惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Recorded Future
Recorded Future
C
Cyber Attacks, Cyber Crime and Cyber Security
D
Darknet – Hacking Tools, Hacker News & Cyber Security
Scott Helme
Scott Helme
Cyberwarzone
Cyberwarzone
C
CERT Recently Published Vulnerability Notes
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
P
Palo Alto Networks Blog
Google Online Security Blog
Google Online Security Blog
Security Archives - TechRepublic
Security Archives - TechRepublic
WordPress大学
WordPress大学
博客园 - 聂微东
L
LINUX DO - 最新话题
月光博客
月光博客
小众软件
小众软件
T
Troy Hunt's Blog
A
Arctic Wolf
量子位
I
Intezer
大猫的无限游戏
大猫的无限游戏
T
Tailwind CSS Blog
S
Schneier on Security
Schneier on Security
Schneier on Security
NISL@THU
NISL@THU
T
Threat Research - Cisco Blogs
TaoSecurity Blog
TaoSecurity Blog
酷 壳 – CoolShell
酷 壳 – CoolShell
博客园_首页
有赞技术团队
有赞技术团队
N
News and Events Feed by Topic
美团技术团队
The Cloudflare Blog
P
Privacy International News Feed
S
Security Affairs
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
G
GRAHAM CLULEY
N
News | PayPal Newsroom
Apple Machine Learning Research
Apple Machine Learning Research
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
L
LINUX DO - 热门话题
V
Vulnerabilities – Threatpost
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
C
CXSECURITY Database RSS Feed - CXSecurity.com
宝玉的分享
宝玉的分享
Application and Cybersecurity Blog
Application and Cybersecurity Blog
IT之家
IT之家
Hacker News: Ask HN
Hacker News: Ask HN
雷峰网
雷峰网

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Шесть основ бизнес-анализа: начинаем с вопроса «Кто в игре?» Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Toyota Woven City — самый дорогой датасет в истории корпоративных исследований
Андрей Вечерний · 2026-05-20 · via Все публикации подряд на Хабре

Простой

9 мин

11K

Если у вас завалялись лишние десять миллиардов долларов и есть желание построить город будущего — что ж, Toyota вас опередила. В сентябре 2025 года крупнейший автопроизводитель мира официально открыл у подножия горы Фудзи свой полигон мобильности Woven City.

На месте старого завода площадью семьдесят гектаров появились стильные дома из дерева и бетона, подземная инфраструктура водородной энергетики, тоннели для роботов-курьеров. Архитектором выступил Бьярке Ингельс — тот самый, кто проектировал штаб-квартиру Google. Энергия поступает от водородных топливных элементов и солнечных панелей. Дороги разделены на три типа, и они физически не пересекаются.

Жителей пока около сотни. Их называют Weavers — «ткачами», вероятно, в память о том, что Toyota когда-то начинала с ткацких станков. Город закрыт для посторонних: широкая публика попадет сюда, по плану компании, только в следующем финансовом году, и то по записи.

Звучит как очередная корпоративная утопия в духе Кремниевой долины. Но это не так. Это самый аккуратно спроектированный эксперимент по сбору данных о людях, который когда-либо ставила частная компания. Давайте разберемся, что к чему.

Идеальная лаборатория: как естественно собрать данные 

Представьте, что нужно изучить, как сто человек будут жить в среде, где их со всех сторон окружают камеры, сенсоры и роботы. Как они будут есть, спать, ходить на работу, болеть и даже ссориться. Причем у вас стоит задача изучать поведение целых семей, с детьми разных возрастов и их особенностями адаптации.

Самый очевидный способ — натыкать в обычном квартале камер. Но это не сработает: люди либо взбунтуются, либо начнут вести себя неестественно, зная о слежке.

Второй — собрать добровольцев с улицы и поселить в специально построенный город. Но люди, согласившиеся на эксперимент, ведут себя как люди, согласившиеся на эксперимент.

Есть и третий вариант, изящный в своей простоте. Берутся собственные сотрудники, которые всю эту инфраструктуру и настраивали, селятся вместе с семьями и получают статус «ткачей будущего». Их заселяют на достаточное время и платят зарплату. Это и есть вариант Toyota.

В сентябре 2025 года Toyota официально открыла Woven City — город у подножия Фудзи. Пока жителей около ста, они распределены по 55 домохозяйствам (по сути, квартирам).

Это классический корпоративный город, и подход не нов. В 1880 году американский промышленник Джордж Пуллман построил образцовый город для своих рабочих. Закончилось его существование крупнейшей забастовкой в истории США, признанием проекта «антиамериканским» и принудительной ликвидацией по решению суда — Пуллман сократил зарплаты, но отказался снижать стоимость аренды жилья. 

Аналогичные проекты пробовали внедрять по всему миру: от города шоколадного короля Херши, деревни Форда до Стабейса Илона Маска и российского Иннополиса. Часть успешны, часть нет. Но у проекта Toyota есть ключевое отличие: это первый город, созданный для того, чтобы ИИ-алгоритмы научились понимать, как люди живут в естественной среде.

Зачем это Toyota?

Возникает резонный вопрос: зачем крупнейшему автопроизводителю мира тратить десять миллиардов долларов на непрофильный проект? Официально Toyota отвечает про глобальные вызовы для страны: стареющее население, городские пробки, меняющийся климат. Но я рискну предположить, что на самом деле есть три основные причины, близкие по смыслу, и все они про деньги.

И первая — роботы для пожилых. 

В Японии сегодня 36 миллионов человек старше 65 лет,и это 28% населения

Система ухода уже физически не справляется: дефицит своих специалистов растет, а попытки привлекать сиделок из Филиппин и Индонезии наталкиваются на культурный барьер. Решение — внедрять новые технологии, особенно гуманоидных роботов. Министерство экономики Японии прогнозирует, что рынок роботов для ухода за пожилыми вырастет до 3,8 $ миллиардов к 2035 году. Toyota хочет занять свою долю, и Woven City для нее — полигон, где ее бытовые роботы живут вместе с реальными людьми: моют посуду, складывают белье и собирают данные о том, как с ними обращаются. Компания хочет, чтобы пожилые люди как можно дольше оставались независимыми и жили в своих домах, не переезжая в дома престарелых, и тут на помощь придет их эксперимент.

В экосистеме роботов Woven City тестируется групповое обучение (Fleet Learning). Если один домашний робот понял, как аккуратно поднять стеклянный стакан, не разбив его, или как убрать разбросанные вещи, данные мгновенно оцифровываются. Через облако алгоритм передается всем остальным роботам в сети, и они мгновенно получают этот навык. 

Кроме того, на основе данных с помощью ИИ создаются миллионы виртуальных сценариев. В симуляциях роботы проходят обучение в десятки раз быстрее, чем в физическом мире, а затем получают обновления. Без реального поведения людей делать это намного сложнее и куда менее эффективно.

Кадр из фильма: Матрица Революция

Кадр из фильма: Матрица Революция

Вторая причина — продажа технологий городам.


По прогнозу аналитического агентства MarketsandMarkets, мировой рынок умных городов вырастет с 700 $ миллиардов в 2025 году до 1,4 $ триллиона к 2030-му, со среднегодовым ростом в 15,6%.

Сегмент умного транспорта внутри него растет на 33% в год. Toyota хочет продавать в города инфраструктуру: систему AI Vision Engine (контроль дорог и перекрестков), платформы управления трафиком и протоколы автономной доставки. Woven City здесь сработает как шоурум (или живая витрина) для мэров и министров: приехал, посмотрел, сам поучаствовал — и с куда большей вероятностью подписал контракт. 

Еще в 2018 году глава компании объявил, что Toyota из автомобильного бренда трансформируется в компанию умной мобильности, и начала разработку комплексного софта: от систем управления трафиком до архитектуры Arene (ОС для автомобилей). Из этого и выросла идея города.

Третья причина — сами данные

И здесь Toyota вне конкуренции. Если взять транспортную сферу, Tesla собирает данные с водителей, Waymo — с пешеходов на перекрестках, Uber — с пассажиров. Но никто из них не видит, что происходит у человека на кухне, в гостиной, в момент, когда он принимает посылку от робота-курьера или когда бытовой робот складывает его белье. А Toyota видит каждый шаг — вплоть до дыхания (об этом ниже). Сто человек живут под камерами и сенсорами 24/7, и каждое их движение оцифровывается в материал для обучения следующего поколения автономных систем. По плану в городе будет 2000 жителей. 

И такие данные невозможно купить, потому что их физически больше нигде нет.

И есть еще один фактор, который нельзя упускать из внимания. 

Toyota очевидно торопится — за первые девять месяцев 2025 года чистая прибыль компании упала с 26,8 до 20,3 миллиарда долларов — примерно на четверть. Китайские производители впервые в истории обгоняют Японию по мировым продажам автомобилей.

Toyota вкладывает в IT 11,1 миллиарда долларов в год — больше любого другого традиционного автопроизводителя, но большая часть этих инвестиций, по оценке аналитиков, пока уходит на оцифровку тестовых баз. Гибриды (лидеры продаж и разработок) все еще приносят рекордную прибыль, но окно скоро закроется.

Отмечу, что глобальные вызовы в эту картину вполне вписываются. Woven City потенциально может дать людям огромное количество полезных разработок в области робототехники и безопасного дорожного движения. Но коммерческая компания никогда не делает того, что не принесет ей будущую прибыль.

Кто там в городе живет?

Жители — сотрудники Woven by Toyota, дочерней технологической компании, созданной в 2018 году как раз после смены позиционирования. Раз Toyota хочет стать «компанией мобильности», есть проблема внутренней неповоротливости. Компания внутри слишком тяжела, чтобы быстро меняться, поэтому она выделила отдельную структуру, куда может нанимать кого угодно — индийских ML-инженеров, бывших сотрудников Google, выпускников MIT — и платить им по другим тарифам, без оглядки на японский корпоративный устав (зарплаты у них там — вовсе тема отдельной статьи).

Получилась небольшая «кремниевая долина» (как говорят зарубежные СМИ) внутри японского автогиганта. Английский как рабочий язык, гибкий график, аджайл-процессы — все то, что в самой Toyota исторически не приживалось. Зарабатывают эти люди прилично: медианная зарплата инженера-разработчика — около 95 тысяч долларов в год, у сеньоров доходит до 125 тысяч долларов. По меркам Японии это очень хорошо (в три-четыре раза выше средней зарплаты по стране вне IT-сектора). По меркам Кремниевой долины — сильно ниже среднего.

Жители-инженеры пишут код для автопилотов Toyota и Lexus, обрабатывают данные с миллионов уже проданных автомобилей. Они же разработали Woven AI Vision Engine — систему, которая распознает людей по силуэтам одежды и стоит на нескольких камерах каждого перекрестка в Woven City (в городе камеры повсюду, на перекрестке их может быть до восьми). 

В данном случае разработчики тестируют код на самих себе, прямо как эксперименты великих ученых эпохи первооткрытий.

Об условиях аренды жилья Toyota официально не сообщает. Платят ли «ткачи» за жилье, если да — сколько, не раскрывается ни в пресс-релизах, ни в карьерных материалах. Аналитики предполагают, что жилье либо бесплатное, либо сильно субсидированное в обмен на участие в исследованиях.

Компания подчеркивает, что Woven City — полностью добровольный эксперимент. Жители подписывают согласие на сбор и использование данных, понимают условия и могут покинуть город в любой момент. Формально это так. 

Но есть нюанс. Среди ста жителей есть дети. Toyota публично не уточняет, сколько именно. Эти дети не подписывали никаких согласий и растут в среде, где их движения, разговоры и поведение постоянно записываются и анализируются. Через десять лет у Toyota будут лонгитюдные данные о развитии человека в насыщенной сенсорами среде, которые невозможно получить никаким другим способом — ни этически, ни практически.

Камеры и приватность

Поговорим об этом подробнее, и чтобы понять мою мысль, вспомним еще один проект, довольно похожий по начинке.

 В 2017 году дочерняя компания Google — Sidewalk Labs — объявила о планах построить самый инновационный квартал в мире: Quayside в Торонто. Проект обещал умные тротуары с подогревом, автономные шаттлы, роботов для сбора мусора и сенсоры в каждом фонаре. Все потоки данных шли бы в специальное хранилище под управлением Sidewalk Labs. Жителями предполагались обычные горожане Торонто.

В мае 2020 года Sidewalk Labs объявила о закрытии проекта. Официальная причина — пандемия, но реальной стали два года протестов местных жителей, отказ активистов соглашаться на условия сбора данных и публикации журналистов о том, что Google собирается монетизировать каждый шаг каждого канадца. По оценке аналитиков GlobalData, проект провалился именно из-за вопроса приватности, а пандемия лишь дала Sidewalk повод свернуть все, не признавая поражения.

Toyota вынесла из этой истории главный урок: если строишь умный город с реальными горожанами, рано или поздно эти горожане спросят, кто и зачем читает их данные. И этот вопрос не закроешь. 

Решение Toyota простое и циничное: не строй умный город для горожан, построй умный город для своих сотрудников, которые согласятся заранее — потому что у них в трудовом договоре уже все подписано, и потому что они понимают, на что идут.

В Woven City до восьми камер на каждом перекрестке и до шести в жилых помещениях (не считая сотен бесконтактных датчиков по всей квартире). Камеры подключены к Woven AI Vision Engine, который определяет людей по силуэту одежды, походке и контексту перемещения.

Это юридический маневр: распознавание лиц в Японии и большинстве стран мира регулируется специальными законами, распознавание по силуэту одежды — нет. Технически система делает то же самое: знает, кто куда пошел и когда вернулся. Но юридически она «не распознает лица».

Политика приватности на сайте Woven City составлена с похожей аккуратностью. Toyota собирает «персональные данные, включая голос, изображения и видео». Использует их «для планирования продуктов и услуг, проведения исследований и разработок, улучшения качества и повышения удовлетворенности клиентов». Может передавать «аффилированным компаниям» — то есть остальной Toyota Group и ее партнерам. Жителю формально доступна процедура отзыва согласия. Только после отзыва он не сможет пользоваться роботами, автономным транспортом и большинством бытовых сервисов. Жить в Woven City без согласия на обработку данных физически невозможно — да и зачем, если это глобальный эксперимент, а не «город будущего» в бытовом смысле.

Открытый вопрос

Кому в итоге принадлежит то, что производится в этой конструкции? Технически — Toyota. Данные собираются на ее серверах, а итоговые продукты пойдут под ее брендом или брендами ее партнеров. Сто жителей и их дети получают зарплату и возможность называть себя «ткачами будущего». Префектура Сидзуока получает налоги, а Япония в целом — шанс на технологическое лидерство. Мэры мировых городов через несколько лет получат коммерческое предложение от Toyota. Все стороны вроде бы в выигрыше, но очень разной величины.

Американский футуролог Жак Фреско несколько десятилетий проектировал то, что сам называл городом будущего — Venus Project. Идея была примерно та же: построить место, где технологии работают на человека, а не наоборот. Только Фреско вообще не имел коммерческой модели. Он не собирался ничего продавать, он хотел изменить мир. Его город остался макетом во Флориде, и о нем помнят разве что энтузиасты.

Toyota не Фреско. Toyota не ставит целью изменить мир —- она хочет научить свои алгоритмы понимать, как живут люди, чтобы потом продать это понимание тем, кто за него заплатит. Именно поэтому Woven City построен, а Venus Project — нет. У одного из этих проектов был платежеспособный заказчик, у другого — только идея.

И вот здесь возникает вопрос, на который честного ответа пока нет. Woven City — лаборатория. То, что в ней разрабатывается, по плану Toyota должно потом продаваться вовне: системы видеонаблюдения, протоколы автономной доставки, AI Vision Engine для перекрестков. Покупателями станут муниципалитеты, девелоперы коммерческой недвижимости, аэропорты, торговые центры — все, кому понравится идея видеть, где ходит каждый человек, и иметь к этому юридически чистое объяснение.

Только эти покупатели — не Toyota. У них нет ста сотрудников с подписанными согласиями. У них есть граждане, посетители, дети, идущие в школу мимо умного перекрестка. И когда AI Vision Engine окажется в обычном городе, ни одна из изящных юридических конструкций Woven City работать не будет. Останется только сама технология.

Кто и как будет ее регулировать? Кто будет отвечать за ошибки? Что станет с детьми, для которых жизнь под камерами окажется нормой с рождения? Никто пока не знает — и, судя по тому, как в последние двадцать лет технологии обгоняют регулирование, ответы мы узнаем уже постфактум.

Toyota просто построила первый прототип.
Что пойдет в серию — вопрос открытый.