Новости и статьи об искусственном интеллекте и нейросетях. Мы собираем и обрабатываем самую актуальную информацию из мира AI. О проекте
Сингапурская Firmus привлекла 505 миллионов долларов от Coatue при оценке 5,5 миллиарда. За полгода собрано 1,35 миллиарда, включая раунд с Nvidia. Компания строит AI-фабрики Southgate на платформе Vera Rubin.
SpaceX хочет вывести миллион дата-центров на орбиту для ИИ, чтобы снять нагрузку с земных энергосетей и водных ресурсов. Реализация требует решений по отводу тепла (системы Thales Alenia Space), стойким к радиации чипам (Nvidia GPU), координации трафика (максимум 240 тыс. спутников в LEO) и дешевым запускам (Starship). Гигавадтные центры возможны в Европе к 2050 году.
Специалисты Nvidia и университетов выпустили CaP-X — фреймворк для проверки ИИ-агентов в написании кода для роботов. Топ-модели проваливают задачи без готовых абстракций, но CaP-Agent0 без обучения и CaP-RL достигают уровня человека. Метод показывает превосходство кодогенерации над обучением на датасетах движений.
Южнокорейская SK hynix подала заявку на листинг в США, чтобы привлечь 10–14 млрд долларов и устранить дисконт в оценке акций. Компания усиливает производство HBM для ИИ, инвестируя миллиарды в новые фабрики и оборудование. Это поможет справиться с дефицитом памяти RAMmageddon, который длится до 2027 года.
На GTC Nvidia спрогнозировала продажи чипов на триллион долларов к 2027 году и призвала все компании к OpenClaw-стратегии, запустив свой NemoClaw. Финал доклада украсил робот Олаф, чей микрофон отключили из-за болтливости. Обсудили инженерные прорывы и социальные риски, включая сценарии с детьми в парках Disney.
Гендиректор Nvidia Дженсен Хуанг заявил, что разработчик с зарплатой $500 тысяч в год должен тратить на ИИ-токены минимум $250 тысяч, иначе это вызывает тревогу. Он сравнил такую экономию с отказом от профессиональных CAD-инструментов. Прогнозы Anthropic по доходам от ИИ в сотни миллиардов долларов к 2028 году Хуанг назвал консервативными.
Подразделение сетевых технологий Nvidia выросло до 11 миллиардов долларов за квартал благодаря приобретению Mellanox и буму ИИ. Оно стало вторым по выручке после чипов, обогнав квартальные показатели Cisco. На GTC анонсировали платформу Rubin и новые коммутаторы для ИИ-фабрик.
Nvidia на GTC 2026 расширила платформу физического ИИ: Uber запустит роботакси в Лос-Анджелесе к 2027 году, FANUC и ABB интегрируют Omniverse в роботы, GR00T N2 удваивает успех в новых задачах. Компания предлагает blueprint для генерации данных симуляциями, меняя data problem на compute problem. Партнеры из автопрома, медицины и 5G внедряют чипы вроде IGX Thor и RTX PRO.
Uber расширяет контракт с AWS, наращивая использование чипов Graviton и тестируя Trainium3 как альтернативу Nvidia. Ранее компания перешла на облака Oracle и Google с ARM-чипами Ampere, но теперь возвращается к Amazon. Это укрепляет позиции AWS перед конкурентами, среди клиентов которых Anthropic, OpenAI и Apple.
MLCommons выпустила результаты MLPerf Inference v6.0 с новыми мультимодальными тестами: Nvidia лидирует с 288 GPU и 2,7x софт-оптимизацией, AMD догоняет в single-node до 119% от B200 Nvidia, Intel фокусируется на workstations. Результаты сложно сравнивать напрямую из-за разных подходов. Nvidia продвигает тест для реального API-трафика.
Duos Edge AI и LG CNS предлагают модульные дата-центры для ИИ, доставляемые на грузовиках и разворачиваемые за 6 месяцев вместо 2–3 лет. Каждый блок вмещает 576 GPU Nvidia с опцией роста до тысяч, что ускоряет запуск ИИ-инфраструктуры и снижает затраты вдвое за мегавакт. Рынок таких решений удвоится к 2030 году.
NVIDIA RTX PRO 6000 Blackwell Workstation Edition радикально ускоряет науку о данных, обеспечивая до 50-кратный прирост в обработке с cuDF и поддержку до 4 GPU на столе. Она упрощает весь пайплайн от подготовки данных до деплоя, включая визуализации и обучение XGBoost. Это снижает зависимость от облаков, экономит средства и усиливает безопасность.
Amazon открыл доступ в лабораторию чипов Trainium, ключевую для партнерств с Anthropic, OpenAI и даже Apple. Развернуто 1,4 млн чипов, Claude работает на миллионе Trainium2; они конкурируют с Nvidia, снижая затраты на inference до 50%. Команда показывает процесс bring-up, слэды и мощь в дата-центре.
NVIDIA представила Agent Toolkit для безопасного развёртывания автономных ИИ-агентов в компаниях. Ключевые компоненты — OpenShell для контроля и AI-Q для экономии затрат более 50%, партнёры вроде Salesforce, Siemens и IQVIA уже внедряют. Это шаг к массовому использованию команд специализированных агентов.
Nvidia создала SoC для постоянного зрения, который ловит лица за 787 мкс с 99% точностью при мощности ниже 5 мВт и 60 fps. Технология Alpha-Vision хранит 2 МБ данных в SRAM локально и применяет "race to sleep" для экономии. Это полезно для ноутбуков, роботов, дронов и беспилотных машин.
Стартап Niv-AI из Тель-Авива привлек $12 млн seed для борьбы с потерями энергии в ИИ-кластерах на GPU. Сенсоры измеряют потребление с миллисекундной точностью, а ИИ-модель предсказывает пики и выравнивает нагрузки. Через полгода технология заработает в дата-центрах США, помогая избежать троттлинга на 30%.