Компания СБЕР продолжает укреплять свои позиции на рынке искусственного интеллекта, анонсировав обновленную нейросеть GigaChat 2.0. Это решение открывает новые горизонты для бизнеса: от автоматизации рутинных задач до управления крупными проектами. В статье расскажем, как нейросеть GigaChat помогает компаниям опережать конкурентов и какие возможности предлагают её три версии — MAX, Pro и Lite.
1. GigaChat 2.0: ключевые возможности нейросети.
Нейросеть GigaChat 2.0 от СБЕРа — это не просто инструмент, а полноценный цифровой партнёр. Она анализирует данные на русском языке с высочайшей точностью, генерирует креативные решения и адаптируется под специфику бизнеса. Основные преимущества:
— Скорость — обработка сложных запросов в 2 раза быстрее аналогов.
— Гибкость — интеграция с CRM, аналитическими платформами и облачными сервисами.
— Персонализация — обучение под нужды компании для точного прогнозирования и стратегического планирования.
По мере того, как сезон отчетности за четвертый квартал подходит к концу, основные технологические игроки во главе с Nvidia пересмотрели свои прогнозы по CapEx, что подпитывает всеобщий оптимизм рынка. Однако дебют DeepSeek с его недорогой моделью в начале года открыл возможности для перехода на следующий этап роста разработки ИИ, а также поднял вопросы о том, могут ли корпоративные капитальные затраты замедлиться.
Последние данные по CapEx по M7 (Apple, Amazon, Alphabet, Meta, Microsoft, Tesla и Nvidia, — на которые в совокупности приходится почти треть общей рыночной капитализации S&P 500) показывают, что технологические гиганты продолжают наращивать свои капитальные расходы. В совокупности капитальные расходы M7 взлетели до $79,1 млрд в четвертом квартале 2024 года, что на 61,7% больше в годовом исчислении, по сравнению с 47,3% в предыдущем квартале.
Поскольку компании наращивают производство чипов и расширяют центры обработки данных, глобальные продажи полупроводников остаются высокими. Тенденция сигнализирует об устойчивом росте расходов, связанных с ИИ, что усиливает долгосрочный потенциал сектора.
A100 может использоваться в рабочих станциях с одним или несколькими GPU, в серверах, кластерах, облачных центрах обработки данных и суперкомпьютерах.
Вообще наиболее востребованные видеокарты, используемые в IT-сфере, – это графические процессоры (GPU) A100 и H100 от американской Nvidia.
…………….
С учетом санкционных реалий, стоит острый вопрос о диверсификации в поставках графических процессов. Сейчас же монополистом рынка является Nvidia.
Однако, стоит следить за успехами из Китая — Huawei уже показала свою эффективность в этом плане, т.к для DeepSeek была успешно перенесена на их процессоры.
Китай все еще отстает в «железном» плане от США, но зная их желания стать независимыми от поставок американцев, то я не удивлюсь, если они быстро выйдут на уровень Nvidia по части процессоров для ИИ. А это как раз тот вариант, который бы больше всего подошел нам 🤝
Коллеги, приглашаю на свой канал для погружения в инвестиции через призму IT и цифровизацию бизнеса, где еще больше актуальных новостей и моих разборов — https://t.me/+_O7cBNGFhg82ZjQy
Мы — Дима и Слава. Так получилось, что мы создали стартап в невероятно конкурентной среде — предиктивной киберспортивной аналитике, а наши конкуренты — десятки букмекеров с огромными бюджетами и штатами разработчиков. Рассказываем, как мы к этому пришли.
Мы занимается предпринимательством уже 9 лет, и за это время создали hardware-стартап в Италии, несколько лет работали с блогерами и в сфере маркетинга и зарекомендовали себя перед инвесторами как ответственные управленцы.
Рендер нашего hardware-стартапа в Италии
С чего все началось
В 2021 году во время ковида мы активно питчили инвесторам идею платформы эксклюзивного блогерского контента по подписке, но в России невозможно привлечь инвестиции выше $1 млн в подобный стартап просто на этапе идеи. Вместо этого нам предложили попробовать силы в киберспорте, и в итоге мы вошли в уже существующий проект в фазе разработки — сервис CS:GO-статистики DataLuna.
Первоначальная идея фаундера была простая — собирать максимально возможное количество статистических данных, в том числе начать считать собственную статистику, и упаковать все это в сервис. Предполагалось, что эта информация будет интересна игрокам и командам.
Автоматизация рутинных задач с помощью искусственного интеллекта (ИИ) может значительно сократить расходы бизнеса. Согласно исследованию компании «Инфомаксимум», внедрение ИИ позволит автоматизировать 34% задач, выполняемых около 12 млн офисных сотрудников в России. Это приведет к экономии более 4,13 трлн рублей в год на фонд оплаты труда.
ИИ особенно эффективен в таких областях, как клиентское обслуживание и анализ данных. Внедрение нейросетей сокращает время на выполнение задач в 2 раза, а количество ошибок и переработок — на 70%. Например, в сфере обслуживания клиентов можно уменьшить время ручных ответов на 50-60%, а в страховых компаниях повысить продуктивность на 30%.
Однако внедрение ИИ требует значительных инвестиций, от 1 млн до десятков миллионов рублей, и окупается в течение 1–3 лет. Прогнозируется, что к 2025–2027 гг. более 60% российских компаний будут использовать ИИ для рутинных задач. Эксперты считают, что ИИ перераспределит задачи сотрудников, позволяя им сосредоточиться на более креативных и сложных задачах.