Илон Маск утверждает, что SpaceX может генерировать до 2,6 триллиона реалов ежегодно благодаря искусственному интеллекту

Компания Suzhou Zhicai Technology успешно разработала высокочистый, высокоплотный магний-оксидный мишень для распыления размером 6 дюймов, который соответствует требованиям производства магнитных туннельных переходов MRAM. Эта мишень обладает чистотой 4N и плотностью выше 99,8 процента, а однородность зерен достигает международного передового уровня, опережая основные японские конкуренты, которые обычно сообщают о плотности чуть выше 99,7 процента.

Этот прорыв закрывает последний сегмент цепочки поставок материалов MRAM, который ранее контролировался иностранными компаниями, поскольку все остальные металлические магнитные мишени уже поставлялись внутри страны.

MRAM, или магниторезистивная оперативная память, использует степень свободы спина электрона для сочетания скоростей, близких к DRAM, с энергонезависимостью класса NAND и задержкой чтения, примерно в тысячный раз меньшей, чем у NAND. Благодаря своей конструкции, технология устойчива к радиации, что исключает необходимость в отдельной коррекции ошибок единичного события, делая ее доминирующей в системах хранения данных для космических аппаратов, военных спутников и систем наведения ракет.

По мере уменьшения логических узлов ниже 28 нанометров, встроенный MRAM начинает вытеснять встроенную флэш-память как ведущий выбор энергонезависимой памяти для автомобильных микроконтроллеров следующего поколения и контроллеров периферийного ИИ.

Рынок нижнего уровня ускоряется синхронно. Samsung позиционирует MRAM наряду с DRAM и высокоскоростной памятью как стратегический элемент, а TSMC нацелена на готовность к производству MRAM с 5-нанометровым технологическим процессом к 2027 году. В марте 2025 года NXP выпустила автомобильный микроконтроллер FinFET S32K5 с встроенным MRAM, а Everspin представила свой MRAM UNISYST с плотностями от 128 мегабит до 2 гигабит и пропускной способностью чтения 400 мегабайт в секунду.

Согласно оценкам Fortune Business Insights, мировой рынок чипов MRAM в 2025 году оценивался в 4,49 миллиарда долларов и, по прогнозам, достигнет 86,78 миллиарда долларов к 2034 году при совокупном годовом темпе роста в 38,97 процента.

Экосистема MRAM Китая достигла критической точки для массового производства. Компания GigaDevice поставляет образцы STT-MRAM, сертифицированные для автомобильных и промышленных клиентов. Zhizhen Storage внедрила чипы SOT-MRAM в системы управления полетом дронов малой высоты. В Циндао работает специализированная производственная линия MRAM размером 8 дюймов, а Hanxu Technology завершила разработку 8-нанометрового встроенного чипа MRAM для ИИ. С квалификацией мишени MgO от Suzhou Zhicai, пилотные линии MRAM Китая получили полностью отечественное снабжение сырьем на верхнем уровне, что положило конец двойному давлению ограничений, ранее оказывавшемуся на китайские учреждения по разработке MRAM.

Suzhou Zhicai была основана сотрудниками, вернувшимися по национальной программе привлечения талантов Китая, совместно с ведущими учеными-исследователями оксидных мишеней. Компания уже является единственным отечественным поставщиком и одной из трех в мире, обладающих полным решением для высокотемпературных сверхпроводящих мишеней ReBCO, осуществляя экспорт небольшими партиями. Мишень MRAM-MgO представляет собой второй крупный прорыв компании в области оксидных мишеней и подтверждает двуединую стратегию, охватывающую высокотемпературные сверхпроводники и ключевые материалы полупроводниковых чипов.

Китайский производитель человекоподобных роботов Unitree Robotics активно создает сеть национальных промышленных колледжей параллельно с подготовкой к предстоящему первичному публичному размещению акций (IPO).

Согласно изданию 21st Century Business Herald, компания с декабря 2025 года заключила партнерства с более чем десятью университетами в десяти китайских производственных узлах. Среди этих городов — Циндао, Лючжоу, Чжэнчжоу, Цзяоцзуо, Хэфей, Сямэнь, Сучжоу, Нинбо, Гуанчжоу и Ухань. Последнее соглашение было подписано 7 августа с Техническим и профессиональным колледжем Чанцзян и Университетом наук о Земле в Ухане.

Выбор этих городов был намеренным, поскольку все они являются крупными промышленными центрами, где существует высокий спрос на специалистов в области человекоподобной робототехники. Например, только экосистема Хэфея включает 190 компаний, охватывающих весь спектр интеллектуальной робототехники — от чипов до систем всего тела. Каждый промышленный колледж разрабатывается совместно с учетом потребностей местной промышленности. Модель, ориентированная на бакалавриату, акцентирует внимание на талантах в области исследований и разработок и композитного инжиниринга, тогда как партнерства в рамках профессионального обучения сосредоточены на ролях по эксплуатации, техническому обслуживанию и отладке, которые в настоящее время наиболее востребованы.

Эта стратегия привлечения кадров также является стратегией работы с клиентами. Проспект Unitree показывает, что научные исследования и образование обеспечили более 70 процентов выручки от продажи человекоподобных роботов в первом квартале 2025 года, в то время как чисто промышленные применения составили лишь около 9 процентов. Следовательно, университеты и научно-исследовательские институты выступают крупнейшей группой клиентов Unitree, а не только каналом поставок. Интеграция технических стандартов Unitree в учебные программы, лабораторное оборудование и студенческие проекты формирует более прочную связь, чем единичная продажа оборудования, обеспечивая Unitree долгосрочное присутствие в городах, где в будущем, скорее всего, произойдет масштабирование внедрения человекоподобных роботов.

Дефицит квалифицированных кадров остро ощущается во всем секторе воплощенного искусственного интеллекта. По оценкам отрасли, этот пробел составляет около миллиона работников в Китае. Кроме того, количество вакансий в категории человекоподобных роботов увеличилось в пятнадцать раз по сравнению с предыдущим годом в период с января по апрель 2026 года, при среднем годовом окладе около 406 100 юаней. Сторона предложения не успевает за этим ростом: лишь небольшое число китайских университетов запустило бакалаврские специальности, посвященные воплощенному ИИ. Соучредитель Unitree, Чэнь Ли, публично заявлял, что компания потратила первое десятилетие на обучение собственных кадров, поскольку на внутреннем рынке таких специалистов не было.

Хотя сроки IPO не установлены официально, текущая кампания имеет коммерческую целесообразность. Unitree является крупнейшим в мире поставщиком человекоподобных роботов и явным лидером категории, однако более широкий рынок еще не определил единое обязательное промышленное применение. Заключение партнерств в сфере образования на уровне городов сейчас позволяет преобразовать текущую выручку от исследований и образования в будущий спрос на промышленное внедрение. Города, которые первыми внедрят промышленные колледжи Unitree, тихо соревнуются друг с другом за закрепление долгосрочных преимуществ в поставках талантов для человекоподобной робототехники.

Китайская команда AOE Tech Labs, разработавшая продукт агентского рабочего стола Floatboat, опубликовала полные данные оценки Harness по пяти сторонним бенчмаркам агентов 7 августа. В качестве базовой модели использовалась DeepSeek-V4-Flash, которая является самой доступной достоверной моделью на рынке. При сохранении модели и стоимости изменялся только исполняющий Harness. Модель, которая ранее показывала результаты ниже Claude Opus 4.8 на всех пяти бенчмарках в собственном Harness DeepSeek, смогла превзойти Opus 4.8 во внутреннем Harness Floatboat.

Результат становится еще более значимым, учитывая ценообразование. Opus 4.8 стоит 5 долларов за миллион входных токенов и 25 долларов за миллион выходных. При соотношении ввода к выводу 3:1, часто встречающемся в сценариях работы агентов, комбинированная стоимость Floatboat составляет всего 0,175 доллара за миллион токенов, тогда как у Opus 4.8 — 10 долларов, что представляет собой разрыв в 57,1 раза. Эти пять бенчмарков представляют собой публичные рейтинги лидеров от третьих сторон, включая BrowseComp, созданный OpenAI. Данные не являются артефактом выбора вопросов.

Методология исследования была проведена максимально строго. В контрольной группе использовалась официальная версия DeepSeek-V4-Flash-0731, а не предварительный контрольный пункт. Контрольная группа работала в собственном Harness провайдера в минималистичном режиме, что делает сравнение более жестким, поскольку инженеры провайдера участвовали в процессе. Сторона Floatboat работала в изолированных физических песочницах с идентичными параметрами ввода. Единственной переменной был сам Harness.

При сортировке задач по горизонту выполнения от короткого к длинному, прирост производительности не уменьшается: 1,9 процента, 9,6 процента, 12,6 процента, 19,9 процента и 23,6 процента. Короткие задачи по сути являются вопросно-ответными сессиями с одним запросом, где качество модели играет решающую роль. Задачи с длинным горизонтом, которые отражают реальную работу, зависят от системы исполнения: доступа к файлам, обращений к инструментам, сохранения состояния, многошаговой самокоррекции и отката. Реальная работа происходит на конце длинного горизонта.

AOE Tech Labs ввела Коэффициент рычага Harness, или HLR, чтобы сделать сравнение проверяемым. Формула расчета — это прирост, полученный только за счет изменения Harness, разделенный на прирост, полученный при обновлении до более сильной эталонной модели. Значение HLR больше единицы означает, что сам Harness превосходит обновление модели. На DeepSWE Floatboat сообщил об HLR в 3,57: сохраняя модель неизменной и меняя только Harness, было достигнуто в 3,57 раза большее публичное представление производительности, чем при обновлении до Opus 4.8. По всем пяти бенчмаркам HLR монотонно возрастал с увеличением длины горизонта от 0,78 до 3,57.

AOE Tech Labs была основана в конце 2025 года при участии инвесторов HongShan и VLight Capital в раунде посевного финансирования. Команда выпустила Floatboat Desktop в январе, FloatIM в апреле и FloatSchedule в мае. Основная идея заключается в том, что система, непрерывно сокращающая разрыв между развивающейся целевой системой исполнения и дрейфующим выводом модели, является ключом к агентам повседневного использования. Самая дешевая модель теперь способна соответствовать или превосходить самую дорогую передовую модель, когда Harness спроектирован для работы с длинным горизонтом.