Как прошла GoCloud 2025 — масштабная IT-конференция про облака и AI. Делимся итогами
Всем привет! Это Петр Предтеченский — архитектор облачной платформы Cloud.ru Evolution и ведущий трека «Инфраструктура и сервисы» на нашей очередной конференции GoCloud 2025, которая состоялась буквально вчера — 10 апреля. Хочу поделиться с вами краткими итогами мероприятия, а еще рассказать про наши новые облачные и AI-сервисы и то, какой масштаб они могут открыть для решения ваших задач. Погнали!
Isaac GR00T N1: как Nvidia внедряет научные идеи Канемана в робототехнику
Пару дней назад на конференции GTC 2025 Nvidia представила первую open source модель для гуманоидных роботов — Isaac GR00T N1. Оммаж Marvel Studios считывается на ура и объясняется стратегическим партнерством Nvidia с Disney Research и Google DeepMind в области робототехники — на той же конференции гендиректор Nvidia Дженсен Хуанг представил еще и физический движок Newton для моделирования движения роботов в условиях реальной среды.
Гармония железа и кода: ускоряем Go, проектируя приложение с учетом архитектуры процессора
Представьте, что ваш код работает на 30% быстрее, при этом вы почти его не меняли. Звучит как магия — на самом деле нет, если учитывать архитектуру процессора при проектировании приложения и структур данных. Привет! Я Александр Шакмаев — технический лидер в Cloud.ru. В статье предлагаю разобраться, как небольшие изменения, основанные на знании архитектуры процессора, могут привести к значительному ускорению Go. Готовы раскрыть потенциал вашего кода? Тогда переходите под кат.
Данные для обучения моделей иссякли. Что будет дальше?
В последнее время в медиаполе было много сообщений о том, что закончились данные для обучения новых больших языковых моделей. Не просто размеченные данные, а новые, с которыми можно работать, включая их разметку. Проще говоря: большие модели теперь знают все, что есть в интернете. И это серьезный вызов как для отрасли AI, так и для развития нашей цивилизации в целом. С вами Павел Бузин из Cloud.ru, я каждый день работаю с данными для машинного обучения, и сегодня мы разберемся, что будем делать, когда у моделей закончится «еда».
