Stas Dmitriyev | Industrial Ai

Китайская CXMT запустила массовое производство DRAM нового поколения — ещё один шаг к независимому китайскому AI-stack

Крупнейший китайский производитель памяти CXMT 20 сентября объявил о массовом производстве своей G5 DRAM-платформы. Компания использует quadruple patterning и заявляет half-pitch 11,95 нм, а количество кристаллов с одной пластины выросло минимум на 50% относительно предыдущего поколения. Одновременно показаны два новых 24 Gb LPDDR5X продукта.

AI в 2025:
«Нам просто нужно больше intelligence».

AI в 2026:
«Так… а кто здесь взрослый и где кнопка выключения?» 😄

🔍 Mining Tech: в мире уже около 5 684 автономных или autonomy-ready карьерных самосвалов

Свежий отраслевой разбор от 19 сентября систематизировал данные GlobalData по autonomous haulage. По состоянию на середину 2026 года GlobalData отслеживала примерно 5 684 автономных и подготовленных к автономии самосвала на открытых горных работах. Из них 3 843 находятся в Китае. В эту цифру входят разные категории оборудования, поэтому её нельзя трактовать как количество полностью беспилотных машин.

Особенно показательно изменение рынка: EACON сообщает уже о более 3 100 действующих автономных машинах на 38 площадках, включая свыше 1 500 battery-electric autonomous trucks; CiDi — более 1 900 поставленных машин почти на 40 рудниках. Эти цифры — vendor disclosures и используют разные методики подсчёта.

Но самая интересная часть исследования — экономика. Наиболее сильный эффект появляется не тогда, когда водителя просто убрали из существующего самосвала, а когда под autonomy переделывается вся система:

mine plan → roads → fleet size → shift model → charging → dispatch → maintenance.

В приведённых моделях автономия добавляет порядка 700–1 000 часов работы машины в год, а при полной re-optimisation mine plan эффект на NPV может быть значительно выше простого снижения стоимости перевозки.

Почему важно: это подтверждает то, что для правильного подхода принципиально. FMS — не конечная система. Правильная последовательность:

FMS → стабильная связь → точные координаты → 3D mine model → optimisation → assisted autonomy → AHS.

✈️И самая большая экономика появляется, когда сам карьер проектируется вокруг автономной техники.

Anthropic: «AI надо немного замедлить».
OpenAI выпускает Astra и начинает забирать enterprise-market.
Anthropic: «…ну не обязательно прямо сейчас». 🙂

ИИ для производственных инструкций: меньше рисовать вручную

QuiverAI выпустила Arrow 2 и Arrow 2 Telos — модели для создания редактируемой векторной графики. По описанию разработчика, генерация стала быстрее, геометрия — аккуратнее, а схемы и иллюстрации проще дорабатывать.

Для производства я вижу несколько полезных сценариев:

— иллюстрации к инструкциям по ремонту и обслуживанию;
— схемы оборудования с выделением нужного узла;
— наглядные карточки для обучения операторов;
— перевод старых растровых эскизов в редактируемый SVG;
— простые анимации, объясняющие последовательность операций.

Преимущество SVG: отдельные элементы можно менять, перекрашивать и увеличивать без потери чёткости. Одну иллюстрацию удобно использовать и на экране, и на плакате в цехе.

Анонс и примеры QuiverAI⁠

Google превращает конспекты в ИИ-репетитора

В Gemini Notebook можно будет голосом разбирать загруженные материалы: просить объяснить тему по шагам, перебивать и уточнять непонятное. Ответы — с опорой на ваши источники.

Добавляют и другие полезные вещи:

— диктофон в мобильном приложении: записали лекцию — получили источник для разбора;
— учебные наборы: краткое объяснение, инфографика, карточки и тесты;
— разбор ошибок, чтобы понять, что стоит повторить;
— минутные видеообъяснения с анимацией на 80+ языках.

Получается интересный цикл: загрузил материал → разобрался → проверил себя → поработал над ошибками. Пригодится и для учёбы, и для освоения рабочих инструкций.

Теперь отговорка «конспект есть, но ничего не понятно» становится чуть менее убедительной 🙂

Функции внедряют постепенно. Голосовой режим сначала получают подписчики Google AI Ultra старше 18 лет.

Анонс Google⁠

🔍 Роботам обещают свой ChatGPT момент уже в 2027 году

Сооснователь китайской Spirit AI Гао Ян ожидает прорыв в «мозгах» роботов к середине 2027 года: понимание голосовых команд и выполнение сложных физических задач.

По его словам, простые задачи в подготовленной среде роботы уже выполняют с успешностью около 90%. Десятки гуманоидов Moz1 работают на производственных линиях CATL и JD.com.

Для обучения компания собирает реальные данные с помощью примерно 1 000 подрядчиков. Промышленное применение, по оценке Гао, может созреть за два года; домашнее потребует больше времени. Reuters⁠

Для производства главный вопрос — сколько раз за смену человеку придётся спасать ситуацию. Девять успешных попыток из десяти впечатляют на демонстрации. На конвейере десятая быстро становится самой важной.

✈️ OpenAI прогнозирует почти $280 млрд отрицательного cash flow до 2030 года. По данным FT, пересказанным Reuters 18 сентября, OpenAI ожидает суммарный отрицательный свободный денежный поток около $278 млрд в 2026–2030 годах. При этом компания рассчитывает увеличить выручку примерно с $36 млрд в 2026 году до $350 млрд в 2030-м, а суммарные расходы на compute и инфраструктуру за этот период могут составить порядка $856 млрд. OpenAI комментариев к этим цифрам пока не дала.

✈️ Почему важно: AI-гонка окончательно становится не только соревнованием моделей, но и соревнованием балансов, электроэнергии и доступа к капиталу. Почти $1 трлн инфраструктурных расходов одной компании показывает масштаб спроса на GPU, дата-центры, сеть и генерацию. Для проектов вроде Data Center Valley это сильный сигнал: глобальный дефицит будет не в «идеях для ЦОД», а в площадках, где одновременно есть энергия + financing + быстрый ввод мощности + реальные AI-клиенты.

На мой взгляд, здесь появляется ещё один риск: экономика AI infrastructure начинает становиться похожей на тяжёлую промышленность — огромный CAPEX сегодня ради ожидаемого спроса через несколько лет. Значит, значение contracted MW и долгосрочных compute-контрактов будет только расти.

Reuters — OpenAI прогнозирует около $278 млрд cash burn⁠

✈️ Почему цифровому двойнику рано отдавать управление шахтой

В Discover Civil Engineering вышел обзор 131 публикации по анкерному креплению — системам, которые удерживают породу в шахтах и тоннелях.

В изученных работах темы распределились так:

— оптимизация — 81,7%;
— численное моделирование — 61,8%;
— датчики и мониторинг — 36,6%;
— AI/ML — 29%;
— BIM и цифровые двойники — всего 2,3%.

Категории пересекаются. Это статистика конкретной исследовательской области, а не всей горной отрасли.

Главная проблема: модели часто проверяют на небольших данных одного объекта. Связь с тем, как крепление действительно установлено и работает, остаётся слабой. На экране всё идеально, а под землёй геология свои условия использования не подписывала.

Авторы предлагают четыре этапа:

Цифровые записи → связь моделей с датчиками → оптимизация с ИИ → автономность под контролем.

Даже последний этап требует оценки неопределённости, порогов вмешательства, прослеживаемых источников данных и одобрения человека. Это предложенная дорожная карта, а не готовый стандарт.

Для меня здесь урок шире анкерного крепления: перед передачей решений ИИ нужно доказать, что модель соответствует реальному производству. Добавление агента эту работу не отменяет.

Обзор на Springer⁠

✈️Siemens и P&G масштабируют AI-контроль качества на заводы по всему миру — уже есть измеримый экономический результат. Siemens сообщила 16 сентября, что P&G расширяет использование Visual Inspection Cockpit на свои производственные площадки глобально. Система обрабатывает изображения непосредственно на Siemens Industrial Edge, использует deep-learning-модели P&G и промышленное оборудование с NVIDIA GPU, контролируя продукцию в реальном времени на полной скорости линии. В зависимости от продукта P&G заявляет сокращение брака на 10–20%, а ввод нового решения в эксплуатацию происходит в 5–10 раз быстрее, чем у традиционных специализированных vision-систем.

✈️Почему важно: это хороший пример того, чем Industrial AI отличается от обычного GenAI. Здесь AI не пишет отчёт после производства, а стоит непосредственно в технологическом цикле: camera → edge inference → defect decision → PLC → физическое удаление изделия с линии → накопление данных → improvement.

Для обогатительной фабрики логика та же самая: камеры/датчики → edge AI → выявление отклонения → DCS/оператор → корректировка режима.

Siemens — P&G масштабирует Industrial AI quality inspection⁠

На Mining & Metals много промышленной автоматизации ⚙️

Продолжаю ходить по выставке. У Sandvik — автоматизация и цифровизация, у Казпромавтоматики — MESone и управление технологическими процессами, у AG TECH — DMMS и наглядный макет цифровой шахты. Рядом — анализаторы состава руды и металлов.

На Mining & Metals в Алматы — практически небольшой Китай 🇨🇳

Сейчас в павильоне, где очень много китайских поставщиков оборудования для фабрики: дробление, грохочение, обогащение, автоматизация.

Несколько участников выставки, к которым стоит заглянуть:

— MIDAS — мобильные дробилки и сортировочное оборудование, стенд 8-651;
— SANME — дробление, измельчение и грохоты, 9-060/3;
— Xinhai — обогатительные фабрики под ключ, 11-316;
— BGRIMM — оборудование для обогащения и автоматические системы управления, 11-213.

По ассортименту ощущение, что фабрику можно собрать, просто пройдя несколько павильонов. Главное — чтобы потом всё это работало вместе 🙂

Мне особенно интересно, как поставщики связывают оборудование с автоматизацией и данными производства.

Каталог участников

Горняки, кто на Mining & Metals в Алматы? ⛏️

С 16 по 18 сентября в «Атакенте» проходит Mining & Metals Central Asia 2026 — выставка оборудования и технологий для добычи и обогащения.

Среди участников — Sandvik, Epiroc, Borusan Cat, KOMEK Machinery, Cummins, XCMG и другие поставщики техники и решений для отрасли.

Хороший повод посмотреть оборудование вживую и обсудить, как продвигаются автоматизация, диспетчеризация и ИИ на производстве.

Кто участвует или собирается заглянуть? Встречаемся? Пишите — пересечёмся за кофе 🙂

📍 Алматы, «Атакент», Тимирязева, 42
Сайт выставки и программа⁠

✈️ Pony.ai и GAC представили электрический грузовик с автопилотом L4

Новый Gen-4 Robotruck предназначен для магистральных перевозок, регулярных маршрутов и портовой логистики. Серийное производство планируют начать до конца 2026 года.

Главное здесь — экономика. По данным Pony.ai:

— стоимость компонентов комплекта автопилота снизилась на 70% относительно прошлого поколения;
— затраты на тонно-километр ожидаются на 30% ниже;
— энергопотребление — на 10% ниже, чем у обычных грузовиков.

За восприятие обстановки отвечают 9 лидаров, 3 радара и 13 камер. Рулевое управление, тормоза и другие критические системы продублированы.

Для промышленной логистики интересен именно переход к стоимости перевозки: автономность постепенно учатся считать в деньгах на тонно-километр. Теперь осталось подтвердить заявленную экономию в эксплуатации.