Центры обработки данных переходят с переменного тока на постоянный
На недавней конференции Nvidia GTC были представлены новые архитектуры микросхем для обеспечения работы систем искусственного интеллекта. Однако по мере того, как микросхемы становятся быстрее и мощнее, остальные компоненты инфраструктуры центров обработки данных отстают в развитии.Производители систем электропитания — компании Delta, Vertiv и
Конец эпохи вероятностного ИИ: почему гонка за GPU от Nvidia — это архитектурный тупик
Индустрия генеративного искусственного интеллекта больна
Линейка HighFreq или как выжать из облака максимум для инференса, ML и других высоких нагрузок
«Больше» — не всегда значит «лучше». К пользовательским приложениям в облаках
Распил монолита в 2026: а может, не надо? Как AI переворачивает закон Конвея
Десятилетие индустрия повторяла мантру: «монолит — плохо, микросервисы — хорошо». Мы честно дробили, нанимали команды на каждый сервис, строили service mesh, мучились с distributed tracing. А потом пришёл AI-ассистент, которому не нужно держать в голове весь монолит, чтобы менять любую его часть — и возник неудобный вопрос: а зачем мы вообще это делали?В 2025-м компании начали массово внедрять AI-ассистентов в разработку — и обнаружили, что архитектурные аксиомы, казавшиеся незыблемыми, перестают работать.Зачем вообще дробят монолиты: шесть канонических причин
Materialized views и проекции в ClickHouse: когда что использовать и как не наступить на грабли
ClickHouse быстрый. Настолько быстрый, что первые полгода можно жить без оптимизаций вообще — агрегации по миллиарду строк отрабатывают за секунды. Потом данных становится больше, запросов тоже, дашборд начинает подтормаживать, и вы задумываетесь: «а можно ли считать агрегаты заранее?»Можно. В ClickHouse для этого есть два механизма: materialized views и проекции (projections). Оба пересчитывают данные на этапе вставки. Оба ускоряют чтение. Но работают по-разному.Materialized Views: отдельная таблица с агрегатами
Из «песочницы» в Production: как мы масштабировали RAG-систему для эксперта по охране труда
Привет, Habr! Наша команда LLM-разработки подготовила статью о реальном практическом опыте тюнинга и тонкой настройке RAG-системы в области охраны труда. Каждый, кто начинал работать с LLM, проходил через этот «медовый месяц»: вы берете LangChain, загружаете с десяток PDF-файлов в ChromaDB, пишете простенький промпт — и происходит магия. Бот отвечает, эксперты в восторге, MVP готов за выходные.

