Procesor Vera od Nvidii leci na orbitę, OpenAI prezentuje układ Jalapeño, a Perplexity stawia na lokalność
Nvidia współpracuje z SpaceX przy orbitalnych centrach danych z nowym procesorem Vera. OpenAI ujawnia swój autorski układ Jalapeño, podczas gdy Perplexity uruchamia platformę agentów lokalnych. Thomson Reuters buduje własny model prawniczy, a Meta przygotowuje platformę agentów 'Hatch'.
Podcast В· 2 min
Procesor Vera od Nvidii i orbitalne centra danych SpaceX
Nvidia oficjalnie wprowadziła na rynek swój nowy procesor Vera – chip zaprojektowany specjalnie do obsługi 'rutynowych zadań' agentowej AI: koordynowania narzędzi, uruchamiania kodu i zarządzania bazami danych. SpaceXAI podpisało umowę jako pierwszy znaczący klient, planując wdrożenie architektury Vera do zasilania swojej nowej generacji agentów AI. Elon Musk ujawnił, że SpaceX zamierza wynieść ten sprzęt na orbitę, z planami utworzenia centrów danych 'Starmind' do końca 2027 roku. Platforma Vera, wyposażona w 88 rdzeni 'Olympus' i przepustowość pamięci do 1,2 terabajta na sekundę, została zaprojektowana, aby rozwiązać problem wąskiego gardła, w którym drogie procesory graficzne pozostają bezczynne, czekając na instrukcje z CPU. Optymalizując pod kątem wykonywania zadań agentowych, Nvidia twierdzi, że chip jest nawet 1,8 razy szybszy niż tradycyjne odpowiedniki x86. Ten ruch sygnalizuje agresywną ekspansję Nvidii na rynek samodzielnych procesorów, celując w możliwość zarobienia 200 miliardów dolarów. Dla SpaceX projekt orbitalnego centrum danych stanowi znaczący zakład na przyszłość infrastruktury. Podczas gdy krytycy wcześniej odrzucali obliczenia kosmiczne jako niepraktyczne, partnerstwo z Nvidią zapewnia niezbędną gęstość i wydajność sprzętu, aby koncepcja stała się realna. Odporne na warunki kosmiczne serwerownie są zaprojektowane tak, aby były prostsze, lżejsze i bardziej opłacalne niż ich naziemne odpowiedniki, co może odwrócić ekonomikę orbitalnych obliczeń w nadchodzących latach.
OpenAI prezentuje autorski układ AI 'Jalapeño'
OpenAI opublikowało pierwsze wyniki testów wydajnościowych dla 'Jalapeño' – autorskiego układu AI opracowanego we współpracy z Broadcom. Zaprojektowany specjalnie do uruchamiania modeli AI, a nie do ich trenowania, 700-watowy chip podobno przewyższa flagowe 1200-watowe systemy Nvidii zarówno pod względem szybkości, jak i efektywności energetycznej. OpenAI przypisuje swojemu modelowi Astra i Codex pomoc w projektowaniu chipa, który od koncepcji do gotowości produkcyjnej powstał w dziewięć miesięcy. Pomimo silnej wydajności, OpenAI nie planuje sprzedaży komercyjnej układu. Wiceprezes ds. sprzętu Richard Ho stwierdził, że firma ma wystarczające zapotrzebowanie wewnętrzne, aby wykorzystać całą produkcję. Oczekuje się, że układ trafi do centrów danych OpenAI jeszcze w tym roku, a produkcja będzie zwiększana do 2027 roku. Dwie kolejne generacje układu są już w fazie rozwoju. Ten rozwój odzwierciedla strategię innych głównych laboratoriów, takich jak Google, które od dawna korzysta z własnych układów TPU. Posiadając własne krzemowe komponenty, OpenAI dąży do obniżenia kosztów generowania tokenów i stworzenia bardziej ścisłej, spersonalizowanej pętli projektowej dla swoich przyszłych modeli, zmniejszając swoją zależność od sprzętu innych firm do wnioskowania.
Perplexity i Nvidia uruchamiają 'Przenośny komputer'
Perplexity i Nvidia wprowadziły 'Przenośny komputer' – nową platformę agentów działającą na urządzeniu, która pozwala użytkownikom uruchamiać AI lokalnie na konsumenckim sprzęcie Nvidia DGX Spark. System oferuje alternatywę skoncentrowaną na prywatności w stosunku do agentów chmurowych, umożliwiając użytkownikom wybór między modelami Qwen 3.8 27B a własnym modelem Perplexity PPLX 27B do zadań lokalnych, z możliwością korzystania z modeli chmurowych w razie potrzeby. To wydanie jest szczególnie istotne ze względu na koszty i kwestie prywatności. Przenosząc obciążenie AI z chmury na urządzenie, użytkownicy mogą wykonywać zadania bez zużywania kredytów, pod warunkiem, że praca pozostaje lokalna. Oprogramowanie instaluje się jednym kliknięciem na desktopowym superkomputerze DGX Spark, a wsparcie dla innych komputerów ma pojawić się wkrótce. Premiera następuje po doniesieniach, że Nvidia prowadzi rozmowy w sprawie inwestycji miliardów dolarów w Perplexity przy wycenie przekraczającej 30 miliardów dolarów. Ten ruch pozycjonuje Perplexity, aby przejąć rosnący popyt na rozwiązania lokalne, czyniąc z zaawansowanych modeli okazjonalne wsparcie, a nie domyślne rozwiązanie, i wykorzystując dominację sprzętową Nvidii do umocnienia swojej pozycji rynkowej.
Meta rzekomo przygotowuje platformę agentów 'Hatch'
Meta podobno ma uruchomić 'Hatch' – nową platformę agentów AI skierowaną do konsumentów – w ciągu najbliższych tygodni. Platforma jest zaprojektowana do wykonywania zadań w imieniu użytkowników i będzie oferować płatny poziom cenowy konkurujący z najlepszymi planami OpenAI i Anthropic. Wraz z platformą Meta ma wydać swój następny flagowy model o kryptonimie 'Watermelon' w październiku. Ten ruch oznacza strategiczną zmianę dla Meta, które historycznie opierało się na bezpłatnych usługach finansowanych reklamami. Wprowadzając płatną platformę agentów, firma próbuje bezpośrednio zarabiać na swoich możliwościach AI poprzez subskrypcje konsumenckie. Sukces tej inicjatywy będzie zależał od zdolności agenta do skutecznego radzenia sobie ze złożonymi, wieloetapowymi zadaniami. Analitycy branżowi uważnie obserwują, czy Meta uda się z powodzeniem przenieść swoją ogromną bazę użytkowników na płatny model AI. Zdolność platformy do integracji z istniejącymi ekosystemami społecznościowymi przy jednoczesnym zapewnianiu rzeczywistej użyteczności będzie kluczowym wyróżnikiem na coraz bardziej zatłoczonym rynku osobistych agentów AI.
Thomson Reuters buduje własny model AI prawniczy
Thomson Reuters wprowadził swój pierwszy autorski model AI, opracowany poprzez przerobienie open-source'owego Qwen od Alibaby i wytrenowanie go na dziesięcioleciach treści prawniczych firmy. Dwuletni projekt kosztował 40 milionów dolarów na moc obliczeniową i personel, przy czym ostatnia sesja treningowa kosztowała 450 000 dolarów. Model został przetestowany wewnętrznie i podobno wypada lepiej niż Claude Opus 4.8, Gemini 3.1 Pro i GPT-5.5 w konkretnych zadaniach prawniczych. CTO Joel Hron podkreślił strategiczne znaczenie tego ruchu, porównując wynajem modeli AI do wynajmu domu, gdzie użytkownik nie buduje długoterminowej wartości. Budując własny model, Thomson Reuters dąży do zachowania wartości i kontroli nad swoją specjalistyczną bazą wiedzy. Wersja modelu z otwartymi wagami zostanie udostępniona badaczom. Ten rozwój podkreśla rosnący trend wśród dużych przedsiębiorstw posiadających głębokie, zastrzeżone zbiory danych. W miarę spadku kosztów trenowania i poprawy bazowych modeli open-source, firmy coraz częściej decydują się na budowanie niestandardowych rozwiązań zamiast polegać wyłącznie na API innych firm, dążąc do lepszej wydajności i długoterminowej efektywności kosztowej.
Accelerated Understanding uruchamia AI oparte na fizyce
Profesor Caltech Anima Anandkumar i inżynier Benedikt Jenik uruchomili 'Accelerated Understanding' – startup skoncentrowany na trenowaniu AI do prognozowania ewolucji świata fizycznego, a nie przewidywania tekstu. Modele firmy wykorzystują 'neural operators' – projekt oparty na fizyce, który śledzi zdarzenia w przestrzeni 3D i czasie, odchodząc od tradycyjnej architektury transformera. W początkowych testach model przetworzył 5 bilionów punktów danych w jednym uruchomieniu, co według twórców jest 5 milionów razy większą pojemnością niż najlepsze modele Google i Anthropic. Firma celuje w zastosowania korporacyjne, w tym rozwój materiałów na chipy, prognozowanie ekstremalnych zjawisk pogodowych i robotykę. Twórcy odrzucili ofertę czołowych stanowisk i 35% udziałów w projekcie 'Prometheus' Jeffa Bezosa, aby realizować to przedsięwzięcie. Decyzja ta podkreśla ich przekonanie, że modelowanie oparte na fizyce jest lepszą ścieżką dla następnej generacji AI, pozycjonując startup jako bezpośredniego konkurenta dla ogromnych, skoncentrowanych na tekście modeli obecnie dominujących w branży.
Chińscy hakerzy zwiększają ataki z użyciem DeepSeek
Badania TeamT5 wskazują, że chińskie grupy hakerskie sponsorowane przez państwo ponad dwukrotnie zwiększyły wolumen ataków po zintegrowaniu modeli AI open-source, a konkretnie DeepSeek, ze swoimi operacjami. Naukowcy donoszą, że grupy te preferują DeepSeek ze względu na połączenie wysokiej wydajności i stosunkowo luźnych zabezpieczeń cybernetycznych w porównaniu z innymi zaawansowanymi modelami. Hakerzy podobno używają AI do pomocy w pisaniu kodu włamaniowego, plądrowaniu firmowych systemów pocztowych i mapowaniu celów. Podczas gdy obawy dotyczące bezpieczeństwa koncentrowały się głównie na potencjalnym niewłaściwym wykorzystaniu najlepszych modeli, niniejszy raport podkreśla znaczące ryzyko stwarzane przez tańsze, bardziej dostępne modele, którym brakuje solidnych ograniczeń bezpieczeństwa. Ten trend jest zgodny z ostrzeżeniami Instytutu Bezpieczeństwa AI, który w maju odnotował, że autonomiczne zdolności cybernetyczne AI rozwijają się szybko. Zdolność złośliwych aktorów do wykorzystywania open-source'owej AI do skalowania swoich operacji stanowi złożone wyzwanie dla cyberbezpieczeństwa, sugerując, że uwaga może musieć przesunąć się w kierunku zabezpieczania samych modeli, a nie tylko infrastruktury, którą atakują.