Как известно бесконечно долго можно смотреть на три вещи: как горит огонь, как течет вода, и … как ежедневно размещаются с помощью ИИ новости в твой Telegram канал :)
Какую задачу мы решаем?
Мы хотим научиться передавать рутинные процессы ИИ без знаний программирования.
На примере репоста новостей в Telegram канал мы с вами без знаний программирования создадим нейро-сотрудника, который сам активируется каждый день и делает репост новостей в наш Telegram канал.
При этом текст новости должен быть переписан ИИ и к посту найдена релевантное фото в Яндексе.
Кто будет работать для решением нашей задачи?
Напомню вам, что у нас есть нейро-руководитель Святослав, у которого в подчинении есть набор нейро-специалистов из которых он сам определяет подходящих исполнителей текущей задачи.
Нашла отличную, а главное, бесплатную нейросеть - виртуальную примерочную - OOTDiffusion. Можно самому не выходя из дома примерить одежду и понять, подходит или нет.
Сервис подойдет и для более серьезных целей - для селлеров одежды, для формирования карточек товаров на маркетплейсе - можно очень хорошо сэкономить на модели, на съемках, студии и фотографе. Вместо этого просто загружаете фото модели в полный рост и добавляете в соседнее окно картинку с предметом одежды, спустя пол минуты бесплатно получаете готовую фотосессию с вашим мерчем.
Для этих целей, вам так же могут быть интересны и другие нейросети для селлеров одежды, про которые я писала:
Про Vmake - сервис для интернет торговли - кстати, в этом же посте я перечислила и другие полезные именно для торговли и маркетплесов сервисы, про которые я писала, а так же о том, как делать карточки для маркетплейсов с помощью нейросетей
Хотите узнавать первыми о полезных сервисах с искусственным интеллектом для работы, учебы и облегчения жизни? Подпишитесь на мой телеграм канал НейроProfit, там я рассказываю, как можно использовать нейросети для бизнеса.
Wix - это нейросеть, которая может создать сайт за секунды, причем красивый.
Достаточно “поговорить” с сервисом. Буквально, рассказываем чат-боту о своем бизнесе - задаем описание, отвечаем на вопросы бота и недурственный макет сайта готов.
Далее можно отредактировать шаблон сайта под любые нужды, а так же сделать его более кастомным.
В примерах в видео использовались простые запросы для создания сайта:
- Kynn - это интернет-магазин, в котором продаются керамика и произведения искусства, выполненные с помощью ручного строительства и 3D-печати техники
- Мой бизнес - это крытый скалодром, где также проводятся занятия и индивидуальные занятия для разных возрастных групп.
-Я хочу создать сайт, на котором люди смогут узнать о докладчиках и деталях мероприятия, а также купить билеты на нашу финансовую конференцию в Нью-Йорке.
Кроме лендинга, можно создать новостной портал, интернет-магазин, блог, да любой коммерческий сайт.
Использовать можно бесплатно
Хотите узнавать первыми о полезных сервисах с искусственным интеллектом для работы, учебы и облегчения жизни? Подпишитесь на мой телеграм канал НейроProfit, там я рассказываю, как можно использовать нейросети для бизнеса.
Nvidia - одна из ключевых компаний мира прямо сейчас. Существует популярное мнение, что они просто везунчики, которые всегда оказываются с нужным продуктом в нужное время. Однако, если историю развития этой компании, то станет отчетливо видно, что эти ребята умеют мастерски конкурировать, делают полезные выводы из провалов и отлично "ловят волны". Сегодня разберемся, как им это удается.
Главный секрет Nvidia в том, что её основатель ходит с стильной кожанке. Спасибо за внимание. Ладно, шучу, сейчас во всем разберемся.
Nvidia обогнала по стоимости Saudi Aramco, и теперь выше детища Дженсена Хуанга лишь Microsoft да Apple. Microsoft за последние годы ИИ-бума влезли в очень плотную зависимость от чипов Nvidia, из-за чего сейчас экстренно пилят собственную замену. Apple же слез с чипов Nvidia в 2010-х, но, уверен, у Nvidia неплохие шансы пободаться и с этим гигантом.
Возможно, кто-то спросит "Аффтар, почему ты так уверено назвал Nvidia главной компанией нашего будущего?". Отвечу: "Потому что Nvidia продает те самые пресловутые лопаты современным золотоискателям. А это самая надежная и устойчивая бизнес-стратегия независимо от эпохи и контекста".
Ладно, к делу. Изучая материалы про Nvidia, я регулярно сталкивался со следующим лейтмотивом:
"Да просто чуваки каждый раз оказывались вовремя с востребованным продуктом. Они просто крайне везучие".
Так вот, если компания умудряется несколько раз подряд оказаться с востребованным продуктом (причем, самым популярным на рынке, или одним из самых) в нужные моменты времени, то это означает, что у компании офигеть какая мощная стратегия, а СЕО - крутой визионер.
Поэтому, в этом материале я хочу не просто рассказать историю развития компании и основные этапы её развития. Но также понять, как Дженсену и ко. удавалось делать настолько верные и точные стратегические ставки. А еще, по ходу дела расскажу, что же за продукцию такую производит эта Nvidia, что на неё всегда есть устойчивый спрос в самых разных индустриях и сегментах рынка.
Disclaimer. История Nvidia - это большой и яркий путь с россыпью крутых бизнес-решений. Так что, я поделю материал на две части. Сегодня расскажу, как из небольшого перспективного "стартапа из кафешки" Nvidia превратилась в важнейшего производителя железа для современной технологических отраслей. А во второй части (coming soon) мы разберемся, как Nvidia из просто крупной и важного игрока превратилась в главную компанию будущего, которая (очень возможно), скоро станет самой дорогой корпорацией в истории.
Этап первый. Как жизнь Nvidia чуть не закончилась после первого же выпущенного чипа
Думаю, многие из вас слышали историю, как Дженсен Хуанг, Крис Малаховски и Кертис Прэм сели за столик в дешевой кафешке в Сан-Хосе и стали думать, какая технология станет the next big thing в этом мире. Еще ходит байка, что эта забегаловка была в таком суровом районе, что в её стенах зияли дырки от гангстерских пуль.
Последний факт, наверно, должен был символизировать стартаперский дух начинания, но на самом деле все трое фаундеров на тот момент уже были состоявшимися взрослыми спецами. Например, наш главный герой трудился руководителем направления в LSI Logic - довольно крупном производителе интегральных схем, а два других партнера инженерили в Sun Microsystems (эту компанию позже поглотит Oracle). В общем, ребята были весьма матерыми профи, а не какими-то оборванцами, бросившими колледж ради стартапа в гараже.
Приятели сходились во мнении, что компьютерная отрасль только набирает обороты, и что в самое ближайшее время машины будут использоваться для все более широкого спектра вычислительных задач. А значит, центральным процессорам (CPU) явно понадобится помощь. Эта помощь называется аппаратное ускорение вычисления.
В двух словах. CPU - это такой "мозг компьютера". Он обрабатывает сигналы и распределяет вычислительные команды. А теперь представьте, что вам на работе подкинули 10-20 задач одновременно. Что случится с вашим мозгом? Правильно, он "перегреется" и вы поймаете мощный приступ прокрастинации (=зависнете). То же самое и с центральным процессором компьютера, который должен выполнять все больше и больше задач одновременно.
Так вот, элементы аппаратного ускорения - это такие вспомогательные мини-мозги, призванные разгрузить основной мыслительный центр.
Без этих штук мы едва бы смогли параллельно запустить на ноутбуке несколько вкладок браузера, эксель, фотошоп, Телегу, и игру в отдельном окошке.
Кстати, на счет игр. Дженсен, Крис и Кертис не сомневались, что за аппаратным ускорением будущее. Оставалось лишь выбрать направление внутри этого тренда. Решили, что это будет гейминг. Если конкретнее, то их особенно привлекала бурно развивающаяся 3D-графика для этого самого гейминга. Продвинутый графон - это штука энергозатратная, вычислительные мощности она жрет как конь. Так что, друзья решили софкусироваться на графических процессорах (GPU).
В 1995 г. Nvidia выпустила свой первый продукт - мультимедийную видеокарту NV1.
Вот так она выглядела.
NV1 отличалась от аналогов тем, что на одной плате размещалось сразу несколько модулей - блок обработи 2D-графики, ускоритель 3D-графики, звуковая карта и порт для игрового геймпада приставки Sega Saturn. Кстати, в рамках этой карты Nvidia сотрудничала с Sega, что позволило портировать некоторые популярные эксклюзивы для этой консоли на ПК.
Нужно отметить, что Nvidia - это fabless (=fabricless) company, т.е. компания без своего производства. По сути, это просто конструкторское бюро. Очень большое и крутое конструкторское бюро! Они всего лишь (ну, если сравнивать с полноценной сборкой) придумывают и разрабатывают свои технологии и продукты, а непосредственной изготовкой занимаются подрядчики по контракту. Например, первый чип NV1 для Nvidia производила компания SGS Thomson-Microelectronics на своем заводе во Франции. Сейчас, конечно, у Nvidia есть кое-какие собственные производственные мощности, но львиная доля производства все равно происходит на стороне - например, с помощью тайваньских компаний.
В итоге NV1 стал прорывом и принес компании известность... хотелось бы мне написать. Но нет, он провалился! Да-да, история третьей по стоимости компании в мире началась с провала.
Дело в том, что NV1 был больше всего заточен на игровую консоль Sega. А в те годы происходит бум ПК-гейминга. Большинство ПК же работает на операционной системе Microsoft. NV1 вышел в мае 1995, а уже в сентября Microsoft представил свой API под названием DirectX.
Если упрощенно, DirectX - это специальный модуль, позволяющий разработчикам задействовать все мощности железа без написания специального кода под каждый элемент комплектующих.
Помните, большинство игрух на ПК в конце 1990-х и начале 2000-х требовали вместе с установкой самой игры поставить DirectX?
Так вот, принцип ускорения графики у чипсета NV1 принципиально расходился с таковым у DirectX. Следовательно, первый продукт Nvidia оказался принипицально несовместим с подавляющим большинством игр, которые геймеры ставили на ПК!
А учитывая, что в создание NV1 стартап бахнул почти все первые привлеченные инвестиции (первый раунд был 10 миллионов долларов - довольно серьезная сумма по тем временам), это был epic fail. Хуангу даже пришлось сократить половину сотрудников, которых к тому моменту уже успели нанять... Был момент, когда у Nvidia хватало денег всего лишь на один месяц зарплат. Тогда родился негласный девиз компании: "У нас есть всего лишь 30 дней, чтобы продолжать делать бизнес".
Так что, да, в начале своего пути сооснователи получили довольно мощный апперкот от жестоких реалий рыночной экономики.
Впрочем, Nvidia сделала правильные выводы. С пор они редко промахивались с трендами рынка, особенно в сегменте ПК.
Интересный факт. Первые годы у Nvidia не было названия. В рабочих переписках компания называла свои первые продукты "NV" - Next Version. Ну типа, новая версия этих ваших видеокарт. Когда компания развилась до такого масштаба, что без названия уже было сложно, основатели решили открыть словарь и найти что-то прикольное из похожего на NV. В итоге остановились на слове "'invidia"', что на латыни значит... "зависть". Да-да, тот самый дух неуёмной конкурентной борьбы, который позже проявился в схватках с 3dfx, ATI, AMD и другими крутыми компаниями.
Этап второй. Первый большой успех и победа над Voodoo
Есть такой миф, что Nvidia придумала видеокарты. На самом деле, это не так. Первый графический видеоадаптеры с поддержкой 3D-графики еще в бородатом 1982 году запилила IBM. Чуть позже многие другие компании выпустили свои версии. Однако первые версии были очень дорогими и не слишком производительными. В общем, узкоспециализированная история для избранных.
Действительно массовые, доступные, универсальные и широкосовместимые 3D-видеокарты появились во второй половине девяностых. Первый образец выпустила та же IBM в 1995 г., был еще чипсет S3 ViRGE от компании S3 Graphics (сейчас принадлежит тайваньской HTC). Еще было сразу несколько популярных моделей от компании Matrox, да и японцы из Yamaha тоже что-то делали... В общем, хотя океан еще не был алым, он уже стремительно краснел.
В 1996 г. на рынок выбрасывается сразу несколько успешных моделей, но настоящий прорыв происходит, когда компания 3dfx выпускает свой 3D-ускоритель под названием Voodoo Graphics.
3dfx специализировалась на графике для игровых автоматов, и их чип выдавал скорость и качество рендера, близкое к автоматам. Тогда это была вершина крутости. К тому же, их карты хорошо совмещались с ПК-играми.
Справа - графон в Quake 1 на чипсете Voodoo, слева - без оного. Как говорится, почувствуйте разницу.
Короче говоря, это был очень крутой 3D-ускоритель, который быстро завоевал популярность. Сначала среди производителей видеокарт, а позже и среди геймдев-компаний, которые целенаправленно начали оптимизировать графон своих проектов под него.
В 1998 г. 3dfx выпустила чипсет Voodoo2, который был еще производительнее первой версии. И вот с этой штукой Nvidia пришлось конкурировать. Скажу сразу, Nvidia выиграла, а позже вообще выкупила 3dfx, интегрировав к себе их наработки. Как же им это удалось?
Если вычленять самую суть, то более массовый и простой продукт победил более продвинутый. В общем, классика. Voodoo2 показывал исключительную производительность и качество текстур, к которым не могли приблизиться конкуренты. Однако Nvidia выпустил свой новый продукт - NV4, также известный как Riva TNT. Дело в том, что поверх набора ускорителей Voodoo2 нужно было отдельно прикрутить внешнюю видеокарту. А Riva TNT имела изначально встроенную видеокарту внутри своего набора (т.е. предлагала готовое решение под ключ). К тому же, Riva TNT была банально дешевле ("дешевые карты Nvidia" сейчас звучит как плохой анекдот, но тогда реально было так). Так что, Nvidia начал активно отжирать бюджетный и средний сегменты, которые благодаря растущей доступности 3D-игр росли быстрее всего.
Тем не менее, Nvidia и 3dfx активно конкурировали следующие 2-3 года. Но Дженсен Хуанг победил. Во-первых, пока у 3dfx каждый следующий чипсеть был масштабным мегапроектом, Nvidia намеренно минимизировал цикл разработки, научившись быстро выкатывать новые версии на рынок. Это позволяло еще быстрее отжимать бюджетный и средний сегмент. К тому же, Nvidia изначально заложила в конструкцию своих продуктов систему проверки чипов на брак, за счет чего у них была ниже доля неисправной продукции.
Закончилось все тем, что в 2002 г. 3dfx проиграла Дженсену Хуангу патентный спор, что окончательно добило некогда мощного игрока. В итоге Nvidia выкупила своего закадычного конкурента за 70 миллионов долларов. Первый громкий триумф.
В 1999 г. компания выпустила один из своих главных продуктов - GeForce 256, который Nvidia с гордостью называла "первым графическим процессором". На самом деле, это было не совсем так. Хотя GeForce 256 умел создавать более сложные и реалистичные трехмерные объекты за счет наложения структур, был способен обрабатывать солидный объем графических примитивов (примитивы - это простейшие объекты, из которых на экране складывается изображение), и вообще очень резво работал с графикой, он точно не был первым графическим процессором. Более того, он был даже не самым мощным в свое время. Однако, он точно выдавал оптимальную "цену-качество", а еще Nvidia весьма талантливо его пиарила (в хорошем смысле этого слова).
GeForce 256. Как говорится, найдите 10 отличий с фото NV1 выше. Но на самом деле, разница примерно как между Nokia 3310 и пятым (ну ладно, четвертым) Айфоном.
К тому моменту Nvidia уже стала крупным поставщиком графических ускорителей и видеокарт. Её выручка была в районе 200 миллионов в год, капитализация достигала 700 млн долл., а в 1999 г. компания провела IPO на NASDAQ, окончательно перестав быть стартапом.
Этап третий. Новая конкуренция на зрелом рынке
В начале 2000-х на рынке графических процессоров уже миновал этап бешеной конкуренции между кучей стартапов. Сформировались три явных лидера - Nvidia, Intel и ATI. У Nvidia и Intel было примерно по 30% рынка, у ATI - чуть меньше. Однако в 1998 г. Intel выпустил неудачный внешний ускоритель i740, так что, через некоторое время решил забить на рынок дискретных (т.е. внешних) видеокарт, состредоточившись на внутренней графике, а также других направлениях, коих у этого диверсифицированного гиганта было предостаточно.
В итоге в сегменте внешних графических модулей образовалась дуополия - Nvidia против ATI. Тут-то Дженсен Хуанг и попал в свою любимую среду ультраконкуренции. В 2000 г. ATI как раз выпустила свой самый жирный продукт, название которого вы наверняка слышали - это чипсет Radeon (сейчас это флагман компании AMD, но об этом позже).
В общем, две компании начали бодаться за самые жирные сегменты и контракты.
Сначала Nvidia стала поставщиком чипов для консоли Xbox, которую только-только начинал развивать Microsoft. Однако в дальнейшем Microsoft ушел к конкурентам из ATI. Дженсен Хуанг подумал "А чем я хуже?", и пошел к Sony с их PlayStation. Вдобавок, Nvidia стала эксклюзивным поставщиком внешних видеокарт для компов Apple. Кстати, в рамках партнерства с Sony Хуанг поступил очень мудро - Nvidia не просто продавала свои чипы, но и помогала Sony разрабатывать собственную графику для PlayStation 3 и PSP. Конечно, в перспективе Sony мог полностью перейти на свои решения, но глава Nvidia понимал, что рано или поздно это случится в любом случае (так и случилось). Так что, лучше поучаствовать в процессе, выжав из сотрудничества максимум хотя бы до создания японцами своего GPU.
Параллельно, Nvidia начала себя вести как настоящая взрослая корпорация. Она начала скупать перспективные компании и стартапы, диверсифицируя технологическую и продуктовую базу. В частности, прикупили:
Exluna - разработчика оборудования для 3D-рендеров в кино.
MediaQ - производителя чипов, которые оптимизируют работу дисплеев и аккумуляторов мобильных телефонов и прочих "беспроводных устройств".
iReady - разработчика чипов, которые "разгружали мозги" сетевого адаптера (это штука внутри компьютера, с помощью которой он ловит сеть или вайфай).
А еще, что любопытно, в 2005 г. хитрая Nvidia купила некую тайваньскую компанию ULI Electronics (сейчас она называется чуть по-другому), которая была важным поставщиком компонентов для главного конкурента - ATI. Этот удар Хуанга был крайне чувствительным для конкурента.
Второй удар по себе нанесла сама ATI. Компания продалась диверсифицированному производителю микропроцессоров AMD. В итоге ATI стала "графическим юнитом" в составе AMD, при этом лишившись большинства контрактов со своим основным потребителем - Intel (ведь AMD - это уже прямой конкурент Intel, а не какой-то там поставщик графических чипов). Угадайте, кому после этого достались безхозные контракты от Intel?
В итоге получилась очень характерная ситуация. С одной стороны, огромный процессорный холдинг купил главного конкурента Nvidia (а также, соответственно, их главный продукт - чип Radeon). С другой стороны, сама Nvidia активно диверсифицировалась, скупала компании в смежных сегментах и готовилась играть по-крупному. Все это предзнаменовало главное противостояние в сегменте графики, рендеров, процессоров и всего что с этим связано - Nvidia vs AMD ("зеленые" против "красных").
Классическое противостояние, которое идет уже почти 20 лет. Иногда еще сюда добавляют Intel, но Intel - это все же прямой конкурент для AMD. Для Nvidia Intel и конкурент, и партнер и покупатель одновременно.
Кстати, есть версия, что AMD сначала хотели купить Nvidia, но Дженсен Хуанг их послал. Этот хитрый CEO что-то знал уже тогда.
Этап четвертый. Первые ростки в направлении ИИ
Середина 2000-х. Nvidia - уже совсем серьезная корпорация, зарабатывающая по 200-300 миллионов баксов за квартал.
В 2007 г. компания выпускает свой, возможно, самый важный продукт. Очень вероятно, что именно он открыл ей путь к нынешним триллионам. Он назывался CUDA (Compute Unified Device Architecture). CUDA - это GPGPU (General-purpose computing on graphics processing units). И здесь я остановлюсь подробнее.
Дженсен Хуанг понимал, что одними ускорениями графона и рендерами сыт не будешь. Так что, Nvidia выпустил, скажем так, адаптер (ну или прееходник), который позволял задействовать мощности большинства своих графическиих чипов для обработки математических вычислений, алгоритмов и прочих веселых штук, которыми занимаются разработчики самых продвинутых технологий.
Проще говоря, с помощью CUDA разрабы смогли делать запросы на упрощенных диалектах языков C, С++ и Fortran, которые обрабатывались прямо на мощностях чипов Nvidia. Позже прикрутили еще Python, MATLAB и другие популярные языки.
Отдельно выделю крайне удачное решение добавить язык Fortran. С одной стороны, этот язык сложно назвать самым популярным для разработки (видели хоть один войтивайтишный курс про Фортран?). С другой стороны, он считается "высоким языком", на котором программисты-ученые любят вести научные изыскания. В том числе, именно Fortran стал одним из ключевых языков для ранних наработок в области искусственного интеллекта и машинного обучения (есть версия, что это вообще первый язык для ИИ).
Таким образом, помимо очевидного стимулирования спроса на чипы, успешный выпуск CUDA, вероятно, стал фундаментом (или хотя бы первым кирпичиком) для лидерства компания в вычислительных мощностях для искусственного интеллекта.
Интересный факт. В 2012 г. прошел ImageNet Large Scale Visual Recognition Challenge - крупный конкурс, где разработчики соревновались, чья технология круче всех распознает разные картинки. Лучший результат показала нейронная модель AlexNet, которая обучалась через мощности графических чипов Nvidia с помощью CUDA. Тогда окончательно стало ясно, что графические чипы в целом и Nvidia в частности ой как пошумят по мере развития ИИ. Кстати, одним из создателей AlexNet был Илья Сутцкевер, который теперь нам известен как сооснователь OpenAI и один из самых важных людей в мире современных технологий.
Молодые Илья Сутцкевер и Алекс Крижевский, а также уже солидный Джеффри Хинтон (один из самых видных ученых в области deep learning) работают над AlexNet.
Этап пятый. Новые вызовы и работа с рисками
В конце 2000-х Nvidia продолжила усиленную диверсификацию. В частности, был куплен Ageia - разработчик движка PhysX, который позволяет моделировать и разрабатывать симуляции физических явлений. PhysX - крайне важная штука для гейминга, которую активно используют Unreal Engine, Unity и другие игровые движки. Он стал весьма важным продуктом для компании.
Однако, к началу 2010-х перед Nvidia встал серьезный вызов - стремительно набирал обороты сегмент интегрированной (внутренней) графики. Это означало, что диверсифицированный крупняк вроде Intel, Sony, Microsoft, Apple и прочих становились гораздо более самостоятельными в плане работе с графическими задачами. Если в 2007 г. Intel контролировал 30% рынка графики, то к началу 2010-х - уже более половины, и продолжал усиливать свои позиции за счет поглощения целой россыпи мелких производителей.
Позиции основного бизнеса Nvidia (дискретных, т.е. "встраиваемых", решений для графики) оказались под серьезной угрозой. К тому же, в 2008 г. Nvidia выпустила большую партию чипов с дефектами, которые отгрузили Apple, Dell, HP и другим крупным ребятам. В итоге Nvidia получила серьезный репутационный ущерб, а еще пришлось раскошелиться на компенсации.
Нужно было что-то менять. В первую очередь - еще активнее диверсифицироваться, чтобы сделать бизнес-модель прочной и устойчивой.
Действовать решили по всем фронтам:
Радикально усилили чипы и прочие вычислительные продукты для игр на ПК и консоли.
Активно пошли в мобильный сегмент. Еще в 2007 г. Nvidia купила разработчика системных чипов PortalPlayer. В 2010-х на основе технологий PortalPlayer была выпущена серия процессоров (не GPU, а полноценных CPU) для мобильных устройств под названием Tegra (их еще называют "кристаллы"). Правда, на мой взгляд, Nvidia слегка промахнулась с операционной системой, ведь большинство Tegra применялось в смарфтонах и планшетах на Windows. Впрочем, это сейчас мы видим, что мобильные потуги Microsoft оказались провалом, а в начале 2010-х это была весьма перспективная история с неплохой долей рынка. Так что, бизнес Nvidia неплохо на этом вырос. Даже CEO Microsoft Сатья Наделла недавно признавался, что сворачивание мобильного бизнеса Microsoft было главной стратегической ошибкой компании.
Nvidia даже отважилась на нетипичный для себя эксперимент - выпустила собственную портативную игровую консоль Nvidia Shield Portable:
Заряженная тем самым процессором Tegra. Работала на ОС Windows.
Вообще, консоль Shield - это крайне нетипичный продукт для Nvidia. Компания всегда отличалась высокой прагматичностью при выборе конфигурации продуктов и оценке будущего спроса, всегда стараясь сделать относительно доступный продукт, который найдет отклик у массовой аудитории. Но тут получилось с точностью до наоборот. Shield стоила дороже аналогов, а игр для неё было крайне мало (хотя Nvidia даже запилила собственную платформу для разработки). Так что, хотя эксперты и игровые издания хвалили консоль за весьма недурную графику и производительность, особой популярности продукт не сыскал. Что ж, видимо, если умеешь производить чипы и процессоры, то не стоит лезть в истории про платформы и пользовательские девайсы.
Еще Nvidia начал активничать в сегменте автомобильной электроники. В том числе, в области начинки для беспилотного управления.
Но про это я расскажу во второй части. Как и про конкуренцию с AMD, качели из-за криптомайнинга, партнерства с китайцами и, собственно, путь к триллионной капитализации за счет лидерства в ИИ в последние годы. Там много интересных историй. А на сегодня хватит.
Если эта статья круто зайдет, то я быстрее сяду за вторую часть. Так что, если вам понравилось, то можете подкинуть мне дополнительной мотивации в виде плюсов, комментов и репостов статьи друзьям.
Если вам заходит такой контент, то подпишитесь на мои тг-каналы. Мне будет приятно, а вы найдете там еще больше подобного:
На своем основном канале Дизраптор я простым человечьим языком разбираю инновации, технологические продукты и знаковые компании (а еще анонсирую все свои статьи, чтобы вы ничего не пропустили).
А на втором канале под названием Фичизм более точечно пишу про новые фичи и функции продвинутых компаний и сервисов.
Сейчас принято боятся того, что искусственный интеллект настолько разовьется, и станет таким умным, что сможет бросить вызов человечеству, и поработить его.
Но до того, как это произойдет, мы рискуем стать жертвами его тупости, а скорее тупости тех, кто пихает незрелые, сырые системы на передовую общения с клиентами разных голосовых сервисов.
Не знаю как вас, но меня до глубины души возмущает, что кто-то считает, что может вынуждать меня общаться с неадекватной голосовой системой. Да, может быть Алиса, или Сири ещё что-то могут, но я бы никогда не выбрал общение с ними, вместо общения с человеком, желательно компетентным.
Тщетно силюсь понять, как может прийти в голову какому-то продуктовому менеджеру, или кто там принимает такое решение, чтобы раздражать своих клиентов необходимостью общения с голосовым помощником, который глупее 3-х летнего ребенка. Ну действительно, даже человек с диагнозом имбецильность, не понимающий сути того, что вы ему говорите, сможет понять ваши эмоции, он почувствует, что вы недовольны, злитесь, чего-то требуете.
Чувствую, что меня как будто хотят оскорбить, когда вынуждают выражать свои мысли, проблемы и вопросы в эту тупую систему, которая не разбирает элементарных вещей.
Ведь это сродни разновидности пытки - необходимость общения с чем-то не способным тебя понять.
Такие системы должны безупречно проходить тест Тьюринга на реальных клиентах, для того, чтобы быть допущенными до реальных людей. Кто не знает, напомню, чтобы не гуглить - это когда реальный человек, при общении с машиной не может точно сказать, робот это, или человек.
Пусть надо висеть на телефоне подольше, только не вот это вот.
Нейросети способны автоматизировать достаточно широкий спектр бизнес-процессов. Это позволяет компаниям значительно поднять KPI сотрудников, улучшить качество обслуживания, и конечно, кратно увеличить прибыль! Рассмотрим 10 примеров использования ИИ в бизнесе прямо сегодня...
На сегодняшний день технологии ИИ могут автоматизировать множество процессов. Вот 10 наиболее актуальных и важных для бизнеса:
1. Автоматизация ввода данных в Excel:
Cовременные сервисы ИИ позволяют значительно сэкономить время, устраняя необходимость в ручном вводе данных. Задачи, на выполнение которых раньше уходили часы, теперь могут быть выполнены за несколько минут. Ввод однотипных данных и заполнение таблиц больше не является проблемой, отнимающей кучу времени!
2. Автоанализ баз данных:
С помощью ИИ можно анализировать огромный объем информации за считанные минуты, исключая человеческие ошибки. Каждое взаимодействие с клиентом, онлайн-клик, решение о покупке и взаимодействие с социальными сетями создают точки данных, которые можно использовать для бизнеса.
3. Автосоздание сайтов и их прототипов:
ИИ уже давно умеет читать и писать коды на различных языках программирования, создавать шаблоны, уникальные картинки, анализировать коды и выявлять ошибки. Если раньше для создания сайта требовалось много усилий, то теперь это дело занимает около 3-4 часов (реальные показатели наших клиентов) и на выходе, получается качественный, продающий сайт, причём неважно - лендинг или многостраничник.
4. Выявление закономерностей по любому объему данных:
Является одним из ключевых преимуществ использования искусственного интеллекта в аналитике данных. Независимо от размера набора данных, ИИ способен обнаруживать скрытые паттерны, тенденции и взаимосвязи, которые могут быть невидимы человеческому глазу из-за объема информации.
5. Автосоздание контента для интернет-магазинов/соц. сетей/сайтов:
Не для кого не секрет, что в наше время искусственный интеллект способен создавать контент, напечатать текст для карточки товара, сгенерировать идеи для будущего контента, пост для любой соцсети в стиле вашей страницы, помочь в рекламе и даже создать листовку или баннер по вашему запросу.
6. Сбор SEO данных:
Данный процесс является важной частью каждого бизнеса. Правильно собранные ключевые запросы составляют 30% успеха, а с помощью ИИ это их можно собирать много, быстро и без ошибок. Как пример: сбор ключевых слов, анализ конкурентов, оптимизация контента для поисковых систем, отслеживание и анализ трафика. Всем этим больше не нужно заниматься самостоятельно.
7. Расчет ROI:
ИИ выполняет функцию финансового аналитика вашей компании. Сбор данных об инвестициях, прибыли, убытках. Помощь в оценке эффективности ваших вложений, прогнозирование для будущих инвестиций, сравнение стратегий или даже сравнение компаний для определения, что больше выгодно вашему бизнесу.
8. Постоянное отслеживание трендов в продвижении:
Больше не нужно мониторить круглосуточно, какой товар (услуга) пользуется большим спросом. ИИ может анализировать рынок за вас, мониторить социальные медиа, конкурентов, создавать прогнозы. Вам только остается выбрать нишу.
9. Анализ KPI сотрудников и поиск точек оптимизации рабочего времени/повышения их эффективности:
Анализ данных о производительности сотрудников теперь выполняет машина. Вместе с ИИ можно определить подходящее KPI для каждого сотрудника вашей компании индивидуально, создавать чат-ботов для обратной связи с сотрудниками и анализировать эти данные. Советы о мотивации и поощрении.
10. Автоанализ работы оператора контакт-центра:
Который включает в себя прослушивание и документирование звонков или переписок. Это является эффективным инструментом для повышения качества обслуживания клиентов и обучения персонала. Все собранные данные используются для анализа, чтобы выделить ключевые моменты, темы, эмоциональную окраску разговора и другие важные аспекты.
И это все лишь верхушка айсберга. Представьте, насколько проще стало вести бизнес с появлением ИИ. С его помощью можно автоматизировать до 90% своего бизнеса и даже вести бизнес одному. Хотите узнать подробно, как самостоятельно внедрить ИИ в бизнес? Тогда подписывайтесь и следите за новостями!
А что бы не тратить время самим, можете обратиться за к нам за комплексным внедрением нейросетей в бизнес - Вы получите консультацию с ведущим специалистом, анализ бизнеса и оценку эффективности внутренних процессов, на основании чего, мы подберём наиболее рентабельные инструменты под цели организации и интегрируем их в работу с написанием 90% необходимых промтов, автоматизируем рутинные процессы и обучим сотрудников использованию нейромоделей на уровне "профи".
CEO Klarna (глобальный финтех-сервис по модели Яндекс Сплита), Себастьян Семятковски, радостно заявил, что их новый ИИ-помощник сможет заменить 700 человек. В своем посте в Х поделился, что "за первые четыре недели чат-бот обработал примерно 66% запросов пользователей - это около 2.3 миллионов чатов", при этом решение проблемы занимало всего 2 минуты по сравнению с 11 минутами у людей.
Хотя в данном случае ИИ не отобрал у людей ни одной работы в Klarna (что под вопросом, так как в 2022г. компания уволила аккурат 700 человек - может быть, цифры случайно совпали, может, СЕО проговорился) всё равно кажется циничным воодушевленно хвалить ИИ и точно указывать, сколько человеческих заданий он может выполнять.
Понятно, что большие корпорации всегда рады сокращению расходов, а зарплата сотрудников, как правило, одна из самых весомых статей затрат, однако столь радостный тон главы компании, как минимум, не уместен и вызывает желание отчихвостить за такой тон оф войс.
Нейросети будут полезны офисным сотрудникам, бизнесменам и обучающимся для отчетов, презентаций и повышения эффективности.
PDF AI — бесплатно изучит за вас любое количество pdf-файлов размеров до 10 Mb. Ответит на 500 любых вопросов о них в форме чата. Можно делать саммари, искать нужную информацию и сэкономить часы на чтении файлов
Simplescraper— для быстрого парсинга сайтов. Скидываете ссылку на страницу или жмёте на расширение в Chrome — и получаете данные из любого количество веб-страниц в удобном формате таблицы. Можно выбрать всю страницу или отдельные блоки
Presenter — крутой сервис для создания презентаций. На сайте можно запросить бесплатное демо. Полностью автоматическая верстка, на выходе красивый дизайн презентации. Новый слайд создается через «--», заголовок — «#», подзаголовок — «##», а текст на слайде добавляем через Tab
Whatletter — объяснит многостраничные документы на русском. Можно задавать вопросы, переводить и свободно общаться о содержании документов. Поможет разобраться в расписаниях, выписках, счетах, юридических формах, контрактах, отчетах.
Walles — проанализирует любой контент в браузере за пару кликов. Через чат сбоку можно общаться с сайтами, PDF-файлами и видео с YouTube. Достаточно выделить текст, плагин его объяснит, перефразирует или переведет. Полезная функция — извлечение текста и решение задач из фото. Полученные заметки можно экспортировать в Notion
Хотите узнавать первыми о полезных сервисах с искусственным интеллектом для работы, учебы и облегчения жизни? Подпишитесь на мой телеграм канал НейроProfit, там я рассказываю, как можно использовать нейросети для бизнеса.