GPU & AI chips — September 2026

#Job_Opportunity

Physical AI Research Engineer (f/m/x)

🏷️ #python #ai #embedded #c #tensorflow #pytorch

🌎 Visa Sponsorship & Relocation Included

🔗 Click Here for More Details & Apply

📣 @get_joboffer

Мужики и Мужикессы!

На этой неделе вы остаётесь голодными потому-что у меня на канале действует какой-то обособленный ото всех алгоритм. Как только я выпускаю новую видеокарточку, показы на старой мгновенно отрубаются и больше не возвращаются в прежнее состояние. Хз почему так устроенно. У других моих коллег всё по другому. В вязи с этим хочу, чтобы сборник "первого охотника" собрал ещё по больше просмотров и надо подержать его на канале последним роликом хотя бы две недельки.

Asahi Linux теперь работает на чипах M3! - Ребята проделали огромную работу. К сожалению, пока нет поддержки GPU и Mac Studio (M3 Ultra).

Также пока не работает режим сна, отключён HDMI на MacBook и есть другие ограничения, связанные с отсутствием полноценной поддержки DCP.

NVIDIA RTX Spark N1X виходить уже в жовтні — до 6144 CUDA-ядер і 128 ГБ пам’яті

NVIDIA готується серйозно зайти на ринок Windows-комп’ютерів на ARM. Уже в жовтні має стартувати платформа RTX Spark N1X, яка з’явиться як у ноутбуках, так і в компактних настільних ПК. Старша версія отримає: -20-ядерний ARM-процесор Grace - GPU Blackwell із 6144 CUDA-ядрами - від 24 до 128 ГБ об’єднаної пам’яті Буде й молодша версія для ноутбуків: 18 ядер CPU + 5120 CUDA-ядер і до 32 ГБ пам’яті. Найцікавіше тут саме об’єднана пам’ять — CPU та GPU працюють зі спільним пулом RAM, приблизно за тією ж концепцією, яку Apple використовує у своїх M-чипах. На RTX Spark уже готують системи Lenovo, Acer, ASUS, Dell, MSI, HP та Microsoft. NVIDIA робить великий акцент на локальному AI, але платформа розрахована не лише на нейромережі — компанія демонструє її й як повноцінне рішення для ігор та робочих задач. 128 ГБ спільної пам’яті для GPU та CPU звучить особливо цікаво для AI та професійних програм.

Соберите первую нейросеть на Python без матана и видеокарты

Слово «нейросеть» звучит так, будто нужен продвинутый матанализ, мощная машина и тысячи строк кода. Ничего из этого не нужно.

На базовом уровне нейросеть это математическая модель, которая берёт на вход числа, что-то с ними считает, выдаёт предсказание, сравнивает его с правильным ответом и подправляет себя, чтобы в следующий раз ошибиться меньше. Этот цикл и есть обучение, всё остальное надстраивается сверху.

В туториале такую сеть строят руками на Python и NumPy, без фреймворков, чтобы был виден каждый шаг. Хороший следующий шаг после основ языка: слова «слой», «веса» и «обучение» перестанут быть заклинаниями и станут строчками кода, которые вы написали сами.

#python

Color Slider DCTL

Color Slider DCTL: Next-Gen Color Separation for Ultimate Grading Speed. Stop letting slow qualifiers tank your GPU. Unlock non-destructive, real-time control over R, G, B, C, M, Y channels—all in a single, lightning-fast node.

⬇️ Download | 🔒Password

#DaVinci

To learn Artificial Intelligence from basic to advanced levels, you can follow these steps: 🤩🤩

⏩ Python Programming:

Start with Python, one of the most popular languages for AI development. Learn variables, data types, functions, loops, object-oriented programming, file handling, and important libraries such as NumPy and Pandas.

⏩ Mathematics for AI:

Build a strong mathematical foundation. Learn linear algebra, probability, statistics, calculus, vectors, matrices, derivatives, gradients, and optimization concepts that form the foundation of modern AI.

⏩ Data Handling and Preprocessing:

Learn how AI systems work with data. Study data collection, cleaning, preprocessing, feature engineering, normalization, encoding, missing values, and handling noisy or unbalanced datasets.

⏩ Machine Learning:

Learn how machines learn patterns from data. Study supervised, unsupervised, and reinforcement learning along with algorithms such as Linear Regression, Logistic Regression, Decision Trees, Random Forests, K-Means, and Support Vector Machines.

⏩ Deep Learning:

Move into neural networks and advanced learning systems. Learn neurons, activation functions, forward propagation, backpropagation, loss functions, optimizers, regularization, and architectures such as CNNs, RNNs, LSTMs, and Transformers.

⏩ Natural Language Processing (NLP):

Learn how AI systems understand and generate human language. Study tokenization, text preprocessing, embeddings, sentiment analysis, text classification, sequence models, attention mechanisms, and Transformer architectures.

⏩ Computer Vision:

Teach machines to understand visual information. Learn image processing, image classification, object detection, image segmentation, facial recognition, CNNs, and modern vision models.

⏩ Reinforcement Learning:

Learn how AI agents make decisions through interaction with an environment. Understand agents, states, actions, rewards, policies, value functions, Q-learning, and modern reinforcement-learning techniques.

⏩ Generative AI:

Explore AI systems that can generate new content such as text, images, audio, video, and code. Learn concepts such as generative models, diffusion models, Transformers, and Large Language Models (LLMs).

⏩ Large Language Models (LLMs):

Understand how modern language models work. Study attention, Transformer architecture, pretraining, fine-tuning, instruction tuning, embeddings, context windows, and techniques such as Retrieval-Augmented Generation (RAG).

⏩ AI Agents:

Learn how AI systems can reason through tasks and interact with tools. Explore tool calling, memory, planning, workflows, multi-step task execution, and agent architectures.

⏩ AI Frameworks and Tools:

Become familiar with popular AI development tools and frameworks such as PyTorch, TensorFlow, Scikit-learn, Hugging Face, and other modern AI libraries.

⏩ AI Deployment and MLOps:

Learn how to take AI models from experimentation to real-world applications. Study APIs, model serving, Docker, cloud platforms, monitoring, model versioning, data pipelines, and AI system optimization.

🌎 Tiny Machine Learning Quickstart: Machine Learning for Arduino Microcontrollers (2025)

❔ Чему вы научитесь: 🔵 собирать данные с датчиков микроконтроллера и готовить их для обучения; 🔵 обучать компактные модели и укладываться в килобайты доступной памяти; 🔵 применять квантизацию и другие приёмы сжатия перед развёртыванием; 🔵 разворачивать модель на плате Arduino через TensorFlow Lite for Microcontrollers; 🔵 решать типовые задачи TinyML: распознавание жестов, ключевых слов, классификация по акселерометру; 🔵 оценивать компромисс между точностью, задержкой инференса и энергопотреблением.

"Tiny Machine Learning Quickstart" — практическое введение в машинное обучение на устройствах, где нет ни операционной системы, ни мегабайтов оперативной памяти. Рассчитана на разработчиков встраиваемых систем и любителей Arduino; глубокого знания ML не требуется, но базовое понимание работы с платой предполагается. Ценность в том, что инференс происходит локально: устройство работает автономно, без сети и передачи данных наружу.

🗄Скачать курс

IT Pirate

🤑 Производительность TON растет!

🔔 17 августа валидаторы сети TON перешли на новую архитектуру, на которой 27 августа началось плановое повышение лимитов.

⚡️ Было проведено два теста для оценки производительности одного шардчейна с нагрузкой, имитирующей переводы жетонов:

🟠 25 августа: нагрузка около 1200 TPS. 🟠 4 сентября: нагрузка около 1500 TPS.

✔️ Другие новости:

🟠 США предварительно одобрили полноценный блокчейн-банк OpenReserve.

🟠 OCC выдало OpenReserve Bank предварительное условное разрешение на создание национального банка в Юте. В плане — токенизированные депозиты, криптокастодиальные услуги, трансграничные переводы в цифровых активах и отдельная компания для выпуска обеспеченного долларом стейблкоина.

🟠 Это ещё не окончательная лицензия: банк должен получить страхование FDIC, привлечь минимум $210 млн капитала и выполнить требования перед открытием.

🟠 Инфлюенсы в Bitcoin ETF продолжают нарастать! За последние три недели объем средств, привлеченных в Bitcoin ETF, достиг впечатляющих $3.8 млрд.

🟠 В последнюю неделю американские спотовые Bitcoin ETF привлекли почти $1 миллиард, даже несмотря на то, что цена биткоина на короткое время опустилась ниже $79,000. Это подтверждает растущий интерес инвесторов к цифровым активам в условиях волатильности рынка.

🟠 Владельцы TikTok и Douyin, компания ByteDance, привлекли необеспеченный кредит на сумму $29,6 млрд с участием почти 30 банков.

🟠 Средства будут направлены на развитие ИИ-чипов, моделей и дата-центров компании за пределами Китая, включая Юго-Восточную Азию.

🟠 Хотя сделка пока не подтверждена публично, источники указывают на значимость этого шага. Банки фактически финансируют ByteDance как нового глобального гиперскейлера, что подчеркивает переход борьбы за ИИ к контролю над энергией, GPU и дата-центрами.

🟠 Хранители биткоина реализовали 110 000 BTC с прибылью после недавнего роста цены. Инвесторы воспользовались ситуацией и распродали свои активы.

Что ждет биткоин дальше? Аналитики предполагают возможное снижение цены.

❤️   ❤️    ❤️

Купить: |⭐️ Звёзды |💎 GRAM | ↗️ Фьючерсы| 🥳 Торговать мемы| | ♠️ Казино|

🛒 Продам Игровой пк

Характеристики:

Корпус ATX Zalman i3 (со стеклянной стенкой, подсветка) Видеокарта - Gigabyte RTX 5060 8GB Процессор - AMD Ryzen 5 5600 (AM4) Материнская плата - Gigabyte B550M DS3H R2 Оперативная память - Crucial 2x8 ГБ (16 ГБ) DDR4 2400 МГц SSD (системный) - Samsung SSD 860 EVO 250G SSD (игровой/программный) - Samsung SSD 980 250GB HDD (файловый) - TOSHIBA HDWD110 1000GB (1 ТБ) Блок питания - DEEPCOOL PF750 80 PLUS (750W)

💱 Цена: 75.000р.

🚗 Авито доставка: Есть

🏙 Город: Нижний Новгород

Для покупки:

🛒Avito

📱 TG: @cgdnblchn

#ПК #НижнийНовгород #БУ

Для размещения писать: @interlink1

⚡️ MAX | VK 💙

Слух: iPhone 18 Pro и Ultra могут обогнать iPad Pro M4 по графике

В сеть попала предполагаемая схема A20. Судя по ней, GPU получит дополнительное ядро, а память разместят рядом с процессором. Инсайдеры ожидают до 30% прироста GPU относительно iPad Pro с M4.

🍎 Apple Media

🔎 Технический менеджер (управление эффективностью GPU-инфраструктуры Алисы AI)

Аудитория Алисы AI — более 30 миллионов активных пользователей в месяц. Для работы множества фич (от сложных LLM-агентов до генерации видео) мы задействуем гигантский парк GPU. В условиях мирового дефицита железа эффективность этого кластера — наш стратегический приоритет. Ищем технического менеджера, которому предстоит решить нетривиальную задачу: построить целостную модель потребления GPU и выстроить прозрачный процесс capacity-планирования.

Какие задачи вас ждут:

• Аналитика и юнит-экономика Вам предстоит связать метрики утилизации с экономикой: считать стоимость запроса и генерации, анализировать паттерны потребления и разрабатывать ROI-дашборды для топ-менеджмента. Для работы с сырыми данными, проверки гипотез и поиска узких мест нужно будет самостоятельно писать скрипты (Python, SQL). Приветствуется использование AI-ассистентов для решения задач.

• Capacity planning и автоматизация Вы будете строить предиктивные модели потребности в GPU с учётом органического роста трафика и запуска новых фич, а также автоматизировать процессы финансового прогнозирования, чтобы полностью уйти от ручного распределения квот.

• Координация и архитектура Нужно будет выстроить прозрачный процесс приоритизации выдачи карт совместно с командой инфраструктуры Яндекса. Вы будете консультировать продуктовые команды по выбору оптимальных платформ и моделей видеокарт, управлять кросс-командными проектами оптимизации.

Мы ждём, что вы: • Работали с большими объёмами данных: знаете SQL (обязательно), владеете Python (желательно) • Выстраивали процессы: например, занимались рефакторингом кода или запускали бизнес-процессы • Умеете находить паттерны и строить модели • Ориентированы на результат: не ждёте инструкций, а находите проблемы и решаете их

Почему у нас хорошо: Наше ДМС поможет предотвратить болезни: в него входят регулярные чекапы и вакцинация. Это не все бонусы — полный список тут.

📩 Откликайтесь на вакансию на нашем сайте

#алиса_AI #техменеджер #GPU #python #SQL #AI

aicr

AI Cluster Runtime (AICR) makes it easy to stand up GPU-accelerated Kubernetes clusters. It captures known-good combinations of drivers, operators, kernels, and system configurations and publishes them as version-locked recipes — reproducible artifacts for Helm, Argo CD, Flux, and Helmfile.

https://github.com/NVIDIA/aicr

iMac M3 150.990 отдаем за 111.990💸🔝

🖥 iMac M3 и iMac M4 — выбирайте свой идеальный моноблок Apple

🎨 В наличии самые популярные цвета, включая Blue, Green и Pink.

iMac M3 16GB/1TB/8 CPU/10 GPU CPO BLUE - 111.990💸💥

iMac M4 16GB/256GB/10 CPU/10 GPU CPO GREEN - 121.990💸💥

iMac M4 16GB/256GB/10 CPU/10 GPU CPO PINK - 120.990💸💥

Осталось всего пару штук ❗️

*⃣Действует выгодная рассрочка на срок от 12 до 24 месяцев *⃣Гарантия 1 год на всю технику✅ *⃣Доставка по СПб день в день, по РФ от 1 до 3-х дней (среднее значение)

📍Спасский переулок 14/35, Бц "На Сенной", второй этаж, 214 офис

Для заказа пишите: @egorkmrv

Звоните : +79522268519

💬 Мы в tg 💙 Мы в VK 🎁 EKBonus.com

AnTuTu V12 Public Beta arrives with redesigned tests and a completely new interface

Instead of just pushing hardware to output the highest possible numbers for marketing purposes, the AnTuTu V12 focuses on optimizing core testing scenarios to provide a much more accurate reflection of everyday real-world usage. The update introduces major changes across the four main testing areas: CPU, GPU, Memory and UX.

The UI of the app has been completely revamped in the new AnTuTu V12 public beta version, offering a more refined visual experience and better adaptability to devices with different screen sizes like tablets and foldables.

Full details: https://www.notebookcheck.net/AnTuTu-V12-public-beta-arrives-with-major-changes-to-how-phones-are-benchmarked.1389282.0.html

🆕Honor X9D 🔒256gb   Storage ⚡12GB RAM 📸120Hz AMOLED Display 🥶6.8” AMOLED Display 🛫Processor: 8500 Elite 🔥GPU: Mali GPU 🪙8300mha Silicon-Carbon Battery 💵 price 70,000 Birr

0927722137

Область и стек: Машинное обучение

Должность: Senior ML-инженер в Центр технологий искусственного интеллекта

Компания: Т-Банк

Зарплатная вилка: от 300

Формат работы: Удаленка

Страна работы: Россия/Беларусь

Мы создаем и применяем AI-технологии для развития финансовой экосистемы Т‑Банка: внедряем машинное обучение в продукты и внутренние процессы компании, делаем решения качественнее, безопаснее и удобнее для пользователей, вкладываемся в долгосрочные исследования. Сейчас мы в поисках ML-инженеров. Технологии, которыми мы занимаемся: Диалоговые системы. Обучаем финансового ассистента поддерживать разговор и отвечать на запросы пользователей в чате с поддержкой. Компьютерное зрение. Делаем безопасную авторизацию по лицу, оживляем фотографии для реалистичной анимации, распознаем документы и многое другое. Рекомендательные системы. Учимся предугадывать желания пользователей, чтобы предлагать им именно то, что нужно. Речевые технологии. Автоматизируем голосовое общение между бизнесом и клиентами. ML-антифрод. С помощью алгоритмов оберегаем пользователей от мошенников, оперативно замечая подозрительные действия в личном кабинете. Предиктивные технологии. Делаем прогнозы, чтобы помогать клиентам контролировать финансы. Как мы работаем: Делаем жизнь миллионов людей лучше, предоставляя доступ к качественным продуктам: от финансового ассистента Олега до рекомендательной ленты в приложении «Пульс».  Даем возможность как закидывать наработки в прод на миллионы пользователей, так и проводить исследования в своей области. Делимся опытом во всех областях ML: CV, NLP, RecSys, Speech и Time Series. Проводим внутренние семинары и обсуждаем последние новости AI. Выстраиваем процессы и используем инфраструктуру Т‑Банк, при этом минимизируем бюрократию. Фокусируемся на принципе AI-first. Развиваем в МФТИ лабораторию, с которой можно и нужно делать коллаборации. Не копим легаси. Оплачиваем участие в топовых AI-конференциях 2—3 раза в год. Узнать больше о профессии: ML-разработчики в Т‑Банке. Подготовиться к интервью: как проходит интервью по машинному обучению. Обязанности Изучать научные статьи, генерировать гипотезы, ставить на их основе эксперименты и доносить результат до команды Улучшать качество моделей в различных сценариях Ускорять работу моделей, применяя современные методы оптимизации и построения архитектуры Писать воспроизводимый код, оформлять эксперименты в воспроизводимые пайплайны, включающие разметку и обработку данных, обучение моделей и валидацию системы в целом Требования У вас есть опыт разработки ML-моделей с использованием современных DL-фреймворков (Pytorch, Jax/Tensorflow и других) и их применения в продакшене Разбираетесь в принципах работы современных алгоритмов машинного обучения Знаете Python Умеете декомпозировать задачу в переиспользуемые и тестируемые библиотеки и компоненты Знаете теорию в сфере математики, прикладной статистики, алгоритмов и структур данных Готовы изучать научные статьи на английском языке и ставить эксперименты основе прочитанного Знаете Linux, Git, Bash и Docker Мы предлагаем Работу в офисе или удаленно — по договоренности Платформу обучения и развития «Т‑Банк Апгрейд». Курсы, тренинги, вебинары и базы знаний. Поддержку менторов и наставников, помощь в поиске точек роста и карьерном развитии Заботу о здоровье. Оформим полис ДМС со стоматологией и страховку от несчастных случаев. Предложим льготное страхование вашим близким Возможность работы в аккредитованной ИТ-компании Линейку льготных тарифов на продукты Т‑Банка Частичную компенсацию затрат на спорт Сервисы для поддержки сотрудника по психологическим, юридическим и финансовым вопросам Три дополнительных дня отпуска в год Достойную зарплату — обсудим ее на собеседовании

Откликнуться на вакансию

Aluminium conducts heat at 237 W/mK, Copper conducts at 400 W/mK (Watts per meter-Kelvin)

That is why copper gets used in high-power electronics cooling despite being heavier and more expensive. DRDO and IISc Bangalore created new composite by mixing aluminium-silicon alloy with carbon nanotubes. It reaches 335-355 W/mK, very close to copper performance.

Aluminium holds 61% of global heat sink market because it is lighter and cheaper, If you can make aluminium perform like copper at aluminium prices, that market shifts fast

Every fighter jet, radar system, and missile carries heat sinks to cool electronics. Most of these use copper because aluminium alone cannot handle high thermal loads well enough.

But copper weighs 3x more, which matters on airborne platforms where weight directly affects fuel and payload. IISc developed aluminium composite with carbon nanotubes for DRDO that conducts heat at 335 W/mK, near copper range.

Weight drops by 65%, cost drops further. Indian defence just moved from importing copper cooling parts to growing domestic capability in advanced thermal materials

Global thermal management market sits at $18bn in 2026 and growing at 10% per year. AI servers run GPUs that consume 600-1200 watts each, generating extreme heat in tight spaces.

Current cooling depends on copper-aluminium hybrid heat sinks because neither metal alone works well enough at high density. DRDO-IISc composite hits 335-355 W/mK using carbon nanotubes in aluminium matrix. That is copper-grade performance at aluminium weight.

Research was done for defence radar and missile cooling, but same properties apply directly to GPU server racks and EV battery packs.

🛒 Graphic Programmer/Render Developer в українську геймдев-студію "FLEXUS" (віддалено)

💵 ЗП: Договірна, висока. Детальніше - обговорюємо на співбесіді. Ми — українська геймдев-студія, де створюються мобільні ігри у гібридказуальному та мідкорному жанрах.

Вимоги: ⭐️Досвід роботи з шейдерами, рендерингом, анімаціями та розуміння графічного пайплайна/мобільних GPU; ⭐️Відмінне знання математики (векторна математика, тригонометрія, матриці); ⭐️Вміння описувати анімації функціями, знання твінів/ізингів та фізики руху точок у просторі; ⭐️Креативне та художнє бачення: відчуття стилю, композиції, кольорів для створення сатисфайного візуалу; ⭐️Навички глибокої оптимізації складних графічних алгоритмів під мобільні пристрої; ⭐️Досвід у Unity/HLSL (або Unreal Engine / GLSL) та інтерес до експериментів із новітніми технологіями.

Обов’язки: ▫️Розробка та впровадження унікальних графічних технологій і написання шейдерів; ▫️Оптимізація нестандартних графічних алгоритмів для роботи на мобільних пристроях; ▫️Створення візуальних ефектів з вау-ефектом; ▫️Розробка нових технологій для рендерингу та анімації в real-time.

Надсилайте резюме на пошту та вказуйте назву вакансії: 💬 [email protected]

DEEPAK NITRITE — CAPACITY + CUSTOMER VALIDATION - ₹1,400 Cr phenol/acetone project initially represented only a Stage 1 capex story. - Before commissioning, customer outreach and seed marketing had already started showing encouraging demand. - Indian phenol demand was also running stronger than originally assumed. - Plant commissioned in November 2018. - Utilisation crossed 80% within the first few months. - FY20 operating cash flow subsequently reached ~₹765 Cr. - Consolidated net debt/equity fell from 1.11x FY19 → 0.69x FY20 → 0.15x FY21. - Key lesson: Demand validation + utilisation + debt reduction confirmed the capex-to-cash inflection.

VALIANT ORGANICS — APPROVAL-GATED CAPACITY INFLECTION - Existing 4,800 MTPA chlorophenol plant was already operating near full utilisation. - Expansion could increase capacity toward ~21,600 MTPA. - Environmental approval was the major uncertainty. - Existing utilisation had already validated demand. - Balance sheet was virtually debt-free. - Approval progress + capacity expansion + strong existing utilisation created the Stage 2 opportunity. - Once approvals, commissioning and utilisation became obvious, much of the catalyst became priced in. - Key lesson: Catalysts have an expiry date.

CG POWER — GOVERNANCE + BALANCE-SHEET INFLECTION - CG Power had a viable industrial franchise trapped inside governance and balance-sheet problems. - Tube Investments / Murugappa Group acquired control and infused fresh capital. - Board and ownership changed. - ~₹2,160 Cr debt claims were settled at ~₹1,000 Cr. - Operational creditors and employee dues were addressed. - Working-capital lines reopened. - Customers had not disappeared; order book remained healthy. - Credit rating moved from default to AA-. - FY22 revenue subsequently reached ₹5,561 Cr, +88%, while PAT before exceptional items reached ₹405 Cr. - Key lesson: In governance turnarounds, legal certainty comes first, liquidity second and earnings last.

TBZ — OWNERSHIP INFLECTION BUT OPERATING EVIDENCE STILL NEEDED - GRT is acquiring control of TBZ, creating a potentially meaningful ownership change. - GRT could bring procurement, inventory management, customer schemes and stronger retail execution. - But operating evidence has not yet sufficiently confirmed the turnaround. - Gold jewellery volumes declined from 3,424 kg FY23 to 2,249 kg FY26. - FY26 operating cash flow was only ~₹30 Cr against PAT of ~₹202 Cr. - Inventory and borrowings increased materially. - Current setup is closer to Stage 1–1.5. - Need volume growth, same-store growth, inventory improvement and cash-flow confirmation before calling it Stage 2.

ROYAL ENFIELD — DEMAND PULLED CAPACITY - Demand exceeded supply before major capacity expansion. - Long waiting periods demonstrated genuine product-market fit. - Classic 350/500 and the new engine platform strengthened the product proposition. - Management then invested to remove the production bottleneck. - Oragadam plant started production in 2013 with 150,000-unit initial capacity. - Motorcycle sales reached ~178,000 units in 2013 and production plans were raised further. - Importantly, expansion was supported by a strong balance sheet rather than dangerous leverage. - Key lesson: Demand pulling capacity into existence is much stronger than capacity searching for demand.

E2E NETWORKS — ASSET REGISTER BEFORE PROFIT EXPLOSION - E2E was evolving from a generic cloud provider toward GPU infrastructure. - GPU products appeared in the company's physical asset base and customer catalogue before becoming meaningful in reported profits. - Computer equipment expanded significantly relative to the company's existing revenue base. - Early capex was substantially supported by operating cash flow rather than excessive debt. - The next critical evidence was utilisation and recurring customer revenue. - Key lesson: Physical assets + product catalogue + customer commitments can reveal the next business before PAT does.

IEX — REGULATION BEFORE VOLUME - IEX was already profitable; profitability itself was not the inflection. - Regulatory changes increased the usefulness of exchange-based short-term electricity trading. - Real-Time Market created additional opportunities for last-minute balancing. - Existing network liquidity meant IEX could absorb the new market without massive incremental capital. - Higher volumes therefore offered substantial operating leverage. - Key lesson: Regulation can change the earnings trajectory before reported volumes reveal the full impact.

HOW TO DISTINGUISH A REAL INFLECTION FROM A TRAP

OPERATING CONFIRMATION - Volumes growing faster than industry. - Repeat orders / customer retention improving. - Capacity utilisation crossing fixed-cost breakeven. - Same-store sales / unit economics improving. - New products becoming meaningful. - Market share increasing without receivables exploding.

CASH FLOW / BALANCE-SHEET CONFIRMATION - Receivable and inventory days remain stable or improve. - Operating cash flow begins following EBITDA. - Customer advances support the order book. - Debt and interest burden decline. - Expansion becomes increasingly self-funded. - Incremental ROIC remains above cost of capital.

RED FLAG - If reported P&L improves while cash conversion deteriorates materially, treat the claimed inflection with caution. - Revenue growth financed by exploding receivables or inventory may not represent genuine improvement.

THE REPEATABLE PROCESS - Identify what changed FIRST. - Find at least 2 independent operating confirmations. - Check what cash flow / balance sheet confirms. - Understand what the P&L should show later. - Define exactly what would invalidate the thesis. - Finally, ask whether valuation still assumes the OLD earnings path.

THE IDEAL MULTIBAGGER SETUP - Good underlying business. - Leading indicators already improving. - Two or more independent confirmations. - Healthy cash flow / balance sheet. - Earnings still look ordinary. - Market expectations remain anchored to historical earnings. - Clear runway for revenue + margin expansion. - Valuation has NOT yet moved to Stage 4/5 expectations.

KEY TAKEAWAY - The biggest asymmetry often sits at Stage 2: operating evidence is improving, cash/balance sheet confirms it, but earnings and market expectations have not yet caught up.

🤔Архітектура RDNA5 вже з'явилась у відеокартці, але не там, де ви очікували б: це мобільний процесор Exynos 2700

Samsung давно співпрацюють з AMD у архітектурі відеокарток, ще починаючи з rdna 2 у Exynos 2200. Так само сталось і з RDNA 5, яку вже помітили у майбутньому Exynos 2700, який буде доступний з 2027 року у телефонах S-серії.

Цей процесор виготовлений на 2нм техпроцесі. Він використовує стандартні ядра ARM у процесорі, що має 10 ядер, а от відеокартка Xclipse 970 використовує архітектуру RDNA 5. Вона має 16 CU, що на рівні з ноутбучними процесорами самих AMD.

Цей процесор вже протестували, і він показав непогані результати як в продуктивності, так і у автономності: можливо, наступного покоління Exynos вперше буде на рівні з останнім Snapdragon.

Крім цього, телефони Samsung можуть стати першим доступним для купівлі продуктом з архітектурою RDNA 5.

TCS : AI DATA CENTER CAMPUS IN TELANGANA 🚀

• TCS subsidiary HyperVault to develop up to 1 GW AI data center campus in Hyderabad.

• Campus to support AI training, inference & high-density GPU workloads.

• Project investment of up to ₹70,000 Cr by HyperVault and partners.

• Campus will use green energy & water-neutral design.

👩‍💻 Линус Торвальдс пофиксил баг в ядре Linux при помощи ИИ

После полного выключения и включения компьютера Linux показывал чёрный экран. Графическая оболочка постоянно перезапускалась, хотя сама система продолжала работать. Лечилось перезапуском оболочки.

Фиксом занялся сам Линус Торвальдс. И в помощники он взял себе AI.

Сама причина находилась в драйвере Intel Xe и расчёте границы видеопамяти. Часть VRAM видеокарта резервирует для служебных данных аппаратного сжатия. Драйвер получает адрес, с которого начинается эта закрытая область, и передаёт всю память ниже него обычным приложениям.

Но адрес не всегда совпадал с границей страницы памяти.

Легаси код использовал round_up() – округлял адрес вверх. Из-за этого граница свободной памяти сдвигалась внутрь зарезервированной области.

На компьютере Линуса граница проходила посередине страницы размером 4 КБ: последние 2 КБ уже принадлежали механизму сжатия, но драйвер мог отдать всю страницу приложению.

По итогу видеокарта записывала служебные данные поверх размещённой там таблицы страниц. Графическая оболочка теряла доступ к нужной области памяти и падала.

Исправлением послужила замена round_up() на round_down().

Теперь адрес округляется вниз до начала страницы. Если хотя бы часть страницы занята служебными данными видеокарты, драйвер исключает из доступной памяти всю страницу. Теряется несколько килобайт VRAM, зато приложения больше не получают память, которую может перезаписать оборудование.

Само исправление уместилось всего в одну строку. Но для его поиска потребовались 24 диагностических патча и 18 перезагрузок ядра.

AI по сути занялся основной рутиной. Он добавлял различный диагностический код и анализировал результаты. Правда, несколько раз помощник объявлял проблему нерешаемой и предлагал остановиться на составлении отчёта 😅 . Как говорится, "лень прежде нас родилась".

Но Линус был упрямее и каждый раз заставлял его продолжать.

В конце Торвальдс признал, что AI оказал огромную помощь, и даже разрешил ему написать описание итогового коммита. Какую модель он использовал, Линус не сообщил.

Мораль сей басни такова, что AI не нашёл ошибку одной волшебной командой и не заменил инженера (выдыхаем). Он выполнял механическую работу, пока человек строил гипотезы, проверял результаты и не принимал ответ, якобы это невозможно.

⚡Михаил Поливаха обещал обсудить баг на подкасте более детально. Ждем!

🔗 Источник: коммит в ядре Linux

Nvidia представила PAIR - бесплатную утилиту, которая объединяет несколько ПК в домашний ИИ-кластер 🖥️🔄🤖

На выставке IFA 2026 Nvidia анонсировала Personal AI Router (PAIR) - бесплатное ПО с открытым исходным кодом. Оно превращает несколько компьютеров в одной локальной сети в единый вычислительный кластер для запуска ИИ-моделей без отправки данных в облако.

Как это работает: - PAIR автоматически находит совместимые устройства в сети и отслеживает их загруженность в реальном времени - Направляет ИИ-запросы на тот ПК, где есть свободные ресурсы - Если один компьютер занят (например, игрой), задача уходит на другой - При появлении нового устройства оно автоматически подключается к кластеру

Что поддерживается: - Видеокарты GeForce RTX 20-й серии и новее, RTX PRO, DGX Spark - Ноутбуки на RTX Spark - Apple M4 и новее на macOS Tahoe - Windows 11, Linux (Ubuntu), DGX OS - Минимальные требования: 8 ГБ ОЗУ и 20 ГБ на диске

Совместимость с приложениями: работает с Ollama и LM Studio без изменения кода приложений.

Главное преимущество: полная конфиденциальность — все запросы, файлы и контекст агентов остаются в локальной сети и не передаются в облако.

Важное ограничение: PAIR не объединяет видеопамять и не распределяет одну модель между несколькими GPU — он распределяет только отдельные независимые запросы и подзадачи.  Бета-версия уже доступна на сайте Nvidia, исходный код - на GitHub. 🥹

👍 — локальный ИИ-кластер из того, что уже есть - гениально 🔥 — а где поддержка объединения VRAM для больших моделей?

🧡💛💚💙💜 @DH_LIINK