Ходят слухи, что зарубежные облачные провайдеры замораживают стройку ЦОДов. Так это или нет, узнаем из нашей рубрики #дайджест_новостей

🔷IT-World сообщает о замедлении темпов роста инфраструктуры у лидеров рынка: Microsoft приостановила строительство ЦОДов в Огайо и Висконсине (где уже вложено $262 млн), а также пересматривает планы в других регионах. AWS также, по данным аналитиков, сбавляет обороты в новых арендах, несмотря на рост выручки. Причинами называют переоценку спроса на фоне развития AI, рост стоимости строительства и проблемы с энергоснабжением.

➡️Тем временем в России:

🔷«Яндекс» инвестирует ₽16 млрд в новый ЦОД под Москвой. Компания планирует построить крупный дата-центр в Можайском округе Московской области, который будет запущен в 2027 году и создаст 100 рабочих мест. Это станет еще одним шагом по расширению инфраструктуры «Яндекса» в России, вслед за строительством мощного ЦОД в Калуге.

🔷По данным StormWall, в первом квартале 2025 года число DDoS-атак на API российских компаний выросло на 135% год к году. Наибольший удар пришелся на ретейл (+162%), телеком (+128%) и финансовый сектор (+114%), что связывают с ростом популярности API-first подхода и недостаточной защитой. Основная цель злоумышленников — вымогательство.

🔷Исследование Positive Technologies показало, что больше половины организаций не имеют полного представления об используемых устройствах и системах, что создает серьезные бреши в безопасности. При этом 80% компаний регулярно добавляют или выводят активы, упуская из виду потенциальные уязвимости. Лишь 20% контролируют хотя бы 80% своей IT-инфраструктуры, подвергая себя значительным рискам кибератак.

🔷Ученые «Яндекса» совместно с партнерами разработали метод сжатия больших языковых моделей (HIGGS) без потери качества. Это позволит запускать LLM на обычных смартфонах и ноутбуках, открывая новые возможности для внедрения ИИ в медицине, финансах и других сферах при ограниченном доступе к мощным GPU.


🔷Эндрю Барто и Ричард Саттон получили премию Тьюринга за их фундаментальные работы в области обучения с подкреплением (Reinforcement Learning), которые легли в основу таких прорывов, как AlphaGo и современные большие модели рассуждений (LRM). Их исследования 1980-х годов позволили машинам учиться на собственном опыте и сегодня применяются повсеместно в AI.