После этого выполняются расчеты для обнаружения пересечения луча и полигонов — вместо миллиардов операций при обычном подходе здесь их требуется всего шесть.
ГП с трассировкой — устройство и принцип работы
Несмотря на все ухищрения, для быстрых расчетов трассировки все также требуется мощное вычислительное оборудование. Поэтому видеокарты, поддерживающие ее, оснащаются тысячами шейдерных процессоров и специализированными вычислительными блоками — RT-ядрами.
Шейдерные процессоры выполняют арифметические операции, в то время как RT-ядра разработаны и оптимизированы именно для операций трассировки лучей.
Внутри RT-ядер находится два вычислительных движка. Первым начинает работу движок, занимающийся поиском пересечений лучей с объемами-коробками BVH.
Когда находится самая маленькая коробочка, пересекающая луч, в дело вступает второй движок. Он ищет пересечения лучей с полигонами.
Как и шейдерные процессоры, RT-ядра работают параллельно друг с другом. На современных видеокартах это позволяет обрабатывать несколько миллиардов лучей в секунду, а общий счет выполненных операций при этом достигает триллионов. Например, NVIDIA GeForce RTX 3090 родом из 2022 года выполняет за одну секунду до 36 триллионов операций. Тогда как самый мощный суперкомпьютер 2000 года, полагающийся на грубую вычислительную мощность центральных процессоров, за то же время осуществлял лишь 12,3 триллиона.
Чем отличается трассировка лучей
Трассировка пути — наиболее продвинутый способ получения компьютерных изображений. Но из-за ее высоких требований в играх пока более распространена обычная трассировка лучей. Оба способа имеют схожую основу, но трассировка лучей обеспечивает меньшую реалистичность освещения взамен на гораздо более скромные требования к оборудованию.
Для реализации трассировки лучей существует несколько техник. Рассмотрим две самые распространенные. Первый вариант схож с трассировкой пути, но имеет некоторые упрощения. Сначала для моделей сцены создаются дубликаты низкого разрешения с малым количеством полигонов.
Кадр с этими моделями просчитывается вне экрана, чтобы получить карту освещенности поверхностей. А затем полученная карта накладывается на кадр высокого разрешения, выводимый на экран.
Это позволяет хорошо интерполировать непрямое освещение, не прибегая к огромному количеству вычислений. Данный способ является одним из методов трассировки, который используется системой освещения Lumen в графическом движке Unreal Engine 5. Второй вариант техники называется трассировкой лучей в экранном пространстве. Тут используется совершенно другой подход на основе трех составляющих: изображения, полученного с помощью традиционного рендеринга, карты глубины кадра и карты нормалей. Из отрендеренного изображения берется информация о цвете объектов. Карта глубины показывает, насколько далеко они находятся от камеры.
В свою очередь, карта нормалей сообщает, в какую сторону полигоны отражают свет.
Когда в процессе трассировки луч попадает на отражающую поверхность, его дальнейшее распространение продолжается в соответствии с этой информацией. Например, попав в озеро, лучи отразились в сторону деревьев — значит на поверхности озера появится искаженное изображение последних.
Главная проблема подобного подхода в том, что он может использовать только отрендеренные кадры с экрана. То есть, когда деревья исчезнут из поля зрения игрока, пропадет и их отражение в озере. Такую технику трассировки лучей используют многие игры прошлых лет, в том числе — Cyberpunk 2077.
Трассировка пути — продвинутая технология построения изображений в компьютерной графике. Она широко применяется для создания реалистичных сцен в фильмах, и все больше становится популярной в новых играх для ПК и консолей. Как работает эта технология, и в чем ее отличия от более распространенной трассировки лучей?
Что такое трассировка пути
Компьютерная графика, используемая в современном кинематографе, основана на одной из техник трассировки лучей — трассировке пути (Path Tracing). Этот алгоритм появился в далеком 1986 году, но из-за своей сложности лишь спустя 30 лет начал массово использоваться для создания графики в фильмах.
Чтобы понять, почему все это время трассировка пути оставалась неосуществимой, ознакомимся с основами построения подобной картинки. Сначала 3D-художники вручную моделируют форму объектов в сцене, а программное обеспечение для рендера разбивает их на мелкие треугольники — полигоны.
Затем на модели накладываются текстуры, которые симулируют материалы определенного цвета и типа — например, шероховатые, гладкие или стеклянные.
Готовые объекты и источники света: солнце, небо, фонари, размещаются в нужных положениях на 3D-сцене. После этого добавляется виртуальная камера и запускается процесс рендеринга — благодаря ему картинка в кадре визуализируется в виде привычного 2D-изображения.
С помощью трассировки пути имитируются отражения света от различных материалов. К примеру, попав на матовую красную черепицу крыши, часть света ей будет поглощена, а другая часть — отразится красным. Отраженный свет от каждого объекта попадает в виртуальную камеру, внося свой вклад в создание изображения.
Для образования каждой точки конечной картинки осуществляется несколько тысяч подобных расчетов. А для формирования одного кадра изображения с разрешением 4К их потребуется несколько миллиардов.
Именно из-за этого долгое время создание изображений с использованием трассировки пути было очень медленным процессом. Например, в 2016 году рендерингом фильмов «Зверополис» и «Моана» занималась ферма из тысяч серверов, которые производили вычисления в течении нескольких месяцев — и это всего для двух часов анимации.
Формирование изображения
Для начала ознакомимся с принципом создания изображения при трассировке пути. Этот алгоритм относится к виду вычислений, которые очень хорошо распараллеливаются: точки картинки независимы друг от друга, поэтому тысячи лучей для каждой из них можно рассчитывать одновременно.
Если показать на картинке траектории всех лучей, которые просчитываются для этой сцены, то она заполнится огромным количеством линий. Поэтому рассмотрим данный процесс на примере одной точки. Первый луч испускается из ее центра и попадает на полигон какого-либо объекта в кадре.
Базовый цвет точки формируется с помощью нескольких лучей, которые попадают рядом с центральным — для этого все их цвета усредняются. Подобные лучи называются первичными.
В результате такого подхода формируется изображение с правильной перспективой.
Глобальное освещение
Мы рассмотрели, как цвет полигонов передается точкам виртуального кадра. Но для получения реалистичной сцены нужно просчитать глобальное освещение объектов — ведь яркость и оттенок цвета каждой точки зависит именно от него.
Для этой цели комбинируются два вида расчетов: прямого (Direct) и непрямого (Indirect) освещения. При первом виде вычислений просчитываются лучи непосредственно от источников освещения — солнца, неба и ламп. Они называются теневыми.
Теневые лучи отражаются от всех объектов сцены, попутно приобретая характер и окраску от их материалов. Таким образом все поверхности, на которые попадает прямое освещение, становятся источниками непрямого. Отраженный свет проникает во все области кадра. В том числе в те, которые закрыты преградами от лучей прямого освещения. На примере ниже можно увидеть, как освещенная зеленая точка на стене отражает свой свет на синюю точку столба, находящуюся в тени.
Этот луч, проходящий между двумя точками, называют вторичным. Если при первом отражении он снова попадет в тень, то от него будут просчитаны дополнительные лучи. Так будет продолжаться либо до попадания на освещенную прямым светом точку, либо до достижения лимита отскоков, при котором дальнейший поиск траектории луча прекращается.
Вместе с траекториями лучей от источников прямого освещения это создает большое количество вычислений. Например, в кадре ниже для получения 20 первичных лучей необходимо рассчитать почти сотню вторичных и теневых.
Благодаря непрямому освещению реалистично просчитывается не только изменение яркости точек, но и их взаимное влияние на цвет друг друга. К примеру, если расположить рядом со столбом красный воздушный шар, то за счет непрямого освещения в его оттенок окрасится и тень от столба.
Не менее важно и то, что направление распространения вторичных лучей зависит от свойств материала объекта. Если он идеально гладкий, то угол падения луча будет равен углу его отражения — благодаря этому поверхность будет выглядеть зеркальной. А от шероховатого материала того же цвета лучи будут отражаться в случайные стороны — из-за этого он, как и положено, будет отображаться матовым.
В случае, если материалом выступает стекло, то будет просчитываться не только отражение света, но еще и его преломление при прохождении насквозь.
Сложность трассировки пути зависит от количества источников света, количества лучей на точку и предельно допустимого числа их дополнительных отскоков. У сцены из первого примера с замком используется четыре источника света, тысяча лучей на точку и 12 отскоков. Чтобы визуализировать один ее кадр в 4К, нужно просчитать примерно 400 миллиардов лучей.
А для создания всего одной секунды такого видео их понадобится просчитать уже около триллиона. Именно поэтому в течение нескольких десятилетий трассировка пути для фильмов считалась невозможной.
Чтобы достичь приемлемой производительности, в современных играх трассировка пути реализована намного проще — один-два луча на точку и от одного до четырех отскоков. Но даже при таких параметрах и базовом разрешении Full HD для комфортной игры каждую секунду видеокарте понадобится просчитывать около полумиллиарда лучей.
Иерархия ограничивающих объемов
Еще одна ключевая трудность при трассировке пути — узнать, на какой именно полигон луч из точки попадает первым, чтобы определить ее основной цвет. В случае, если полигонов десятки или сотни, можно воспользоваться вычислением траектории луча с помощью математических уравнений. Но в современных сценах их миллионы, поэтому этот способ потребует огромных вычислительных ресурсов. Чтобы упростить данный процесс, используется иерархия ограничивающих объемов (Bounding Volume Hierarchy, BVH). При таком подходе сцена разделяется на виртуальные объемы-коробки, в каждой из которых оказывается одинаковое количество полигонов.
Коробки делятся надвое до тех пор, пока в каждой из них не останется всего несколько полигонов (обычно от 4 до 32). В нашем примере сцена состоит из трех миллионов полигонов, которые «раскладываются» в полмиллиона небольших коробочек.
Положение каждой коробки в пространстве выровнено строго по осям координат. Когда луч начинает свое путешествие из точки, его направление сравнивается с координатами первой пары больших коробок. Коробка, которую он не пересекает, исключается из расчетов — как и все более мелкие, на которые она поделена.
Затем направление луча сравнивается с координатами двух меньших коробок, на которые разделена исходная. И так до тех пор, пока луч не достигнет самой маленькой коробки.
Делал телеграмм ассистента, получился МАСТЕР (ФЛОМАСТЕР.)
Обычно такие истории начинаются с фразы "Мне было скучно на работе...", но у меня всё началось с боли. Я обожаю НРИ (Настольные Ролевые Игры), но собрать живую пати уже почти в 2026 году — это квест уровня "Impossible". У Варвара работа до ночи, у хила кошка рожает (да и честно сказать он не хиляет когда это так нужно) , а ДМ просто выгорел и ушел в монастырь.
В какой-то момент я психанул и решил: "Если люди не могут собраться, я соберу их цифровую замену".
Так началась разработка Вельмиры. Изначально я пилил честного механического ДМа по правилам D&D 5e: чтобы кубики d20, статы, проверки навыков, честный инвентарь (а не "ой, у меня где-то было зелье"). Прикрутил нейронку, чтобы она помнила контекст, генерировала картинки и вообще вела себя прилично.
Но на тестах что-то пошло не так... в хорошем смысле.
Оказалось, что игрокам тесно в рамках простого "убей гоблина, получи лут". Я увидел, что люди начали использовать бота как конструктор собственных историй, и это выглядело куда круче, чем просто подземелья. При этом серьезных игроков, которые ценят "чистый" D&D, я тоже не обидел — для них все механики работают как часы, просто теперь свободы стало больше.
Вместо эльфов и таверн начался настоящий хаос (и креатив):
Один парень отыгрывает студента Слизерина, который пытается сварить незаконное зелье в туалете Плаксы Миртл и параллельно романсит призраков.
Другой попал в мир "Человека-бензопилы" и пытается выжить, имея в инвентаре только вантуз и харизму 18.
А третья просто приходит в таверну похвастаться, сколько парней она сегодня отшила, и заказать всем эля.
Почему это работает (и почему я сам залип)?
1. "Рельсы? Не, не слышал" Это не текстовый квест из 90-х, где у тебя два варианта ответа. Ты можешь написать любую дичь.
Ты: "Пытаюсь убедить Стража Галактики, что я его троюродный брат по линии енота". Вельмира (кидает кубик): "Критический успех! Ракета в слезах обнимает тебя и предлагает украсть чью-то ногу".
Правда, лучше таким не загоняться: Вельмира хоть и бот, но всё же ДМ, и в какой-то момент начнет недовольно бурчать, как любой уважающий себя мастер, которому ломают атмосферу.
2. Живой Мастер ИИ не просто выдает текст, он импровизирует. Он может пошутить, может нагнать жути, а может внезапно повернуть сюжет так, что ты будешь сидеть с лицом "О_о".
3. Визуал Текст текстом, но хочется видеть, кто тебя бьет. Бот генерирует портреты персонажей и арты сцен. Помогает погрузиться, когда твой "паладин 80 уровня" действительно выглядит как эпичный герой, а не просто строчка в чате.
Что имеем сейчас?
По факту, получилась бесконечная RPG-песочница. Хочешь — играй по хардкору в D&D с друзьями в чате (механики позволяют). Хочешь — пиши свой фанфик, где ты главный герой. Хочешь — просто приходи поболтать с персонажами, которые ведут себя пугающе по-человечески.
Проект всё ещё активно пилится (я один, а багов много, классика), но "душа" у бота уже есть.
Если вам близка тема НРИ или просто хочется прожить пару жизней в других мирах — заходите тестить. Буду рад любой критике и идеям в комментах. Особенно ищу тех, кто сможет сломать логику бота своими нестандартными действиями — это лучший тест!
А как у вас сейчас проходят сессии днд? И проходят ли, и сколько это стоит ? (мы платим 4000 за сессию)
Кому интересен бот, оставлю информацию в комментах
Меня зовут Артём, мне 20 лет. В этом посте я распишу, как начал зарабатывать в интернете в 13 лет, стал middle программистом в крупной РФ компании к 19 годам, а после потерял работу, накопления, влез в долги на миллион рублей, но в итоге нашел для себя выход из сложившейся ситуации.
Начало было простым, я играл в CSGO и мне было скучно учиться в школе. В какой-то момент я на ютубе увидел сайты, где можно было пытать удачу, выбивая раскраски на оружия в игре за реальные деньги. Естественно, сами скины на оружия тоже в будущем можно было конвертировать в реальные деньги. Я начал вносить средства, которые были у меня с последнего дня рождения, постепенно проигрывая их. Мне понравилось чувство, которое я испытывал при попытке выиграть дорогой игровой предмет.
Когда мои деньги закончились я начал искать способ заработка в интернете. Тогда я обнаружил, что азартных сайтов по CSGO на самом деле очень много и на многих из них дают награды для новых игроков. Начал зарабатывать на бонусных системах, но все полученное тратил на азартные развлечения. Через время захотел открыть собственный сайт по игре CSGO для заработка на таких же азартных, как я сам, но понял, что денег и навыков у меня для разработки нет. Решил пойти по наиболее реалистичному для 13 летнего школьника сценарию и начал изучать программирование.
В 14 лет я начал успешно выполнять первые заказы по программированию, за которые брался на различных форумах. С паузами на обучение новым компетенциям работал, оформлял профили, набивал портфолио, размещался на новых площадках. Все это время мой игровой азарт меня не покидал, но даже более, я подсел уже на обычное онлайн казино, и все свои заработки оставлял там. Еще пытался заработать на криптовалюте, создавая фермы аккаунтов в криптоиграх, по прежнему иногда пытался заработать на бонусных системах различных казино, но все это обычно имело копеечную прибыль, если не убытки.
В 16 лет я твердо решил бросить казино и перестал играть в любые азартные игры на деньги, под каким бы они соусом не подавались. На ближайшие 2 года я сконцентрировался на поиске работы программистом и улучшении своих навыков. Пытался сделать собственную игру. Помимо этого я поступил в колледж, занял топ 6 России на чемпионате, был переведен на индивидуальный маршрут и фактически освобожден от посещения учебного заведения, если не считать обязательную сдачу ряда экзаменов, с чем проблем никогда не возникало.
Ровно за месяц до исполнения 18 лет я получил оффер на полную занятость в компанию BimGen. Тогда за мою работу я получал зарплату 60тыс. руб/мес. Разрабатывали софт для проектировщиков зданий. Через полгода работы мне подняли зарплату до 80тыс. руб. Но вскоре в компании закончились на меня деньги и меня сократили, не в последнюю очередь из-за сложностей, вызванных общей политической атмосферой.
Я снова оказался в свободном плавании, но как только я разместил резюме на hh, приукрасив срок работы, то сразу пошли приглашения на собеседования в разные компании. Спустя 12 дней после увольнения я получил офферы в Локобанк и ПИК. Первый предлагал мне зарплату 140т. руб/мес, тогда как второй 150т. руб/мес + полугодовую премию, которая повышала среднемесячный заработок до 175т. руб. Помимо этого в ПИК был полностью понятный стек. Немного переживал, что проверка службы безопасности в банке может отказать, так как я крутанул в резюме опыт на прошлом месте работы на 1 год больше реального. По сумме всех факторов решил выбрать более стабильный и безопасный вариант, и принял предложение от компании ПИК, где тоже была СБ, которая прошла без казусов.
На новом месте работы со временем стало морально тяжело, ибо работа была в некотором смысле конвеерной. По уровню интереса работа была близка к заводу по производству каких-нибудь механических деталей или что-то около того. Мы разрабатывали плагины для BIM проектировщиков. Спустя 7 месяцев работы наступил конец стабильному и безопасному варианту. Меня сократили, сказав при этом, что все мои коллеги обо мне отзывались исключительно комплиментарно на протяжении всего периода работы. Но добавили, что так как я молодой, у меня нет детей, и сокращать компания начала людей якобы целыми отделами, то куда-то перекинуть меня внутри ПИК возможности нет. Сокращение произошло на фоне роста ключевой ставки, что очевидно негативно сказывается на бюджете компании, которая сильно зависит от кредитов и ипотек для бюджетного жилья. К этому моменту я уже успел переехать от родителей, а так как я вел достаточно экономный образ жизни, то я смог скопить 850тыс. рублей.
После увольнения я имел желание попробвать себя в каком-нибудь бизнесе, но вскоре понял, что моих средств не хватит даже на создание дизайна, если бы я хотел двигаться в разработку сосбственной игры. Тогда я решил часть денег перевести в криптовалюту с целью диверсификации части средств на время. Но я быстро узнал, что существуют еще фьючерсы, а также ознакомился с принципом их работы. И за 2 дня после новых знаний сумма моих накоплений превратилась из 850 тысяч в 200 тысяч рублей.
С остатками сбережений я вновь вернулся в казино и начались постоянные качели от выигрыша к проигрышу. Я много раз возвращал изначальные 850 тысяч, но не мог на этом остановиться и в итоге влез в долги на миллион рублей, половина из которых была взята в мфо. Переехал из съемной за свои деньги квартиры в квартиру с которой смогли помочь родители. Пытался найти работу программистом, но нашел только через полгода в Apex Soft за 150тыс. рублей/мес. Взял несколько проектов параллельно к этой работе и сократил долги за лето до 400тыс. рублей. Работал везде без энтузиазма и интереса, ибо программировать на дядю я потерял всякое желание. Вероятно, сказался опыт прошлых работ на которых я выкладывался по максимуму, а в итоге получил два сокращения, а так же игровой опыт выигрышей и проигрышей в одну ночь четырех своих месячных зарплат. Получил диплом с помощью нейросетей. Быстро закончил со всей работой и остался без дохода и в долгах, хоть и не предельных для себя. И это итоги начала моих 20 лет.
Сейчас я немного остепенился. Мои доходы составляют 140 тысяч рублей в месяц, и они совершенно нестабильные. Я сильно уменьшил сумму своих задолженностей даже уже после того как прекратил работать неинтересную для меня работу. Я по прежнему могу поиграть в казино, но уже не считаю допустимым влезать для этого в новые долги.
Мне нравится мой путь. Да, у меня есть проблемы, но я занимаюсь тем, чем я хочу. Даже если я ошибаюсь, то самым плохим исходом был бы долг в миллион рублей, что не кажется губительным для имеющихся у меня компетенций. Мой азарт привел меня в программисты. Не знаю, является ли объективным злом казино, но конкретно у меня больше вопросов к тем, из-за кого я потерял работу 2, а может и 3 раза.
Всем привет! Я разработчик/маркетолог, и я зае... устал.
Устал от того, что к концу недели кажется, будто я ничего полезного не сделал. Знакомо чувство, когда в пятницу вечером сидишь такой: «Вроде пахал как лошадь, а по факту пустота»?
Это классический синдром самозванца. Баг мышления, когда ты списываешь свои успехи на удачу («просто повезло», «клиент добрый попался»), а любые косяки считаешь доказательством своей профнепригодности.
В какой-то момент мне надоело кормить психологов и ныть друзьям (у них своих проблем хватает). Я решил: я ж программист! Если мозг не хочет запоминать хорошее, я заставлю его это делать с помощью кода.
Так родился «Бадди» - мой карманный цифровой бро, который не дает мне скатиться в депрессию. Рассказываю, как это работает и что там под капотом.
В чем, собственно, проблема?
Проблема в памяти. Самозванец (тот самый внутренний голос) работает как фильтр: он пропускает весь негатив, а позитив отбрасывает. Попытка рассказать друзьям о работе обычно заканчивается ничем. Для них твой сложный деплой или хитрая рекламная кампания выглядят как магия. Они кивают: «Ну, молодец», и разговор уходит в другую сторону.
А начальник, который хвалит просто так - это вообще зверь из Красной книги.
В итоге:
Работа сделана.
Дофамина нет.
Самооценка падает.
Повторить.
Как я это решил (Функционал)
Я не хотел делать очередного «успешного бота» с цитатами Джейсона Стэтхема. Мне нужен был инструмент, который работает с фактами.
1. Принудительный сбор побед Память у меня как у рыбки. Поэтому бот каждый вечер в 21:00 деликатно стучится в личку: "Эй, бро, запиши хоть одну мелочь, которую ты сегодня сделал". Не обязательно "спас мир". Достаточно "пофиксил баг, который бесил неделю" или "не убил заказчика, который просил поиграть со шрифтами".
2. Еженедельный отчет (чтобы офигеть) В воскресенье бот присылает AI-саммари за неделю. И вот тут случается магия. Ты читаешь и думаешь: "Ого, я реально столько всего разгреб?". Это лучшее лекарство от ощущения бесполезности.
По факту
3. Режим «Вентилятор» (или «Поорать в ведро») Иногда советы не нужны. Нужно просто выплеснуть яд. Я сделал режим, где можно материться, жаловаться на тупых клиентов, на погоду, на код. Бот всё это слушает (как бармен), поддакивает, а потом предлагает ритуал сожжения. Ты нажимаешь кнопку, и бот пишет: "Я всё услышал, я всё понял. Давай это уничтожим". И удаляет переписку. Психологически работает на ура как будто реально выговорился и смыл негатив.
Накидываем на вентилятор
4. Киллер-фича: RAG (или «Я помню всё») Обычный ChatGPT забывает контекст. Мой бот - нет. Я прикрутил RAG (Retrieval-Augmented Generation). Бот лезет в базу твоих же записанных побед.
Как это выглядит: — Я:Всё тлен, я плохой специалист, ничего не умею. — Бот:Так, стоп. Ты же во вторник сам писал, что снизил цену лида в два раза через A/B тест. И в четверг закрыл сложный таск по API. Плохие спецы так не умеют. Вот факты, не ной.
Он бьет самозванца его же оружием - фактами, про которые ты сам забыл.
Иногда притворяется пиратом, если попросить
Немного про технику
Никакого рокет-саенса, всё по классике, чтобы работало быстро и бесплатно (пока):
Мозги: Google Gemini (Flash модель - быстрая, дешевая и на удивление адекватная в поддержке диалога).
База: SQLite + aiosqlite (для пет-проекта хватает за глаза).
Векторный поиск: простая реализация, чтобы искать матчи по контексту прошлых записей.
Итог
Пользуюсь сам, подсадил пару знакомых фрилансеров. Эффект есть: уровень тревожности снизился, а синдром самозванца теперь душит не каждый день, а только по праздникам.
Главный инсайт: если ты сам себя не похвалишь - никто не похвалит. А если забываешь хвалить - делегируй это нейронке.
Если кому-то тоже нужен такой цифровой бро, чтобы не сойти с ума в дедлайнах - велкам. Денег не прошу, рекламу не показываю, просто делюсь инструментом.
Ссылка на бота:Тык (Если ссылка не открывается, ищите в поиске ТГ: @noneimposter_bot)
Пишите в комменты, какие фичи еще добавить, чтобы окончательно добить депрессию? 👇
В этой статье я расскажу о SSD размером с монету, который оставляет далеко позади обычные карты памяти, и о чумавом планшете с жидкостным охлаждением. Читайте, как Трамп спасает ИИ от бюрократии и о чем договорились Москва и Тегеран, в нашей подборке.
2 терабайта весят 1 грамм
SSD накопитель CL100. Источник: Biwin
Компания Biwin (это крупный китайский OEM-производитель памяти) наконец-то выпустила в продажу накопители формата Mini SSD (модель CL100). Главная фишка это скорость. Обычные microSD карты, даже самые дорогие, нервно курят в сторонке. Скорость чтения у этого гиганта 3700 МБ/с, а скорость записи до 3400 МБ/с. Для сравнения: даже новый стандарт microSD Express выдает около 985 МБ/с. Mini SSD быстрее почти в 4 раза.
Поскольку этот чип может часто путешествовать в кармане, Biwin его закалила: Защита IP68 не боится воды и пыли. Переживет падение с 3-х метров на твердую поверхность. Ресурсы от 512 ГБ до 2 ТБ.
Mini SSD не распаян на плате и не спрятан в недрах ноутбука под крышкой с десятью винтами. Он вставляется в лоток, как SIM-карта. Захотел расширить память? Тыкнул скрепкой, достал лоток, поменял накопитель.
Цены в Китае пока такие:
512 ГБ стоит ~85$
1 ТБ стоит ~155$
2 ТБ стоит ~311$
Кардридер RD510. Источник: Biwin
Biwin также выпустила кардридер RD510 с подключением по USB4 (40 Гбит/с). И знаешь, что в нем интересного? Встроенный вентилятор. Это намекает нам на то, что при таких скоростях и размерах малютка CL100 будет греться как кипятильник.
Планшет, который хочет быть игровым ПК
Фото OneXPlayer на Kickstarter. Источник: OneXPlayer
Компания OneXPlayer выходит на Kickstarter с новым проектом, который они скромно назвали Super X. Это, похоже, самый мощный Windows-планшет в мире. Внутри него бьется новейшее сердце от AMD, процессор Ryzen AI Max+ 395. Для тех, кто не следит за каждым чихом AMD, это флагманская 16-ядерная махина на архитектуре Zen 5 с интегрированной графикой Radeon 8060S.
Да, тут нет дискретной видеокарты, но, по заявлениям OneXPlayer, производительность этой встроенной графики находится на уровне NVIDIA GeForce RTX 4060. Если это правда, то в разрешении 2.8K можно будет играть во что угодно.
Самая безумная деталь это система охлаждения. Super X это первый в мире планшет с поддержкой внешней системы жидкостного охлаждения (СЖО). Внутренний кулер, вероятно, основанный на испарительной камере, интегрирован в тонкий алюминиевый корпус толщиной всего 12,5 мм, но он рассчитан на поддержку до 120 Вт теплового пакета.
"Более чем в 3 раза выше производительность ИИ-процессора NPU нового поколения". Источник: AMD
Планшет оснащен 14-дюймовым OLED-дисплеем с высоким разрешением 2880 × 1800, поддержкой HDR и переменной частотой обновления (VRR). То есть, кроме мощности, тут еще и картинка будет сочная. Плюс, возможности для ИИ: процессор включает выделенный нейропроцессор NPU XDNA 2 с производительностью 50 TOPS, который позволяет на самом устройстве запускать огромные языковые модели, вроде DeepSeek 70B.
Стартовая цена на Kickstarter для базовой версии (Ryzen AI Max 385, 32 ГБ ОЗУ, 1 ТБ SSD) заявлена в $1900. Доплатить всего $100 и получишь топовый Ryzen AI Max+ 395. Учитывая, что речь идет о планшете с потенциально 128 ГБ сверхбыстрой оперативной памяти LPDDR5X-8000, ценник в $1900 выглядит хоть и внушительно, но для заявленной производительности почти как поход в магазин за хлебом.
Трамп vs. 50 штатов
Президент США Дональд Трамп (в очередной раз) потряс инфополе громким заявлением. Он намерен подписать указ о введении единых федеральных правил регулирования искусственного интеллекта. По его словам, это критически важно, чтобы не дать американскому лидерству в сфере ИИ утонуть в болоте бюрократии.
Политическая реальность в США такова, что помимо общенациональных законов, каждый из штатов имеет право вводить собственные локальные правила. И пока федерального закона об ИИ нет, штаты начинают принимать собственные нормы. Трамп считает, что эта разрозненность смертельно опасна для развития технологий.
Он прямо заявил. что если компаниям придется получать 50 разных разрешений для запуска одного продукта или исследования, это "разрушит ИИ на корню".
OpenAI бьет тревогу
Генеральный директор OpenAI Сэм Альтман, похоже, немного запаниковал и объявил во всей компании внутренний красный код, это сигнал максимальной тревоги. Причина проста, Google выпустила свою модель Gemini 3, которая по ряду ключевых тестов производительности обогнала ChatGPT и начала стремительно переманивать пользователей. Ситуация зеркальна той, что была в Google, когда три года назад внезапно выскочил ChatGPT и заставил их тогдашнее руководство тоже бить тревогу.
Альтман разослал сотрудникам внутреннее письмо, требуя от них сфокусироваться на улучшении ядра ChatGPT: сделать его быстрее, надежнее, умнее и дать больше возможностей для персонализации. Чтобы высвободить ресурсы, компания поставила на паузу все несущественные проекты.
Это включает в себя даже амбициозные начинания, вроде видеогенератора Sora, агентов ИИ для покупок и здоровья, а также личного помощника Pulse. Все силы, включая целые команды, теперь брошены на совершенствование самого чат-бота.
Самый ажиотажный результат этой паники – резкое ускорение выхода следующей модели. OpenAI экстренно форсирует релиз GPT-5.2, который, по слухам, должен был выйти позже в декабре, но теперь ожидается уже на этой неделе.
Сейчас им важно не потерять свои 800 миллионов еженедельных пользователей и выполнить амбициозный план по доходам, который к 2030 году должен достичь сотен миллиардов долларов.
Договорничок Москвы и Тегерана
Россия и Иран заметно углубляют свое технологическое партнерство. По итогам пятого заседания совместной рабочей группы по информационным технологиям, страны подписали солидный документ о сотрудничестве, в котором главное место отведено искусственному интеллекту.
ИИ тут только верхушка айсберга. Документ включает работу над кибербезопасностью, развитием цифровой экономики, внедрением электронного правительства, а также освоением блокчейна и финтеха.
В тексте соглашения есть явный акцент на укрепление связей с частным сектором и развитие технопарков. Такое партнерство вписывается в общую российскую стратегию. В Москве не скрывают амбиций: недавно звучали прогнозы о том, что ИИ к 2030 году должен дать экономике РФ свыше €110 млрд.
AMD наносит удар
Источник: AMD
AMD готовит очередной мощный подарок геймерам. Речь идет о процессоре Ryzen 7 9850X3D. Хотя AMD его официально еще не анонсировала, чип уже успел просочиться и на официальный сайт компании, и в бенчмарки, и даже в транспортные накладные.
Так в чем же главная интрига? Процессоры AMD с индексом X3D (использующие дополнительный кэш 3D V-Cache) давно считаются лучшими для игр. Новый 9850X3D является прямым наследником этой линейки, но с одним очень важным апгрейдом по сравнению с существующим 9800X3D. У него те же 8 ядер и 16 потоков, но рабочая частота поднята сразу на 400 МГц, с 5,2 ГГц до 5,6 ГГц. Это серьезный прирост, учитывая, что процессоры с 3D V-Cache обычно очень чувствительны к частотам.
Первый же слитый тест в бенчмарке PassMark показывает, что разница есть, хоть и небольшая. 9850X3D в многопоточном режиме обходит своего предшественника примерно на 5%. Это не оглушительный отрыв, но для игрового процессора, где важна каждая доля кадра в секунду, такой прирост только за счет частоты это отличный результат.
Интересный момент обнаружился, когда 9850X3D засветился в паре с безумно быстрой оперативной памятью DDR5-9800. Если предыдущее поколение X3D-чипов не очень любило высокочастотную память, то похоже, в новой линейке 9000-й серии AMD снимает это ограничение.
Кстати, по слухам, вместе с этим 8-ядерником AMD может показать нечто совсем дикое – Ryzen 9 9950X3D2, который якобы получит сразу два чипа 3D V-Cache.
Источник: AMD
Альтман собрался в космос
Источник: Stoke Space
Сэм Альтман решил, что Земля для его амбиций стала тесновата. Выяснилось, что гендиректор OpenAI вел очень серьезные переговоры с ракетным стартапом из Сиэтла под названием Stoke Space. Альтман хотел выкупить контрольный пакет акций ракетной компании, чтобы начать вывозить дата-центры прямо на орбиту.
Обучение и работа ИИ потребляют электричество в чудовищных масштабах. На Земле энергия стоит денег и портит экологию, а в космосе солнце светит бесплатно и круглосуточно. Альтман в подкастах уже рассуждал о строительстве Сферы Дайсона, потому что на планете места и энергии для серверов скоро физически не останется. Stoke Space со своей полностью многоразовой ракетой Nova нужна, чтобы доставлять железки в космос.
Ракета Nova от Stoke Space
Покупка Stoke Space стала бы для Альтмана личным вызовом Илону Маску. Владелец SpaceX уже давно намекает, что его новые спутники Starlink V3 будут работать не только как раздатчики интернета, но и как орбитальные сервера. Google и Безос тоже смотрят в эту сторону, так что намечалась знатная драка миллиардеров за то, чей суперкомпьютер будет летать выше.
Но сделку поставили на паузу. Gemini 3 так сильно наступил на пятки OpenAI, что Альтману пришлось резко свернуть космические карты и срочно спасать ChatGPT. Сейчас компании явно не до строительства ракет, тут бы лидерство в чат-ботах удержать.
Если понравилась статья - рекомендую подписаться на телеграм‑канал NetIntel. Там вы сможете найти множество полезных материалов по IT и разработке!
Почему каскадная модель не так «жёстка», как кажется, а Agile — не методология.
На написание статьи сподвигла статья с Хабра и обсуждения в чате одного сообщества по бережливому производству.
Хочу сразу обратить внимание, что здесь будем обсуждать ложную дихотомию в управлении проектами.
Споры о превосходстве Agile над Waterfall или наоборот давно стали клише в IT-среде. Однако корень этой дискуссии — фундаментальное непонимание сути обеих концепций. Agile часто ошибочно называют методологией, тогда как на деле это набор ценностей, а выбор реальных инструментов управления происходит между каскадной моделью (Waterfall) и итерационными подходами — Scrum, Kanban, XP. Почему этот нюанс так важен? Потому что смешение философии и инструментов ведёт к мифам, которые мешают эффективно управлять проектами.
Кажется, что waterfall (каскад) это старая и неповоротливая система
Agile — это ценности, а не методология
Манифест Agile, созданный в 2001 году, провозглашает четыре ключевые ценности:
Люди и взаимодействие важнее процессов и инструментов.
Работающий продукт важнее исчерпывающей документации.
Сотрудничество с заказчиком важнее согласования условий контракта.
Готовность к изменениям важнее следования первоначальному плану.
Это не инструкция «как управлять проектом», а напоминание о приоритетах. Agile не отменяет документацию или планирование — он лишь предостерегает от их абсолютизации. Например, детальное ТЗ необходимо при разработке ПО для автомобиля, но нужно меньше заострять на этом внимание в условиях полной неопределённости — например, для стартапа.
Если коротко, то Аджайл - это крик души замученного разработчика
Waterfall: миф о жестком подходе
Каскадную модель традиционно изображают как жёсткую последовательность этапов: анализ требований → проектирование → разработка → тестирование → поддержка. Критики утверждают, что Waterfall не допускает изменений после завершения этапа, что якобы делает его непригодным для современных проектов. Однако на практике это утверждение неверно.
Собственно говоря, Waterfall манифеста нет, поэтому ориентируемся на заполнение документации в классической разработке. Есть такая нормативка, которую можно условно отнести к каскадной модели разработки - ГОСТ 19.102-77 Единая система программной документации (ЕСПД). Стадии разработки. Устанавливает стадии разработки программ и программной документации для вычислительных машин, комплексов и систем независимо от их назначения и области применения:
Техническое задание
Эскизный проект
Технический проект
Рабочий проект (Разработка программы, Разработка программной документации, Испытания программы Корректировка программы и программной документации по результатам испытаний)
Внедрение (Подготовка и передача программы)
Но в таких регламентированных отраслях, таких как разработка ПО по ГОСТам, процессы предусматривают корректировки. Например, ГОСТ 19.603-78 прямо регламентирует внесение изменений в документацию по двум причинам:
Устранение ошибок.
Развитие и усовершенствование продукта.
Рассмотрим пример из строительства: если при возведении дома инженеры обнаруживают слабый грунт, они не продолжают работу по изначальному плану, рискуя обрушением. Вместо этого корректируют проект (например, углубляют сваи), а затем обновляют документацию. Такой же принцип действует и в IT: даже в рамках Waterfall команды вносят правки в ТЗ или архитектуру, сталкиваясь с новыми данными.
Ведь в Каскаде обратная связь не запрещена, просто требуется документирование
Почему возникает миф о несовместимости?
Противопоставление Agile и Waterfall часто служит маркетинговым инструментом. Консультанты и тренеры упрощают сложную картину, создавая «чёрно-белый» нарратив: «старое vs новое».
Если немного утрировать, то противопоставляя гибкую разработку каскадной, говорят, что строители будут строить дом по неправильному проекту без изменений, пока всё не рухнет, и только потом встанут, отряхнутся от пыли и скажут: - Давайте заново начнем.
Однако в реальности:
Waterfall не запрещает гибкость. Многие проекты в аэрокосмической отрасли или энергетике успешно комбинируют детальное планирование с оперативными корректировками. Agile не отрицает документацию. В регулируемых индустриях (финансы, медицина, машиностроение) документирование остаётся критичным, даже если команда разработки работает по Kanban или Scrum. Ключевое различие — не в наличии или отсутствии изменений, а в формализации обратной связи. Итерационные методы (Scrum, Kanban) встраивают её в процесс через короткие циклы (спринты), тогда как Waterfall требует явного согласования правок на каждом этапе.
Кажется, что это разные подходы, но это не так
Синтез вместо конфронтации: гибридные подходы
На практике чистые Waterfall, Kanban, Scrum встречаются редко. Большинство проектов используют гибридные модели. Например: Water-Scrum-Fall — детальная проработка этапов запуска и внедрения в стиле Waterfall с гибкой разработкой ядра продукта.
Такие подходы возникают не из-за «непонимания Agile», а из-за реальных ограничений: бюджетные циклы, требования регуляторов, необходимость согласования с внешними поставщиками. Например, команда может использовать Scrum для создания MVP, но переключиться на Waterfall при масштабировании продукта для enterprise-клиентов, где необходимы аудиты и сертификаты.
Например работа по непосредственной разработке ПО может идти итеративно, спринтами
Как же выбирать методологию? Нужно опираться на критерии, а не догмы Выбор между Waterfall и итерационными методами зависит от четырёх факторов:
Предсказуемость требований. Если цель проекта чётко определена и маловероятно изменится (строительство моста, разработка ПО для учёта налогов), Waterfall эффективнее. Если требования эволюционируют (стартап, исследовательский проект), нужны итерации.
Стоимость изменений. В разработке мобильного приложения правка дизайна в процессе дешевле, чем перепроектирование атомной станции. Waterfall оправдан там, где ошибки чреваты катастрофическими последствиями.
Регуляторные ограничения. В банковской сфере или здравоохранении документирование и согласования неотъемлемы, что делает чистый Agile невозможным.
Культура команды и заказчика. Если стейкхолдеры не готовы к частым демонстрациям и изменениям приоритетов, попытка внедрить Kanban или Scrum приведёт к конфликтам.
Выбор методологии зависит от многих вводных. Но нужно понимать плюсы и минусы каждой.
Примеров неправильного применения Scrum полно. Тот же Scrumfall существует уже повсеместно, потому что команды гонятся за мифом чистого Agile, там где никакой гибкостью даже не пахнет. Отсюда и вылезает такая проблема как "усталость" от Scrum
Agile и Waterfall не конкурируют — они решают разные задачи. Манифест Agile напоминает о ценностях, но не даёт готовых решений, а Waterfall — не догма, а инструмент, который можно адаптировать. Когда выбираем методологию управления проектами, вместо вопроса «Что лучше — Agile или Waterfall?» стоит спросить:
Какова степень неопределённости требований?
Какие ограничения накладывают регуляторы или бюджет?
Насколько команда и заказчик готовы к гибкости?
Управление проектами в разработке ПО это тоже инженерная дисциплина и должно быть прагматичным. Важно:
Нужно отказаться от догм и мифов. Waterfall не означает «отсутствие изменений», Agile — «отсутствие документов».
Ориентироваться на ценности, а не методы. Даже в каскадном проекте необходимо внедрить частые коммуникации с заказчиком (ценность Agile №3).
Признать контекст. «Идеальная» методология не существует — есть инструменты для решения конкретных задач.
Когда следующий раз услышите: «Мы Agile, поэтому не пишем ТЗ», или «Это Waterfall, тут нельзя менять требования», — задайте вопрос: «А почему?». Возможно, за этим стоит не разумный выбор, а миф, которому не место среди инженерной культуры.
