.

Роль Microsoft в проекте

Microsoft пересмотрела ключевые условия своего соглашения с OpenAI после объявления о создании Stargate.

Ранее редмондцы обладали исключительными правами на создание вычислительной инфраструктуры для OpenAI, однако теперь детище Сэма Альтмана получило возможность сотрудничать с Oracle в рамках нового проекта.

Тем не менее, Microsoft сохраняет эксклюзивные права на предоставление API-сервисов OpenAI и продолжает стратегическое партнерство, включая совместное использование доходов, действующее до 2030 года.

Почему это важно?

Появление Аврора SDK для Apple Silicon решает одну из главных проблем разработчиков.

До этого инструменты разработки уже были доступны для пользователей Windows, Linux и Mac с процессорами x86, однако владельцы ноутбуков на базе Apple M сталкивались с ограничениями.

На фоне того, что большинство мобильных разработчиков пользуются MacBook с процессорами Apple Silicon, перенос SDK стал логичным шагом.

По данным опросов, именно эти устройства наиболее популярны среди профессионалов, работающих над созданием мобильных приложений.

Что это даёт разработчикам?

Теперь SDK для Авроры позволяет:

• Использовать все возможности новых ARM-процессоров, включая высокую производительность и энергоэффективность.
• Работать с платформой без необходимости эмуляции или поиска обходных путей.
• Писать, тестировать и оптимизировать приложения прямо на устройствах, которые соответствуют реальным условиям использования.

Что дальше?

Компания уже анонсировала выпуск версии Аврора SDK 5.2 Developer Preview.

Это обновление предоставит ещё больше возможностей для работы на новых MacBook с процессорами Apple Silicon. ОМП пообещала опубликовать подробный гайд и видеоинструкцию, чтобы облегчить переход разработчиков.

Компания представила Raspberry Pi Pico 2 W — микроконтроллер с поддержкой Wi-Fi и Bluetooth.

Устройство построено на базе нового чипа RP2350 и стоит всего $7. Это идеальное решение для проектов, связанных с Интернетом вещей (IoT).

RP2350: мощь и доступность

Чип RP2350 стал развитием успешного RP2040, который дебютировал в 2021 году и быстро завоевал популярность у разработчиков.

Новый процессор предлагает более высокую производительность, улучшенное энергопотребление и встроенную защиту на основе технологии TrustZone от ARM.

Также чип поддерживает аппаратную работу с плавающей запятой, что открывает больше возможностей для сложных вычислений.

RP2350 впервые появился этим летом на плате Pico 2, а также в ряде продуктов партнёров Raspberry Pi. Теперь его возможности доступны в новой беспроводной версии.

IoT на новой высоте

Raspberry Pi Pico 2 W создан для проектов, где важны подключение к облаку и взаимодействие с физическим миром.

Устройство оснащено модемом CYW43439 от Infineon, который поддерживает Wi-Fi 2.4 ГГц и Bluetooth 5.2. Для работы с устройством доступны библиотеки на языках C и MicroPython.

Благодаря компактному форм-фактору и совместимости с макетными платами, Pico 2 W идеально подходит для прототипирования.

А новый радиомодуль RM2, который будет использоваться в профессиональных продуктах, даёт возможность масштабировать решения, разработанные на этой платформе.

Новые возможности для DIY-сообщества

Pico 2 W — это не только инструмент для профессионалов, но и мощная утилита для любителей электроники.

Raspberry Pi продолжает работать над новыми версиями линейки Pico 2 — так, следующая волна обновлений ожидается уже в 2025 году.

Qualcomm, полагающаяся на архитектуру ARM с 2017 года, оказалась в центре разбирательства после покупки стартапа Nuvia, специализирующегося на разработке кастомных процессоров.

ARM утверждает, что Qualcomm попыталась незаконно передать лицензии Nuvia без их одобрения, что нарушает лицензионные соглашения, достигнутые между гигантами. В итоге решила отозвать у создателей чипов Snapdragon лицензию на использование своей архитектуры.

Смелый ответ Qualcomm и что на кону

Qualcomm не собирается уступать без боя и отреагировала на действия ARM следующим заявлением:

Это очередная необоснованная угроза со стороны ARM — попытка навязать свои условия давнему партнёру и помешать нашему производству ведущих в своей категории процессоров. Мы уверены, что наши права по договору с ARM будут подтверждены в суде, а антиконкурентное поведение ARM не будет послушно принято.

После приобретения Nuvia, Qualcomm отказалась от стандартных Cortex CPU от ARM в пользу собственных процессоров Oryon, построенных на базе архитектуры Phoenix.

Эти чипы, предназначенные для ПК, смартфонов и автомобилей, помогли Qualcomm не только догнать, но и превзойти Apple по производительности.

Однако если Qualcomm не удастся прийти к соглашению с ARM, компании придётся отказаться от использования процессоров Oryon, что сильно ударит по её конкурентоспособности.

Самое заметное обновление — переход на 64-битное время (t64) для ARM архитектур. Теперь Kali готов к будущим вызовам, включая баг 2038 года.

Обновление интерфейсов

Если вам наскучил старый интерфейс, GNOME 46 и улучшенный Xfce спасут ситуацию.

Они предлагают более удобное и стабильное рабочее окружение. Xfce получил улучшения в режиме HiDPI и Kali-Undercover, что делает его идеальным для долгих рабочих сессий.

Инструменты для профи

Что может быть лучше новых инструментов? Kali добавила 18 свежих утилит, включая autorecon, coercer и getsploit. Все они помогут вам провести глубокий анализ безопасности и сетевой разведки.

Kali NetHunter и ARM

Для фанатов мобильных устройств: Kali NetHunter теперь поддерживает Android 14 и новые ядра для множества устройств.

Важно помнить, что новая версия пока не поддерживает ядро Linux 6.8. Но разработчики пообещали исправить это уже в следующей версии системы.

Отметим, что новые образы можно скачать на официальном сайте. Для тех, у кого Kali уже установлен, достаточно выполнить команду apt full-upgrade.

CI/CD-инструменты

CI/CD-инструменты позволят автоматизировать сборку исходного кода и процессы поставки. Разработчики теперь могут воспользоваться уже написанными скриптами сборки, в один клик перенося свои проекты с Git-репозиториев. Технология оповещения о новых событиях на сервере (вебхуки) позволяет реализовать еще больше сценариев автоматизации. По событиям в GitVerse можно вызвать через API сторонние сервисы. Например, при определенных событиях в репозитории можно запустить сторонний сборочный конвейер или отправить уведомление в мессенджер.

Новые функции персонального AI-ассистента разработчика GigaCode

Теперь AI-ассистент поможет разработчику решать задачи, связанные с кодом, в окне чата непосредственно в среде разработки. Сервис чата также доступен и в GitVerse, где при просмотре репозитория можно получить объяснение, что делает та или иная часть кода, а также советы по его улучшению. Список языков программирования, которые поддерживает GigaCode, пополнил Ruby, а также стала доступна генерация текстовых данных в формате JSON. На сегодняшний день AI-ассистент поддерживает уже более 15 популярных языков программирования и устанавливается как плагин в привычные среды разработки, включая IDEA, PyCharm, VSCode, Jupyter.

Функциональность для организаций

Теперь разработка на GitVerse доступна не только индивидуальным разработчикам, но и малым и средним предприятиям. Компании могут организовать совместную работу команды и управлять доступами к своим репозиториям.

При разработке новой функциональности мы учитываем пожелания пользователей, добавляем необходимые инструменты, чтобы они могли вести разработку еще проще и быстрее. С каждым релизом платформа будет становиться все более удобной и пополняться новыми популярными репозиториями, open source-версиями продуктов и инструментами для эффективной разработки. Будущее разработки мы видим в создании удобной среды по принципу единого окна, в которой все члены команды могут работать на своем этапе производственного процесса, заказывать облачную инфраструктуру и общаться. На всех этапах разработки партнерскую роль будет занимать AI: помогать писать код, советовать, как сконфигурировать стенд, готовить документацию, подсказывать шаги по CI/CD-конвейеру

Также на мероприятии представили дорожную карту развития платформы, согласно которой в этом году появится еще больше полезной функциональности для разработчиков:

• новые инструменты для управления проектами, позволяющие удобно организовывать рабочие процессы;
• интегрированная среда разработки позволит разворачивать полностью настроенные инструменты разработки в облаке. Функциональность будет доступна прямо из браузера: разработчик сможет легко и быстро открыть любой репозиторий GitVerse в среде разработки;
• новые функции GigaCode: генерация тестов, автоматическое создание документации и умный рефакторинг. Число языков, которые поддерживает GigaCode, пополнят PHP, HTML, CSS, Markdown и Rust;
• инструменты для безопасной разработки (оркестрация CI/CD, статический анализатор, управление секретами и безопасность зависимостей);
• удобный и безопасный вход через популярные сервисы идентификации личности, а также мобильная версия платформы.

Реклама Реклама АО “Сбертех” ИНН 7736632467, LjN8KXJG3

Большинство изменений в новой версии касаются реализации цепочки инструментов, среды выполнения и библиотек.

Обновление никак не затронет программы, написанные на предыдущих версиях Go. Разработчики обещают, что почти все программы будут компилироваться и работать, как и раньше.

Что нового

• Новые методы передачи аргументов в функции и возврата результата. Это изменение позволило поднять производительность приложений на 5% и сократить размер исполняемых файлов на 2%.
• Поддержку 64-разрядной архитектуры ARM в Windows.
• Новая функция unsafe.Add(ptr, len) — складывает len и ptr и возвращает обновлённый указатель unsafe.Pointer(uintptr(ptr) + uintptr(len)).
• Новая функция unsafe.Slice(ptr, len) — для выражения ptr типа *T возвращает слайс типа []T, базовый массив которого начинается с ptr и имеет длину len.
• Средства преобразования слайсов в указатели на массив.

Подробнее о нововведениях читайте в примечаниях к выпуску Go 1.17.

Где скачать

Скачать новую версию Golang 1.17 можно со страницы загрузки на сайте Go. Там же лежат инструкции по установке.

Источник: Блог Go

Обложка: Habr

Go 1.17 уже поддерживается в IDE от JetBrains GoLand 2021.2.

Немного цифр: в 11 версии добавили 11 294 новых пакета, удалили 9 519 пакетов и обновили 42 821 пакет. Всего в Debian 11 Bullseye 59 551 пакетов.

Где доступен

Дистрибутив Debian 11 Bullseye доступен для 9 архитектур:

• Intel IA-32/x86 (i686),
• AMD64 / x86-64,
• ARM EABI (armel),
• 64-bit ARM (arm64),
• ARMv7 (armhf),
• mipsel,
• mips64el,
• PowerPC 64 (ppc64el),
• IBM System z (s390x).

Архитектура mips больше официально не поддерживается.

Что нового

• Ядро Linux 5.10.
• Обновлённые окружения и приложения рабочего стола: Gnome 3.38, KDE Plasma 5.20, LXDE 11, LXQt 0.16, MATE 1.24, Xfce 4.16.
• Обновлённое ПО: Calligra 3.2, LibreOffice 7.0, GIMP 2.10.22, Inkscape 1.0.2, Vim 8.2.
• Обновлённые средства разработки: OpenJDK 11, Perl 5.32, PHP 7.4, Python 3.9.1, Rust 1.48.
• Обновлённые серверные приложения: Apache httpd 2.4.48, BIND 9.16, Dovecot 2.3.13, Exim 4.94, Postfix 3.5, MariaDB 10.5, nginx 1.18, PostgreSQL 13, Samba 4.13, OpenSSH 8.4.
• Единая унифицированная иерархия cgroup v2 в systemd.
• Новый алгоритм хэширования паролей yescript.
• Новая команда open — открывает файл в программе, выбранной по умолчанию для данного типа файла.
• Возможность печатать и сканировать без установки драйверов в пакетах CUPS и SANE.
• Возможность использовать инструменты для управления изолированными контейнерами Podman.
• Драйверы Panfrost и Lima с поддержкой GPU Mali, которые используются в платах с процессорами на базе ARM.

Читать полный список нововведений →

Как установить

Попробовать Debian 11 Bullseye можно без установки. Для этого используйте один из доступных живых образов, которые загружают операционную систему в состоянии только для чтения в память компьютера.

Затем Debian 11 можно будет установить из этого же живого образа.

Если у вас Debian 10, в большинстве случаев обновление произойдёт автоматически с помощью APT.

Почитайте руководство по установке — в нём подробно описаны инструкции по обновлению и установке, а также возможные проблемы.

Источник: OpenNet

Поддержки маков на Intel пока нет, но разработчик обещает завезти.

Вот, как это работает:

В приложениях можно полноценно использовать мышку, клавиатуру и даже подключить контроллер.

Просто зацените демонстрационное видео:

Как установить

Просто соберите последний коммит из репозитория или загрузите последнюю версию со вкладки Releases.

При первом запуске приложение предложит вам установить инструменты Xcode. Они нужны для работы PlayCover, соглашайтесь.

Теперь вы можете просто перетащить любой файл с расширением .ipa из iMazing, M1 Checker или AppDb.

Подождите, пока PlayCover преобразует приложение и запустит его.

Где посмотреть проект

Ссылка на проект на GitHub:

В рамках эксперимента Xiaomi будет продавать CyberDog за 114 тысяч рублей. Для сравнения: Spot стоит 5,5 миллионов рублей — в 48 раз больше.

CyberDog работает на основе открытого ПО — это позволяет настраивать функции робопса для своих задач.

Что внутри

Робот от Xiaomi работает на основе платформы с искусственным интеллектом NVIDIA® Jetson XavierTM NX, которая включает в себя 384 ядра CUDA®, 48 тензорных ядер, процессор 6 Carmel ARM и 2 двигателя ускорения глубинного обучения.

Как видит окружающий мир

Окружающий мир CyberDog анализирует с помощью 11 сенсоров: датчиков касания, камер, ультразвуковыми датчиками, GPS-модулями.

У робота от Xiaomi есть интерактивные ИИ-камеры, бинокулярные сверхширокоугольные камеры и модуль Intel ® RealSenseTM D450 Depth, который позволяет роботу обучаться благодаря алгоритму компьютерного зрения.

Что умеет

CyberDog не только умеет анализировать окружение, но ещё и сам простраивает маршруты, умеет избегать препятствия и при необходимости следовать за хозяином.

Трюки робопёс тоже может показать: например, сальто назад.

Зацените демонстрационное видео:

Источник: Блог Xiaomi

Сейчас же стало известно, что IT-гигант реализовал в ОС долгожданную возможность — запуск Android-приложений.

Реализовано это будет через Amazon Appstore, который появится в новом Microsoft Store. Представители Microsoft рассказали, что приложения будут видны на онлайн-витрине, их можно будет прикрепить к панели задач или разместить рядом с традиционными приложениями Windows.

Помогает ей в реализации запуска Android-приложений в настольной системе компания Intel со своей технологией Intel Bridge. При этом функция всё равно сможет работать с чипами AMD и ARM.

Отметим, что Microsoft уже несколько лет пытается сделать так, чтобы пользователи могли запускать мобильные приложения на Windows. Изначально компания разрабатывала Project Astoria для этих целей, но вскоре отменила его.

Также важно понимать, что появление новой функции — явный ответ редмондцев на выпуск Apple своих чипов M1. Напомним, что после перевода ноутбуков на ARM SoC, купертиновцы реализовали запуск iOS-приложений прямо на MacBook.

Источник: The Verge

В 2020 году сеть «взорвала» новость о том, что DOOM удалось запустить на тесте на беременность. По итогу история оказалась фейковой, но несмотря на это от неё всё же была польза.

Именно публикации о запуске легендарного шутера на таком примитивном устройстве, как тест на беременность, побудила ребят из next-hack портировать игру на что-то схожее по «уровню железа».

В итоге ими была найдена лампа ИКЕА TRÅDFRI, у которой был важный «плюс» — ARM-чип Cortex M33 с частотой 80 МГц. Но нашлось место и слабому месту — оперативной памяти в системе было всего 108 КБ.

Изучив все самые «нетребовательные» порты DOOM, энтузиасты выяснили, что есть версия игры, первый уровень в которой требует всего 87 КБ RAM. Таким образом, как минимум на бумаге, её можно было бы запустить на мощностях настольной лампы ИКЕА.

По итогу, объединив её с 1.8-дюймовым TFT-дисплеем, DOOM заработала на 108 КБ оперативной памяти и 80 МГц чипе с частотой около 30 кадров в секунду.

У проекта имеется свой GitHub-репозиторий. Он доступен по ссылке.

Как это выглядит, можете посмотреть ниже:

Источник: next-hack.com

Команда разработчиков Asahi Linux нашла «дыру» в безопасности новейшей SoC Apple, которую назвали M1RACLES. Произошло это при портировании Linux на чип M1.

По словам специалистов, «недостаток в конструкции чипа Apple M1 позволяет любым двум приложениям, запущенным в ОС, тайно обмениваться данными». При этом они не используют для этого память, сокеты, файлы или какие-либо иные «нормальные» возможности системы.

Обмен происходит между процессами, запущенными как от имени разных пользователей, так и пользователей с разными уровнями привилегий.

У меня ноутбук/компьютер на базе чипа M1, но на Linux. Мне стоит переживать?

В целом никаких эксплоитов на основе бреши создано не было. Но несмотря на это всё же стоит понимать — идёт об уязвимости на уровне процессора. А потому она распространяется на все M1-компьютеры не только под управлением macOS, но и любой другой операционной системы.

Как защититься?

Нашедшие «дыру» специалисты советуют запускать софт из-под виртуальной машины. И то, подойдут лишь те решения, которые отключают доступ к регистру s3_5_c15_c10_1.

Видео с демонстрацией работы уязвимости

UPD: Мы обновили новость, так как первоначально написали её так, словно с помощью M1RACLES можно устроить взлом компьютеров на базе M1. Согласно имеющимся данным, это не так.

Источник: M1RACLES

Изменения в лицензии

Теперь лицензионный ключ будет активен не только для одной номерной версии Sublime Text. Пользователи смогут рассчитывать на обновления в течение трёх лет после его покупки.

При этом даже после истечения срока активности ключа, с его помощью можно будет скачивать все релизы, вышедшие за эти три года.

Выбор нескольких вкладок

Для упрощения работы в режиме split-view, были улучшены вкладки файлов. Боковая панель, панель вкладок, Goto Anything, Goto Definition, автозаполнение и многое другое — всё это было изменено для упрощения навигации по коду.

Apple Silicon и Linux ARM64

Sublime Text для Mac получил нативную поддержку ARM-чипов Apple — Apple Silicon. Также приложение доступно и для Linux ARM64 сборок. Например, для Raspberry Pi.

Свежий UI

Стандартная и Адаптивная темы получили новые стили вкладок и затемнение неактивных полей. Темы и цветовые схемы также получили поддержку перехода от тёмного режима к светлому и обратно.

Поддержка TypeScript, JSX и TSX

В Sublime Text наконец-то появилась поддержка самых популярных новейших языков по умолчанию.

GPU рендеринг

Теперь Sublime Text может использовать мощность GPU на Linux, Mac и Windows при рендеринге интерфейса. Это особенно полезно при работе в 8К-разрешении.

С полным списком изменений в Sublime Text 4 можно ознакомиться в блоге компании.

Как скачать?

• Версия для macOS (требуется версия 10.9 или новее).

• Версия для Windows (есть также и портативная версия).

• Версии для Linux (также есть установочники для x86-64 и ARM64).

Источник: Блог Sublime HQ

Так, например, стало известно о попытке NVIDIA объединиться с MediaTek. Двум компаниям приписывают совместную работу над новейшими Chromebook на ARM-чипах. Главной особенностью таких ноутбуков должно стать появление в них видеокарт с поддержкой технологии RTX.

Помимо способности запускать Chrome OS, такие ноутбуки смогут работать и под управлением Linux.

Сообщается, что коллаборация ИТ-гигантов может стать «ответочкой» на совместную работу двух других компаний — Microsoft и Qualcomm. Судя по последним слухам, они также пытаются разработать ARM-компьютеры, которые будут работать на базе Windows.

Напомним, что повальное увлечение техногигантов архитектурой британской ARM началось после перехода ноутбуков и компьютеров Apple на неё. Первыми (и пока единственными) такими устройствами стали MacBook Pro M1, Air M1 и Mac mini M1.

Источник: Android Authority

Сейчас же Мартин заявил, что ему удалось внести последний набор изменений в свой порт, который позволяет рассчитывать на добавление его кода в код ядра Linux 5.13.

Ну наконец то! Это было очень долго, но дело сделано! Это всего лишь базовая подготовка, но она закладывает прочную основу и, вероятно, является самым сложным этапом апстриминга, который нам пришлось бы пройти. По крайней мере, до тех пор, пока не будет завершена работа с GPU.

Разработчик надеется, что его проект станет частью Linux 5.13 благодаря окну слияния, запланированному на конец апреля 2021 года.

По большей части, если Линус Торвальдс не будет против, то уже в ближайшие недели пользователи смогут запустить официальное ядро Linux на Apple M1 устройствах.

Источник: TechRadar

Выход новых устройств на базе ARM-чипа Apple M1 ухудшила ситуацию. Всё дело в том, что в Mac mini, MacBook Pro и Air конца 2020 года абсолютно всё из вышеперечисленного распаяно не на материнской памяти, а на самом чипе.

Но судя по данным MacRumors, в Китае нашлись энтузиасты, сумевшие увеличить объём оперативной и постоянной памяти на MacBook Air M1 с 8 и 256 ГБ до 16 ГБ и 1 ТБ соответственно:

При этом macOS Big Sur без труда принимает замену, не выдавая каких-либо ошибок. Стоит, правда, отметить, что данная операция не только очень сложна в реализации, но и лишает пользователя официальной гарантии Apple.

Источник: MacRumors

Вместе с анонсом новой архитектуры, представители ARM также поделились своими успехами. Так, количество используемых ARM-чипов продолжает расти. Только за последние пять лет их число составило более 100 млрд единиц.

В компании считают, что уже совсем скоро 100% от всех совместных вычислений будут производиться с использованием её архитектуры. Либо в конечной точке, либо в облаке, либо в сетях передачи данных.

ARM также заявила о грядущем 30% увеличении производительности в двух ближайших поколениях мобильных процессоров благодаря ARMv9. Помочь этому должна и обновлённая методология проектирования ARM Total Compute.

Источник: AnandTech

Речь идёт о так называемом SoC Apple M1X. Так, производство чипа начнётся в конце 2021 года. Первые же устройства на его базе поступят в продажу весной 2022 года, пишет 9to5Mac. Скорее всего, ими станут новое поколение MacBook Air и, возможно, MacBook Pro 14″/16″.

Издание отметило, что раз A15, которым будут оснащать новые iPhone 13, построят на 5-нм техпроцессе, то и новых прорывов производительности вместе с автономностью ждать не стоит.

При этом стоит признать, что лидерство Apple в данной сфере сложно назвать сюрпризом. Так, именно Apple A10X стал первым чипом, созданным по 10-нм нормам. То же можно сказать и про Apple A12 с его 7-нм технологией.

Источник: 9to5Mac

Найденная исследователями «дыра» позволяет наблюдать за активностью пользователя в интернете, пишет Gizmochina. При этом она игнорирует запреты на выполнение JavaScript, а также не боится VPN и TOR. Таким образом, злоумышленники, создав эксплойт уязвимости, могут получить доступ к конфиденциальным данным пользователей.

Под угрозой лишь компьютеры на M1?

Не совсем. Учёные протестировали находку на процессорах Intel Core, AMD Ryzen, Samsung Exynos и Apple M1. Во всех них нашли эту уязвимость. Но ARM-решения от Apple и Samsung оказались наиболее уязвимыми.

Источник: Gizmochina

Речь идёт о полноценном ноутбуке, «сердцем» которого станет не очередной процессор Intel Core, а внутренняя разработка Samsung — Exynos 2200. Чип построен на базе архитектуры ARM. Точно такую же систему на чипе (SoC) представляет из себя Apple M1, дебютировавший в конце 2020 года в новых MacBook Pro, Air и Mac mini.

Касательно новой разработки южнокорейской компании не так много информации. Известно лишь, что AMD разрабатывала GPU для неё, а анонс ноутбука на её базе состоится вслед за новым смартфоном в линейке Galaxy Note.

Исходя из всего вышеперечисленного можно предположить, что ноутбук Samsung на базе ARM-чипа выйдет во второй половине 2021 года.

Источник: ZDNet Korea

Стоит понимать, что у каждого твердотельного накопителя есть определённый ресурс. И он расходуется с большей скоростью, если, например, записывать на него чрезмерный объём данных в сжатые сроки.

Понять, насколько «живой» ваш SSD-диск, помогает показатель Total Bytes Written (TBW). Он показывает, какое число данных можно гарантированно записать на диск до момента исчерпания его ресурсов.

В итоге многие владельцы новейших компьютеров Apple на базе M1 столкнулись с использованием 10-13% от максимального количества TBW. Это, в свою очередь, привело к тому, что их накопители износились на 1–3 % всего лишь за пару месяцев использования. Это очень много.

Как проверить износ моего SSD-диска?

1. Установить Homebrew.
2. Ввести в Терминал команду brew install smartmontools && sudo smartctl –all /dev/disk0.
3. Посмотреть процент износа в строке Percentage used.

Источник: Linus Tech Tips

Речь идёт о MacBook и Mac mini на базе ARM-чипа Apple M1. Именно в них режим восстановления остаётся доступен, даже если в него не получается попасть обычным способом. Для этих целей инженеры Apple добавили ещё один «дополнительный» 1 True Recovery (1TR).

Что надо сделать, чтобы воспользоваться новым методом загрузки?

1. Выключить компьютер.
2. Дважды нажать на кнопку питания.
3. Удерживать её до появления окна с параметрами запуска со значком шестерёнки и надписью «Параметры».

Источник: Eclectic Light Company

Автор проекта заявляет, что с помощью его разработки все желающие могут писать и тестировать собственный машинный код. Для этого программа считывает данные из внешнего файла, который и содержит в себе всё необходимое в 32-битном формате.

Пример программы для виртуального процессора

По словам разработчика, его проект работает достаточно стабильно. Изучить саму программу, а также инструкции к ней можно на GitHub-аккаунте lucas-streanga, пройдя по ссылке.

Источник: GitHub / lucas-streanga

Это совершенно новый вирус?

Не совсем. По словам специалиста, в качестве основы для новой угрозы выступил уже известный вирус Pirrit. Злоумышленники просто пересобрали его х86-версию под архитектуру ARM. Главной проблемой появления новой версии вредоносного ПО является невозможность обнаружить его стандартными средствами.

Насколько опасна угроза?

Целью Pirrit является заражение устройства жертвы и демонстрация ей рекламы, а также сбор данных из браузера. Основным способом заработка хакеров, использующих вирус, является процент от коммерческих просмотров и продажа персональной информации пользователей.

У меня компьютер/ноутбук на базе M1. Что мне делать?

Прямо сейчас — ничего. Apple уже заблокировала сертификат разработчика, с помощью которого подписывался вирус. Но впредь надо быть внимательней, так как случай с Pirrit показал, что под угрозой и девайсы на базе Apple Silicon.

Источник: Objective-See

Что нового?

• уже озвученная ранее поддержка Apple M1;
• embed package, средствами которого можно встраивать в программу новые типы файлов и каталоги;
• использование модулей Go требуется по умолчанию;
• проведена общая оптимизация: компоновка проектов ускорилась на 20-25%, при этом на 5-15% уменьшилось количество необходимой памяти.

Скачать Go 1.16 можно на официальном сайте для всех основных платформ: Windows, macOS и Linux.

Источник: Блог Golang

В письме говорится, что более подробная инструкция о возврате будет разослана в ближайшие недели. Но уже сейчас Apple уточняет, что Mac mini DTK необходимо отправить в оригинальной упаковке.

За возврат устройства разработчики получат купон на 200 долларов. Его можно будет потратить на покупку MacBook Air, MacBook Pro или Mac mini на базе фирменного ARM-чипа M1.

Журналисты 9to5Mac подметили, что самая дешёвая версия Mac mini с новым чипом стоит 699 долларов. Таким образом, с учётом скидочного купона, разработчикам придётся вновь заплатить 500 долларов за покупку необходимого железа.

Mac mini DTK представлял из себя обычный мини-ПК от Apple, который использовал Apple A12Z Bionic вместо привычного Intel-процессора. Компания выпустила устройство для того, чтобы разработчики могли подготовиться к выходу первых компьютеров Apple после отказа от x86-архитектуры.

Источник: 9to5Mac

Специалисты компании Corellium успешно портировали Linux на компьютеры Apple с чипом M1, сообщает AppleInsider. Изначально пост на эту тему опубликовал технический директор компании Крис Уэйд в своём Twitter-аккаунте.

Хоть в самой записи порт называют «полностью юзабельным», не обошлось и без определённых ограничений. Так, например, интернет работает лишь через USB-C переходник. При этом загрузка операционной системы происходит через USB-накопитель.

Также разработчики не смогли реализовать аппаратное ускорение с помощью GPU, что для нас с вами означает более медленную работу в графических задач, чем могло бы быть на той же macOS.

В качестве дистрибутива для переноса было решено выбрать Ubuntu. Над проектом также работали люди, создававшие в своё время checkra1n — инструмент для джейлбрейка iPhone.

Ознакомиться с самим проектом можно на его GitHub-странице или в блоге Corellium.

Источник: AppleInsider

По словам разработчиков, из-за того что релиз является тестовым, приложение лишено некоторых уже стандартных функций: заливки с учётом содержимого, заплатки и т.д. Со временем все они, разумеется, вновь станут доступны. Также представители Adobe заявили, что бета-версия Photoshop для настольных ARM-процессоров уже сейчас доступна для скачивания в Creative Cloud в соответствующей вкладке. В дальнейшем от компании ждут появления Premiere Pro, After Effects и прочих приложений с поддержкой ARM64-чипов.

Отметим, что на сегодняшний день у Apple имеется лишь один ARM-процессор для настольных и портативных компьютеров, используемый в новейших MacBook Air, MacBook Pro и Mac Mini. Но даже несмотря на столь небольшое количество устройств, такие производители как Adobe и Pixelmator уже заявили о скорейшей поддержке нового решения Apple в своих приложениях.

• Встроенная поддержка TLS 1.3. Она не включена по умолчанию, надо в переменной окружения GODEBUG (пакет crypto/tls) установить опцию tls13=1.
• Улучшенная поддержка системы модулей. Разработчики готовятся включить её по умолчанию в версию 1.13.
• Поддержка Windows на системах ARM-архитектуры. Например, Go теперь можно использовать с Windows 10 IoT Core на платах Raspberry Pi 3.
• Улучшенная совместимость грядущими версиями macOS и iOS. Прослойкой для выполнения специфичных системных вызовов выступает библиотека libSystem.

Предыдущая версия языка вышла в августе прошлого года.

С программной точки зрения архитектура процессора — это совместимость с определённым набором команд (Intel x86), их структуры (система адресации, набор регистров) и способа исполнения (счётчик команд).

Говоря простым языком, это способность программы, собранной для архитектуры x86, работать практически на любой x86-совместимой системе. При этом такая программа не будет работать, например, на ARM системе.

С аппаратной точки зрения архитектура процессора — это некий набор свойств и качеств, присущий целому семейству процессоров (Skylake – процессоры Intel Core 5 и 6 поколений).

Если тема кажется сложной, можно начать со статьи о том, чем CPU отличается от GPU.

Виды архитектур

В этой статье мы рассмотрим самые распространенные и актуальные архитектуры с программной точки зрения, кроме узкоспециализированных (графических, математических, тензорных).

CISC

CISC (англ. Complex Instruction Set Computer — «компьютер с полным набором команд») — тип процессорной архитектуры, в первую очередь, с нефиксированной длиной команд, а также с кодированием арифметических действий в одной команде и небольшим числом регистров, многие из которых выполняют строго определенную функцию.

Самый яркий пример CISC архитектуры — это x86 (он же IA-32) и x86_64 (он же AMD64).

В CISC процессорах одна команда может быть заменена ей аналогичной, либо группой команд, выполняющих ту же функцию. Отсюда вытекают плюсы и минусы архитектуры: высокая производительность благодаря тому, что несколько команд могут быть заменены одной аналогичной, но большая цена по сравнению с RISC процессорами из-за более сложной архитектуры, в которой многие команды сложнее раскодировать.

RISC

RISC (англ. Reduced Instruction Set Computer — «компьютер с сокращённым набором команд») — архитектура процессора, в котором быстродействие увеличивается за счёт упрощения инструкций: их декодирование становится более простым, а время выполнения — меньшим. Первые RISC-процессоры не имели даже инструкций умножения и деления и не поддерживали работу с числами с плавающей запятой.

По сравнению с CISC эта архитектура имеет константную длину команды, а также меньшее количество схожих инструкций, позволяя уменьшить итоговую цену процессора и энергопотребление, что критично для мобильного сегмента. У RISC также большее количество регистров.

Примеры RISC-архитектур: PowerPC, серия архитектур ARM (ARM7, ARM9, ARM11, Cortex).

В общем случае RISC быстрее CISC. Даже если системе RISC приходится выполнять 4 или 5 команд вместо одной, которую выполняет CISC, RISC все равно выигрывает в скорости, так как RISC-команды выполняются в 10 раз быстрее.

Отсюда возникает закономерный вопрос: почему многие всё ещё используют CISC, когда есть RISC? Всё дело в совместимости. x86_64 всё ещё лидер в desktop-сегменте только по историческим причинам. Так как старые программы работают только на x86, то и новые desktop-системы должны быть x86(_64), чтобы все старые программы и игры могли работать на новой машине.

Для Open Source это по большей части не является проблемой, так как пользователь может найти в интернете версию программы под другую архитектуру. Сделать же версию проприетарной программы под другую архитектуру может только владелец исходного кода программы.

MISC

MISC (англ. Minimal Instruction Set Computer — «компьютер с минимальным набором команд»).

Ещё более простая архитектура, используемая в первую очередь для ещё большего уменьшения итоговой цены и энергопотребления процессора. Используется в IoT-сегменте и недорогих компьютерах, например, роутерах.

Для увеличения производительности во всех вышеперечисленных архитектурах может использоваться “спекулятивное исполнение команд”. Это выполнение команды до того, как станет известно, понадобится эта команда или нет.

VLIW

VLIW (англ. Very Long Instruction Word — «очень длинная машинная команда») — архитектура процессоров с несколькими вычислительными устройствами. Характеризуется тем, что одна инструкция процессора содержит несколько операций, которые должны выполняться параллельно.

По сути является архитектурой CISC со своим аналогом спекулятивного исполнения команд, только сама спекуляция выполняется во время компиляции, а не во время работы программы, из-за чего уязвимости Meltdown и Spectre невозможны для этих процессоров. Компиляторы для процессоров этой архитектуры сильно привязаны к конкретным процессорам. Например, в следующем поколении максимальная длина «очень длинной команды» может из условных 256 бит стать 512 бит, и тут приходится выбирать между увеличением производительности путём компиляции под новый процессор и обратной совместимостью со старым процессором. Опять же, Open Sourсe позволяет простой перекомпиляцией получить программу под конкретный процессор.

Примеры архитектуры: Intel Itanium, Эльбрус-3.

Виртуальные архитектуры

Но раз нельзя запустить программу одной архитектуры на другой, то откуда берутся магические JAR-файлы, которые можно запустить на любой машине? Это пример виртуальной JVM-архитектуры, которая, по сути, эмулируется на целевой реальной машине. Поэтому достаточно JVM-машины для целевой архитектуры для запуска на ней любой Java-программы. Другим примером виртуальной архитектуры является .NET CIL.

Из минусов виртуальных архитектур можно выделить меньшую производительность по сравнению с реальными архитектурами. Этот минус нивелируется с помощью JIT- и AOT-компиляции. Однако большим плюсом будет кроссплатформенность.

Дальнейшим развитием этих архитектур стали гибридные архитектуры. Например современные x86_64 процессоры хотя и CISC-совместимы, но являются процессорами с RISC-ядром. В таких гибридных CISC-процессорах CISC-инструкции преобразовываются в набор внутренних RISC-команд. Какое дальнейшее развитие получат архитектуры процессора, покажет только время.

По словам Линуса, все слишком зацикливаются на наборе инструкций и ядре процессора. Но реально “важной является вся инфраструктура, завязанная на этот набор инструкций, и на x86 эта инфраструктура присутствует, причём на разных уровнях.”

Многие разрабатывают программы на ПК с x86-чипами от Intel или AMD, поэтому очень важна совместимость, которая выражена в унификации моделей “железа”, разработки и прочих инфраструктур. Про ARM такого сказать нельзя, и Линус считает, что это приводит к фрагментации рынка.

ARM доминирует на мобильном рынке, и многие устройства используют Android, основанный на ядре Linux. Но пресловутая фрагментация вызывает проблемы с устройствами и их поддержкой.

Из-за разного системного обеспечения невозможно создать билд Android, который можно установить на все устройства, как Windows на ПК, и производители самостоятельно допиливают ОС. Intel пыталась устанавливать свои x86-процессоры в смартфоны, но поняла, что это бессмысленно.

Всё интервью можно увидеть в этом видео: