Apple pozywa OpenAI, SK Hynix ostrzega przed niedoborem pamięci, a także nowe badania nad AI
Apple złożyło pozew przeciwko OpenAI, zarzucając kradzież tajemnic handlowych, podczas gdy SK Hynix ostrzega przed niedoborem pamięci trwającym do 2030 roku. Ponadto OpenAI zmaga się ze zmianami w kierownictwie, Microsoft dostosowuje strategię routingu modeli, a pojawiają się nowe badania DeepMind i Stanford.
Podcast В· 3 min
Apple składa pozew przeciwko OpenAI w sprawie tajemnic sprzętowych
Apple wszczęło postępowanie prawne przeciwko OpenAI, jego szefowi sprzętu Tang Tanowi oraz jednostce urządzeń io, zarzucając systematyczne działania mające na celu kradzież poufnych tajemnic sprzętowych. Pozew twierdzi, że OpenAI wykorzystało falę podkupowania pracowników – zatrudniając ponad 400 byłych pracowników Apple – aby zbudować kanał do pozyskiwania informacji zastrzeżonych. W szczególności Apple oskarża byłego inżyniera iPhone'a, Chang Liu, o wykorzystanie błędu uwierzytelniania w celu uzyskania dostępu do poufnych plików po jego odejściu. Apple domaga się przeprojektowania nieopublikowanego sprzętu OpenAI zaprojektowanego przez Jony'ego Ive'a. OpenAI zaprzeczyło zarzutom, oświadczając, że nie jest zainteresowane tajemnicami handlowymi innych firm. Ta konfrontacja prawna oznacza znaczną eskalację, ponieważ obie firmy pozostają partnerami w integracji Apple Intelligence, tworząc złożone napięcie między ich interesami współpracy i konkurencji.
Zmiany w kierownictwie OpenAI: szef bezpieczeństwa i lider wdrażania AGI
OpenAI przechodzi znaczące zmiany w kierownictwie. Johannes Heidecke, szef bezpieczeństwa firmy, podobno odchodzi, gdy OpenAI kontynuuje integrację swoich zespołów ds. bezpieczeństwa i badań. Ponadto Fidji Simo, dyrektor generalny ds. wdrażania AGI, przechodzi na stanowisko doradcy w niepełnym wymiarze godzin z powodu przewlekłej choroby. Simo podkreśliła znaczenie AI w postępie medycznym, zauważając, że leczenie chorób pozostaje głównym celem tej technologii. Te odejścia następują po serii ostatnich zmian personalnych w laboratorium.
SK Hynix prognozuje niedobór pamięci do 2030 roku
SK Hynix wydało ostrzeżenie dotyczące globalnych dostaw układów pamięci, prognozując, że niedobory mogą osiągnąć szczyt w 2027 roku i utrzymać się do 2030 roku. Ta prognoza wskazuje na krytyczne wąskie gardło dla branży AI, która w dużym stopniu opiera się na pamięci o dużej przepustowości (HBM) do zasilania danych do procesorów graficznych. Ponieważ dostawcy usług w chmurze, laboratoria AI i producenci urządzeń ścigają się we wdrażaniu modeli, fizyczny niedobór tych komponentów pozostaje głównym wyzwaniem dla ekonomiki AI. Analitycy sugerują, że kolejna faza konkurencji w AI będzie definiowana przez zdolności zaopatrzeniowe i zarządzanie zasobami, a nie tylko przez inteligencję modeli.
Microsoft dostosowuje routing modeli dla wydajności
Microsoft udoskonala swoją strategię modeli w ramach Microsoft 365 Copilot. Podczas gdy firma wyznaczyła GPT-5.6 jako preferowany model do zadań o wysokim priorytecie, zaczęła kierować niektóre zapytania z Excela i Outlooka do modeli wewnętrznych. Ta strategia ma na celu obniżenie kosztów wnioskowania i zmniejszenie zależności od zewnętrznych dostawców, takich jak OpenAI i Anthropic. Ten ruch odzwierciedla szerszy trend w branży, w którym firmy coraz częściej dopasowują konkretne zadania do najbardziej opłacalnego modelu, zamiast domyślnie wybierać ten najpotężniejszy.
Nowe frameworki robotyki i delegacji
Mistral uruchomił 'Robostral Navigate', swój pierwszy model robotyki zaprojektowany, aby pomóc robotom w wykonywaniu instrukcji nawigacji w języku naturalnym w środowiskach przemysłowych, takich jak fabryki i magazyny. Równocześnie DeepMind wprowadził nowy framework delegacji mający na celu poprawę współpracy człowieka z AI. Framework zapewnia ustrukturyzowane podejście do określania, kiedy zadania powinny być wykonywane przez ludzi, a kiedy przez agentów AI, kładąc nacisk na potrzebę jasnego autorytetu, monitorowania i planów awaryjnych. Te osiągnięcia podkreślają przesunięcie w kierunku praktycznych, agencyjnych zastosowań w fizycznych i operacyjnych przepływach pracy.
Stanford wprowadza agenta biomedycznego Biomni
Naukowcy ze Stanforda zaprezentowali 'Biomni', nowego agenta biomedycznego współpracującego z naukowcami, opartego na AI. System ma pomagać w badaniach naukowych poprzez czytanie literatury, wybór odpowiednich narzędzi i zestawów danych, pisanie kodu, interpretację wyników i proponowanie nowych eksperymentów. To osiągnięcie reprezentuje rosnący trend wyspecjalizowanych agentów zaprojektowanych do automatyzacji złożonych, dziedzinowych przepływów pracy w nauce.