Беспилотные грузовики
Мы почти привыкли к идее беспилотных автомобилей еще до того, как увидели их на дорогах. По правде говоря, вы вполне сможете увидеть гораздо больше беспилотных грузовиков – в конце концов, именно логистика «заставляет мир вращаться». Они будут дешевле в эксплуатации, чем обычные большегрузы, будут двигаться более плавно и, следовательно, потреблять меньше топлива. Компьютеры никогда не устают и не нуждаются в комфортных перерывах, поэтому они смогут преодолевать более длинные маршруты. И они могли бы ехать колоннами, друг за другом, чтобы минимизировать сопротивление ветра.
Такие компании, как Mercedes и Peloton, уже изучают эти возможности, и, если обещанные выгоды будут реальны, грузовые компании могут обновить весь автопарк в одночасье. С другой стороны, это может мгновенно лишить работы водителей и даже сотрудников на стоянках для грузовиков, предназначенных для их обслуживания, но многие компании заявляют, что машинам по-прежнему будет нужен пассажир-человек, чтобы гарантировать безопасность грузов.
Поиск выхода
Власти США договорились с руководством TSMC о строительстве новых линий производства чипов в Аризоне. Фабрика будет производить 20 тыс. современных 5-нанометровых чипов в месяц для нужд автомобилестроения и других отраслей. Всего компания выделила $100 млрд на расширение производства и НИОКР, основная часть суммы пойдет на постройку шести заводов в США, работы по возведению первого комплекса уже начались.
Кроме того, сенат США одобрил законопроект субсидирования национальной полупроводниковой промышленности на сумму $52 млрд сроком на пять лет для местных производителей.
В Японии TSMC и Sony Group выделят около $9,2 млрд для строительства первого в стране завода по производству 20-нанометровых микросхем, чтобы постепенно двигаться к более современным техпроцессам. Строительство завода завершат уже в этом году, а в 2022 году партнеры планируют начать исследования и соответствующие разработки.
Китай в рамках программы Made in China к 2025 году инвестирует $1,4 трлн в разработки Alibaba Group, Huawei Technologies Co. Ltd, SenseTime Group Ltd. и другие высокотехнологичные компании, чтобы снизить зависимость электронной отрасли от других стран. Китай также старается переманивать инженеров из TSMC на более высокую заработную плату. Весной 2021 года тайваньской компании пришлось запретить поставщикам оборудования делиться с китайскими партнерами технологическими решениями, а правительство страны приказало удалять списки вакансий китайских компаний.
В Южной Корее правительство заявило о намерении выделить $450 млрд в течение десяти лет на развитие полупроводниковой отрасли. Государство планирует развивать полный цикл производства собственных чипов, а также помогать разработчикам, производителям и поставщикам чипов снижать себестоимость продукции за счет уменьшения налогов и предоставления ряда налоговых льгот. При этом Samsung уже расширила свои инвестиции до $151 млрд и надеется догнать спрос к 2030 году.
Печать микросхем на кремниевых пластинах
(Фото: Techspot)
Американская Intel ведет переговоры о производстве чипов для автомобильной промышленности с компаниями, которые разрабатывают подобные микросхемы. Им предложат перенести производство на заводскую сеть Intel в течение шести-девяти месяцев. Его могут запустить на заводах в Орегоне, Аризоне, Нью-Мексико, Израиле или Ирландии.
Также Intel заявила, что откроет свои фабрики для внешних клиентов и построит заводы в Соединенных Штатах и Европе. Новое производственное подразделение Intel Foundry Services сможет выполнять заказы других компаний на изготовление чипов, в том числе микросхем чужой архитектуры и дизайна: Apple, Nvidia и других.
Лабораторные молочные продукты
Наверное, вы слышали об искусственном мясе и стейках Вагю, выращенных клетка за клеткой в лаборатории, но как насчет других продуктов животного происхождения? Все больше биотехнологических компаний во всем мире исследуют лабораторные молочные продукты, включая молоко, мороженое, сыр и яйца. И многие думают, что они совершили прорыв.
Молочная промышленность даже близко не является экологически чистой. На нее приходится 4% мировых выбросов углерода, что больше, чем от авиаперелетов и судоходства вместе взятых. При этом растет спрос на более «зеленые» виды молока, которые можно было бы залить в наши чайные чашки и миски для хлопьев.
По сравнению с мясом, приготовить молоко в лаборатории не так уж и сложно. Вместо того чтобы выращивать его из стволовых клеток, большинство исследователей пытаются получить молоко с помощью ферментации, создавая молочные белки, сыворотку и казеин. Некоторые продукты от таких компаний, как Perfect Day, уже поступили на рынок США, и в настоящее время ведется работа по воспроизведению вкусовых качеств и питательных свойств обычного коровьего молока.
Помимо этого, исследователи работают над лабораторной моцареллой, которая идеально тает на поверхности пиццы, а также другими сырами и мороженым.
Машина, вытесняющая ученого
Тем не менее, приведенную выше интерпретацию разделяют далеко не все специалисты. Главным образом это связано с тем, что такая модель, при всей ее ясности, «грешит» излишней математизацией, которая чрезмерно схематизируют сложную реальность. Если отойти от этой модели, поле, объясняющее торможение темпов научно-технического прогресса, становится более многомерным.
Например, Тарас Вархотов, доцент кафедры философии и методологии науки МГУ им. М.В. Ломоносова предлагает рассмотреть сразу несколько факторов, которые привели к «стагнации» научно-технологического развития.
XX век, по сути, подвел итоги развития фундаментальной науки, после чего начался переход к совершенно новой форме существования знания, от которого требуется экономическая эффективность.
Современная наука распадается на все более изолированные области знания, каждое из которых оперирует разными понятиями, закономерностями и математическими средствами.
Иными словами, некогда единое научное пространство сегодня фрагментируется, а механизмы координации между разными дисциплинами и формирования целостной «научной картины мира» слабеют. Как замечал Станислав Лем: «Очень может быть, что уже сейчас в научных книгохранилищах всех континентов находится множество сведений, которые при простом сопоставлении друг с другом компетентным специалистом дали бы начало новым ценным обобщениям. Но именно это и затормаживается ростом специализации, внутренней постоянно растущей дифференциацией наук…».
В результате человек теряет возможность получать полноценное фундаментальное научное образование — в области как гуманитарных, так и естественных наук. Последние, по словам Вархотова, «становятся все более прикладными и инженерными — и за счет этого перестают работать с общими фундаментальными закономерностями».
Экономика образования
Что такое STEM образование, и почему компании ценят таких специалистов
Современная наука стала все чаще прибегать к компьютерным вычислительным мощностям.
И хотя они и позволяют обрабатывать такие массивы данных, которые человеку не доступны, ценой этих возможностей становится постепенная передача вычислительным системам представлений о действительности — сами мы ее уже на видим. Так что чем больше мы «делегируем» машинам исследовательские задачи, тем больше мы теряем с точки зрения способности открывать что-то новое.
«Машины не обладают способностью что-либо открывать. Такая способность есть только у человека. И количество знаний совсем необязательно должно переходить в качество. Тем более, что те открытия, которыми мы так дорожим сегодня, были сделаны на существенно меньших информационных массивах. Потому что всю новизну в любую систему знания всегда приносил и будет приносить именно человек», — замечает Тарас Вархотов.
Зачем Data Science бизнесу
Компании используют Data Science вне зависимости от размера бизнеса, показывает статистика Kaggle (профессиональная соцсеть специалистов по работе с данными). А по подсчетам IDC и Hitachi, 78% предприятий подтверждают, что количество анализируемой и используемой информации в последнее время значительно возросло. Бизнес понимает, что неструктурированная информация содержит очень важные для компании знания, способные повлиять на результаты бизнеса, отмечают авторы исследования.
Индустрия 4.0
Роман Нестер — РБК: «Коммерческие данные — это кровь интернета»
Причем это касается самых разных сфер экономики. Вот лишь несколько примеров отраслей, которые используют Data Science для решения своих задач:
- онлайн-торговля и развлекательные сервисы: рекомендательные системы для пользователей;
- здравоохранение: прогнозирование заболеваний и рекомендации по сохранению здоровья;
- логистика: планирование и оптимизация маршрутов доставки;
- digital-реклама: автоматизированное размещение контента и таргетирование;
- финансы: скоринг, обнаружение и предотвращение мошенничества;
- промышленность: предиктивная аналитика для планирования ремонтов и производства;
- недвижимость: поиск и предложение наиболее подходящих покупателю объектов;
- госуправление: прогнозирование занятости и экономической ситуации, борьба с преступностью;
- спорт: отбор перспективных игроков и разработка стратегий игры.
И это лишь самый краткий и поверхностный список использования Data Science. Количество различных кейсов с использованием «науки о данных» увеличивается с каждым годом в геометрической прогрессии.
Каждый интернет-пользователь и просто потребитель ежедневно десятки раз сталкивается с продуктами и решениями, в которых применяются инструменты Data Science. К примеру, аудио-сервис Spotify использует их, чтобы лучше подбирать треки для пользователей в соответствии с их предпочтениями. То же самое можно сказать о предложении фильмов и сериалах на видео-стримингах, таких как Netflix. А в Uber науку о данных рассматривают как инструмент для предиктивной аналитики, прогнозирования спроса, улучшения и автоматизации всех продуктов и клиентского опыта.
Экономика инноваций
Что такое Big Data и почему их называют «новой нефтью»
Конечно, дата-сайентисты не могут в точности предсказать будущее компании и учесть абсолютно все возможные риски. «Все модели неправильные, но некоторые из них полезны», — иронизировал по этому поводу британский статистик Джордж Бокс. Тем не менее, инструменты Data Science служат хорошей поддержкой для компаний, которые хотят принимать более информированные и обоснованные решения о своем будущем.
Цифровые «близнецы», следящие за вашим здоровьем
В сериале «Звездный путь», который повлиял на наше представление о технологиях будущего, люди могли войти в медицинский отсек и пройти цифровое сканирование всего тела на предмет признаков болезней и травм. По словам создателей сканера Q Bio, появление такого оборудования в реальной жизни улучшило бы состояние здоровья людей и в то же время снизило нагрузку на врачей.
Американская компания построила сканер, который будет измерять сотни биомаркеров примерно за час: от уровня гормонов, жировых отложений в печени и маркеров воспаления до любого из видов рака. Она намеревается использовать эти данные для создания трехмерного цифрового аватара тела пациента, известного как «цифровой двойник», который можно отслеживать с течением времени и обновлять при каждом новом сканировании.
Генеральный директор Q Bio Джефф Кадитц надеется, что это приведет к новой эре превентивной персонализированной медицины, в которой огромные объемы данных не только помогут врачам определять приоритеты пациентов, требующих осмотра в первую очередь, но также будут использоваться для разработки более сложных способов диагностики заболеваний. Прочитать интервью с ним можно здесь.
Ситуация на рынке
На данный момент ведущими производителями полупроводников являются тайваньская Taiwan Semiconductor Manufacturing Company (TSMC) и южнокорейская Samsung. Первая занимает 54% рынка, вторая — 17%.
Топ-10 производителей полупроводников, их доли рынка в долларах
(Фото: Statista)
Аналитики TrendForce выяснили, что мировой спрос на микросхемы оказался на 10–30% выше текущего предложения. По данным Susquehanna Financial Group, за первые четыре месяца 2021 года производители полупроводников резко начали отставать по исполнению заказов. Крупным компаниям приходится ждать микросхемы до 17 недель, а небольшим — до одного года или вообще отказываться от проектов. Одновременно растут цены на потребительскую электронику.
При этом со второго квартала 2021 года более 30 производителей полупроводников повысили цены на свою продукцию от 10% до 30%. В число этих компаний вошли UMC, SMIC и Power Semiconductor Manufacturing. Цены на отдельные продукты взлетели в десятки раз.
TSMC уже изменила приоритеты по выпуску своей продукции. В третьем квартале 2021 года компания собирается производить в первую очередь процессоры для Apple и чипы для автопроизводителей. Микросхемы для других клиентов, в том числе для Intel, Qualcomm, Google и Xilinx, будут отгружаться по мере их изготовления.
Apple в конце 2020 года закупила 80% мощностей TSMC для массового производства своих собственных чипов М1. Таким образом, только она в этом году сможет успешно выполнить план по производству новых iPhone, которые должны представить в сентябре или октябре. Остальные производители смартфонов оказались застигнуты врасплох глобальным дефицитом чипов. Так, Samsung уже предупредила, что может пропустить выпуск новой линейки смартфонов Galaxy Note в 2021 году.
Индустрия 4.0
Война за чипы: сменят ли ARM процессоры x86 и почему все зависит от Apple
Нехватка чипов повлияла даже на производство автомобилей. Крупнейшие мировые автоконцерны еще в начале 2021 года заявили, что им придется снижать планы по выпуску машин. Проблемы возникли у Nissan, Honda, Ford, Fiat Chrysler, Volkswagen, Suzuki, Subaru и других. Даже «АвтоВАЗ» начал выпускать автомобили Lada моделей Vesta, Xray и Largus без магнитолы. Автопроизводители потеряют в 2021 году более $110 млрд.
Диганта Дас, исследователь контрафактной электроники в Центре инженерии продвинутого цикла жизни (CALCE), предупредил, что в связи с дефицитом будут расти поставки контрафактных полупроводников. Проблема не коснется технологических гигантов, которые закупают комплектующие непосредственно у производителей, но затронет мелких производителей с более сложными цепочками поставок. Опасность этого заключается в том, что многие небольшие производители электроники заняты в таких отраслях, как здравоохранение, оборона и образование.
Обогатить и комбинировать
Чтобы точнее оценивать аудиторию, планировать и анализировать размещения, в наружной рекламе можно применить данные сразу из нескольких источников. Например, «Яндекс» берет информацию из своих приложений и с ее помощью оценивает параметры размещений в DOOH, включая количество контактов с рекламным сообщением. А компания oneFactor занимается замерами и верификацией аудитории на основе данных мобильных операторов.
На рынке наружной рекламы у каждого игрока выстроены собственные способы и процессы обогащения данных. У нас в Gallery все работает довольно просто. Полученные MAC-адреса мы можем соединить с информацией других компаний, которые тоже оперируют MAC-адресами потребителей. К примеру, компания «Квант» (совместное предприятие «МаксимаТелеком» и «Газпром-медиа») работает и с MAC-адресами, и с телефонными номерами.
На базе агрегированных обезличенных данных — собственных и партнерских — мы делаем два вида продуктов. Первый — это аналитика эффективности наружной рекламной кампании. Мы развиваем такие продукты как Brand Lift и Sales Lift, которые позволяют проанализировать влияние наружной рекламы как на рост знания бренда, так и на его покупку в точке продаж. Также популярностью среди клиентов пользуется решение, позволяющее измерять онлайн- и офлайн-доходимость до точки продаж.
Второй вид продуктов, основанных на данных, — это таргетинг
Важно заметить, что таргетинг в наружной рекламе не работает one-by-one, но при этом мы можем настраивать его на более аффинитивную (максимально соответствующую продукту или бренду. — РБК Тренды) аудиторию
Тут доступны социально-демографические показатели и группы интересов, например, «мамы с детьми» или «спорт и фитнес».
Алексей Фролков, гендиректор ООО «Платформа больших данных»:
На рекламном рынке особенно востребован продукт по повышению эффективности локаций для размещения наружной рекламы. Сейчас это возможно сделать на основе универсальной геоплатформы, которая была запущена в августе совместным предприятием Банка ВТБ и «Ростелекома», — ООО «Платформа Больших Данных».
Дополнительные географические идентификаторы и глубокий анализ интересов потребителей дают возможность рекламодателю выбрать локации, где чаще встречается его целевая аудитория, тем самым запуская более таргетированные кампании и увеличивая эффективность размещения».
Технологии позволяют комбинировать сбор и анализ данных об аудитории наружной рекламы с другими цифровыми каналами и возможностями. Так, наш партнер Mail.ru Group формирует из MAC-адресов сегменты, которые затем загружаются на рекламную платформу myTarget. С ее помощью можно запустить кампании с ретаргетингом в интернете. То есть «поймав» пользователя один раз на улице, рекламодатель продолжает взаимодействовать с ним на других площадках.
Собранные данные также применяются для сквозной аналитики и оценки результата. В частности, в Mail.ru Group создали технологию, которая позволяет в режиме реального времени оценивать влияние рекламы на бизнес-показатели — например, на установку мобильных приложений.
Для этого разработчики объединили возможности myTarget и системы мультиплатформенной аналитики и атрибуции myTracker. Схема работы выглядит следующим образом. На платформу myTarget передаются данные об аудитории, которая находилась рядом с цифровым билбордом в момент показа рекламы. Затем информация поступает в myTracker, и система сопоставляет их со сведениями об установках приложений и действиях внутри них.
Первые тесты мы с партнерами провели для сервиса объявлений «Юла», который продвигал свое мобильное приложение. Реклама размещалась на цифровых конструкциях Gallery в Москве и Санкт-Петербурге. По итогам в Mail.ru Group пришли к выводу, что по стоимости привлеченного пользователя DOOH вполне сравнима с другими форматами myTarget для продвижения мобильных приложений.
Максим Зенин, заместитель коммерческого директора Mail.ru Group по рекламным продуктам и инновациям:
«Благодаря технологиям и инструментам рекламных платформ наружная реклама становится полноценным диджитал-каналом — таким же простым и понятным с точки зрения запуска, оптимизации и оценки результатов, как и привычная интернет-реклама.
При этом во всех решениях приоритет для нас — безопасность данных рекламодателей и пользователей. Поэтому в рамках инструментов Mail.ru Group работать с обезличенными данными охваченной наружной рекламой аудитории можно только на наших платформах».
Как помирить Бора и Эдисона
Когда мы говорим о распределении средств между фундаментальными, прикладными исследованиями и разработками, то чаще всего нам представляется некая конкуренция и даже конфликт. По этому поводу есть замечательное исследование американского политолога Дональда Стоукса, который сначала был профессором в Университете Мичигана, потом работал в Принстоне.
Посмотрев на историю науки и разработок в XX веке, он написал книгу «Квадрант Пастера».
Его основной тезис заключался в том, что мы слишком линейно воспринимаем инновации. Мы представляем себе инновационный процесс в виде линии, которая идет от фундаментальных исследований к финальному продукту, разработке. Но если взять ученого Луи Пастера, то куда его поставить на этой линии? Он занимался фундаментальной микробиологией, и он же разработал метод вакцинации от бешенства.
Стоукс предлагает разделить научное знание на несколько секторов, или квадрантов. В первый попали исследования, которые имеют большое фундаментальное, но маленькое практическое значение. Он назвал это сектором Бора. Нильс Бор был физиком-теоретиком, и у его знаний не было мгновенного практического применения. Российским эквивалентом Бора можно считать Льва Ландау и Жореса Алферова.
Следующий квадрант — это фундаментальное знание с практическим применением. Здесь как раз и находится Луи Пастер. В российском контексте это могут быть Иван Павлов, Дмитрий Менделеев и Александр Попов. Дальше идут разработки, которые не предполагают фундаментального знания, но имеют понятное практическое применение. Стоукс поставил в этот сектор изобретателя Томаса Эдисона, который придумал электрическую лампочку, не имея научной квалификации. В России это Владимир Зворыкин, Лев Термен и, если смотреть на современность, Павел Дуров.
Четвертый квадрант у Стоукса пустой. Но в качестве примера он приводит натуралиста и орнитолога Роджера Тори Петерсона, который составлял справочники птиц Северной Америки. Это знание, казалось бы, не имеет практической или фундаментальной ценности. Но такие справочники науке тоже нужны, потому что они могут пригодиться в любом из уже перечисленных квадрантов.
Когда мы рассуждаем в рамках такого распределения знаний, конфликт между фундаментальной, прикладной наукой и разработками снимается. Если мы воспринимаем науку как некие взаимодействующие группы, то становится понятно, что, выкидывая Бора, мы не получим Пастера. Ведь Пастер как фундаментальный микробиолог начинал свои исследования, ориентируясь на тех, кто был до него.
В своей книге Стоукс приводит данные о том, какое количество исследований приходится на разные квадранты. Распределение довольно равномерное, за исключением фундаментальной науки, которая занимает больше трети.
Из всего этого можно сделать вывод о том, что должно быть примерно равное распределение денег на разные типы исследований.
Шаг 4. Реализация и ответ на вопрос «Что?»
Это один из самых трудоемких и долгих этапов форсайта. Он предполагает выполнение шагов «дорожной карты».
Время на реализацию: от 2-3 месяцев до 3 лет.
Примеры. Прогноз научно-технологического развития России до 2030 года, реализуемый по заказу Минобрнауки, опирался на десять научных методов, привлек более 2 тыс. экспертов и длился три года.
Форсайт перспективных рынков зерновых, проведенный по инициативе Россельхозбанка, собрал более 50 экспертов в АПК и смежных областях, использовал результаты iFORA (системы интеллектуального анализа больших данных) и был реализован менее чем за пять месяцев.
Перечень глобальных трендов развития рынка недвижимости используется как «точка отсчета» для обсуждения экспертами в рамках форсайт-сессии.
Футурологи формируют радар «джокеров» — маловероятных событий с большим потенциальным эффектом.
Ошибки. Слабая методическая подготовка. Слишком быстрый ответ на предыдущие вопросы или их игнорирование. Как следствие — девальвирование результатов, некорректный учет ресурсов (временных, финансовых, человеческих).
Рекомендация гуру. Все этапы намеченной «дорожной карты» нужно пройти до конца. Иногда команда или заказчик останавливают работы, удовлетворившись или разочаровавшись в отдельном шаге, но сила форсайта — в комбинации методов. Нужно помнить, что форсайт — это не только и не столько игра «угадай будущее» (хотя методы геймификации тоже активно применяются), сколько кропотливая и ответственная научная работа, нацеленная на прикладной результат.
При этом команда — один из главных ресурсов форсайта. Ей нужен особый подход, тайм-менеджмент и наставник.
