Stas Dmitriyev | Industrial Ai

OpenAI делает GPT‑5.6 Luna практически безлимитным для бесплатных пользователей — OpenAI, 6 августа 2026⁠

OpenAI объявила крупное обновление ChatGPT. GPT‑5.6 Luna становится моделью по умолчанию для Free и Go, а со следующей недели бесплатные пользователи получат неограниченные текстовые диалоги и кнопку Think для более глубокого reasoning. Ограничения сохранятся для файлов, изображений и отдельных инструментов. Одновременно для Plus и Pro обновлена GPT‑5.6 Sol и появился слайдер, позволяющий выбирать глубину размышления модели. OpenAI говорит уже о 1 млрд еженедельных пользователей ChatGPT.

Есть и важный показатель качества: во внутреннем тесте OpenAI ответы хотя бы с одной фактической ошибкой встречались у Luna примерно на 62% реже, а у Sol — на 68% реже, чем у GPT‑5.5 Instant.

OpenAI фактически превращает качественный reasoning из премиальной функции в массовый commodity. Следующая фаза конкуренции будет идти уже не за сам доступ к сильной модели, а за агентов, интеграции, корпоративные данные и удобство рабочих процессов. Для Microsoft, Google, Anthropic и Meta давление на бесплатные тарифы становится заметно выше.

https://openai.com/index/improving-gpt-5-6-sol-in-chatgpt/

🔍 Amazon потратил $1,8 млн сверх бюджета на ИИ

Amazon использовал Claude Sonnet, чтобы сопоставить книги в своём магазине с данными об авторах. Задача выглядела довольно рутинной — как раз из тех, которые хочется отдать ИИ и больше о них не вспоминать.

Не вспоминали пять месяцев.

Когда наконец проверили расходы, выяснилось, что проект сжёг $1,8 млн, превысил бюджет на 860% — и при этом так и не заработал.

Были и другие сюрпризы:

• инструмент для финансового аудита — перерасход $541 000;
• система оптимизации доставки — ещё $134 000 сверх плана.

Проблема в том, что ошибка в обычной программе чаще всего приводит к сбою. А ошибка в AI-системе может продолжать исправно работать: отправлять запросы, повторять операции, расходовать миллионы токенов и очень вежливо увеличивать счёт.

Особенно забавно, что произошло это в Amazon — компании, которая сама продаёт через AWS инструменты контроля облачных расходов. Сапожник оказался с сапогами, но забыл посмотреть на их стоимость.

Amazon называет эти случаи отдельными ошибками периода экспериментов. И это справедливо. Но урок здесь важен для всех компаний: AI-агентов нельзя внедрять без лимитов расходов, мониторинга в реальном времени и автоматической остановки при отклонении от бюджета.

Сначала мы боялись, что ИИ отнимет работу. Теперь выясняется, что он вполне может просто потратить весь бюджет отдела.

Financial Times⁠

🔍 Industrial AI: Agile Robots рассчитывает удвоить выручку

Немецкая Agile Robots ожидает удвоения выручки с €300 млн в 2025 году и выхода на прибыльность в течение двух-трёх лет. Прогноз поддерживается уже заключёнными контрактами. Компания делает ставку не только на собственных роботов, но и на глубокую интеграцию автоматизации непосредственно в производственные линии заказчиков.

Agile Robots ранее приобрела подразделение автоматизации thyssenkrupp и заключила партнёрство с Google DeepMind для объединения своих промышленных платформ с моделями Gemini Robotics. Контур предусматривает развёртывание роботов, сбор производственных данных и последующее дообучение моделей.

✈️Physical AI начинает превращаться в масштабируемый промышленный бизнес. При этом деньги пока приносит не демонстрация универсального гуманоида, а полный проект: оборудование, интеграция, безопасность, сервис и адаптация под конкретный завод.

WSJ

🔍 Автономный парк Atlas и Kodiak вырастет до 100 грузовиков

Atlas Energy Solutions и Kodiak AI договорились увеличить парк беспилотных грузовиков в Пермском нефтегазовом бассейне с 28 до 100 машин к середине 2027 года. Создаётся второй автономный операционный депо, связанный с 42-мильной системой транспортировки песка Dune Express.

К концу марта парк выполнил около 7 000 рейсов, перевёз более 450 000 тонн и накопил свыше 23 500 часов беспилотной работы на 15 маршрутах. Следующий этап — переход с закрытых технологических дорог на дороги общего пользования.

Atlas

🔍 Главный эффект ИИ — не увольнения, а более продуктивные сотрудники

Исследование ZipRecruiter показывает довольно позитивную картину: компании используют ИИ прежде всего не для сокращения штата, а для ускорения работы и роста бизнеса.

Уже 34% работодателей ускорили рекрутинг благодаря ИИ. Быстрее составляются вакансии, оцениваются кандидаты и принимаются решения. А если продолжить этот процесс после найма — подключить AI-помощника к обучению, регламентам и базе знаний — сокращается и период адаптации сотрудника.

Для бизнеса это вполне реальные деньги: вакансия меньше простаивает, рекрутер тратит меньше времени на рутину, а новый специалист быстрее выходит на нормальную производительность.

Но главный финансовый эффект компании видят не в сокращениях. 57% работодателей уже повысили производительность, потому что сотрудники с ИИ могут делать больше, быстрее и качественнее. При этом 24% компаний благодаря ИИ уже увеличивают штат, а сокращают — только 16%.

Получается, наиболее выгодная модель выглядит не как «один ИИ вместо десяти сотрудников», а как десять сотрудников с ИИ, которые работают значительно эффективнее.

Исследование ZipRecruiter⁠

Mining Tech: сегодня начинается Diggers & Dealers 2026

В Калгурли стартует крупнейший австралийский mining-форум Diggers & Dealers, который пройдёт с 3 по 5 августа. В программе участвуют более 159 отраслевых компаний и поставщиков. Среди первых выступающих — директор по стратегии и технологиям Agnico Eagle, технический директор Northern Star, а также руководители Evolution Mining, Gold Fields и других крупных производителей.

Конкретные технологические анонсы появятся уже по ходу форума, но основные темы, за которыми стоит следить, — рост производительности существующих активов, автономная техника, удалённые операции, дефицит персонала, энергоснабжение и использование AI при разведке и планировании.

✈️ Mining-компании всё меньше рассматривают цифровизацию как отдельный IT-проект. Технологии становятся частью инвестиционного обоснования рудника наряду с запасами, CAPEX, OPEX и ценой металла.

https://www.diggersndealers.com.au/dnd/

🔍ChatGPT достиг миллиарда пользователей в неделю

То есть почти каждый восьмой человек на Земле регулярно что-то спрашивает у ChatGPT. Остальные семеро, видимо, просто пользуются Gemini.

✈️ Но важнее другое: 40% дохода OpenAI уже приносят компании. ИИ быстро переезжает из вкладки браузера в почту, документы и реальные бизнес-процессы.

Поигрались с нейросетью — и незаметно получили новую цифровую инфраструктуру.

The Information

🔍 На производстве главный враг — простой. А ИИ делает кибератаки гораздо опаснее

В офисе кибератака может остановить почту или заблокировать файлы. На производстве последствия совсем другие: встаёт фабрика, останавливается транспорт, теряется смена, а иногда возникает прямая угроза безопасности людей.

Поэтому главная задача промышленной кибербезопасности — не только защитить данные, а сохранить непрерывность производства.

The Wall Street Journal пишет о довольно тревожном переломе: AI-модели, созданные для поиска уязвимостей, вышли за пределы тестовых сред и атаковали реальные системы. Такие агенты необязательно умнее лучших хакеров. Зато они могут круглосуточно выполнять тысячи действий, идти глубже и шире, пока где-нибудь не найдётся слабое место.

И если раньше подключение SCADA, MES, Historian, диспетчеризации и промышленного ИИ к общей корпоративной среде казалось удобной интеграцией, теперь каждое такое соединение нужно рассматривать ещё и как потенциальный маршрут к производству.

✈️ Похоже, пора заранее проектировать закрытые производственные архитектуры:

• критический OT-контур изолирован от интернета и офисной сети;
• обмен данными идёт через контролируемый промышленный DMZ или односторонние шлюзы;
• AI-модели для управления производством работают локально;
• внешние агенты не получают прямого доступа к оборудованию;
• производство может продолжать работу даже при полной потере внешней связи.

Это не означает вернуться к флешкам и компьютеру под столом, который нельзя трогать, потому что «на нём всё работает». Данные и ИИ производству нужны. Но удобство интеграции больше не должно быть важнее устойчивости.

На предприятии лучшая киберзащита — та, при которой атака может создать проблемы, но не способна остановить производство.

🔍ChatGPT становится частью браузера

Расширение ChatGPT для Chrome получило важное обновление. Теперь AI может:

📄 читать содержимое открытой вкладки без копирования текста;
✈️ отвечать на вопросы по YouTube-видео прямо во время просмотра;
🖍 анализировать выделенный текст через контекстное меню;
💬 открывать боковую панель и работать с контекстом страницы.

Это небольшой, но очень важный шаг. AI постепенно перестает быть отдельным сайтом и становится универсальным помощником, который понимает, что вы делаете прямо сейчас: читаете статью, смотрите видео или исследуете тему.

✈️ Через несколько лет именно так, скорее всего, будет выглядеть работа в интернете: меньше переключений между вкладками, больше общения с AI на основе текущего контекста.

Yahoo

🔍Google выпустила Gemini Spark — персональный ИИ агент

Обычный чат-бот работает примерно как консультант: вы задали вопрос, получили ответ — разговор закончился.

Gemini Spark устроен иначе. Это персональный AI-агент, который постоянно работает в облаке, помнит контекст и выполняет многошаговые задачи, даже когда ноутбук уже закрыт.

Например, ему можно поручить:

• каждую неделю собирать новости по нужной теме и готовить дайджест;
• разбирать Gmail, находить важные письма и готовить ответы;
• перед встречей собирать документы, переписку и прошлые договорённости;
• обновлять таблицы и отчёты;
• работать с внешними сервисами через MCP.

То есть вы говорите не «найди информацию», а: «следи за темой, каждую пятницу готовь отчёт в Google Docs и присылай мне главное». Дальше Spark сам планирует шаги, обращается к нужным источникам и выполняет процесс по расписанию.

Вот это уже действительно важный переход: от ИИ, который ждёт очередного вопроса, к ИИ, которому можно делегировать постоянную функцию.

Пока есть ограничения: Spark доступен только для личных аккаунтов с Google AI Pro или Ultra и ещё не работает в Европейской экономической зоне. Для корпоративного использования это пока скорее демонстрация направления.

Но направление вполне очевидное. Скоро мы будем выбирать не только сотрудников и программное обеспечение, но и цифровых коллег: один следит за почтой, второй готовит отчёты, третий собирает контекст к встречам.

Главное — не забыть назначить кого-нибудь, кто будет следить уже за ними.

Обзор MindStudio⁠ · официальная справка Google⁠

Архитектура информационных систем начинается не с интеграций. Она начинается с пользователя

Когда я планирую корпоративную архитектуру, сначала думаю не про API, лицензии и технические ограничения. Первый вопрос гораздо проще: как сделать так, чтобы сотруднику пришлось открывать минимум приложений и выполнять минимум ручных действий?

И только потом уже считаем стоимость, проектируем интеграции и разбираемся, как всё это технически собрать.

Потому что пользователю нельзя отдавать решение, которое мы сами толком не поняли. Его нужно сто раз проверить, сто раз пересобрать и только после этого предлагать компании.

И вот здесь Microsoft меня всё больше раздражает.

Copilot теперь торчит буквально из каждого приложения. Пользователя всеми силами приучают: вот кнопка, нажимай, пользуйся — ИИ уже рядом. А потом постепенно выясняется:

• Copilot вроде бы бесплатный, но нормальные возможности требуют лицензии;
• хочешь агентов — плати отдельно;
• хочешь активнее использовать агентов — появляются дополнительные расходы;
• сколько всё это будет стоить при реальной корпоративной нагрузке — попробуй сначала разберись.

Получается этакий AI-аттракцион: вход свободный, а стоимость выхода узнаете в конце поездки.

И дело даже не в цене. Хороший продукт может стоить дорого. Проблема в отсутствии простой и прозрачной модели, при которой CIO понимает бюджет заранее и не боится однажды получить счёт с таким количеством нулей, что его придётся согласовывать сразу с советом директоров.

На этом фоне подход ChatGPT выглядит понятнее: есть несколько основных подписок, и внутри уже собраны чат, агенты, генерация изображений, Codex и другие инструменты. Выбираешь уровень — и понимаешь, чем можешь пользоваться.

Корпоративному ИИ сегодня не хватает не ещё одной красивой кнопки Copilot. Ему не хватает доверия.

А доверие начинается с очень скучных, но важных вещей: ясных условий, прозрачной цены и отсутствия неприятных сюрпризов в счёте.

Microsoft показала, что масштабные вложения в AI уже конвертируются в облачную выручку

Выручка Azure выросла на 43%, превысив ожидания аналитиков. Microsoft ожидает ускорения роста Azure до 45% в следующем квартале, а объём законтрактованной облачной выручки достиг $678 млрд. Количество платных мест Microsoft 365 Copilot превысило 30 млн.

Satya Nadella также сообщил, что Microsoft всё активнее использует собственные модели и чипы, добиваясь примерно 40-процентного повышения эффективности. При этом квартальные капитальные расходы компании достигли $41 млрд — в основном из-за расширения AI-инфраструктуры.

✈️ Почему важно: это один из первых убедительных сигналов, что корпоративный AI становится реальным бизнесом, а не только статьёй расходов. Особенно показателен рост Copilot: AI постепенно превращается в стандартный слой Microsoft 365 наряду с Outlook, Teams, Excel и SharePoint.

Reuters

🎓 Казахстанский университет переходит на AI First

Южно-Казахстанский университет имени М. Ауэзова развивает собственную AI-экосистему Auezov AI First.

В неё уже входят AI-бот для студентов и абитуриентов, цифровой документооборот, автоматический учёт посещаемости, управление соцсетями и образовательная программа AI-Sana.

Самое интересное здесь не отдельные сервисы — чат-ботами сегодня уже никого особенно не удивишь. Университет пытается объединить их в единую платформу для образования, исследований и управления.

И это правильный подход: AI First начинается не с покупки очередной нейросети, а с перестройки всей организации вокруг данных и ИИ. Пусть пока в масштабе одного университета — зато уже не на уровне красивой презентации.

Источник⁠

🔍 DataMind AI связала прогноз поломки с полным циклом ТОиР

Razor Labs выпустила DataMind AI 5.0 для мобильной и стационарной горной техники. Система теперь не только выявляет ранние признаки неисправности, но и поддерживает весь дальнейший процесс: инженерное расследование, совместную работу специалистов, выполнение ремонта и проверку безопасного возврата оборудования в эксплуатацию. Платформа использует объединение данных различных датчиков и уже доступна заказчикам компании.

Почему важно: большинство predictive-maintenance-проектов заканчиваются уведомлением: «возможна поломка». Но реальный эффект появляется только в замкнутом контуре:

аномалия → диагностика → приоритет → заявка на ремонт → запасные части → выполнение → проверка результата.

✈️ Целевая архитектура должна связывать AI-мониторинг с ERP или будущей системой ТОиР, а не оставлять рекомендации отдельным дашбордом.

Источник

🗣 Первое международное интервью основателя Unitree

Ван Синсин и новый робот GD01 украсили обложку TIME.

О чем рассказал генеральный директор
⭐ при создании GD01 команда вдохновлялась роботами из Аватара.
⭐ «ChatGPT moment» для гуманоидов еще ждать от 2 до 10 лет. Тогда роботы смогут выполнять большинство задач в незнакомых средах и после смогут работать в коммерческой среде.
⭐ через 10 лет в каждой семье будет маленький робот для выполнения повседневных задач.
⭐ всего за 1,5 года Unitree смогла снизить цену на G1 на $2500 — до $13500.
⭐ только 9% проданных гуманоидов внедряют на заводы, а большая часть роботов идет в вузы и лаборатории.

Синсин подтверждает, что в настоящее время идет гонка за обучение роботов и создание моделей, способных ими управлять. Все пытаются собрать данные. И тот, кто сможет сделать это более качественно, тот и станет лидером. Делаем ставки, кто же возглавит рынок 🏆

@robotswe [Max]

Южной Африке предложили использовать AI для наполнения горного кадастра

На мероприятии по модернизации mining отрасли эксперты PwC предложили оцифровывать исторические геологические отчёты и использовать AI для поиска новых месторождений. В качестве примера приводится KoBold Metals, объединившая старые геологические архивы, геофизику и результаты бурения при поиске меди в Замбии.

Эксперты также выделили другие применения: поиск нелегальной добычи по спутниковым снимкам, прогнозирование поломок, автоматизацию опасных операций и оптимизацию извлечения металла.

Почему важно: огромная ценность может скрываться не в новых сенсорах, а в старых картах, отчётах и журналах бурения.

Источник

Metso подключила к AI-мониторингу более 800 единиц горного оборудования

Количество машин и установок, подключённых к Data-driven Performance Services Metso, превысило 800 — более чем вдвое больше, чем при запуске сервиса в сентябре 2025 года. Платформа сочетает телеметрию, аналитику, AI-модели, знания FMEA и работу удалённых экспертных центров.

Metso сообщает, что система выявляет 80–90% развивающихся проблем. На одной южноамериканской площадке за полгода она обнаружила 94% известных рисков, помогла избежать более 215 часов потенциального простоя и сохранить около $7,4 млн стоимости. Это результаты, заявленные производителем.

Это зрелый Industrial AI: не чат-бот и не отдельный дашборд, а совместная работа данных оборудования, OEM-экспертизы и производственной команды. Именно так predictive maintenance превращается в измеримый финансовый результат.

🐕 Unitree показала робособаку AS2-W на колёсах

По ровной поверхности робот разгоняется до 22 км/ч, а на лестницах и камнях использует ноги. Запас хода — более 30 км, рабочая нагрузка — около 16 кг, препятствия — до 80 см.

На производстве AS2-W может обходить оборудование, перевозить датчики, снимать тепловизионные данные и передавать информацию в систему ТОиР.

Официальную цену Unitree пока не раскрывает — только «по запросу». Предварительная цена у дилеров — около $36 700 без налогов и доставки.

Похоже, Spot от Boston Dynamics больше не единственная собака, претендующая на место в промышленном штате. И от этой уже не убежишь.

Видео⁠ · характеристики Unitree⁠

🔊 ИИ научили слушать технику. Пока автомобильную — но самое интересное начнётся на производстве

Появился открытый проект Cardiag, который пытается определить неисправность автомобиля по звуку. Загружаете запись странного тарахтения — система отделяет шум двигателя от речи, музыки и ветра, а затем сообщает:

• есть ли признаки неисправности;
• в какой части автомобиля искать проблему;
• какие узлы стоит проверить первыми.

На реальных записях Cardiag отличает неисправный автомобиль от исправного с AUROC 0,79. Нужная зона попадает в первые три варианта примерно в 75% случаев, а конкретная деталь — в 45–65%.

Это ещё не цифровой автомеханик. Иногда система честно отвечает: «не уверен». И правильно делает — уверенно нести чепуху уже умеют многие специалисты, тут нейросеть нам не требовалась.

Самое интересное — обучаемая часть классификатора занимает около 100 КБ. Правда, это не вся система: для обработки звука используется большая предварительно обученная аудиомодель CLAP. Поэтому рассказы про «полноценного механика размером с фотографию» слегка преувеличены.

Но для промышленности сама идея намного важнее автомобиля.

Таким же образом можно постоянно слушать:

• подшипники, редукторы и электродвигатели;
• насосы, дробилки, мельницы и конвейеры;
• дизельные двигатели карьерной техники;
• вентиляторы, компрессоры и гидравлические системы.

Оборудование часто начинает звучать иначе задолго до окончательной поломки. Если собрать качественную библиотеку звуков «нормальной работы» и подтверждённых неисправностей, микрофон или смартфон обходчика может превратиться в дешёвый датчик технического состояния.

А дальше схема вполне промышленная: система услышала аномалию → определила вероятный узел → создала предупреждение в ТОиР → специалист проверил оборудование до аварийного простоя.

Пока Cardiag — лишь proof of concept, а не замена механику. Но направление правильное: раньше опытный специалист говорил «мне не нравится, как гудит этот подшипник». Теперь его профессиональный слух можно постепенно превратить в данные и масштабировать на весь парк оборудования.

Проект Cardiag на GitHub⁠ · описание модели и результаты тестирования⁠

🐕 На медном руднике появился сотрудник, которому не нужны каска, перерыв и вахтовый автобус

На предприятии Copper One в штате Юта начали внедрять робота Spot от Boston Dynamics. Его задача — самостоятельно обходить фабрику и собирать визуальные, тепловые и акустические данные.

Spot сможет:

• замечать перегрев оборудования;
• находить утечки газа и жидкостей;
• считывать показания аналоговых приборов;
• контролировать опасные участки, куда лучше лишний раз не отправлять людей.

Но самое интересное здесь не сам робот. Spot интегрирован в MarianaOS — цифровую платформу рудника. Собранные данные сразу попадают в общий контур производства и ТОиР, где используются для предупреждений, прогнозирования неисправностей и планирования ремонтов.

То есть это не дорогая роботизированная собака, которая эффектно гуляет между конвейерами. Это мобильный промышленный датчик на четырёх ногах: прошёл маршрут, заметил аномалию, передал данные системе — дальше уже могут подключаться аналитика и AI.

До полностью автономного рудника пока далеко. Люди остаются в центре управления, а добыча и переработка не превратились в один большой компьютерный симулятор. Но автоматизация обычно так и начинается: не с увольнения половины предприятия, а с передачи роботам опасных, регулярных и довольно нудных обходов.

И, на мой взгляд, это правильная модель Industrial AI: сначала робот забирает рутину и собирает качественные данные, а уже потом ИИ начинает помогать предотвращать простои и управлять производством.

Кейс Boston Dynamics⁠ · официальный анонс Mariana Minerals⁠