Olimlar tomonidan yangi metodologiya yaratilgan bo'lib, u keyingi quyosh siklining intensivligini to'rtta yilgacha oldindan baholash imkonini beradi. Ushbu texnika quyosh faoliyati ekstremal holatining aniq bir vaqtda tugashini aniqlash orqali ishlaydi va shu ma'lumotdan foydalanib keyingi cho'qqini prognoz qiladi.
Tadqiqot Quyosh o'z faolligini asta-sekin kamaytirmayotganini ko'rsatadi. Tadqiqotchilar har bir quyosh sikli davrida kosmik ob-havo eng kuchli bo'lgan o'tish nuqtasini aniqladilar, bu yerda u keskin to'xtaydi.
Bu kashfiyot Warwick universiteti Centre for Fusion, Space and Astrophysics professori va direktori bo'lgan Sandra Chapman tomonidan amalga oshirildi. U kosmik ob-havoning eng ekstremal holati silliq yakunlanmasligi, balki har bir quyosh siklining belgilangan nuqtasida juda keskin tugashiini tushuntirdi.
Jamoa ushbu o'tish nuqtasidagi quyosh dog'lari miqdori keyingi faollik bosqichining kuchini ko'rsatuvchi ko'rsatkich bo'lishi mumkinligini kuzatdi. Quyosh Sikli 26 uchun dastlabki prognozlar o'rtacha kuchni ko'rsatmoqda, cho'qqida 100 dan 120 gacha quyosh dog'lari taxmin qilinmoqda, bu Sikl 25 ning intensivligiga teng yoki undan past.
Quyosh taxminan 11 yillik sikllarda ishlaydi, bu magnit maydon va quyosh dog'lari sonidagi o'zgarishlar bilan tavsiflanadi. Bunday hodisalar koronal massa ejeksiyalari va portlashlarni keltirib chiqarishi mumkin, bu esa kosmik ob-havoni tashkil etadi. Bu ob-havo Yerda elektr tarmoqlari, navigatsiya, sun'iy yo'ldoshlar va aloqa kabi muhim tizimlarga ta'sir qilishi mumkin.
Ishlatilgan usul Chapmann tomonidan astrologik jismlarning tartibsiz sikllarini tashkil qilish uchun oldinroq konsepsiya qilingan «quyosh soati» tushunchasiga asoslangan. O'tish nuqtasidagi quyosh dog'larini tahlil qilish keyingi sikl cho'qqisi bilan bevosita bog'liqlikni o'rnatadi, bu faqat eng kam faollik davriga tayanadigan usullardan farqli o'laroq, oldindan bashorat qilish imkonini beradi.
Hozirda biz Sikl 25 ning o'chirish nuqtasiga ikkita yil atrofida yetib bormoqdamiz. Bu nuqtaga yetilganda, kuzatuvlar Sikl 26 ni ancha aniqroq bashorat qilish imkonini beradi. Prognozlarni yaxshilashdan tashqari, bu tadqiqot olimlarga Quyoshning magnit maydonini yaratuvchi mexanizm bo'lgan quyosh dinamosi ishlashini tushunishga ham yordam beradi.
Ko'pg‘ar do‘kono va o‘rta bizneslar (KDB) uchun sun'iy intellektni joriy etish moda tendensiyasiga ergashish emas, balki cheklangan resurslar bilan kundalik biznes muammolarini hal qilishga yordam beradigan strategik ustunlikdir. Google Gemini MSME Sparks 2026 sessiyasi davomida, amaliy AI mutaxassisi va Google Cloud JAPAC mijozlar bilan ishlovchi muhandis bo‘lgan May Kim kompaniyalarning Gemini Enterprise yordamida mijoz tajribasi uchun aqlli agentlarni bir soatdan kam vaqtda yaratishini, shu bilan birga hech qanday kod yozmagan holda namoyish etdi.
Bu AI agentlari ish vaqti tashqarisida mijoz so‘rovlariga avtomatik javob berish, buyurtmalarni kuzatib borish, qaytarishlarni boshqarish yoki potentsial mijozlarni malakali baholash kabi vazifalarni avtomatlashtirishga qodir. Shu tariqa, kichik korxonalar kichik jamoalar bilan ishlaganda ham, yirik korporatsiyalar darajasidagi xizmat ko‘rsatish tajribasini taqdim etish orqali tuzilmaviy va tashkiliy to‘siqlarni yengib o‘tishi mumkin.
Sessiya korporativ AI sohasidagi kengroq tendensiyani aks ettirdi. Google Cloud ma'lumotlariga ko‘ra, uning mijozlarining taxminan 75% allaqachon AI mahsulotlaridan foydalanmoqda va kompaniya modellarining 2026 yilda mijozlarning API orqali daqiqa 16 milliard tokendan ortiqni qayta ishlagan. Bu AI agentlari eksperimental narsalardan chiqib, har qanday hajmdagi kompaniyalar uchun amaliy vositalarga aylanganligini ko‘rsatadi.
May Kim AI boshqarilayotgan davrda mijozlar ancha ko‘proq narsa kutishini, oddiy chat-botlardan chuqur shaxsiy lashtirilgan xizmat va xaridga o‘tishini ta'kidladi. U qo‘lda yozilgan retseptlarni tahlil qilib, kerakli ingredientlarni mijoz savatiga darhol qo‘shishi yoki mijoz kechiksa matnli buyurtmalarni qayta ishlashi mumkin bo‘lgan agentlar misollarini keltirdi. Uning maqsadi – kerakli savollarga tezkor yechim topishdir.
Anʼanaviy ravishda bu kutishlarga javob berish uchun KDBlar texnologiyalarga va mijozlarni qo‘llab-quvvatlash jamoalariga sezilarli investitsiyalar talab qilinardi. Google Cloud viziyasi ushbu to‘siqni bartaraf etishga qaratilgan.
Taqdimot paytida Kim ovozli muloqotni qayta ishlash, mijozning niyatlarini tushunish, murakkab dialoglarda fikrlash va dolzarb biznes ma'lumotlarini olish qobiliyatiga ega multimodal AI agentini namoyish etdi – va bularning barchasi o‘z-o‘zini xizmat ko‘rsatish interfeysi orqali amalga oshirildi. U bunday agentni yaratish unga bir soatdan kam vaqt olganini bildirib, tabiiy til va vizual vositalardan foydalanish orqali ishlab chiqishni tezlashtiruvchi zamonaviy AI ning taraqqiyotini ta'kidladi.
D2C o‘sib borayotgan brendi misolida, 60 daqiqada yaratilgan bu agent so‘rovlarni qayta ishlash, qo‘shimcha mahsulotlarni taklif qilish, buyurtma qaytarishni rasmiylashtirish va murakkab savollarni inson vakiliga topshirish imkoniyatiga ega edi. Natijada xizmat ko‘rsatish tezlashdi, barqarorlik oshdi va operatsion xarajatlar kamaydi – bu kichik biznes uchun juda muhim afzalliklardir.
Sessiyaning asosiy elementi Google tomonidan taqdim etilgan mijoz tajribasi uchun Gemini Enterprise platformasi bo‘ldi. Ushbu birlashtirilgan platforma mijozlarni xizmat ko‘rsatish, elektron tijorat va qidiruv uchun AI xizmatlarini yagona ekotizimda birlashtiradi. Mijozlarni qo‘llab-quvvatlashni izolyatsiya qilingan funksiya sifatida ko‘rish o‘rniga, platforma mijoz yo‘lining barcha bosqichlarini bog‘laydi: mahsulotni qidirish va xarid qilishdan tortib, sotuvdan keyingi qo‘llab-quvvatlash va samaradorlikni tahlil qilishgacha.
To‘plam oltita asosiy imkoniyatni taklif qiladi, jumladan Customer Experience Agent Studio, Agent Assist, Customer Experience Insights, xarid va ovqat buyurtmalari uchun tayyor agentlar va Vertex AI Search. Bu kompaniyalarga har bir funksiyani nol dan ishlab chiqmaslik, balki mavjud AI komponentlaridan foydalanish va ularni o‘z mahsulotlari, mijozlari va ish jarayonlariga moslashtirish imkonini beradi.
Platformaning asosiy afzalliklaridan biri avtomatlashtirish va inson aralashuvini muvozanatlashtirish qobiliyatidir. AI agentlari rutin vazifalarni mustaqil hal qila olgan bo‘lsa-da, Agent Assist funksiyasi suhbat davomida jonli vakillarni qo‘llab-quvvatlab, kontekstual javoblar beradi. Kim namoyish etganidek, bu funksiya tegishli bilimlarni va real vaqt rejimida yo‘l-yo‘riqni beradi.
Bundan tashqari, Customer Experience Insights bizneslarga integratsiyalashgan monitoring paneli orqali mijozlar qoniqishi, javoblarning sifati va agentlar samaradorligi kabi asosiy ko‘rsatkichlarni kuzatishga yordam beradi, bu esa kichik jamoalar bilan ishlashda yanada samarali qo‘llab-quvvatlashga olib keladi.
Kichik kompaniyalar ko‘pincha byudjet, texnik ekspertiza va joriy etish vaqtidagi cheklovlar tufayli AI ni qabul qilishdan qo‘rqadilar. Kim Gemini Enterprise ushbu to‘siqlarni bartaraf etish uchun yaratilganligini ta'kidladi, chunki u tashkilotlarga maxsus dasturchi jamoalarini jalb qilmasdan yuqori sifatli AI agentlarini yaratish imkonini beruvchi intuitiv, past va nol kodli vositalarni taklif qiladi.
Oylar davomida ishlab chiqishga yoki ajratilgan AI muhandislarini ishga olishga vaqt sarflash o‘rniga, biznes jamoalari vizual ish oqimlari yordamida suhbat agentlarini yaratishi, sinovdan o‘tkazishi, takomillashtirishi va joylashtirishi mumkin. AI ning bu demokratiklashtirilishi MSMElar uchun ayniqsa qimmatlidir, ular anʼanaviy ravishda katta texnologik resurslarga ega bo‘lgan ancha yirik korxonalarga raqobatlashishni maqsad qilganlar. Mijozlar bilan takrorlanuvchi o‘zaro aloqalarni avtomatlashtirish orqali kompaniyalar operatsion samaradorlikni va mijozlar qoniqishini oshirishi mumkin.
Sessiyaning katta qismi namoyish uchun ishlatilgan vizual ishlab chiqish muhiti bo‘lgan Customer Experience Agent Studio ga bag‘ishlandi. Foydalanuvchilar nol dan boshlashlari shart emas; ular shunchaki o‘z AI agentining maqsadini bir yoki ikki gapda tasvirlashi mumkin. Keyin Gemini avtomatik ravishda agent uchun ko‘rsatmalar, ish oqimi, vositalar va dialog tuzilishini yaratadi. Kim shunday dedi: «Biz AI agentini yaratish uchun AI dan foydalanamiz, kod yozish uchun emas».
Ishlab chiqaruvchilar agentni uning rolini, xatti-harakatini, vazifa oqimlarini va qaror qabul qilish mantiqini belgilash, shuningdek, kontekstual tushunishni yaxshilash uchun ixtiyoriy bilim manbalarini qo‘shish orqali qo‘shimcha sozlashlari mumkin. Platforma shuningdek, agentlarni Google Search, ochiq APIlar, Salesforce, ServiceNow va maxsus funksiyalarga ulash imkonini beruvchi ko‘plab integratsiyalarni qo‘llab-quvvatlaydi.
Sessiyada taqdim etilgan boshqa imkoniyatlarga agentlar o‘rtasidagi umumiy o‘zgaruvchilar, noxohali suhbatlarni bloklash uchun sozlanadigan himoya mexanizmlari, ko‘p tilli qo‘llab-quvvatlash, ovozni sozlash, modellarni tanlash va kengaytirilgan dialog parametrlari kiradi. Ishga tayyorlikni ta'minlash uchun Agent Studio ichki baholash vositalarini taqdim etadi. Kompaniyalar AI javoblarini kutilgan natijalar bilan oltin standartlar asosidagi baholar yordamida solishtirishi yoki senariylar orqali realistik mijoz o‘zaro aloqalarini simulyatsiya qilishi mumkin, bu esa ishga tushirishdan oldin ekstremal holatlarni aniqlashga yordam beradi. Ushbu ichki sinov vositalari jamoalarga aniqlikni oshirish va halüsinatsiyalar yoki nomuvofiqlikli javoblar xavfini kamaytirish imkonini beradi.
Sessiya KDBlar uchun muhim tezisni tasdiqladi: AI asosidagi ilovalarni yaratish endi katta byudjetlar, maxsus muhandis jamoalari yoki oylar davomida ishlab chiqishni talab qilmaydi. Gemini Enterprise kabi platformalar tufayli kompaniyalar tobora ko‘proq mijoz muammolarini aniqlashga, kod yozishga emas, e’tibor qaratishlari mumkin. Mijozlar bilan o‘zaro aloqani yaxshilash, rutin qo‘llab-quvvatlashni avtomatlashtirish va tezroq va shaxsiyroq tajriba ta'minlashni maqsad qilgan KDBlar uchun AI agentlari eksperimental texnologiya emas, balki amaliy imkoniyatga aylanmoqda. AI ekotizimi rivojlanishi bilan Google kichik biznes uchun imkoniyatlarni aniqroq qilmoqda: faqat AI ni qabul qilish emas, balki uni kichik jamoalarga korporativ miqyosdagi mijoz xizmatlari tajribasini taqdim etish imkonini beruvchi kuchaytiruvchi sifatida ishlatish.
Xiaohongshu Engine jamoasi OSDI 2026 konferensiyasida HELMSMAN tizimini taqdim etdi. Ushbu tizim to'liq flash-xotka NVMe SSD massivlari uchun maxsus ishlab chiqilgan, yaqin qo'shnilarni taxminiy qidirish (vector approximate nearest neighbor search) uchun iqtisodiy jihatdan samarali yuqori samarali yechimdir.
HELMSMAN Xiaohongshu ning avvalgi infratuzilmasini almashtirdi, u taxminan 35 000 ta protsessor yadrolari va 350 TB operativ xotira (DRAM) dan iborat bo'lgan, to'liq flash-xotkali atigi 40 ta serverdan iborat edi. Bu kompaniya uchun qidiruv, tavsiyalar va reklama kabi xizmatlar uchun millisekund darajasidagi kechikishni saqlab qolgan holda, apparat xarajatlarini 90% dan ortiq kamaytirishga imkon berdi. Ushbu xizmatlar soniyalab millionlarda so'rovlarda yuzlab milliard o'lchamli vektorlarni qayta ishlaydi.
Asosiy g'oya shundaki, ANNS ning klasterlash usullari, ANNS ning grafik usullaridan farqli o'laroq, zamonaviy yuqori tezlikdagi SSD massivlari uchun ko'proq mos keladigan arxitekturadir. DRAM va SSD dan foydalanadigan DiskANN kabi grafik tizimlar ketma-ket kirish-chiqishga bog'liqlikdan aziyat chekadi, chunki bitta SSD dan o'qish keyingi tashrif buyuriladigan qo'shnini belgilaydi, bu esa SSD quvvatlanishiga to'la yetib borishga to'sqinlik qiladi. Aksincha, klasterlash tizimlari nomzodlar klasterlarini parallel ravishda o'qiydi, bu esa SSD ning parallel kirish-chiqish imkoniyatlariga mos keladi.
An'anaviy SPANN klasterlash tizimlari ishlab chiqarish muhitida uchta muammo bilan duch keldi: Linux kirish-chiqish stekining qo'shimcha yuklari tufayli yetarli bo'lmagan quvvat, so'rov murakkabligiga qarab juda ko'p yoki juda oz skanerlaydigan moslashuvchan bo'lmagan qidiruv strategiyalari, shuningdek, yuzlab milliard vektorlarga miqyoslana olmaydigan bitta protsessor ustida sekin indeks qurilishi. HELMSMAN bu to'siqlarni uchta yangilik orqali bartaraf etadi:
Birinchidan, bu ANNS uchun maxsus saqlash stekidir, u standart Linux kirish-chiqish yo'llarini chetlab o'tib, NVMe navbatlarini bevosita foydalanuvchi fazasida boshqaradi. Bu avval umumiy kechikishning 58% ni iste'mol qilgan dasturiy qo'shimcha yuklarni kamaytirdi. Ikkinchidan, so'rov murakkabligi, top-k hajmi va markazoidlar taqsimoti asosida optimal skanerlash uchun klasterlar sonini moslashuvchan bashorat qiluvchi ierarxik o'quv mexanizmi amalga oshirildi. Uchinchi, GPU bilan tezlashtirilgan tarqatilgan qurilish konveyerining joriy etilishi milliardlab vektorlar miqyosida indekslarni bir necha soat ichida qayta qurish imkonini beradi, bu esa tavsiya va reklama tizimlari uchun daqiqalar ichida modellar yangilanishiga mos keladi.
Ishlab chiqarish sinovlari tizimning samaradorligini namoyish etdi. HELMSMAN DiskANN va SPANN kabi mavjud DRAM-SSD tizimlariga nisbatan 2–16 barobar quvvat oshirishni ta'minlaydi, SLA (o'rtacha va oxirgi kechikish millisekundlar doirasida) ga rioya qilgan holda, toza in-memory joylashuvning 85% quvvatiga erishadi. Indekslarni 10 milliard vektorlar miqyosida soatlar ichida qayta qurish imkoniyati HELMSMANni embedding va vektor ma'lumotlari tez-tez yangilanadigan ish muhitlari uchun amaliy qiladi. Xiaohongshu ning joylashuvi qidiruv, tavsiyalar, reklama, kontent xavfsizligi va RAG konveyerlari kabi ko'plab biznes yo'nalishlarini qamrab oladi.
Xarajatlar va miqyoslanishga ta'sirlar Xiaohongshu dan tashqariga chiqadi. Vektorli qidiruv infratuzilmasi internet platformalari uchun eng tez o'sayotgan xarajat markazlaridan biridir, chunki embedding asosidagi ajratish qidiruv, tavsiyalar va sun'iy intellektga asoslangan funksiyalar uchun universal bo'lib qolmoqda. DRAM ga bog'liqlik xarajatlar o'sishining tuzilmaviy omili edi, chunki vektorlar miqyosi har yili ikki barobar oshib bormoqda. HELMSMAN yuqori samarali ANNS ning standart flash-saqlashda hatto eng kechikishga sezgir onlayn xizmat ko'rsatish ssenariylari uchun ham ishlab chiqarishda hayotiy ekanligini isbotlaydi, bu butun sanoat uchun infratuzilma iqtisodiyotini potentsial ravishda o'zgartirishi mumkin. Tadqiqot shuningdek, boshqa AI komponentlari, xotira bilan cheklanganlar, shunchaki DRAM ni kengaytirish o'rniga saqlash stekini birgalikda loyihalashdan o'xshash foyda olishi mumkinmi degan savollarni ko'taradi.
Tencent WorkBuddy jamoasi oʻzining birinchi maxsus dizayn agenti platformasi boʻlgan Miora ni taqdim etdi. Yopiq beta sinov davri yakunlanganidan soʻng, platforma endi barcha foydalanuvchilarga miora.design manzili orqali mavjud.
Miora brendlash, foydalanuvchi interfeyslarini (UI) ishlab chiqish, elektron tijorat va interaktiv kontent yaratish kabi yoʻnalishlarni qamrab oluvchi toʻliq funksional platformadir. U multimodal funksionallik va keng koʻnikmalar kutubxonasini qoʻllab-quvvatlaydi. Ushbu platforma Tencent kompaniyasining sunʼiy intellekt mahsulotlari portfelini kodlash va ish agentlaridan ijodiy dizayn sohasiga kengaytiradi.
Platforma beshta asosiy dizayn sohasini qamrab oladi: brendlash, kino va ijodkorlik, elektron tijorat reklama, interaktiv oʻyinlar va veb-ilovalari. Har bir soha oʻzining koʻnikma shablonlari va ish oqimlariga ega. Interfeys WorkBuddy dizayn sxemasiga amal qiladi va yuqori darajada sozlangan. Chap tomondagi yon panel yaratish, ilhomlantirish, koʻnikmalar va xotira modullariga ega. Markaziy chat sohasi tabiiy tilda dizayn soʻrovlarini kiritish imkonini beradi.
Miora maskotining yonida sahna almashtirgich joylashgan boʻlib, u domenlar orasida tezkor almashinishni taʼminlaydi va qisqartirilgan shablonlar kutubxonasini dinamik ravishda yangilaydi. Pastki qismda konfiguratsiya paneli joylashgan boʻlib, unda agentning ikkita asosiy model darajasi mavjud: Standart (oddiy vazifalar uchun), Pro (koʻpgina foydalanish ssenariylari uchun) va Max (brend vizual identifikatsiyasi boʻyicha murakkab loyihalar uchun). Shuningdek, foydalanuvchilarga tasvirlar, videolar, UI va 3D uchun alohida modellar tanlash imkonini beradigan multimodal generatsiya paneli mavjud, shu jumladan GPT-image-2, Seedance 2.0, Kling, Vidu Q3 va boshqalar.
Miora koʻnikmalar tizimi umumiy dizayn ish oqimlarini bajariladigan shablonlarga aylantiradi. Masalan, brendlash rejimida foydalanuvchilar toʻliq vizual brend holasini yaratish, brend personajlarini yaratish yoki logotiplar yaratish uchun koʻnikmalarni faollashtirishi mumkin. Koʻnikmalar arxitekturasi kengaytirilishi uchun moʻljallangan: har bir shablon vertikal tarzda sozlangan vazifa-agentni ishga tushiradi, bu esa talablarni tahlil qilishdan natijani yaratishgacha jarayonni boshqaradi. Foydalanuvchilar agent dizayn yoʻnalishini bajarishdan oldin tasdiqlaydigan «Soʻrov» (Ask mode) rejimini yoki iteratsiyalarni tezlashtirish uchun avtomatik bajarilishni tanlashi mumkin.
Tencentning dizayn agentlari bozoriga kirib kelishi kodli va video agentlar oʻrtasida raqobat ortib borayotgan sharoitlarda strategik qadamdir. Dizayn agentlari sohasi ish, kod va video agentlar bilan birga agentlarning toʻrtta asosiy kategoriyasidan biri sifatida belgilangan. Tencent WorkBuddy infratuzilmasi va foydalanuvchilar bazasi, fundamental HY modellari kabi keng Tencent ekotizimi va yetakchi multimodal generatsiya yetkazib beruvchilari bilan hamkorliklar, shuningdek, mahsulot dizayni boʻyicha chuqur tajribasi tufayli sezilarli ustunliklarga ega, bu Miora ning zoʻriqchi foydalanuvchi tajribasida aks etadi.
Boshqa agent platformalari kabi, Miora ham «oxirgi mil» muammosi bilan duch keladi: sunʼiy intellekt tomonidan yaratilgan dizaynlar hali ham yakuniy foydalanishdan oldin Adobe Illustrator kabi vositalarda qoʻlda vektorlashtirish va professional tahrirlashni talab qiladi. Hozirda platforma rastr tasvir formatlari bilan ishlaydi, ammo SVG, PSD va AI kabi vektor formatlarini qoʻllab-quvvatlamaydi. Biroq, Miora professional dizayn imkoniyatlarini demokratlashtirishga muhim qadam hisoblanadi, bu avval agentliklar yoki katta dizaynerlarni jalb qilishni talab qilgan sifatli identitet yaratish uchun startaplar va kichik jamoalar uchun toʻsiqni pasaytiradi. Tencentning dizayn agentlari segmentiga kirib kelishi, AI agentlari ekotizimining platformaviy darajasining bir nechta yirik operatsion tizimlar atrofida konsolidatsiyasiga ishora qiladi, ulardan keyin maxsus domen agentlari quriladi.
