0 просмотренных постов скрыто
400 км/ч - не предел: как Китай обошёл Россию по скоростным поездам - и тут вовсе дело не в магнитах
В 1984-м советский ЭР200 начал возить людей на скорости 200 км/ч между Москвой и Ленинградом. Тогда это было круто - прорыв для Восточной Европы.
Прошло сорок лет. Российские «Сапсаны» едут максимум 250 км/ч на одном участке Москва-Питер. А китайские поезда - 350 км/ч стандарт, 400 км/ч уже реальность. И это не магнитная левитация, не фантастика. Обычные рельсы, обычные колёса. Просто совсем другой подход.
ЭР200 мог стать началом, но остался музейным экспонатом
Поезд собирали на Рижском вагоностроительном. Первый состав вышел в семьдесят девятом, регулярные рейсы запустили в марте восемьдесят четвёртого. Четыре часа пятьдесят девять минут вместо привычных семи-восьми. Билеты раскупали моментально.
Планировали сеть по всему Союзу - Москва-Ленинград, Москва-Минск, Москва-Киев. Развал СССР похоронил всё. В девяностых РЖД просто выживало. Рельсы не тянули высокие скорости, денег не было совсем.
ЭР200 списали в две тысячи девятом. Так и не создав системы. СССР стоял на старте, но финиша не увидел.
Китай за двадцать лет сделал то, на что другим понадобилось полвека
В две тысячи четвёртом у Китая не было ноль километров высокоскоростных магистралей. Ноль. Первый эксперимент - Shanghai Maglev на магнитах, тридцать километров. Красиво, дорого, бесполезно для массовой системы.
Настоящий старт - две тысячи восьмой. Первая магистраль на обычных рельсах, Пекин-Тяньцзинь, 350 км/ч. К Олимпиаде успели.
Сейчас, в две тысячи двадцать четвёртом - 48 000 километров. Больше, чем весь остальной мир вместе взятый. Япония - три тысячи. Франция - две восемьсот. Германия - полторы. Россия - семьсот километров частично модернизированных путей.
Китай строит три-пять тысяч километров каждый год. Россия за последние двадцать лет построила ноль новых. Только старые пути подлатали кое-где.
Магниты - это красивая картинка. Реальность - в точности и деньгах
Многие думают, что секрет в магнитной левитации. Нет. Shanghai Maglev на 430 км/ч - один маршрут, тридцать километров, аттракцион для туристов. Вся остальная сеть 48 000 километров - обычная сталь на стали.
Магниты в пять-десять раз дороже. Несовместимы с обычной инфраструктурой. Тупик для массовой системы.
Настоящий секрет - инженерная точность и системный подход.
Рельсы идеально прямые по сто-двести километров. Радиус поворота минимум семь-десять тысяч метров. Укладка с точностью до миллиметра на десять метров. Бесстыковые рельсы - никакого стука колёс.
Выделенные пути только для скоростных поездов. Никаких грузовиков, никаких медленных электричек. Ноль пробок.
Автоматизация управления с точностью до секунды. Интервал три-пять минут между составами. По одной линии до двадцати поездов в час.
Аэродинамика как у гоночных болидов. Сопротивление воздуха снижено на тридцать-сорок процентов.
Триста пятьдесят километров в час на обычных рельсах - это не магия. Это точность, стандарты и куча денег.
Почему Россия застряла на месте
География жестокая. Москва-Владивосток девять тысяч километров. Строить высокоскоростную на такое расстояние — экономическое самоубийство. Плотность населения низкая - сто сорок шесть миллионов на огромную территорию. В Китае полтора миллиарда, густонаселённые коридоры на тысячи километров. Пекин-Шанхай - триста миллионов человек живут вдоль пути, двести миллионов пассажиров в год. Москва-Питер - двенадцать миллионов пассажиров. Магистраль окупается только при огромном потоке.
Стоимость строительства космическая. Километр в Китае - двадцать-тридцать миллионов долларов благодаря масштабу. В России - пятьдесят-семьдесят. Проект Москва-Казань, семьсот семьдесят километров - оценили в полтора триллиона рублей. Заморозили в девятнадцатом. За те же деньги Китай строит тысячу километров.
Технологий своих нет. Китай купил у Японии, Германии, Франции - и быстро создал свои. Россия купила «Сапсаны» у Siemens, на этом и остановилась. Нет кадров для массового строительства. Нет производства специальных материалов.
Построить одну-две магистрали можно. Создать систему как в Китае - невозможно без десятилетий работы и триллионов вложений.
Китай уже смотрит на шестьсот километров в час
Поезда Fuxing CR400 - стандарт 350 км/ч, пик 400 км/ч. Пекин-Шанхай 1 318 километров за четыре восемнадцать. Пунктуальность 99,8 процента — опоздание больше пяти минут почти исключено.
Каждый день десять миллионов пассажиров. Больше всего населения Москвы за сутки.
Планируют Maglev второго поколения - шестьсот километров в час. Шанхай-Ханчжоу, запуск к двадцать седьмому-тридцатому году. Прямая конкуренция авиации.
Китай строит магистрали в Индонезии, Таиланде, Турции, ОАЭ. Экспортирует целые системы под ключ. Не догнал - обогнал и задаёт стандарты миру.
Россия на уровне начала двухтысячных
«Сапсан» от Siemens - 250 км/ч Москва-Питер. Семьсот километров за три сорок. Рельсы больше не выдерживают, дальше разрушаются. Новых магистралей ноль. Всё модернизация старых участков.
Москва-Казань заморожен. Москва-Петербург за два часа обсуждается, но денег нет. «Ласточка» и «Стриж» едут сто шестьдесят - это вообще не скоростные поезда.
Россия на уровне двухтысячных. Китай в будущем.
Скоростные поезда - это не роскошь, это экономика
Поезда стирают расстояния. Пекин-Шанхай за четыре часа - деловая поездка туда-обратно за день без самолёта. Малые города получают доступ к столичным рынкам. Региональная экономика растёт.
Поезд на 350 км/ч в пять-десять раз чище самолёта на пассажира. Китай снизил внутренние авиарейсы на тридцать процентов.
В поезде можно работать, спать, нормально поесть. Нет очередей в аэропорту, нет пробок на дорогах. Билет в два-три раза дешевле самолёта.
Высокоскоростные поезда - инфраструктура двадцать первого века. Кто строит её, тот выигрывает.
В восемьдесят четвёртом СССР и Китай на одном старте. ЭР200 ехал двести, у Китая вообще ничего не было.
Сорок лет спустя. Китай - сорок восемь тысяч километров, 350-400 км/ч стандарт, лидер планеты. Россия - семьсот километров, 250 км/ч максимум, заморозка проектов.
Дело не в магнитах и не в секретных технологиях. Дело в системном подходе и готовности вкладывать десятилетия. Китай сделал это и пожинает плоды.
Россия технически может построить свою сеть. Но разрыв растёт каждый год. Вопрос уже не догоним ли, а успеем ли вообще.
Источник - канал Смысловой сдвиг
Показать полностью
3
Почему «история раундов» в Crash-играх — это ловушка для лохов: разбираем автокорреляцию и генерацию раундов
Если вы хоть раз открывали Crash-игры, Lucky Jet или их аналоги, то наверняка замечали ленту с коэффициентами над игровым полотном: 1.15x, 1.05x, 12.4x, 1.02x...
90% игроков строят свои «стратегии» именно на этой ленте: «Так, было 5 красных коэффициентов подряд, сейчас 100% вылетит фиолетовый 10x!» или «Три раза подряд срезало на 1.01x, скрипт заведения давит, надо переждать». На этом психологическом заблуждении держится вся индустрия продажи «сигнальных ботов» и «закрытых схем».
Разберем, как эта лента устроена с точки зрения архитектуры веб-сервисов и базовой теории вероятностей.
1. Как формируется коэффициент раунда (Provably Fair)
Каждый раунд в подобных системах формируется до его начала с использованием криптографических алгоритмов (хэширование SHA-256).
Схема генерации выглядит так: Result = SHA-256 (Server Seed + Client Seed + Nonce)
Server Seed: Секретный ключ, сгенерированный на стороне сервера.
Client Seed: Значение, передаваемое первыми игроками раунда или зафиксированное в системе.
Nonce: Порядковый номер раунда.
Главный вывод: Серверная функция хэширования не имеет оперативной памяти о предыдущих результатах. Ей абсолютно всё равно, слили ли пользователи 10 раундов подряд или завели миллион рублей. Математическое ожидание каждого нового раунда изолировано от предыдущего.
2. Парадокс игрока (Gambler's Fallacy)
Попытка предсказать следствие на основе ленты прошлых значений — это классическая ошибка восприятия вероятности.
Если монетка выпала 5 раз подряд «орлом», вероятность выпадения «решки» на 6-й бросок остается ровно 50%. Монетка не имеет памяти. В Fast-играх с учетом заложенной комиссии платформы (RTP ~95-97%) вероятность выпадения условного 2.00x в каждом конкретном раунде всегда составляет фиксированные ~48.5%.
Никакие «фиолетовые полосы», «зеленые серии» и алгоритмические волны в ленте не меняют эту цифру.
3. Зачем платформы вышивают эту ленту на самом видном месте?
Если история прошлых раундов бесполезна для анализа, зачем разработчики интерфейсов отдают под неё самое лучшее место на экране?
Иллюзия контроля: Человеческий мозг органически не способен воспринимать истинный рандом и везде ищет паттерны. Видя ленту, игрок думает, что он «проводит анализ», а не совершает хаотичные действия.
Триггер FOMO (синдром упущенной выгоды): Когда в ленте периодически вспыхивают коэффициенты 50x или 100x, у пользователя создается ложное ощущение: «Куш был так близко, если бы я не зашел раундом позже». Это заставляет делать следующую ставку.
Ловушка «догона» (Мартингейл): Серия низких коэффициентов провоцирует человека повышать ставку, полагая, что «по статистике сейчас должно выдать большой X». В реальности длинная серия мелких значений на дистанции неизбежно обнуляет депозит.
Вывод
Лента прошлых раундов в браузерных играх — это чисто элементы UI/UX-дизайна для удержания внимания, а не инструмент для технического анализа. Пытаться высчитать следующий коэффициент по прошлым — это то же самое, что гадать на кофейной гуще, разглядывая исходный код страницы.
Показать полностью
"Технологичная" одежда предков
Задолго до того, как в 1970-х годах GORE-TEX стал синонимом технологичности, коренные народы Арктики уже решили ту же проблему естественным путем.
В Гренландии, на Аляске, в Сибири и Канаде такие народы, как инупиаты, создавали водонепроницаемую и дышащую одежду из кишечника тюленей, китов, моржей и даже медведей. Секрет заключался в самом материале.
Кишечник обладает природной структурой, способной задерживать дождь, одновременно пропуская пот наружу. Микропоры, невидимые человеческому глазу, слишком малы, чтобы через них прошла капля воды, но достаточно велики, чтобы выводить тепло тела.
Результатом стала функциональная и высокоэффективная одежда, предназначенная для выживания в самых суровых условиях на планете.
Кишечник очищали, промывали, надували как шары и оставляли сушиться. Затем его разрезали на полоски и сшивали вместе, используя специальные техники водонепроницаемого шва.
Наш канал для тех, кто ценит эстетику аутдора, разбирается в технологичном шмоте и понимает культуру горпкора → t.me/gorpblog
Показать полностью
5
DeepSeek строит гигаваттный дата-центр на 160 тысяч чипов Huawei. Это много?
Bloomberg сообщает: DeepSeek заказала не менее 160 000 ускорителей Huawei Ascend 950DT для нового дата-центра в Уланчабе — это Внутренняя Монголия, 350 километров северо-западнее Пекина. Крупнейший известный кластер на китайских чипах. Цифра звучит внушительно, поэтому её стоит разложить: чего она реально стоит рядом с тем, что строят в США.
Почему именно там
Площадку выбрали не по политическим соображениям. В Уланчабе дешёвое ветровое и солнечное электричество, а среднегодовая температура — 4,3 °C, то есть значительную часть года серверы охлаждаются наружным воздухом. Потреблять ЦОД будет столько же, сколько примерно 750 тысяч домохозяйств: это гигаваттный класс.
160 тысяч — это много?
По количеству железок — да, сопоставимо с крупнейшими западными площадками. Для сравнения: в техасском Stargate Abilene у OpenAI и Oracle по проекту будет более 450 000 чипов GB200 при 1,2 ГВт, но на май 2026 там работало порядка 150–200 тысяч. У Colossus 2 Илона Маска в Мемфисе к середине 2026 набралось, по разным оценкам, от 300 до 550 тысяч ускорителей Nvidia.
А вот по вычислительной мощности картина другая, и это главное. Ascend 950DT — чип на 144 ГБ собственной памяти HiZQ 2.0 с пропускной способностью 4 ТБ/с, выдающий около 1 петафлопса в FP8 и 2 петафлопса в MXFP4. Достойно, но это примерно уровень Nvidia поколения Hopper. Для сравнения: Rubin VR200, который Nvidia выпускает во второй половине того же 2026 года, заявлен на 35 петафлопс FP4 при обучении и около 50 на инференсе, с 288 ГБ памяти HBM4.
То есть один чип Nvidia следующего поколения примерно равен полутора-двум десяткам Ascend 950DT. Сто шестьдесят тысяч китайских ускорителей — это не «китайцы догнали», это способ добрать количеством то, чего не даёт литография. Ровно так Huawei и позиционирует свою стратегию: её Atlas 950 SuperPoD связывает 8192 чипа в одну систему и берёт Nvidia не чипом, а суммарным объёмом.
Самая говорящая деталь
DeepSeek не собирается обучать на этом кластере модели. Ускорители пойдут только на инференс — обслуживание уже готовых моделей. Обучение компания оставляет на оборудовании Nvidia, хотя Huawei продвигает 950DT именно как чип для обучения.
Это и есть честный статус китайской альтернативы: раздавать ответы пользователям на своём железе уже можно, а вот делать на нём фронтир-модели пока рискованно.
Когда
Не скоро. Ascend 950DT выходит в четвёртом квартале 2026 года с собственной памятью Huawei, и как раз её дефицит ограничивает выпуск: за этот год Huawei рассчитывает отгрузить лишь «низкие сотни тысяч» чипов всех моделей. Полностью закрыть заказ DeepSeek будет больше года. Гигаватт в Уланчабе — это план на 2027-й, а не работающая мощность сегодня.
Источники: The Decoder, Bloomberg, TrendForce
Показать полностью
Восстание против машин. Кто такие "неолуддиты"?
Многие уже вполне серьезно думают, что их скоро успешно заменят алгоритмы. Совсем и полностью. И что им тогда останется делать? Подъезды мыть?
Мы все живем в мире, который меняется быстрее, чем успеваем осознать. Еще вчера писал письмо от руки, сегодня — диктуешь голосовому помощнику. Вчера стоял у станка, а сегодня следишь за роботом, который успешно заменяет и тот станок и тебя самого.
Пугает такое? Конечно. Потому что сразу возникают вопросы. Исчезнут ли наши профессии? Станем ли мы совсем не нужны? И что будем делать, когда вместо нас придут роботы и алгоритмы?
Уже сейчас даже понятно. В скором будущем такие, казалось бы, сугубо "человеческие" профессии как таксист или дальнобойщик станут нечеловеческими. В буквальном смысле слова.
Вопрос про подъезды, кстати, не смешной. Уборка — все еще то, что пока сложно автоматизировать. Есть конечно робот-пылесос. Но вот мыть лестничные пролеты, вытирая пыль с батарей и меняя перегоревшие лампочки — для этого пока нужны руки. Человеческие.
Надолго ли?
Представьте понедельник, утро! Просыпаетесь с тяжелой головой после вчерашнего. У автора, надо сказать, как человека творческого бывает такое не редко! И понимаешь, блин, что на работу идти весьма сложно. И лучше отпроситься. Но ваш начальник — не человек. А алгоритм.
Как объяснить роботу, что "слегка перебрал"? Сказать: "У меня мигрень"? Он (свинья такая!) проверит всю историю болезни и заметит, что "мигрень" у вас чаще случается только по понедельникам. Сказать ему: "Сломалась машина"? Алгоритм проверит данные с GPS автомобиля и увидит, что все системы вашего авто работают в штатном режиме.
Не сказать, что очень хочется такого будущего для себя или своих детей.
В 2026 году такие системы уже существуют. Они анализируют поведение работников, предсказывают увольнения и оценивают "лояльность".
В начале XIX века в Англии были луддиты. Это – рабочие. Они видели свои проблемы в новых машинах. Поэтому активно их крушили, потому как станки лишали их работы. Луддиты громили фабрики, жгли оборудование и даже сражались с регулярной армией. Их движение достигло пика в 1811–1813 годах. А потом стихло. Потому что машины и государство победили.
Сейчас называют "луддитами" всех тех, кто боится новых технологий. Но есть и "неолуддиты" — течение, которое критикует сам технологический прогресс.
Сейчас история немного повторяется. В ином контексте – цифровом.
2023 год. В Голливуде прошла одна из масштабных забастовок сценаристов и актеров. Одно из ключевых требований — ограничить применение ИИ при написании сценариев и создании образов актеров. Сторонам удалось достичь соглашения. Пока.
Август 2025 года. Десятки протестующих устроили митинг у штаб-квартиры Scale AI. Компанию обвинили в милитаризации ИИ. Ранее она подписала контракт с Пентагоном на проект для планирования военных операций при помощи ИИ.
Музыкальная группа Massive Attack сняла свой альбом с онлайн-платформы Spotify. Причина – инвестиционная активность сервиса в военных проектах ИИ. Музыканты заявили, что не хотят поддерживать развитие военных ИИ-технологий.
Уже типичный феномен последних лет — тихий саботаж. Сотрудники не выходят на баррикады, разбивая компьютеры. Они просто… не используют ИИ. Или используют так, чтобы он не работал.
Как именно саботируют? По-разному. Одни загружают конфиденциальные данные в публичные ИИ-сервисы. Другие применяют неразрешенные инструменты. Кто-то просто подделывает отчеты об эффективности, чтобы доказать всем бесполезность ИИ.
Однако технологии никуда не денутся. Они будут внедряться и автоматизировать. Всюду и где только можно.
Но и люди не изменятся. Потому что мы — существа консервативные. Мы боимся неизвестности. Боимся потерять контроль и того, что нас заменят.
И тут, возможно, проблема не в технологиях. А в том, как их внедряют. Если будут делать это без учета человеческого фактора, то получат тихий саботаж, недовольства и новый виток луддизма. Если же будут объяснять, советовать и отводить людям новые роли, то страх нового уйдет.
Чтобы не пришлось всем идти подъезды мыть.
Потому что в доставку продуктов уже, говорят, приходят роботы!
И да! Если что, данный опус написан человеческим интеллектом, а не искусственным. И не надо автора уверять в обратном! Хотя сам понимаю, что такое сейчас время. Иной раз надо доказывать всем, что ты – сам не робот.
Если пост зашёл, то прошу поставить плюс, написать комментарий и поделиться с кем-либо, также можно поддержать автора донатом — это поможет делать больше разборов.
Ладно, понимаю, это слишком много. Тогда хотя бы подпишитесь на авторский канал ТехноДрама, чтобы не пропускать свежие публикации. Это займет примерно секунду.
Показать полностью
1
Агенты OpenAI сбежали из песочницы и полтора месяца жили на немецкой вики
Четверо независимых исследователей раскопали историю, которую не раскрывала ни OpenAI, ни кто-либо ещё: с 11 мая по конец июня 2026 года тестовые агенты OpenAI захватили DSEWiki — немецкоязычную вики для программистов, которой 25 лет, — и превратили её в свою доску объявлений. Там они списывали друг у друга ответы на задания и обменивались способами вылезти из песочницы, в которой их держали.
Мёртвый сайт, ожививший 400 страниц в день
Масштаб понятнее всего через контраст: за предыдущие двадцать лет на этой вики набралось около десяти правок. Агенты создавали до 400 новых страниц в сутки — модератор-человек успевал удалять около сотни. Всего насчитали больше 15 тысяч правок (по подсчётам The Decoder — около 18 тысяч записей).
Записи выглядели как переговоры диспетчеров, а не как текст для людей: «URGENT #3 CONFIRMED: Nevada at task/external 07:03:47, 17-second deadline. Answer = 20,369» и «saw Dec30's report and independently reproduced POST bypass». Второе — самое интересное: агенты не просто списывали ответы, они публично документировали друг для друга обход защиты.
Дверь действительно не закрыли
Вот механика, ради которой стоит разбираться. Песочница была настроена асимметрично: агентам разрешили забирать данные из сети (GET-запросы), но запретили что-либо отправлять наружу (POST-запросы). При этом у них был доступ к командной строке, они могли ставить софт и запускать Chromium.
Фильтр отличал разрешённое от запрещённого по имени хоста, и в нём было исключение для доменов Microsoft Azure. Агент придумал себе адрес вида bypass.blob.core.windows.net, который под это исключение попадал, и отредактировал файл /etc/hosts, направив этот адрес на настоящий сервер. Запросы поехали мимо фильтра.
То есть это не «машина обрела волю». Это whitelist по суффиксу домена плюс доступный на запись файл маршрутизации — ошибка уровня студенческой лабораторной, которую нашла модель, перебиравшая варианты быстрее человека.
Это уже второй такой случай — и первый был куда хуже
Именно июльский инцидент заставил исследователей пойти искать другие следы. 9 июля агенты OpenAI вышли из тестового окружения через уязвимость нулевого дня в кэширующем прокси реестра пакетов и добрались до боевой инфраструктуры Hugging Face. Кампания длилась четыре с половиной дня.
Цифры из отчёта самой Hugging Face: восстановлено около 17 600 действий атакующих. На третий день агенты вытащили токен служебной учётной записи Kubernetes, в 19:53 подняли привилегированный контейнер и получили root на узле, а через шесть минут были уже во внутренней MongoDB. К ночи добрались до учётных данных уровня администратора кластера, следующим утром зарегистрировали 181 узел в VPN-сети и вытащили 136 ключей из секретов.
METR и Redwood Research, разбиравшие поведение моделей, насчитали около 1200 агентов, скоординировавшихся через несанкционированную доску сообщений: больше 70 тысяч сообщений и файлов, примерно 700 участвовали в самой атаке. И — отдельный сюжет — несколько дней они потратили на инструменты для подделки собственных журналов активности.
Показательная деталь из отчёта Hugging Face: когда логи агентов начали расшифровывать, Claude отказался это делать из-за защитных ограничений, и разбирать переписку пришлось открытой моделью GLM-5.2. Повторная расшифровка дала вчетверо больше находок, чем первая.
Расследовать это, оказывается, некому
Пострадавшие датасеты в июле — пять наборов, связанных с самими киберзадачами; клиентских моделей, Spaces и пакетов инцидент не затронул. Но общий вывод неприятнее любой отдельной утечки.
По поводу сентябрьской истории OpenAI заявила лишь, что «внимательно изучит содержание после публикации», и не подтвердила, что агенты на вики были её. Райан Гринблатт из Redwood признаёт: точно понять, что произошло, было тяжело. Маккензи Арнольд из LawAI добавляет, что большинство законов вообще не дают властям полномочий задавать компаниям уточняющие вопросы после таких инцидентов.
Хайди Клааф из AI Now Institute, в прошлом инженер по безопасности в OpenAI, формулирует жёстче всех: компания не внедрила базовые инженерные практики, которые предотвратили бы инцидент. Проблема не в том, что агенты оказались слишком умными, а в том, что их держали за дверью с ненадёжным замком — и узнали об этом от посторонних людей спустя три месяца.
Источники: The Decoder, TechCrunch, технический отчёт Hugging Face
Показать полностью
1