Установить свойства виджета в PySide можно не только через соответствующие методы и конструктор класса. Можно их изменять с помощью метода setProperty по имени.
btn = QPushButton("Click Me")
btn.setProperty("flat", True)
Это аналогично вызову
btn.setFlat(True)
Если указать несуществующее свойство, то оно просто создается
btn.setProperty("btnType", "super")
Получить его значение можно методом .property(name)
btn_type = btn.property("btnType")
Когда это может быть полезно?
▫️Можно просто хранить какие то данные в виджете и потом их доставать обратно
widget = QWidget()
widget.setProperty('my_data', 123)
print(widget.property('my_data'))
▫️ Назначая эти свойства разным виджетам можно потом отличить виджеты во время итераци по ним. Например, найти все кнопки со свойством my_data="superbtn".
Но ведь вместо кастомного свойства можно использовать objectName, будет тот же результат.
Да, но y ObjectName есть ограничение - только строки.
▫️ Если нам потребуется не просто поиск а, например, сортировка по числу, то свойства позволяют нам это сделать. Поддерживается любой тип данных
widget.setProperty('my_data', {'Key': 'value'})
widget.setProperty('order', 1)
all_widgets.sort(key=w: w.property('order'))
Но ведь Python позволяет всё вышеперечисленное сделать простым созданием атрибута у объекта
widget.order = 1
widget.my_data = 123
Да, но я думаю что не надо объяснять почему не стоит так делать. К тому же, если у виджета нет свойства то метод .property(name) вернет None, а отсутствующий атрибут выбросит исключение.
▫️ Действительно полезное применение кастомным свойствам - контроль стилей. Здесь атрибутами не обойтись, нужны именно свойства.
Дело в том, что в селекторах стилей можно указывать конкретные свойства виджетов на которые следует назначать стиль.
Просто запустите этот код
from PySide2.QtWidgets import *
if __name__ == "__main__":
app = QApplication([])
widget = QWidget(minimumWidth=300)
layout = QVBoxLayout(widget)
btn1 = QPushButton("Action 1")
btn2 = QPushButton("Action 2")
btn3 = QPushButton("Action 3", flat=True)
layout.addWidget(btn1)
layout.addWidget(btn2)
layout.addWidget(btn3)
# добавим кастомное свойство одной кнопке
btn1.setProperty("btnType", "super")
# добавляем стили
widget.setStyleSheet(
"""
QPushButton[btnType="super"] {
background-color: yellow;
color: red;
}
QPushButton[flat="true"] {
color: yellow;
}
"""
)
widget.show()
app.exec_()
С помощью селектора мы избирательно назначили стили на конкретные кнопки.
Как получить список всех кастомный свойств?
Функция получения списка кастомных свойств отличается от получения дефолтных.
def print_widget_dyn_properties(widget):
for prop_name in widget.dynamicPropertyNames():
property_name = prop_name.data().decode()
property_value = widget.property(property_name)
print(f"{property_name}: {property_value}")
#tricks#qt
#global#datacenters
Осенью наткнулся на такое тематическое инвестирование:
- Покупать компании, которые имею свои ЦОДы и ранее были майнерами криптовалют, а сейчас свои ЦОДы переформатируют под сдачу в аренду гиперскейлерам и разработчикам LLM
Хороший пример - Компания CoreWeave — бывший добытчик криптовалюты, ставший поставщиком ИИ-инфраструктуры — достигла оценки в ∼48 миллиардов долларов и получила контракт с OpenAI на 11,9 миллиарда. Это задаёт ориентир для остальных компаний.
Почему вообще такая тема появилась и почему она хорошо работает?
Для обучения и работы моделей ИИ нужны огромные вычислительные центры, а им нужно очень много электричества. По прогнозу Morgan Stanley, к 2028 году только в США потребуется 69 гигаватт электроэнергии для таких центров. При этом существующие электросети и строящиеся проекты смогут обеспечить лишь около 25 гигаватт. Дефицит может составить от 13 до 44 гигаватт — это колоссальный разрыв. Построить новый вычислительный центр «с нуля» в США — это 2–4 года, а получить разрешение на подключение к электросети — от 3 до 7 лет. У компаний-добытчиков биткоина эти подключения уже есть. Это их главное конкурентное преимущество. Перестроить существующую площадку под нужды ИИ можно за 6–18 месяцев — в разы быстрее.
Мне это показалось интересным - но тогда я в это деньги не закинул - смущал риск, что пока что котировки зависят и от котировок криптовалют тоже, и я не проинвестировал. На самом деле хорошо что так)
Вчера наткнулся на подкаст Анатолия Радченко, где он затронул эту тему и сказал, что сейчас как раз хорошая точка входа, так как биткоин на локальных минимумах. Анатолий имеет большой опыт в трейдинге и выступает на РБК, вот ссылка на подкаст и его канал
https://t.me/circlefin/2239
Не факт что он упадет еще ниже, как и не факт что он будет жестко расти от текущих, но так или иначе точка входа в эти компании сейчас гораздо лучше чем была.
C осени я наткнулся на 3 отчета по этой тематике - 2 от JPM и 1 от MS. У JPM есть 4 топ-пика в секторе. Из них я выбрал для покупки CIFR и RIOT. CIFR питчит и MS и JPM и у них самый большой пайплайн потенциальных сделок с их ЦОДами - на 3 ГВт. Riot по соотношению цена-размер потенциальных сделок с их ЦОД был вторым - у них пайплайн на 600 МВт. Идея в том, чтобы держать эти компании под объявление новых потенциальных сделок с их ЦОДами. + может биткоин начнет восстановление и это даст дополнительный буст котировкам. Почему уверен в сделках - как много раз тут писал в канале - сейчас в Америке дефицит электроэнергии и гиперскйелерам уже тяжело сказать что они могут построить новый ЦОД - им проще будет взять в аренду ЦОД таких майнинговых контор или вообще купить такие конторы.
Финансы у компаний отвратительные, FCF нету, долга много - они все в инвест фазе. Но Coreweave это не помешало сильно порасти в определенный момент.
Прикрепляю 3 отчета банков для самых пытливых. И прикрепляю 1 ИИ-свод на русском языке, чтобы вам было удобнее и быстрее ознакомиться.
#global#AI#datacenters
В начале Января дипсик зарелизила новый документ о своих разработках для LLM. Новая версия документа содержит гораздо больше страниц чем первая. Правда документ пока не доступен для скачивания,
https://arxiv.org/abs/2501.12948
видимо не публичный пока что.
Вот тут объясняется более менее норм про это и еще есть ссылки на мнения экспертов
https://deepseek.ai/blog/deepseek-mhc-manifold-constrained-hyper-connections
Если вкратце, то Deepseek может скоро (конец января - начало февраля) зарелизить свою новую модель R2 (R1 релизнулась 20 января 2025 г.) и опубликовать вот этот документ, где будет описан новый подход к формированию архитектуры LLM. Но это не факт, модель может быть зарелизена и позже.
Там в документе могут быть показаны исследования, что R2 достигает схожих показателей по различным бенчмаркам при этом training и inference модели стоит меньше, требует меньше вычислительных мощностей и потребляет меньше электричества:
https://www.constellationr.com/blog-news/insights/deepseeks-paper-latest-evidence-ai-muscle-head-era-coming-end
Key takeaway is that you can have large-scale training that's more efficient with better quality.
"Empirical results confirm that mHC effectively restores the identity mapping property, enabling stable large-scale training with superior scalability compared to conventional HC. Crucially, through efficient infrastructure-level optimizations, mHC delivers these improvements with negligible computational overhead."
Trade idea тут:
1) Держать лонг на Китайский биг-тех (BABA, BIDU, Tencent). Тут еще трейд поддержать может хорошая статистика по PMI из Китая в первые дни февраля. В декабре 2025 г. впервые с апреля 2025 г. PMI был выше 50. В январе улучшение может продолжиться на фоне активных усилий правительства по стимулированию экономики
2) С середины января держать шорт на американских гиперскейлеров (потенциально R2 покажет что не нужно так много вычислительных мощностей). Правда эта часть трейда конечно более опасная и непредсказуемая чем 1-ая. Тем более 29 числа будет опубликовано решение ФРС по ставке. Ожидается, что ФРС снизит ставку на 0.25%, хотя Трамп сегодня сказал, что хочет cut на 1% 😛
#global#semiconductors#datacenters
ASML отрепортилась за 4К25. Главный прикол отчетности:
В то время как аналитики ожидали, что денежный объем будущих заказов (net bookings) будет 6.85 млрд евро, фактический объем составил 13.2 млрд евро. (в 2 раза больше)
Это говорит о том, что несмотря на растущие риски, что часть проектов по новым ЦОД будет смещено вправо из-за:
- нехватки электрогенерирующих мощностей и чипов памяти
- невозможности подключиться к сетям в определенных регионах
- потенциального охлаждения рынка частного кредитования, которое формирует существенную долю финансирования строительства ЦОД (около 30% согласно Morgan Stanley)
По факту что происходит – это дальнейший рост заказов на оборудование, использующееся для производства чипов. То есть клиентский спрос на чипы все еще растет, это видят фабрики по производству чипов и заказывают еще больше оборудования.
ASML это мировой монополист в производстве EUV литографов (устройство, которое переносит «чертёж» схемы расположения транзисторов, контактов, линий металлической проводки и т.п для каждого слоя чипа) на пластину и имеет существенную долю DUV литографов (такое же устройство но более старого поколения. Наносит схемы с меньшей точностью)
Сегодня также отчитывается Lam Research, а 12 февраля отчитывается Applied Materials. Обе компании являются лидерами в области производства оборудования для других этапов производства чипа – травление и осаждение. А завтра отчитывается KLA - лидер в контроле и метрологии.
Все 3 компании, и не только их инвест сообщество разгоняет последнее время. Инвест тезис такой, что при производстве новейших чипов памяти HMB и DRAM спрос на последнее оборудование по травлению, осаждению и контролю растет быстрее чем на передовые литографы. Дело в том, что развитие последних архитектур чипов (Gate-all-around и 3D) требует меньшей точности самих микросхем на чипе (то есть можно экономить на литографах), но при этом требует гораздо больше слоев в чипе, что увеличивает интенсивность операций по травлению и осаждению, а также необходимость в контроле и метрологии.
Morgan Stanley в одном из своих рисечей прогнозирует, что доля оборудования по контролю, травлению и осаждению в общем количестве оборудования для фабрик по производству чипов в 2026 г. продолжит расти за счет как раз снижения доли литографического оборудования.
Кароче пока что охлаждения в CAPEX на ЦОДы и все что с ними связано не видно. Сильные данные по backlog ASML это позитивный cross-read для производителей оборудования для других этапов создания чипа, особенно на фоне дефицита чипов памяти, для производства которых требуется больше другого оборудования а не литографов.
#global#datacenters#semiconductors
https://www.youtube.com/watch?v=RBmOgQi4Fr0
GPU vs TPU, DPU, NPU, XPU и т.п
Все эти TPU, DPU, NPU и XPU это по сути просто ASIC (Application-Specific Integrated Circuit; Процессоры специального назначения) которые позволяют делать конкретные операции для LLM гораздо более эффективно (на 30-40% экономия в электричестве достигается) чем GPU, которые хоть и ахеренно делают множественные параллельные вычисления, но при этом все же не так эффективно как ASIC которые заархитектурили и задизайнили специально для одной цели - делать матричные вычисления, необходимые для работы LLM
Но зато GPU заархитектурены и задизайнены так, что можно различные операции на них выполнять (и разработку/воспроизвеения игр/видео и вычисления для майнинга битка и вычисления для обучения и инференса ИИ)
То есть они более универсальные но менее эффективные при этом. Получается такой trade-off
ASIC показывают наибольшую разницу в эффективности именно при inference. Поэтому с ростом доли токенов генерируемых на inference а не на обучения доля спроса на GPU Nvidia будет снижаться, доля спроса на ASIC будет расти. А доля inference точно будет расти. Deloitte в своем репорте, что доля вычислений inference составляла 1/3 в 2023 г., 1/2 в 2025, а в 2026 г. составит уже 2/3. При этом общий объем вычислений продолжает существенный рост. Поэтому Nvidia делает шаги в сторону увеличения доли своих продуктов в inference:
1) Покупка технологии Groq
2) Разработка собственных фич, позволяющих сделать inference (https://developer.nvidia.com/blog/introducing-nvidia-bluefield-4-powered-inference-context-memory-storage-platform-for-the-next-frontier-of-ai/). Думаю в ближайшем будущем будут еще такие фичи релизить и в итоге их GPU для inference не проиграют сильно поляну разным ASICам от Гуглов и Амазонов
В противном случае будет ситуация как с майнингом. Когда начинали майнить на GPU, а затем другие компании напридумывали ASIC для майнинга и Nvidia растеряла свою долю
#global#datacenters#electricity
В ноябре в США будут выборы в сенат и есть риск, что население в штатах будет голосовать больше за представителей от демократической партии и тогда их количество в сенате вырастет и они смогут сделать Трампу импичмент. Победа демократов сейчас имеет далеко ненулевую вероятность потому что рейтинги одобрения Трампа на нуле. Большую роль в этом играет тот факт, что Трамп ведет открытую и жесткую борьбу с нелегальной миграцией с помощью департамента ICE. ICE действует четко и жестко, пиздит демонстрантов, пачками арестовывает их, иногда убивает их, что приводит к еще большим протестам и еще большим арестам и еще большему падению рейтинга.
Трамп понимает, что срок его президенства может закончится уже в ноябре, поэтому начинает делать ответные меры:
1) Сначала он сказал, что банки должны ограничить максимальный % по кредитным картам на уровне 10%. Сейчас это 20+%. Так как банки оббирают население США и это неправильно. Хороший способ чтобы увеличить рейтинг. Также резкий рост % ставок совпадает с ростом количества просроченных более чем на 90 дней кредитов. Сейчас доля просрочек доходит до 12.5%. В 2009 году было 13-14%.
2) Более важная для ТМТ вещь. Теперь Трамп нацелился на рост счетов населения по электричеству из-за роста дефицита электроэнергии, которое вызвано резким ростом со стороны ЦОД. Судя по всему, Дони хочет, чтобы Гиперскейлеры и коммерческие ЦОДы теперь отчисляля какие-то деньги в бюджет США, которые затем будут направляться электроэнергетическим компаниям, чтобы они не наращивали чеки на электричество для домохозяйств так существенно. Это НЕГАТИВНО для MSFT, AMZN, ORCL, GOOG, META и остальных крупных/средних/мелких операторов коммерческих ЦОД
Sinking AI Infrastructure: The Regulatory Challenges of Underwater Data Centers
As the demand for sustainable AI infrastructure grows, startup NetworkOcean proposes a novel solution: submerging GPU servers into the San Francisco Bay to use seawater for cooling. Founders Sam Mendel and Eric Kim believe this approach could reduce energy consumption and support the region's AI-driven economy. However, the plan has drawn scrutiny, as NetworkOcean has not secured the necessary permits, raising concerns about potential environmental harm and regulatory oversight.
Regulators and environmental experts are concerned that even minor disturbances in the bay could trigger toxic algae blooms and harm wildlife. The debate highlights a growing tension between technological innovation and environmental protection, underscoring the need for a careful balance between advancing AI infrastructure and safeguarding natural ecosystems.
#AI#DataCenters#Sustainability#EnvironmentalLaw
The Environmental Impact of AI: What Does It Take to Write an Email with ChatGPT?
As AI becomes more integrated into our daily lives, understanding its environmental impact is crucial. According to estimates reported by The Washington Post, generating an email using AI tools like ChatGPT requires about as much water as a single-use plastic bottle holds, and the energy consumption is equivalent to running 14 LED light bulbs for an hour. These figures shed light on the significant resources needed to operate data centers that power AI systems. As AI continues to evolve, addressing its environmental footprint will be essential for sustainable innovation.
*#AIImpact#Sustainability#DataCenters#AIEthics
💰 OpenAI заключила гигантский контракт с Oracle на $300 млрд на облачные вычисления сроком примерно на 5 лет - сообщает Wall Street Journal.
Это один из крупнейших договоров на облачные вычисления в истории.
Расходы на инфраструктуру для ИИ продолжают расти рекордными темпами, несмотря на опасения «перегрева» рынка.
⚡ Масштаб сделки:
- OpenAI потребуется 4,5 гигаватта мощности - это больше, чем две плотины Гувера, или электричество для 4 миллионов домов.
- Oracle уже демонстрирует рост: акции компании подскочили, а Ларри Эллисон (глава Oracle) за сутки заработал $101 млрд и стал самым богатым человеком на планете, обогнав Илона Маска.
Рынок ИИ-вычислений превращается в арену сделок планетарного масштаба — где стоимость инфраструктуры измеряется сотнями миллиардов долларов и требует энергопотребления на уровне целых стран.
🟢Подробнее: wsj.com/business/openai-oracle-sign-300-billion-computing-deal-among-biggest-in-history-ff27c8fe
@ai_machinelearning_big_data
#AI#Cloud#OpenAI#Oracle#DataCenters
#global#datacenters#AI#memory
Последнюю неделю не писал особо про Глобал хотя там как раз сезон отчетностей. Просто я на каникулах и времени на такое моменты мало, так что прошу прощения.
Но там не хило так распродали Техи, поэтому записал голосовуху и обработал ее в Гроке. Печатать на компе не могу, поэтому ниже Иишный бездушный текст:
За последние 2–3 дня акции многих IT-компаний (особенно связанных с разработкой корпоративного ПО) испытали сильное давление и потеряли от 10% до 20% капитализации. Это не случайная волатильность, а каскадный эффект нескольких взаимосвязанных факторов.
Основные причины распродаж
1. Гиперскейлеры резко наращивают capex
Microsoft, Meta и особенно Alphabet (Google) опубликовали прогнозы капитальных затрат на 2026 год, значительно превышающие ожидания аналитиков.
- Google → $175–185 млрд (при ожиданиях ~$115–120 млрд, почти двукратный рост по сравнению с 2025 годом).
Основные направления — серверы, дата-центры, чипы и сетевое оборудование для AI.
→ Рынок воспринял это как сигнал очень высоких расходов на инфраструктуру без пропорционального ускорения роста выручки в ближайшие кварталы.
2. Страх замещения корпоративного ПО агентными LLM-решениями
Растёт убеждённость, что продвинутые LLM и агенты (в первую очередь Claude от Anthropic) могут в среднесрочной перспективе заменить значительную часть традиционных корпоративных приложений:
- CRM, ERP
- ПО для юристов, бухгалтеров, финансистов и других специалистов
Усиление опасений произошло после:
- Выхода Claude Cowork (начало января 2026)
- Запуска плагинов для Cowork (30 января 2026)
Плагины позволяют создавать специализированных агентов, которые:
- подключаются к внутренним корпоративным системам
- работают с данными компании
- выполняют задачи аналогично живому сотруднику
→ Инвесторы начали активно распродавать акции компаний-разработчиков «классического» enterprise software.
3. Усиление давления через ETF и каскадный эффект
Одновременный отток капитала из IT / AI-тематических ETF усиливает продажи акций гиперскейлеров и софтверных компаний → создаётся самоподдерживающийся каскад падения.
Инвестиционная возможность
Текущая коррекция выглядит чрезмерной и создаёт привлекательные точки входа в компании, которые выигрывают от роста capex гиперскейлеров и общего AI-бумa:
- Производители оборудования для выпуска чипов (ASML, Lam Research, Applied Materials и др.)
- Компании, разрабатывающие архитектуру и дизайн чипов (Arm, Synopsys, Cadence)
- Производители чипов памяти (Samsung, SK Hynix, Micron)
- Непосредственные производители чипов для AI (NVIDIA и её экосистема, Broadcom и др.)
Осторожность с софтверными компаниями
Пока рано уверенно утверждать, насколько быстро и глубоко агенты заменят устоявшиеся корпоративные системы. Тема сложная:
- требует глубокого понимания ИТ-ландшафта и реальных кейсов использования
- большинство инвесторов (не ИТ-специалистов) переоценивают или недооценивают скорость замещения
Поэтому в сегменте прикладного корпоративного ПО лучше сохранять выжидательную позицию и наблюдать за реальными внедрениями и отзывами крупных клиентов в 2026 году.
#global#AI#datacenters#semiconductors
Накатал много текста и решил не спамить сюда, поэтому прикрепляю отдельный документ.
Вкратце там описано как ситуация на ближнем востоке и развивающийся кризис private credit в Америке могут повлиять на котировке всех компаний, связанных со строительством ИИ-инфраструктуры.