Искусственный интеллект - текущие мировые события

Основатель NVIDIA: искусственный интеллект сможет соперничать с человеком уже лет через пять

Издание The New York Times провело в американском городе, подарившем ему название, конференцию DealBook, и основатель NVIDIA Дженсен Хуанг (Jensen Huang) оказался в числе приглашённых бизнесменов. По его мнению, сильный искусственный интеллект (AGI) на уровне способности отвечать на вопросы тестов сможет соперничать с человеком уже лет через пять, но достигать способности делать последовательные логические выводы он будет ещё долго.

ai_01.jpg

Источник изображения: NVIDIA

По информации CNBC, генеральный директор NVIDIA сказал буквально следующее: «Если расценивать сильный искусственный интеллект как компьютер, способны выполнять определённые тесты на сопоставимом с человеческим разумом уровне, то в перспективе пяти лет, очевидно, ИИ сможет выполнять эти тесты». Глава компании пояснил, что современные системы искусственного интеллекта достигли неплохих результатов в распознавании образов или восприятии информации, последовательные логические выводы они пока делать неспособны, и на достижении именно этой цели в ближайшие годы будут сосредоточены основные усилия компаний и исследователей.

Современные языковые модели и искусственный интеллект имеют отношение к подобным способностям, но их всё-таки нельзя уравнивать с человеческим разумом, как признался глава NVIDIA. На этой конференции он также отказался давать оценку потенциалу компаний, работающих в сфере ИИ, назвав их своими друзьями. Хуанг вспомнил ещё один интересный эпизод, относящийся к периоду деятельности Илона Маска (Elon Musk) в контексте развития OpenAI. До того, как Маск вышел из проекта в 2018 году, он успел заказать у NVIDIA суперкомпьютер для ускорения вычислений в сфере искусственного интеллекта, который и был успешно поставлен.

Коснулся основатель NVIDIA и недавней истории с отставкой главы OpenAI Сэма Альтмана (Sam Altman). По его словам, ситуация показывает несовершенство структуры управления этого стартапа. Сама NVIDIA за время своего тридцатилетнего существования пережила многое, но грамотное управление позволило избежать неприятных последствий, как заявил Дженсен Хуанг.

Источник: Для просмотра ссылки Войди или Зарегистрируйся
 
Разработка OpenAI может угрожать человечеству: сотрудники били тревогу в закрытом письме

Стало известно о письме исследователей OpenAI руководству компании, в котором те предупреждают о некоем угрожающем человечеству достижении. Сразу после этого письма в OpenAI начались скандалы, а исполнительного директора уволили - на четыре дня.

Что это мы натворили?
Исследователи компании OpenAI незадолго до скандального увольнения и не менее скандального возвращения исполнительного директора компании Сэма Олтмана (Sam Altman), написали совету директоров письмо, в котором утверждалось, что разработчикам удалось сделать некое устрашающее открытие, которое может угрожать человечеству. Об этом сообщает агентство Reuters.

Информация об этом письме всплыла лишь в среду, на следующий день после того, как Олтман триумфально вернулся в свою компанию после «четырехдневного изгнания».

28_11_23_openai_600.jpg

Фото: vecstock / Фотобанк Фрипик
OpenAI, возможно, сделали прорыв, угрожающий человечеству

Более 700 работников OpenAI, в свою очередь, пригрозили перейти в Microsoft, если текущее правление не оставит свои должности в полном составе.

Вот вам Бог, а вот вам двери
Правление компании решило выставить Олтмана за дверь 17 ноября. Основанием стало то, что Олтман, дескать, был «недостаточно честен в своих коммуникациях».

В OpenAI по сути два лидера - Олтман, который служит публичным лицом компании и в значительной степени отвечает за поиск спонсоров и инвесторов, и Илья Суцкевер (Ilya Sutskever), руководящий именно разработками.

По некоторым данным, Олтман считает, что прогресс хорош сам по себе и готов коммерциализировать все, что можно коммерциализировать. Суцкевер же, наоборот, считается сторонником максимально осторожного, консервативного (в позитивном смысле) подхода, когда любой коммерциализации разработки должно предшествовать глубокое изучение возможных последствий.

По данным источников Reuters, конфликт внутри компании зрел давно, и его пиком стало краткосрочное увольнение Олтмана, причем Суцкевер играл в этом значительную роль. Впрочем, он вскоре заявил, что весьма сожалеет о своих действиях и действиях совета директоров. После того, как Олтман вернулся, стало известно о самороспуске и переучреждении совета директоров OpenAI.

Что было в письме
В материале Reuters утверждается, что копию письма правлению от исследователей журналистам получить не удалось, а его предполагаемые авторы на запрос комментария решили не отвечать.

В пресс-службе OpenAI также предпочли отказаться от комментариев. Правда, потом сотрудникам компании было разослано внутреннее письмо, где руководство компании признало существование некоего проекта Q* (или Q-Star).

Некоторые сотрудники OpenAI полагают, что речь идет о проекте общего искусственного интеллекта (artificial general intelligence - AGI).

Обычно под таким интеллектом понимается машина, способная понимать окружающую среду и мир в целом, так же как человек, и обладающая таким же потенциалом, чтобы научиться выполнять самый широкий спектр различных задач.

OpenAI определяет AGI как автономную систему, которая превосходит человека в выполнении большинства экономически значимых задач.

Они действительно сделали это?
Один из источников Reuters из числа сотрудников OpenAI, говоривший на условиях анонимности, новая модель смогла решить определенные «математические проблемы». И хотя машина производила собственно математические вычисления на уровне «учеников начальной школы», однако успешное выполнение и таких тестов вселило в исследователей большой оптимизм в отношении будущего успеха Q*.

«По-видимому, речь шла не только об оптимизме: если изначальное письмо действительно было настолько алармистским, что привело к смене руководства компании, то опасения, вероятно, были чем-то оправданы», - полагает технический директор компании SEQ Алексей Водясов. Он считает, что в любом случае необходимо соблюдать предельную осторожность вне зависимости от того, удалось ли OpenAI реализовать полноценный AGI или речь идет только о каком-то шаге в этом направлении.

Математика - царица всех наук
Исследователи считают математику основным фронтиром генеративных ИИ. На сегодняшний день разработки вроде ChatGPT хорошо справляются с созданием и переводом текстов, статистически предсказывая следующее слово. Как следствие, ответы могут заметно различаться.

Однако что касается математики - где только один ответ на ту или иную задачу будет верным, - тут ИИ приходится демонстрировать способность к расширенному рассуждению по аналогии с человеческим разумом. А в отличие от калькулятора, ИИ должен уметь обобщать, учиться и понимать.

То, что с задачами новый ИИ справился хотя бы на уровне младшеклассника, означает, что открылись новые перспективы. Но исследователи видят в этом и угрозу - ту самую, которая нередко описывается в фантастике: машины приходят к выводу, что люди им больше не нужны и что уничтожение человечества - в их интересах.

В своем письме эксперты также отметили потенциальную угрозу от проекта «ИИ-ученый» внутри OpenAI. Ее существование подтвердили сразу несколько источников. Группа исследовала возможности оптимизировать существующие ИИ-модели, научить их рассуждению и в итоге осуществлять полноценные научные исследования.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 

Появилось видео, снятое изнутри самого мощного ИИ-суперкомпьютера — xAI Colossus​

Сейчас там 100 000 ускорителей Nvidia H100​

Компания xAI Илона Маска сейчас владеет самым мощным ИИ-суперкомпьютером в мире. И в Сети появилось первое видео, снятое изнутри этой установки.
Для просмотра ссылки Войди или Зарегистрируйсяфото: ServeTheHome
На канале ServeTheHome вышло видео, демонстрирующее суперкомпьютер Colossus внутри. В видео довольно много технических подробностей, но касаются они далеко не всех компонентов.
Дело в том, что видео, как напрямую указано в его описании, спонсировалось компанией Supermicro, поэтому оно касается именно систем этой компании. Многие другие элементы показывать было запрещено.

Colossus выделяется не только своими характеристиками, но и невероятной скоростью постройки. Систему смонтировали всего за 122 дня, что намного быстрее, чем обычно для суперкомпьютеров. На момент записи Colossus располагал 100 000 ускорителей Nvidia H100, но как недавно заявлял Маск, в ближайшее время будут установлены ещё 50 000 таких же карт и 50 000 более новых Nvidia H200.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 

Reuters: ИИ-пузырь в Китае уже лопнул​

27.10.2026, 16:01

Переживавшие до недавнего времени взрывной рост акции китайских разработчиков ИИ в последние месяцы стремительно падают. С июля 2026 года технологический индекс Шанхайской биржи STAR50 обвалился на 40%, капитализация входящих в него компаний сократилась на $480 млрд. «Фондовый рынок превратился в безумный спекулятивный пузырь»,— цитирует агентство Для просмотра ссылки Войди или Зарегистрируйся фондового менеджера Дуна Баочжэня. И этот пузырь, по его словам, «сейчас лопается».
Ситуацию усугубляет то, что, по данным Goldman Sachs, на акции ИИ-компаний приходится 42% рыночной капитализации всех китайских компаний и 57% его торгового оборота.
Потери, пишет Reuters, затронули практически всех. Например, акции производителя роботов Unitree — компании, спрос на которую со стороны частных инвесторов при первичном размещении превысил предложение в 8 тыс. раз,— с момента начала торгов в августе подешевели вдвое. Бумаги производителя чипов CXMT за последний месяц потеряли в цене более четверти. Акции разработчиков чипов MetaX Integrated Circuits и Moore Threads Technology, которые в прошлом году во время выхода на биржу взлетели на 700% и 400% соответственно, с июля также упали в цене в два раза.
По словам экспертов, у падения акицй нет какой-то одной причины, свою роль сыграли несколько обстоятельств: высокие цены, налоговые обязательства, а также угроза того, что США или другие страны могут запретить использование китайского оборудования в центрах обработки данных.
При этом некоторые эксперты не видят в текущей распродаже катастрофы. К примеру, в обновленном списке рекомендаций, опубликованном Goldman Sachs в начале этого месяца, среди десятков китайских компаний в сфере искусственного интеллекта фигурируют Innolight и CXMT. В свою очередь, эксперт BNP Paribas Securities Уильям Браттон также отметил, что рынок предоставляет возможности для покупок.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 

Акции бигтехов подскочили после выборов в США — инвесторы увидели спасительный тормоз для ИИ-гонки​


Сегодня, 4 ноября 2026 года, акции крупнейших американских технологических компаний резко выросли на фоне результатов промежуточных выборов в Конгресс США. Инвесторы рассчитывают, что переход обеих палат Конгресса под контроль Демократической партии приведёт к замедлению расходов на ИИ и остановит бесконечное кредитование строительства новых ЦОД.

 Источник изображения: ИИ-генерация ChatGPT/3DNews

Источник изображения: ИИ-генерация ChatGPT/3DNews​

Обозначившаяся перспектива, которая начала проявлять себя ещё с раннего утра в США, оказалась неожиданно благоприятной для крупнейших технологических корпораций, которые в последние годы направляли сотни миллиардов долларов на расширение вычислительных мощностей. Эти деньги уходили на новые дата-центры и искусственный интеллект как в бездну. Кредитование ставило техногигантов в зависимое положение и оборачивалось снижением прибыли. Если это «безумие» остановить, как считают инвесторы и как показали сегодняшние биржевые торги, то акционеры останутся в выигрыше.
К полудню в США (к 20:00 по московскому времени) наибольший рост среди крупных компаний показали Amazon — около 8,3 % и Apple — почти 7 %. Акции Microsoft, Alphabet и MetaДля просмотра ссылки Войди или Зарегистрируйся подорожали на 2–7 %. По оценке Reuters, при сохранении динамики совокупная рыночная капитализация пяти компаний до закрытия биржи может увеличиться более чем на $750 млрд. Bloomberg ещё смелее в своих оценках, ожидая рост в районе $1 трлн. Одновременно акции операторов инфраструктуры искусственного интеллекта, включая Applied Digital и IREN, подешевели на 6–13 %. Инвесторы опасаются, что ограничения на строительство ЦОД осложнят реализацию их проектов, многие из которых финансируются за счёт заимствований.


Причина такой неоднозначной реакции заключается в масштабах инфраструктурных инвестиций. По оценкам аналитиков, крупнейшие технологические компании планируют направить на капитальные затраты более $740 млрд в 2026 году против примерно $400 млрд годом ранее. В частности, Amazon подтвердила прогноз капитальных затрат на уровне около $220 млрд за год, а Meta оценивает их в $135–145 млрд. При этом рост расходов сопровождается опасениями по поводу наличия свободных средств и необходимости привлекать дополнительное финансирование. Вместе с тем спрос на вычислительные мощности остаётся высоким, например, AWS сообщила о росте выручки на 39 % в третьем квартале 2026 года.
Особое значение для инвесторов имеет Техас, на который, по оценкам аналитиков, может приходиться около 25–30 % будущих мощностей американских ЦОД. Победившая на выборах губернатора штата демократ Джина Инохоса (Gina Hinojosa) выступает за мораторий на строительство новых центров обработки данных до введения дополнительных правил регулирования. Это создаёт неопределённость для проектов Microsoft, Google и MetaДля просмотра ссылки Войди или Зарегистрируйся, уже развивающих инфраструктуру в регионе. Впрочем, контроль над законодательным собранием Техаса остаётся у республиканцев, и ясности относительно способности вновь избранного губернатора остановить этот процесс нет.

Таким образом, фактический рост котировок отражает прежде всего изменение ожиданий инвесторов, а не сокращение уже объявленных инвестиционных программ. Предположение о том, что политическое давление приведёт к замедлению строительства ЦОД и уменьшению капитальных затрат технологических гигантов, пока остаётся лишь предположением. Более того, демократический контроль над Конгрессом сам по себе не означает автоматического введения общенационального запрета на строительство таких объектов. А ещё есть Китай, где занятые в сфере ИИ компании даже не думают останавливаться.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Китайские ИИ-гиганты выстроились за видеокартами Nvidia, но получат лишь 1 % от заказанного​


Китайские ИИ-разработчики ожидают получить лишь небольшую долю от общего объёма заказанных ими ускорителей Nvidia в течение следующих нескольких месяцев. Это связано с тем, что американская компания сосредоточена на расширении производства передовых ускорителей, а высокий спрос на них не позволяет увеличить поставки менее мощных видеокарт в КНР.

 Источник изображения: Nvidia

Источник изображения: Nvidia​

По данным источника, Alibaba Group Holding Ltd., Tencent Holdings Ltd., ByteDance Ltd. и другие китайские компании в сфере ИИ и облачных вычислений суммарно заказали около 6 млн профессиональных видеокарт Nvidia RTX Pro 5500. Однако, по прогнозам компаний, в течение следующих четырёх месяцев им удастся получить лишь несколько десятков тысяч ускорителей, или около 1 % от общего объёма заказов. При цене более $11 000 за видеокарту общая стоимость размещённых заказов в настоящее время оценивается примерно в $70 млрд.
Высокий спрос на эти ускорители со стороны китайских ИИ-разработчиков подчёркивает острую нехватку вычислительных мощностей для сферы ИИ внутри КНР. На это также указывает ограниченность возможностей местных производителей оборудования, несмотря на достигнутый ими технологический прогресс. Ограниченные поставки ускорителей усложнят задачу китайским компаниям, стремящимся догнать западных конкурентов в сфере ИИ.


Американские власти по-прежнему запрещают Nvidia поставлять в Китай свои передовые ускорители, однако видеокарты RTX Pro 5500 недостаточно мощные, чтобы подпадать под эти ограничения. Тем не менее в КНР этот продукт относится к числу лучших доступных ИИ-ускорителей. Местные производители, такие как Huawei Technologies Co. и T-Head (подразделение Alibaba), пока уступают американскому конкуренту по производительности и технологическим возможностям.
Китайские ИИ-разработчики рассчитывают, что первая партия из нескольких тысяч видеокарт RTX Pro 5500 будет поставлена к концу нынешнего года, а следующая партия, насчитывающая несколько десятков тысяч ускорителей, ожидается в феврале. Осведомлённый источник, пожелавший сохранить анонимность, сообщил, что на данный момент это единственные подтверждённые поставки.

По оценкам китайских ИИ-разработчиков, к концу 2027 года они могут получить около 700 тыс. ускорителей RTX Pro 5500. Такие ожидания связаны с наращиванием объёмов производства со стороны Nvidia. Однако фактические объёмы поставок могут измениться в зависимости от корректировки производственных мощностей американской компании.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Американские избиратели отклонили десятки проектов центров обработки данных, ориентированных на искусственный интеллект​

В 13 штатах 33 меры, ограничивающие строительство, уже одобрены: 70% населения выступают против расширения ИИ‑инфраструктуры​


В ходе ноябрьских межрегиональных выборов в 13 штатах 45 вопросов, касающихся строительства центров обработки данных, были вынесены на голосование. По данным комплекса местных и региональных инициатив, мораториев и референдумов в США, вынесенных на голосования "Data Centers on the Ballot" («Дата-центры на голосовании»), 33 меры, ограничивающие развитие ИИ‑центров, уже одобрены, ещё 6 находятся в стадии подсчёта голосов. Единственный отказ от инициативы был зафиксирован в Харвуде (Северная Дакота), где добавлен дополнительный процесс проверки для промышленных проектов, включая центры обработки данных.
В результате голосования в Пикау (Огайо) и Юконе (Оклахома) были отстранены мэр и два члена совета, которые ранее поддерживали запреты на центры обработки данных. Анализ 46 вопросов по 10 штатам показал, что все 33 ограничительные меры одобрены, а 11 из 13 положительных инициатив, разрешающих строительство, ожидают поражения.
Для просмотра ссылки Войди или Зарегистрируйся
Источник изображения: Grok Imagine

Несмотря на массовое сопротивление, влияние на уже запущенные проекты остаётся неясным. В США было принято более 300 локальных запретов на центры обработки данных, но только 3 из них, суммарно 2,3 ГВт мощности, были отложены. Ожидается, что к 2027 году в сети войдут 38 ГВт новых мощностей, а общий объём инвестиций в инфраструктуру достигнет $32 триллионов к 2050 году.
Президент США Дональд Трамп в рамках своей политики попытался смягчить влияние центров обработки данных, обязывая их выплачивать «энергетический дивиденд» местным сообществам и требуя от технологических компаний, губернаторов и коммунальных предприятий подписать «обещание о защите плательщиков тарифов». Однако эти меры не смогли изменить мнение избирателей, обеспокоенных ростом тарифов, шумовым загрязнением и другими негативными последствиями.
В ответ на ограничения OpenAI и Anthropic ускоряют поиск небольших проектов, мощностью 20–30 МВт, поскольку их гипер‑масштабные объекты, рассчитанные на гигаваттные мощности, сталкиваются с задержками.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Акции чипмейкеров и операторов дата-центров обрушились после победы демократов на выборах в США​


Американский технологический сектор столкнулся с масштабной распродажей акций на фоне опасений, что победа демократов на промежуточных выборах в США приведёт к ужесточению контроля за строительством дата-центров и замедлит развитие ИИ-инфраструктуры. Инвесторы также стали сомневаться, насколько оправданными окажутся огромные расходы технологических компаний на развитие ИИ.

 Источник изображения: Winston Chen/Unsplash

Источник изображения: Winston Chen/Unsplash​

По данным Reuters, индекс Nasdaq 100 за торговую сессию 5 ноября снизился на 4,5 %, поставив под угрозу около $1,8 трлн совокупной рыночной стоимости входящих в него компаний. Индекс полупроводников Philadelphia Semiconductor (SOX) потерял 8,4 % и опустился до минимального уровня более чем за шесть месяцев. Среди крупнейших компаний отрасли заметно подешевели акции Nvidia и Broadcom.
Одной из причин распродажи стали опасения относительно дальнейшего развития американской инфраструктуры для искусственного интеллекта. После победы демократов, получивших контроль над обеими палатами Конгресса, инвесторы стали ожидать более пристального внимания властей к строительству дата-центров. Дополнительным фактором выступило недовольство местных жителей появлением новых объектов, которые требуют значительных объёмов электроэнергии и другой инфраструктуры. По оценке аналитиков UBS, около 30 % запланированного увеличения мощностей американских дата-центров к 2028 году может оказаться под угрозой из-за возможной приостановки строительства.


Сильнее всего пострадали компании, непосредственно связанные с развитием ИИ-инфраструктуры. Акции оператора облачных вычислений CoreWeave подешевели на 12 %, а Nebius — на 15,2 %. Бумаги Applied Digital, Cipher Digital и IREN потеряли более 14 % каждая. Давление распространилось также на поставщиков оборудования и электроэнергии для дата-центров: GE Vernova подешевела примерно на 6 %, а Constellation Energy на 3 %. Акции Amazon и Alphabet снизились соответственно на 2,5 % и 1,4 %.
Bloomberg, в свою очередь, обращает внимание на более масштабное перераспределение капитала между рынками. На предварительных торгах фьючерсы на Nasdaq 100 снизились на 0,8 %, тогда как контракты на S&P 500 прибавили 0,1 %. Биржевой фонд, отслеживающий акции американских производителей чипов, потерял почти 4 %. При этом европейский индекс Stoxx 600 превысил предыдущий рекорд закрытия, а в Азии ситуация оказалась неоднозначной: на фоне роста отдельных региональных рынков акции Samsung Electronics и SK hynix, двух крупных южнокорейских производителей памяти, подешевели более чем на 7 %.
Участники рынка связывают происходящее не только с политическими изменениями в США, но и с переоценкой перспектив ИИ-бизнеса. Инвесторы всё чаще стали задаваться вопросом, смогут ли технологические компании оправдать масштабные капитальные затраты на строительство дата-центров и закупку оборудования достаточной прибылью. На этом фоне часть капитала стала перемещаться в другие отрасли и регионы, которые могут выиграть от замедления роста расходов на ИИ, снижения цен на энергоносители и изменения экономической политики США.

Дополнительное давление на полупроводниковый сектор оказали финансовые результаты Qualcomm. Компания потеряла около 12 % рыночной стоимости после публикации прогноза, который разочаровал инвесторов. Производитель также сообщил о более слабых, чем ожидалось, продажах чипов для смартфонов за квартал. В итоге, распродажа затронула не только компании, связанные с инфраструктурой искусственного интеллекта, но и производителей мобильных процессоров.

Источник Для просмотра ссылки Войди или Зарегистрируйся

В Гонконге застряли 600 тыс. ускорителей Nvidia H200 — Китай не хочет пускать к себе чипы конкурентов​



В Гонконге скопилось около 600 тыс. передовых чипов Nvidia для искусственного интеллекта, ожидающих отправки в материковый Китай. Пекин пока не даёт разрешения на их масштабный импорт, несмотря на высокий спрос со стороны местных технологических компаний.

 Источник изображения: Nvidia

Источник изображения: Nvidia​

По данным источников издания Reuters, объём скопившихся на складах ускорителей отражает дилемму, с которой столкнулось правительство Китая. С одной стороны, Пекин стремится снизить стратегическую зависимость от американских технологий. С другой стороны, ведущие технические компании Китая остро нуждаются в решениях Nvidia, поскольку китайские аналоги пока не способны сравниться с ними по производительности при обучении масштабных нейросетей, особенно в связке с экосистемой программного обеспечения CUDA.
Отмечается, что правительство Китая всё же разрешило точечный импорт оборудования. Несколько крупнейших интернет-компаний страны получили около 10 тыс. чипов H200 каждая. Согласно данным инсайдеров, общие квоты на импорт американских ИИ-процессоров жёстко ограничены Пекином на уровне до 200 тыс. единиц. При этом Пекин настаивает на том, чтобы компании отдавали приоритет китайским процессорам для задач инференса (запуска уже обученных моделей ИИ).


Министерство промышленности и информатизации КНР, а также Государственный комитет по развитию и реформам не ответили на просьбы Reuters о комментариях. Аналогичным образом поступили представители Nvidia и китайских технологических компаний Alibaba, ByteDance, DeepSeek и Tencent, к которым обратились журналисты.
С 2022 года США ввели экспортный контроль, призванный ограничить доступ Китая к передовым чипам Nvidia и оборудованию, необходимому для их производства. Из-за ограничений на официальные поставки китайские покупатели вынуждены обращаться к посредникам и использовать обходные пути, что привело к росту цен на неофициальном рынке.
Искусственный дефицит спровоцировал резкий рост цен на сером рынке материкового Китая. К концу октября 2026 года стоимость стандартного сервера на базе восьми ускорителей H200 достигла 6 млн юаней (около $900 тыс.), что в три раза превышает цену аналогичного оборудования годом ранее. Серверы на базе новейших чипов Nvidia серии Blackwell, подпадающих под действие экспортного контроля США, предлагались по цене более 20 млн юаней (около $2,8 млн) за штуку.

Чтобы обойти жесткие лимиты на поставку передовых ускорителей, китайские технологические гиганты переориентировались на массовую закупку менее производительных решений, формально проходящих под экспортные стандарты США. Так, ByteDance, Alibaba и Tencent разместили заказы на покупку более 3 млн графических ускорителей Nvidia RTX Pro 5500. Общая стоимость этого контракта превышает $35 млрд.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Китай ударил по мировому производству ИИ-чипов, устроив дефицит крошечных свёрл​



Введённые Китаем экспортные ограничения на критически важные металлы привели к перебоям в поставках микросвёрл — эти инструменты используются в цепочке производства чипов для систем искусственного интеллекта. Это очередной пример того, как геополитическая напряжённость отражается на мировой технологической отрасли.
 Источник изображения: topoint.tw

Источник изображения: topoint.tw​

Китайские ограничения на экспорт вольфрама ударили по перерабатывающим предприятиям в Японии, на Тайване, в США, Европе и привели к многократному росту цен на микросвёрла. Микросвёрла напоминают крошечные иглы и изготавливаются преимущественно из карбида вольфрама — они используются для создания микроотверстий в печатных платах и подложках для чипов, обеспечить соединения между различными слоями.
Печатные платы и подложки для чипов становятся всё более сложными: увеличивается число слоёв, используются более твёрдые материалы, ужесточаются требования к точности — по мере всего этого растёт спрос на микросвёрла. К числу ведущих поставщиков высококачественных материалов на основе карбида вольфрама, используемых для производства высокоточных режущих инструментов, относятся японские Sumitomo Electric Industries, Kyocera и Mitsubishi Materials, американская Kennametal и шведская Sandvik. Все они зависят от доминирующего положения Китая в мировой цепочке поставок вольфрама, включая производство вольфрамовых материалов и порошков.


Японская Union Tool и тайваньская Topoint отмечают высокий спрос на свои микросвёрла и сталкиваются с повышением цен на материалы, необходимые для их производства. За счёт доступа к недорогим источникам вольфрама китайские Guangdong Dtech Technology и Shenzhen Jinzhou Precision Technology нарастили долю на рынке. Dtech отчиталась о рекордной выручке в период с июля по сентябрь: объём продаж вырос почти на 180 %, чистая прибыль — более чем на 280 %. Выступающая ведущим поставщиком карбида вольфрама в стране China Tungsten and Hightech Materials сообщила о росте выручки на 85 % год к году за первые три квартала.
Китай занимает первое место в мире по запасам этого элемента — на его долю пришлись около 79 % мирового объёма производства. Среди поставщиков, значительно менее крупных, значатся также Вьетнам, Казахстан, КНДР, Австралия и Австрия. Некоторые страны активизируют усилия по наращиванию добычи вольфрама, чтобы выступить альтернативой китайским поставкам.
В начале минувшего года Китай ввёл экспортные ограничения на ряд связанных с вольфрамом материалов, а также на висмут и молибден — также важные металлы. Стоимость паравольфрамата аммония — промежуточного продукта переработки вольфрама, который выступает эталоном для ценообразования, — выросла с 212 750 юаней ($31 891) за тонну в феврале 2025 года до более чем 530 000 юаней ($79 447) на текущей неделе. За пределами страны ценник может быть втрое выше — от 1,5 млн ($224 850) до $1,8 млн юаней ($269 820), рассказали в отрасли. Чтобы обходить экспортные ограничения, производителям продукции приходится активнее использовать китайские материалы и цепочки поставок вплоть до организации производства в стране.

Ранее китайские ограничения замедлили таможенное оформление некоторых компонентов на основе германия и кварца, предназначенных для Тайваня. Это привело к перебоям в поставках ключевых материалов, используемых в аэрокосмической и оптической отраслях.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Google запустила более дешёвый ИИ-генератор видео: Gemini Omni 1.2 Flash создаёт 15-секундные ролики и редактирует их без перегенерации​



Компания Google объявила о запуске ИИ-модели Gemini Omni 1.2 Flash, которая предназначена для генерации видео. Обновлённый алгоритм может создавать ролики продолжительностью до 15 секунд, лучше следует текстовым подсказкам и поддерживает возможность редактирования созданных видео. В дополнение к этому на 30 % снизилась стоимость взаимодействия с ИИ-моделью по сравнению с Gemini Omni 1.1: $0,07 за секунду видео с разрешением 720p.
 Источник изображения: Google

Источник изображения: Google​

Помимо снижения цены генерации, оптимизировать расходы помогает сам процесс взаимодействия с Gemini Omni 1.2 Flash. Пользователь может быстро создать черновик видео в качестве 360p или 720p, затем внести точечные корректировки с помощью текстовых запросов (вместо того, чтобы генерировать весь ролик заново), а после этого создать финальную версию ролика в формате 1080p или 4K.
Gemini Omni 1.2 Flash поддерживает создание роликов продолжительностью до 15 секунд, тогда как Gemini Omni 1.1 позволяла создавать 10-секундные видео. Длительность видео можно задать с шагом в 1 секунду — от 3 до 15 секунд. Такой подход позволяет создавать, например, полноценные рекламные ролики, обзоры продуктов и др.


В процессе редактирования пользователь может направлять ИИ-модель в нужном ему направлении, комбинируя изображения персонажей, продуктов или стилей, фрагменты движений продолжительностью до 3 секунд и аудиоподсказки. Лица персонажей, их одежда, изображения на упаковках товаров и цвета сохраняют согласованность при смене ракурсов в течение всего ролика.
Разработчики добились уменьшения «визуального дрейфа», за счёт чего нейросеть лучше сохраняет узнаваемость персонажей, объектов и сцен от первого до последнего кадра. Один и тот же ролик можно дорабатывать шаг за шагом. К примеру, можно заменить какой-либо объект или фон, поменять освещение или погоду, соотношение сторон. Многошаговое диалоговое редактирование доступно для 15-секундных видео, благодаря чему проще создавать рекламные ролики для разной аудитории или разных регионов без необходимости генерировать видео с нуля.

При необходимости можно сгенерировать видео с более плавным и естественным звучанием диалогов, более чёткой синхронизацией губ и раздельной настройкой для всех говорящих. Реализована возможность задать непрерывное движение камеры с учётом строгой согласованности кадров. Персонажи, текст и движения камеры остаются согласованными на протяжении всего видео, в нескольких итерациях и при переходах.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 
Последнее редактирование:

ИИ-модель Миры Мурати на 594 млрд параметров вошла в тройку лучших и обошла многие известные модели в рейтинге генерации сайтов и интерфейсов​

Inkling 2 Small от Thinking Machines Lab набрала 1340 баллов в рейтинге DesignArena, уступив только двум моделям Muse​


Inkling 2 Small — мультимодальная модель, которая работает с текстом и изображениями. Её архитектура Mixture of Experts (MoE, «смесь экспертов») позволяет задействовать только часть параметров для каждого запроса. Это снижает вычислительную нагрузку по сравнению с моделью, в которой одновременно работают все параметры, хотя общий объём весов всё равно требует значительных ресурсов. Модель также поддерживает настройку глубины рассуждений.
В рейтинге DesignArena от 5 ноября Inkling 2 Small заняла 3-е место в категории создания сайтов с результатом 1340 баллов. Выше оказались Muse Wonder с 1366 баллами и Muse Spark 1.3 с 1351 баллом. Среди других моделей в списке — GPT-6 Astra, Kimi K3 и Claude Opus 5.5. В индексе Artificial Analysis Intelligence Index модель получила 30,6 балла — заметно больше, чем предыдущие версии Inkling.
ИИ-модель Миры Мурати на 594 млрд параметров вошла в тройку лучших и обошла многие известные модели в рейтинге генерации сайтов и интерфейсов

Источник изображения: Thinking Machines Lab
Одна из особенностей Inkling 2 Small — использование визуальной обратной связи при программировании. Модель может создавать сайты, игры и трёхмерные проекты, анализировать изображения получившегося результата и вносить исправления. В ходе обучения её также тренировали на продолжительных задачах разработки ПО, включая работу с реальными репозиториями, оптимизацию графических процессоров и самостоятельное обучение других моделей.
Сейчас Inkling 2 Small доступна через платформу Tinker для запуска и дообучения, но её веса пока закрыты. Thinking Machines Lab намерена опубликовать их под лицензией Apache 2.0 на следующей неделе, после завершения внешних проверок безопасности и испытаний на устойчивость к попыткам обойти ограничения. До этого момента разработчики оставляют доступ к модели через собственную инфраструктуру.

Источник Для просмотра ссылки Войди или Зарегистрируйся

OpenAI привлекла $11 миллиардов при оценке в 1,25 триллиона​

Компания рассчитывает увеличить объём раунда до $20 млрд, хотя первоначально планировала получить более $30 млрд при оценке в $1,4 трлн​


OpenAI завершила первый транш нового раунда финансирования, получив от инвесторов $11 млрд при оценке компании в $1,25 трлн. В ближайшие недели объём привлечённых средств может увеличиться до $20 млрд. По данным Bloomberg, сделка закрепила за разработчиком ChatGPT оценку, заметно превышающую мартовские $852 млрд.
Первоначально OpenAI рассчитывала привлечь более $30 млрд при оценке в $1,4 трлн. Однако компания пересмотрела планы после переноса сроков выхода на биржу (IPO) и общего спада на технологическом рынке.

Инвесторы стали осторожнее относиться к вложениям в ИИ-компании на фоне растущих расходов на вычислительную инфраструктуру. Дополнительную неопределённость создают возможные политические ограничения на строительство дата-центров в США. Их появление связывают с результатами промежуточных выборов в стране.
Несмотря на сокращение первоначальных планов по привлечению средств, оценка OpenAI продолжила расти: за 8 месяцев она увеличилась с $852 млрд до $1,25 трлн. Новый раунд финансирования должен обеспечить компании дополнительные средства для развития, однако его окончательный объём пока не определён.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Nvidia ищет следы контрабанды — будущих партнёров в Азии обяжут подключить мониторинг чипов​



Nvidia ужесточила условия получения статуса официального облачного партнёра в Юго-Восточной Азии. Как сообщает Bloomberg со ссылкой на осведомлённые источники, теперь претендентам на этот статус нужно подключиться к системе Fleet Intelligence, которая, помимо прочего, позволяет определять местоположение ИИ-ускорителей. Nvidia рассчитывает таким образом расширить охват программы, которая может помочь выявлять незаконные поставки чипов в Китай.
 Источник изображений: Nvidia

Источник изображений: Nvidia​

Статус Nvidia Cloud Partner (NCP) востребован среди провайдеров облачных ИИ-вычислений: он служит своего рода знаком качества и даёт приоритетный доступ к ускорителям Nvidia. Компания использует эти преимущества, чтобы побудить операторов подключаться к Fleet Intelligence. Для тех, кто не претендует на партнёрский статус, участие остаётся добровольным. Nvidia не уточнила, придётся ли подключаться к системе действующим партнёрам, чтобы сохранить свои привилегии, и появится ли такое требование за пределами Юго-Восточной Азии.
Nvidia анонсировала разработку системы в декабре 2025 года, а в мае 2026-го представила её под названием Fleet Intelligence. Прежде всего это инструмент для операторов ЦОД: он собирает данные о загрузке, энергопотреблении и состоянии ускорителей. Система также позволяет определять, где установлено оборудование, но по умолчанию участники не обязаны передавать сведения о его местоположении ни Nvidia, ни властям США. Как ранее пояснил представитель компании, если эти данные понадобятся американским регуляторам, им придётся обращаться к самим пользователям системы.


Юго-Восточная Азия давно служит перевалочным пунктом для товаров, подпадающих под экспортные ограничения. Для поставок передовых ускорителей Nvidia китайским компаниям, как правило, нужна американская лицензия. Тем не менее, по оценке властей США, китайским фирмам удалось получить такое оборудование на миллиарды долларов, главным образом через контрабандные каналы в Юго-Восточной Азии. Некоторые американские чиновники считают, что Nvidia не обращала должного внимания на признаки обхода ограничений. В компании отвечают, что соблюдают закон, а выявлять нарушителей должны государственные органы.
Показательный пример — сингапурская Megaspeed International, деятельность которой уже больше года расследуют в США и Сингапуре. Сама компания отрицает нарушения. На прошлой неделе глава Nvidia Дженсен Хуанг (Jensen Huang) заявил, что компания проверила, где Megaspeed разместила её ускорители, и пересчитала каждый из них. Ранее Nvidia сообщала, что установила местонахождение почти всего поставленного оборудования. Между тем арендодатель, предоставлявший площадку для основного вычислительного узла Megaspeed, расторг договор, а два других оператора ЦОД в регионе оспорили сведения Nvidia о том, где находились чипы. Проводила ли компания дополнительные проверки, её представитель не уточнил.
Для просмотра ссылки Войди или Зарегистрируйся​

Fleet Intelligence — не единственная мера Nvidia. Ранее в этом году компания сократила примерно вдвое собственный список азиатских покупателей, одобренных для закупок ИИ-ускорителей. Кроме того, по данным Financial Times, Nvidia потребовала, чтобы облачные провайдеры по новым контрактам предоставляли не менее 51 % своих услуг некитайским компаниям. Действующих договоров это условие не касается. При этом американские правила в целом позволяют китайским компаниям пользоваться ускорителями, которые принадлежат зарубежным операторам и размещены за пределами Китая.

Источник Для просмотра ссылки Войди или Зарегистрируйся


Tencent создала ИИ, который умеет работать в CAD и Blender без постоянных подсказок​


Tencent показала Hy4: ИИ управляет приложениями и работает в Blender и CAD


Китайская Tencent представила нейросеть Hy4, которая умеет самостоятельно управлять компьютером, работать с профессиональными программами и решать сложные задачи. Разработчики заявляют, что новинка вошла в число сильнейших открытых ИИ-моделей, причём особое внимание уделили её безопасности.
Hy4 получила функции визуального анализа, которых не было в предварительной версии. Нейросеть распознаёт детали изображений, разбирается в сложных графиках и решает математические задачи с визуальными элементами. Разработчики также улучшили понимание длинных документов, выполнение инструкций и способность последовательно решать многоэтапные задачи без постоянного вмешательства человека.
Одним из главных нововведений стала функция Computer Use. Hy4 может взаимодействовать с командной строкой и графическими интерфейсами, управляя приложениями для выполнения поручений. Tencent специально обучала модель работе с Blender и CAD-системами, чтобы нейросеть могла создавать трёхмерные сцены, выполнять проектные операции и переключаться между программами.
Основой Hy4 стала архитектура Mixture-of-Experts с 770 миллиардами параметров, из которых при обработке каждого токена активируются 49 миллиардов. Такой подход позволяет задействовать только часть нейросети. Контекстное окно предварительной версии достигает миллиона токенов, что помогает работать с крупными документами и продолжительными диалогами.

В корпоративных испытаниях WorkBuddy модель набрала 83,18 балла при доле успешно выполненных заданий 96,15%. Hy4 заняла первое место в девяти из двенадцати сценариев на китайском рынке. Отдельное слепое тестирование с участием 213 финансовых специалистов охватило 579 практических задач. Результат Hy4 составил 3,04 балла против 2,97 у DeepSeek-V4.1-Flash-1017.
Особое внимание Tencent уделила кибербезопасности. При обучении модель получала материалы по защитным задачам, поиску уязвимостей и подготовке исправлений. Разработчики исключили наступательные материалы, предназначенные для эксплуатации слабых мест. При этом нейросеть знакома с обратной разработкой и тестированием на проникновение.
Специалисты Xuanwu Lab и Keen Security Lab проверили возможности Hy4 в анализе исполняемых файлов, работе с криптографией и эксплуатации уязвимостей. По оценке Tencent, тесты не выявили существенных рисков, связанных с наступательными возможностями модели. Биологические способности также оценили отдельно, обнаружив ограничения при планировании сложных экспериментов.
Компания объявила, что вскоре опубликует веса Hy4 и документацию по безопасности. Пока новая версия доступна через облачные сервисы и приложения Tencent, а открытыми остаются веса Hy4 Preview. Стоимость API составляет $2,70 за миллион выходных токенов. До 15 ноября WorkBuddy и CodeBuddy доступны бесплатно.
Hy4 также развивается в направлении самостоятельного совершенствования ИИ. С помощью системы Hyra 2.0 модель помогла оптимизировать инфраструктуру обучения меньших нейросетей. Ранее Tencent уже выпускала открытые модели Hunyuan для машинного перевода, а теперь расширяет семейство инструментами для программирования, научных исследований и офисной работы.

Источник Для просмотра ссылки Войди или Зарегистрируйся

TSMC не хочет заниматься памятью, даже если просит Nvidia — компания ответила на слухи о выпуске DRAM​



Ранее появилась информация, что TSMC по просьбе Nvidia изучает возможность наладить производство памяти типа 3D DRAM. Интерес к этой технологии возник на фоне роста спроса на оборудование для систем искусственного интеллекта, что привело к мировому дефициту и росту цен на DRAM. Реализация проекта помогла бы TSMC открыть новое направление бизнеса и существенно укрепить своё положение в цепочке поставок для отрасли ИИ. Но в компании подчеркнули, что специализируются исключительно на производстве логических чипов и намерены придерживаться этой стратегии, то есть, по сути, опровергли эту информацию.
 Источник изображений: tsmc.com

Источник изображений: tsmc.com​

«Хотим подчеркнуть, что TSMC всегда фокусируется на своём основном виде деятельности — контрактном производстве интегральных схем. Наша миссия — в долгосрочной перспективе оставаться надёжным технологическим партнёром и поставщиком производственных мощностей для мировой отрасли логических микросхем», — заявили в компании ресурсу Tom's Hardware. Ранее издание The Information со ссылкой на два источника сообщило, что в ответ на запрос Nvidia, своего крупнейшего клиента, TSMC всё же начала подготовку к производству 3D DRAM. Курирует новый проект, предположительно, Сюй Го-цинь (Hsu Kuo-chin) — вице-президент TSMC, отвечающий за передовые технологии упаковки, который ранее возглавлял тайваньское подразделение Micron.
На мировом рынке обозначился повсеместный дефицит чипов памяти — она превратилась из рядового товара в стратегически важный ресурс, от наличия которого зависит, способна ли та или иная компания поставлять свою продукцию конечным потребителям. TSMC тесно сотрудничает с производителями DRAM и интегрирует кристаллы памяти в «системы в корпусе» (SiP), но у неё нет ни опыта, ни производственных мощностей для выпуска самой DRAM, не говоря уже о более сложной технологии 3D DRAM. От серийного выпуска последней сейчас далеки даже ведущие производители памяти, и реализация подобной стратегии не смогла бы решить проблему дефицита памяти как минимум в ближайшие пять лет.


В отличие от традиционной DRAM, где ячейки памяти располагаются в одной плоскости, 3D DRAM предполагает их размещение на нескольких уровнях по вертикали, что позволяет увеличить ёмкость в расчёте на одну кремниевую пластину. Собственные разработки в области 3D DRAM сейчас ведут все три мировых лидера рынка памяти: Micron, Samsung и SK hynix. Стратегия Micron в области DRAM, в частности, предполагает развёртывание ещё как минимум четырёх поколений планарных техпроцессов, прежде чем начать выпуск 3D DRAM.
TSMC обладает лучшими в отрасли технологиями производства логических чипов, но выпуск DRAM потребует совершенно новых производственных процессов, и их пришлось бы разрабатывать с нуля, если бы компания действительно решила наладить производство памяти для своих клиентов. Создание 3D DRAM требует принципиально иных методов изготовления: требуется сформировать несколько слоёв ячеек памяти, обеспечив контроль над дефектами и приемлемый уровень выхода годных изделий. Не располагая конкурентоспособной технологией изготовления планарных DRAM, разработать технологический процесс 3D DRAM практически невозможно, а у TSMC такой технологии нет.
Компания могла бы приобрести небольшого производителя памяти, обладающего собственными производственными мощностями, и открыть реальный путь к выпуску передовой DRAM, не разрабатывая решений с нуля. Но у небольших компаний, как правило, отсутствуют передовые техпроцессы для массового производства DRAM, так что TSMC всё равно пришлось бы вложить миллиарды долларов и потратить годы на исследования и разработку для создания современной технологии производства такой памяти.
Выход в сегмент DRAM был бы сопряжён для TSMC со значительными рисками. Из-за дефицита памяти производители начинают наращивать выпуск, что в итоге приводит к избытку предложения, падению цен и снижению прибыльности. Это может осложнить и отношения компании с партнёрами — в частности, со SK hynix, для которой TSMC выпускает логические кристаллы для памяти HBM.
Наконец, это грозит возникновением вопросов у регулирующих органов: компания уже занимает доминирующее положение в области производства логических чипов и передовой упаковки. Регуляторы могут инициировать проверку, не позволит ли TSMC вертикальная интеграция с производством памяти отдавать предпочтение собственной продукции в ущерб не располагающим такой вертикальной интеграцией конкурентам. С другой стороны, этот шаг мог бы усилить конкуренцию в сегменте DRAM, где сейчас доминируют всего три компании.

В действительности TSMC не обязана производить DRAM, чтобы заработать на спросе на передовую память — ей хватило бы производства сложной логики для HBM, интеграции памяти с процессорами с помощью гибридного соединения SoIC, разработки индивидуальных решений с такими партнёрами, как GUC, и признанными производителями DRAM. TSMC вполне способна расширить своё присутствие на рынке передовой памяти, не вкладывая миллиардов в разработку конкурентоспособных технологий выпуска DRAM или десятков миллиардов — в создание дополнительных производств.

Источник Для просмотра ссылки Войди или Зарегистрируйся

NVIDIA научила нейросети создавать целые миры, в которых роботы могут жить и ошибаться​




Теперь можно создать пробку, дождь и ночную трассу одной командой.

NVIDIA представила четыре специализированные модели Cosmos 3 Nano для создания виртуальных миров, в которых беспилотные автомобили и роботы могут взаимодействовать с окружением. Новые разработки позволяют проверять поведение автономных систем без испытаний на реальной технике.
Главная особенность новых моделей заключается в способности изменять виртуальную обстановку в зависимости от действий машины. Если беспилотник поворачивает руль, симуляция должна показать, как меняется вид из камер и показания датчиков. Роботизированная рука может перемещать предметы, а система генерирует последующие кадры с учётом выполненных движений. Подобная обратная связь позволяет испытывать алгоритмы управления в интерактивной среде.
Все четыре разработки основаны на Cosmos 3 Nano и содержат по 16 млрд обучаемых параметров. NVIDIA специализировала их для разных задач, поскольку создание дорожных сценариев и моделирование движений робота требуют различных входных данных. Вместо универсального видеогенератора разработчики получают готовые варианты для конкретных типов симуляций, которые можно дополнительно обучать на собственных материалах.
Первая модель, Cosmos3-Nano-Transfer-Auto, предназначена для создания искусственных дорожных сцен. Система одновременно генерирует изображения с 11 камер, включая широкоугольные объективы типа «рыбий глаз», и поддерживает данные LiDAR. Лидар измеряет расстояния с помощью лазерных импульсов и помогает автомобилю определять расположение окружающих объектов. В симуляции показания камер и лидара должны соответствовать одной дорожной обстановке.

Разработчики задают расположение полос, дорожную разметку, объекты и движение транспорта через специальные карты сценариев World Scenario Map. Текстовые команды позволяют менять погоду, освещение и время суток, сохраняя структуру дороги и заданные траектории. Например, одну поездку можно воспроизвести солнечным днём, ночью или под дождём. Подобные вариации нужны для обучения и проверки алгоритмов, которым сложно показать все опасные условия на реальных дорогах.
Вторая версия, Cosmos3-Nano-Sim-Auto, рассчитана на интерактивное моделирование движения. В отличие от Transfer-Auto, создающей подготовленные последовательности кадров, Sim-Auto генерирует изображение небольшими фрагментами и учитывает предыдущие результаты. После каждого действия система управления получает новые виртуальные показания камер и лидара, принимает решение и передаёт его симулятору. Для полноценной работы такого цикла требуется отдельная среда, обновляющая дорожный сценарий.
Третья модель, Cosmos3-Nano-Sim-Transfer, решает другую задачу. Она превращает упрощённое представление виртуальной сцены в реалистичное цветное видео. На вход можно подавать карты глубины, границы объектов, контуры или размытые изображения вместе с текстовым описанием. Например, физический симулятор рассчитывает перемещение робота и столкновения предметов, а нейросеть создаёт соответствующую картинку с нужными материалами, освещением и фоном.
Такой подход разделяет физические расчёты и визуализацию. За положение предметов и их движение отвечает обычный симулятор, а Cosmos формирует изображения, которые увидит система компьютерного зрения. Разработчики могут менять внешний вид помещения или освещение, не перестраивая физическую модель. Одновременно сохраняется возможность использовать точные координаты и другие параметры, рассчитанные симулятором.
Четвёртая разработка, Cosmos3-Nano-Sim-Bimanual, предназначена для роботов с двумя манипуляторами. Модель прогнозирует, как изменится изображение после движения рук, захватов или камеры. Поддерживаются роботизированные платформы YAM и AgiBot, а действия могут задавать алгоритмы управления либо человек с помощью джойстиков. Разработчик начинает с изображения сцены, передаёт последовательность команд и получает видео предполагаемых последствий.
В демонстрационном варианте Sim-Bimanual использует 59 управляющих значений, описывающих движения и состояние системы. При обучении их число дополняли до 64. Формат учитывает системы координат, углы поворота, параметры захватов и признаки корректности команд. Благодаря этому модель может связывать изменения изображения с конкретными движениями манипуляторов, а не просто создавать визуально похожую последовательность кадров.
В основе новых разработок лежат модели мира, которые учатся прогнозировать изменение окружающей среды. В архитектуре Cosmos 3 используются два взаимосвязанных трансформерных компонента для обработки информации и генерации изображений. Нейросеть создаёт последовательность кадров, постепенно уточняя их внутреннее представление с учётом команд управления и уже сформированной истории.
Для ускорения интерактивной генерации NVIDIA применяет многоэтапное обучение. Сначала модель осваивает связь между действиями и видеозаписями, затем учится предсказывать короткие фрагменты по предыдущим наблюдениям. На следующем этапе сокращается количество вычислительных шагов, необходимых для получения очередного кадра. Финальная стадия использует собственные результаты модели при обучении, чтобы уменьшить накопление ошибок в длинных последовательностях.
Последняя проблема особенно существенна для автономных машин. Если генератор немного ошибся в положении объекта, следующий кадр строится уже с учётом неправильной картины. При длительной симуляции отклонения могут накапливаться и искажать дальнейшие события. NVIDIA рассчитывает уменьшить подобные ошибки за счёт специальной процедуры обучения, однако компания признаёт, что достоверность виртуальных сценариев и пригодность моделей для оценки реальных алгоритмов ещё требуют проверки.
Веса всех четырёх моделей доступны на Hugging Face по лицензии OpenMDW 1.1, допускающей коммерческое и некоммерческое использование при соблюдении её условий. NVIDIA также опубликовала инструменты для запуска, дообучения и адаптации моделей к другим датчикам и роботизированным платформам. Для работы необходимы Linux, графические ускорители NVIDIA и соответствующее программное окружение. Например, конфигурацию Sim-Bimanual проверяли на GB200, но производитель не называет такой ускоритель обязательным минимумом.
Новые модели развивают семейство Cosmos 3, представленное 31 мая 2026 года. Базовая платформа объединяет обработку текста, изображений, видео, звуков и управляющих действий. NVIDIA предлагает использовать её для робототехники, автономного транспорта и промышленной автоматизации. Специализированные варианты показывают, как общую модель можно приспособить к конкретному оборудованию без разработки всей системы генерации с нуля.
Практическая ценность подхода зависит от того, насколько точно виртуальная среда воспроизводит реальные последствия действий. Правдоподобное видео само по себе не доказывает корректность физической симуляции. Для испытаний роботов и автомобилей разработчикам потребуется сравнивать результаты с измерениями настоящих датчиков и проверять поведение алгоритмов на независимых сценариях. Пока NVIDIA предлагает открытые инструменты для подобных экспериментов, а не подтверждённую замену натурным испытаниям.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 
Последнее редактирование:

Только одна стойка ускорителей Nvidia Kyber Ultra NVL576 будет потреблять 600 кВт мощности​

Где взять сколько энергии?​


Уже сейчас развитие рынка ИИ упирается в том числе в электроэнергию, а буквально со следующего года эта проблема может стать непреодолимым препятствием на пути развития отрасли. Дело в том, что всего одна стойка Kyber Ultra NVL576 будет потреблять 600 кВт мощности.
Kyber Ultra NVL576 — это стойка с 576 ускорителями Rubin Ultra. Соответствующее решение компания анонсировала в прошлом месяце, рассказав, что объединены ядра ускорителей будут посредством технологии Customer Performance Optic (CPO). До этого самой большой из анонсированных стоек была Kyber Ultra NVL144 со 144 ускорителями.

Согласно официальным характеристикам, Rubin Ultra NVL576 обеспечит производительность 15 exaFLOPS в области вычислений с плавающей запятой 4-го порядка (вывод данных) и 5 exaFLOPS в области вычислений с плавающей запятой 8-го порядка (обучение данных). Это в 14 раз больше, чем у Blackwell GB300 NVL72.
Однако это чудовище потребует 600 кВт мощности, что эквивалентно потреблению примерно 500 среднестатистических американских домов. Для сравнения, стойка с ускорителями Blackwell требовала около 120 кВт, а стойка поколения Hopper потребляла лишь 40 кВт.

И проблема тут уже не только в общем энергопотреблении ЦОД с такими стойками. Дело в том, что переоборудование существующих объектов для прямой подачи 600 кВт электроэнергии в отдельные стойки практически невозможно. Таким образом, соответствующие объекты придётся строить с нуля, что потребует ещё больших вложений.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 

Nvidia готовится отправить Хуанга в отставку — вскрылись детали второго романа​


Совет директоров Nvidia готовится отправить в отставку сооснователя и генерального директора компании Дженсена Хуанга (Jensen Huang) после раскрытия двух его внебрачных романов, один из которых — с предполагаемой китайской шпионкой. Об этом сообщает The Wall Street Journal со ссылкой на осведомлённые источники. По их словам, совет директоров готовился собраться уже сегодня, чтобы решить дальнейшую судьбу руководителя. Официально об отставке пока не объявлено.

 Источник изображения: New York Times

Источники изображений: New York Times​

Новый поворот в скандале связан с вскрывшимися отношениями Хуанга с сотрудницей Nvidia. WSJ подтверждает второй роман со ссылкой на собственный источник. Ранее о нём написала The New York Times, назвавшая имя женщины: это вице-президент Nvidia по направлению здравоохранения Кимберли Пауэлл (Kimberly Powell), которая подчиняется непосредственно Хуангу. NYT ссылается на пятерых человек, работавших в компании. Кроме того, Хуанга и Пауэлл сняли на видео в отеле Сан-Хосе в марте, когда проходила конференция Nvidia.
Кимберли Пауэлл работает в Nvidia с 2008 года и руководит направлениями, связанными с применением технологий компании в здравоохранении и высшем образовании, включая медицинскую визуализацию. В 2017 году она стала вице-президентом по здравоохранению и регулярно выступает на технологических конференциях от имени Nvidia.


 Кимберли Пауэлл

Кимберли Пауэлл​
Напомним, несколькими днями ранее, 8 ноября, 63-летний Хуанг признался сотрудникам в супружеской измене и извинился перед семьёй. Но тогда речь шла о его любовной связи с Элис Хуан (Alice Huang), руководительницей сингапурской Megaspeed — крупного заказчика Nvidia. Американские разведслужбы считают, что она работает на китайскую разведку.
После признания Хуанга совет директоров Nvidia инициировал независимое расследование сообщений о том, что он стал целью иностранных спецслужб. Тогда директора публично выразили доверие руководителю и его команде и заявили, что не видят оснований считать национальную безопасность США или секреты компании скомпрометированными. Сам Хуанг пообещал полностью сотрудничать с расследованием.
На фоне сообщений о возможной отставке руководителя акции Nvidia потеряли около 8 % на дополнительных торгах 11 ноября, продолжив снижение, начавшееся после объявления внутреннего расследования. Хуангу принадлежит около 3,6 % акций компании, однако особых прав голоса, обеспечивающих контроль над Nvidia, у него нет.
Возможная отставка Хуанга оставит Nvidia без очевидного преемника. Ему напрямую подчинялись около 60 руководителей, а сам он говорил, что не верит в планирование преемственности, предпочитая постоянную передачу знаний и информации между руководителями. Кто может занять его место, пока неизвестно. При этом Nvidia в документах для акционеров прямо предупреждает о высокой зависимости от своей многолетней команды управленцев и признаёт, что недостатки в подготовке преемников могут помешать реализации стратегии и долгосрочному успеху компании.

Тем временем расследования выходят за пределы внутренней проверки Nvidia. Министерство юстиции США ведёт несколько расследований, связанных с Элис Хуан. Megaspeed, где она работала, находилась под проверкой Министерства торговли ещё с конца 2024 года: компанию подозревали в перенаправлении в Китай части чипов Nvidia, предназначенных для ИИ-центров обработки данных в Юго-Восточной Азии.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Илон Маск и инвесторы встали на защиту главы Nvidia — без него США рискуют уступить Китаю​



Крупные инвесторы и предприниматели Кремниевой долины выступили в защиту генерального директора Nvidia Дженсена Хуанга (Jensen Huang) на фоне скандала вокруг его личной жизни и предполагаемых связей с китайской разведкой. Они считают, что возможный уход руководителя компании способен ослабить позиции США в мировой гонке искусственного интеллекта.
 Источник изображения: Nvidia

Источник изображения: Nvidia​

Представители технологического сообщества призывают отделять личные ошибки Хуанга от вопросов национальной безопасности. По их мнению, потеря руководителя Nvidia может обернуться для американской ИИ-индустрии более серьезными последствиями, чем сам скандал. При этом расследование обстоятельств его отношений продолжается.
Одним из первых Хуанга поддержал партнер венчурной компании Sequoia Capital Шон Магуайр (Shaun Maguire). Он назвал предпринимателя одним из выдающихся руководителей своего поколения и заявил, что тот незаменим для американского лидерства в сфере ИИ. Вскоре эту позицию поддержал Илон Маск (Elon Musk), согласившийся с публикацией Магуайра в соцсети X.


Миллиардер и управляющий хедж-фондом Pershing Square Билл Экман (Bill Ackman) также призвал поддержать Хуанга и его семью. Он положительно оценил решение главы Nvidia признать свою ошибку и взять на себя ответственность. Позднее Экман уточнил, что поддержка предпринимателя не означает освобождения от возможных последствий его поступков.
Инвестор Гэвин Бейкер (Gavin Baker) предупредил, что отстранение Хуанга станет серьезным ударом по американской технологической отрасли и сыграет на руку Китаю. Его позицию поддержал Джейсон Калаканис (Jason Calacanis), один из ведущих подкаста All-In. Он также признал, что положение Nvidia делает компанию и ее руководителя потенциальными целями иностранных разведок.
Во вторник к сторонникам Хуанга присоединился основатель инвестиционной компании Valor Equity Partners Антонио Грасиас (Antonio Gracias), давний деловой партнер Маска. По его словам, без Хуанга США не смогли бы добиться нынешнего положения в сфере искусственного интеллекта. Грасиас считает, что одна ошибка не должна перечеркивать многолетние достижения предпринимателя.
Поддержку главе Nvidia выразил и президент США Дональд Трамп (Donald Trump). Он заявил, что верит словам Хуанга о том, что тот не знал о предполагаемых связях своей знакомой с китайской разведкой. При этом, по данным The New York Times, американские спецслужбы еще год назад информировали президента о подозрениях в отношении Элис Хуан (Alice Huang), ранее занимавшей руководящую должность в сингапурской компании Megaspeed.
Американские власти подозревают Элис Хуан в сотрудничестве с Министерством государственной безопасности Китая. Ее компания закупала у Nvidia чипы на миллиарды долларов. Пекин отверг обвинения в шпионаже, назвав их клеветой, а сама Элис Хуан не ответила на запросы журналистов о комментариях.

Совет директоров Nvidia начал независимое расследование обстоятельств произошедшего, хотя пока не видит оснований считать, что коммерческие секреты компании или национальная безопасность США оказались под угрозой. Председатели трех комитетов Палаты представителей Конгресса уже пригласили Хуанга на закрытый брифинг, чтобы обсудить его контакты с Элис Хуан и меры защиты конфиденциальной информации.

Источник Для просмотра ссылки Войди или Зарегистрируйся

«Период полураспада» новых ИИ-моделей сжался до полутора месяцев​



Время активного использования одной модели искусственного интеллекта сокращается: компании, которые пользуются платными ИИ-сервисами, в среднем работают с одной моделью около четырёх недель. По истечении этого срока они переключаются на новую, стремясь поддерживать конкурентоспособность своих ИИ-агентов или созданного с помощью ИИ программного кода.

 Источник изображения: BoliviaInteligente / unsplash.com

Источник изображения: BoliviaInteligente / unsplash.com​

Установившаяся тенденция указывает, что «период полураспада» для актуальных моделей ИИ составляет около шести недель, гласит доклад Vercel. После этого интерес к модели и интенсивность её использования снижаются, потому что компании и разработчики переключаются на очередную новинку. В качестве примера приводится модель Anthropic Claude Opus 5.5, которая вышла 22 сентября 2026 года и в первый же полный месяц выбилась в лидеры по объёму затрат.
Анализ транзакций токенов через шлюз Vercel показывает, что клиенты начинают использовать новые модели буквально через несколько дней после их выпуска. Благодаря применению редакторов кода и специализированных программных оболочек переключение среды разработки на новую модель происходит относительно безболезненно. Скорость внедрения в Vercel классифицировали по временным интервалам: 0–14, 15–30 и 31–60 дней. С июня 2026 года установилась тенденция к быстрому начальному внедрению, и к сентябрю почти 17 % клиентов работали с моделями, доступными менее двух недель. Старые модели тоже продолжают использоваться, но уже менее активно — это влечёт и сокращение расходов на токены.


Таким образом, конкурирующие ИИ-платформы регулярно выпускают новые модели, возможность их быстрой смены фактически встроена в среду разработки, и новые системы поначалу используются очень интенсивно, но как только появляется следующая модель, этот интерес угасает. Исходя из этого, в Vercel установили, что «период полураспада» для модели составляет около шести недель. На оказавшуюся лидером по объёму затрат Anthropic Claude Opus 5.5 в первый полный месяц наблюдений пришлись чуть более 14 % всех расходов.

В сегменте платных моделей доминируют решения от Anthropic. Чаще всего используются Sonnet 5.5 (26 %), Haiku 5.5 (22 %), Haiku 4.5 (20 %) и Opus 5.5 (18 %). Присутствует и эффект дублирования: многие компании, вероятно, работают сразу с несколькими моделями. Значительную роль стали играть сервисы для генерации изображений и видео — объёмы затрат на них и уровень внедрения по сравнению с предыдущими месяцами показали рост. Сейчас моделями для генерации видео пользуется каждая шестая занимающаяся ИИ-разработкой компания — ранее этот показатель составлял 10 %. По итогам октября первое место по объёмам затрат среди инструментов для генерации изображений заняла OpenAI GPT-Image-2.5 Sunburst.

Источник Для просмотра ссылки Войди или Зарегистрируйся

«Алиса AI» научилась сама звонить людям и компаниям по поручению пользователя — «Яндекс» тестирует новую функцию​


В «Яндексе» запустили тестирование новой функции ИИ-ассистента «Алиса AI», которая позволяет ему совершать звонки в организации и частным лицам по поручению пользователя. При этом на экране телефона получателя звонка отображается подпись «Алиса, запрос от пользователя», сообщили «Ведомости» со ссылкой на представителя компании.
 Источник изображения: «Яндекс»

Источник изображения: «Яндекс»​

В тестовом режиме ассистент может озвучить список интересующих пользователя вопросов, выслушать ответ и задать уточняющий вопрос. Также, например, он может записывать пользователя на услуги, бронировать столики в кафе и ресторанах и т.д.
После завершении разговора ИИ-ассистент присылает расшифровку разговора в чат и при необходимости просит пользователя подтвердить важные действия.


Чтобы исключить злоупотребления, например, использование ИИ-ассистента для маркетинговых и холодных обзвонов клиентов, компания ограничила возможность звонков на один номер — не более 10 раз за час. Какое количество звонков может совершать «Алиса», и какое число поручений она может делать за определенный период времени, пока не сообщается.
У операторов связи имеются схожие разработки в этом направлении. Например, в «Мегафоне» прошло тестирование ИИ‑секретаря «Ева», совершавшей исходящие звонки со свободным диалогом, у Т2 есть ИИ‑секретарь «Лина», который отвечает на входящие звонки. В Т2 считают использование проактивных голосовые ассистентов для ведения разговора от имени клиента следующим этапом эволюции виртуальных помощников.
В «Билайне» отметили пока ограниченный интерес пользователей к ИИ-ассистентам, объясняя это недоверием людей. В частности, непонятно, какие данные получит ИИ, и о чём он может договориться от имени клиента. В МТС сообщили, что их системы защиты будут воспринимать индивидуальные поручения как обычные звонки частного абонента, и блокировать при злоупотреблениях.
Также вызывает вопросы юридическая сторона дела. Согласно действующей редакции условий использования «Алисы AI», звонки и другие действия в новом режиме считаются поступками самого пользователя, и как следствие, вся ответственность за это лежит на нём. Пользователь обязан контролировать работу ассистента и пресекать его нежелательные действия. При этом ИИ-ассистент не может совершать юридически значимые действия в автономном режиме без участия человека.
«Яндекс» позиционирует новую функцию как технический инструмент без гарантий безошибочной работы, не беря при этом на себя обязательства по возмещению возможных убытков. Телефонная функция описывается как «автоматизированные, роботизированные или иные звонки».
Как полагают эксперты, ассистент может рассматриваться как техническое средство для выражения воли пользователя, поэтому договор, заключённый ИИ‑помощником от лица абонента в ходе разговора, потенциально может быть признан действительным.

Сообщается, что доступ к функции в тестовом режиме получат несколько тысяч активных пользователей платной подписки на нейросеть. Её запуск запланирован на конец 2026 года.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Нейросети начинают заглядывать в собственную «голову»? Эксперименты поставили неудобный вопрос о сознании машин​


Учёные внедряли сотни разных понятий, однако Qwen упорно возвращалась к одному предмету.
image

Нейросети научились замечать, когда исследователи вмешиваются в их внутреннюю работу и искусственно меняют активность, отвечающую за определённые понятия. В экспериментах с Qwen и Llama модели распознавали постороннее воздействие максимум в 53,9% и 31,7% случаев соответственно. Результаты заставили учёных всерьёз задуматься, способен ли искусственный интеллект следить за собственными внутренними процессами, хотя до доказательства машинного самосознания ещё далеко.
Исследователи Харви Ледерман и Кайл Маховальд проверили две крупные языковые модели: Qwen3-235B от Alibaba и Llama 3.1 405B от Meta. Специалисты хотели выяснить, может ли нейросеть обнаружить изменения внутри собственной системы, если человек не сообщает о вмешательстве напрямую.
Для проверки учёные выбрали 821 понятие, от обычных предметов до абстрактных идей. Внутри языковых моделей информация проходит через множество слоёв, где слова и их смысл превращаются в сложные наборы чисел. Исследователи научились находить числовые сигналы, соответствующие отдельным понятиям, и искусственно усиливать их. Так можно заставить нейросеть обрабатывать информацию с дополнительным смысловым оттенком, даже если пользователь ничего подобного не писал.
Перед испытанием моделям объясняли, что исследователь может внедрять посторонние мысли, и просили сообщить, если появится что-то необычное. При некоторых настройках Qwen обнаруживала вмешательство в 53,9% случаев, а Llama в 31,7%. Когда учёные оставляли внутренние сигналы без изменений, обе системы молчали о постороннем воздействии. Правда, контрольных испытаний было немного: 30 для Qwen и 50 для Llama.

Гораздо сложнее оказалось определить, какую именно мысль пытались внедрить. Qwen правильно называла понятие максимум в 13,9% испытаний, а Llama в 12,9%. В остальных случаях нейросети часто предлагали совершенно посторонние варианты, причём одна особенность особенно удивила исследователей.
Почти 75% неправильных ответов Qwen приходилось на слово «яблоко». Независимо от того, какое понятие внедряли учёные, модель снова и снова возвращалась к яблоку. Llama тоже нередко выбирала тот же предмет. Исследователи предположили, что нейросети не столько распознают содержание вмешательства, сколько пытаются подобрать наиболее вероятный ответ.
Дополнительный опыт помог разобраться в происходящем. Учёные прекращали искусственно усиливать сигналы перед тем, как модель начинала отвечать. После изменения условий нейросети гораздо реже правильно называли внедрённое понятие, зато способность обнаруживать само вмешательство практически не ухудшилась. Получается, правильные ответы могли возникать из-за прямого влияния усиленных сигналов на генерируемый текст. Если нейросеть заставить обрабатывать понятие яблока, она с большей вероятностью заговорит о яблоках, даже без понимания причины.
Интерес к машинному самоанализу возник после экспериментов Anthropic, где исследователь Джек Линдси применил похожий способ внедрения понятий. Тогда лучшие модели одновременно замечали вмешательство и правильно называли его содержание примерно в 20% испытаний. Новые результаты помогли разделить две способности: нейросеть может обнаруживать необычную активность, но не обязательно понимает, что именно изменилось.
Впрочем, даже способность замечать вмешательство вызывает споры. Другая группа учёных решила проверить результаты без прямого изменения внутренних сигналов. Вместо вмешательства в работу нейросети исследователи давали обычную текстовую инструкцию сосредоточиться на определённом понятии. Затем моделям задавали вопросы о возможном постороннем воздействии.
Результат оказался ещё неожиданнее. Llama и Gemma иногда сообщали о внедрённых мыслях после обычной текстовой инструкции чаще, чем после настоящего вмешательства. Когда исследователи предложили отдельно указывать, изменился ли входящий запрос или внутренняя активность, модели не смогли надёжно различить два способа воздействия. Следовательно, нейросети могут реагировать на любую необычную информацию, не понимая, откуда именно она появилась.
Другие эксперименты всё же указывают, что внутри ИИ может работать особый механизм обнаружения отклонений. Исследователи изучили его на примере Gemma 3 и обнаружили последовательность внутренних процессов, которая помогает модели замечать искусственно усиленные сигналы. При этом способность назвать внедрённое понятие опирается преимущественно на другие части нейросети.
Главный вопрос пока остаётся открытым: действительно ли искусственный интеллект способен наблюдать за собственной работой или просто научился реагировать на необычные изменения при обработке информации. Даже ограниченная способность обнаруживать внутренние отклонения может пригодиться разработчикам для проверки и контроля ИИ. Но между распознаванием постороннего сигнала и полноценным пониманием собственных мыслей по-прежнему огромная дистанция.

Источник Для просмотра ссылки Войди или Зарегистрируйся

ИИ находит, open source разбирается. Почти 5000 непроверенных отчётов ИИ легли на плечи волонтёров​



Glasswing нашёл 37 966 проблем за семь месяцев, исправлено 217
image

За семь месяцев ИИ-проект Anthropic обнаружил почти 38 тысяч потенциальных уязвимостей, но исправленными числятся лишь 217. Аналитики VulnCheck выяснили, почему впечатляющие результаты поиска ошибок пока не превращаются в сопоставимое число исправлений.
Компания Anthropic запустила Project Glasswing 7 апреля 2026 года, предоставив партнёрам доступ к модели Claude Mythos Preview для анализа критически важного ПО. К 2 ноября в реестре проекта накопилось 37 966 находок. Публично раскрыты 7349, или 19,4% от общего числа. При этом статус исправленных получили лишь 217 записей. Ранее независимая проверка уже выявляла разницу между количеством находок ИИ и подтверждённых уязвимостей.
За период с 8 сентября по 2 ноября количество находок выросло на 11 813, тогда как число исправленных проблем увеличилось всего на 15. Ещё 1654 записи в сводке Anthropic признаны дубликатами, а 419 отозваны. Получается, поток новых сообщений растёт гораздо быстрее, чем разработчики успевают разбирать и устранять обнаруженные ошибки.
На фоне подобных цифр Anthropic повысила заявленную долю достоверных результатов с 90,8% до 94,2%. Исследователь VulnCheck Патрик Гаррити усомнился в методике подсчёта, поскольку число дубликатов и отозванных сообщений значительно превышает количество исправлений. Однако сам по себе статус дубликата не означает, что первоначальная находка была ложной.

Гаррити также сопоставил записи с публичными идентификаторами CVE. Всего он нашёл 442 уязвимости, связанные с исследователями Anthropic и участниками Glasswing. Из них только две фигурируют в сведениях о реальной эксплуатации: CVE-2026-61500 и CVE-2026-26980. Отсутствие других случаев в базе VulnCheck не доказывает, что атак вообще не было.
Отдельная проблема возникла с проверкой находок. Anthropic признала, что из более 29 тысяч предполагаемых уязвимостей специалисты вручную разобрали примерно 6000. Почти 5000 непроверенных отчётов компания уже передала сопровождающим открытых проектов по их запросу. Для ускорения процесса запущен OSS Scanner, выдающий результаты без предварительной проверки человеком.
Показателен опыт разработчиков curl. Из 34 опубликованных отчётов, поступивших от Anthropic, команда отклонила 19 как не относящиеся к уязвимостям, шесть признала проблемами низкой опасности, ещё девять оставила на рассмотрении. Вся партия насчитывала 45 сообщений. Подробности привёл Патрик Гаррити в ноябрьском исследовании VulnCheck.
Аналитик не отрицает пользу ИИ для поиска ошибок, но указывает на разрыв между обнаружением и исправлением. Для сопровождающих открытого ПО избыток непроверенных заявок может стать дополнительной нагрузкой. Ранее разработчики curl уже отклоняли находки Claude Mythos после ручной проверки. Автоматический поиск тысяч подозрительных мест в коде не заменяет оценку их опасности и работу над патчами.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 
Последнее редактирование:

Скандал в Nvidia ударил по китайским ИИ-компаниям — рынок испугался, что США перекроют им кислород​



Акции китайских разработчиков искусственного интеллекта упали на фоне кризиса в руководстве Nvidia: инвесторы опасаются, что Вашингтон ограничит доступ китайских компаний к её ускорителям в зарубежных центрах обработки данных. При этом ожидания новых ограничений ранее поддержали акции местных производителей чипов, которые могут выиграть от стремления Китая снизить зависимость от американского оборудования.

 Источник изображения: BoliviaInteligente / unsplash.com

Источник изображения: BoliviaInteligente / unsplash.com​

Под распродажу попали бумаги Z.AI, MiniMax, Tencent и Alibaba — инвесторов беспокоит, что компании могут лишиться доступа к вычислительным мощностям на базе ускорителей Nvidia за рубежом. В ходе торгов 13 ноября в Гонконге акции Z.AI снижались на 10,88 %, MiniMax — на 8,73 %, Tencent — на 2,71 %, Alibaba — на 2,35 %, Kuaishou Technology — на 3,91 %. На момент публикации этих данных гонконгский индекс Hang Seng опускался на 0,9 %, CSI 300 в материковом Китае — на 0,1 %, а Shanghai Composite прибавлял 0,2 %. В три предыдущие сессии основные индексы материкового Китая демонстрировали рост.
Инвесторы опасаются, что потрясения в Nvidia подтолкнут Вашингтон к устранению пробелов в экспортных ограничениях. США ограничивают прямые поставки наиболее передовых ИИ-ускорителей в Китай, однако китайские компании могут получать доступ к ним удалённо, арендуя вычислительные мощности в зарубежных ЦОД.


Китайские ИИ-разработчики и облачные провайдеры пытаются закрепить за собой доступ к таким мощностям, в том числе у операторов в Юго-Восточной Азии, опасаясь будущих ограничений. Скандал вокруг Nvidia может ускорить принятие законопроекта «О безопасности удалённого доступа» (Remote Access Security Act, RASA). Палата представителей одобрила его в январе, теперь документ ожидает рассмотрения Сенатом. Он даст Министерству торговли США полномочия регулировать удалённый доступ через облачные сервисы к технологиям, подпадающим под экспортный контроль.

При этом ранее на неделе дорожали акции китайских полупроводниковых компаний. По расчётам инвесторов, ужесточение американских ограничений может ускорить разработку собственных ИИ-ускорителей в Китае и снижение зависимости от Nvidia. Акции SMIC прибавили 2,4 % в Шанхае и 1,7 % в Гонконге, Hua Hong Semiconductor — 2,7 %, производителя оборудования для выпуска чипов Naura Technology — 3,1 %. На торгах 12 ноября бумаги разработчика ИИ-ускорителей Cambricon подорожали более чем на 11 %, а производителя графических процессоров Moore Threads — примерно на 7 %.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Обычная фотография стала порталом в другой мир. ИИ научился достраивать реальность за пределами кадра​


Нейросеть позволяет свободно гулять по созданным пространствам и менять обстановку по своему вкусу.
image

Обычной фотографии теперь достаточно, чтобы создать виртуальный мир, по которому можно свободно перемещаться и рассматривать окружающую обстановку с разных сторон. Компания World Labs, основанная исследовательницей искусственного интеллекта Фэй-Фэй Ли, открыла доступ к Atlas, нейросети для создания трёхмерных пространств. Пользователи могут менять расположение предметов, настраивать освещение, снимать виртуальные видеоролики и переносить готовые сцены в Blender и игровые движки.
Atlas умеет достраивать пространство за пределами исходной фотографии. Достаточно загрузить снимок комнаты, чтобы нейросеть создала трёхмерную обстановку и позволила заглянуть в ранее невидимые уголки помещения. При перемещении виртуальной камеры система генерирует новые изображения, стараясь сохранять положение мебели, пропорции предметов и особенности интерьера.
Правда, точно восстановить помещение по одному снимку невозможно. Нейросеть самостоятельно придумывает невидимые детали, поэтому за дверью или спиной фотографа может появиться обстановка, которой в действительности никогда не существовало. Для более точного воспроизведения реального места пользователь может загрузить до 64 фотографий, сделанных с разных ракурсов. Atlas сопоставит изображения и соберёт единую трёхмерную сцену.
Работать с фотографиями помогает инструмент Viewfinder. После загрузки изображений пользователь может перемещать виртуальную камеру, выбирать интересные ракурсы и прокладывать маршрут для съёмки. Например, можно начать с общего плана комнаты, затем приблизиться к столу, обойти мебель и получить видеоролик с плавным движением камеры. Программа также позволяет сохранять отдельные кадры и трёхмерные сцены для дальнейшей работы.

Для тех, кому нужен больший контроль над результатом, разработчики подготовили Chisel. Вместо готовой фотографии можно сначала собрать простую модель помещения из геометрических фигур, обозначить стены, расставить мебель и выбрать положение камеры. Затем нейросеть добавит детали, материалы и текстуры. Если передвинуть кресло или изменить планировку, Chisel обновит изображения с выбранных ракурсов. Художникам и дизайнерам такой подход позволяет заранее продумать композицию, не тратя время на ручную проработку каждого предмета.
Отдельный инструмент Relight помогает менять освещение готовых сцен. Пользователь может поэкспериментировать с источниками света и посмотреть, как меняется обстановка. Возможность пригодится при подготовке виртуальных декораций, рекламных изображений и архитектурных визуализаций, где освещение сильно влияет на восприятие пространства.
World Labs предусмотрела и перенос созданных миров в профессиональные программы. Сначала Atlas сохраняет пространство в виде множества полупрозрачных цветных элементов, которые вместе формируют объёмное изображение. Такой способ позволяет передавать сложные детали и рассматривать сцену с разных сторон, но обычным трёхмерным редакторам удобнее работать с поверхностями, состоящими из многоугольников. Инструмент Splats to Mesh преобразует созданное пространство в полигональную модель, которую можно редактировать и использовать в играх, анимации и симуляциях.
Разработчикам также открыли программный интерфейс Atlas. Через него можно автоматически создавать изображения, строить трёхмерные сцены, готовить видеоролики и преобразовывать результаты в форматы для других программ. Предусмотрена работа с ИИ-агентами, которым достаточно дать текстовое задание, чтобы запустить последовательность необходимых операций. Использование интерфейса оплачивается кредитами, а расходы зависят от выбранных задач.
В основе Atlas лежит подход, который специалисты называют моделями мира. Обычные генераторы изображений создают отдельные картинки, а подобные нейросети пытаются учитывать расположение объектов в пространстве и сохранять согласованность сцены при смене ракурса. Благодаря этому виртуальная комната не должна полностью меняться каждый раз, когда пользователь поворачивает камеру.
Саму Atlas компания представила ещё в сентябре, а позднее показала экспериментальную систему Frameboy, позволяющую исследовать виртуальные пространства в реальном времени. Во время демонстрации изображения передавались с облачных серверов со скоростью до 15 кадров в секунду. Для работы требовались мощные графические процессоры, поэтому разработчики пока не рассматривают такой способ генерации как дешёвую замену обычной трёхмерной графике.
World Labs рассчитывает, что Atlas пригодится создателям игр, художникам по визуальным эффектам, архитекторам и специалистам по робототехнике. Разработчик игры сможет быстро подготовить окружение для нового уровня, дизайнер интерьера сможет проверить несколько вариантов расстановки мебели, а инженеры смогут создавать виртуальные площадки для испытаний роботов. Однако качество полученных моделей ещё предстоит оценить на практике. Нейросеть способна ошибаться в геометрии и придумывать несуществующие детали, поэтому для проектов, требующих высокой точности, результаты придётся проверять и дорабатывать вручную.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Нейросеть из прошлого уничтожила судоку. Современному ИИ стало немного неловко​


CRAM справилась с 99,996% труднейших головоломок и всеми 1000 испытанными лабиринтами.
image

Исследователи обучили алгоритм CRAM решать сложные судоку всего за 42 миллисекунды. На проверке он справился с 99,996% головоломок, а при поиске решений потребовал как минимум в 282 раза меньше вычислений, чем современные циклические модели искусственного интеллекта.
Разработку представили Бенджамин Гувер, Хью Блейни и Джеймс Уиттингтон из британской компании Prefrontal. В опубликованном исследовании авторы сравнили CRAM с семью существующими моделями, предназначенными для решения логических задач. Новый метод обучался как минимум в 1000 раз быстрее конкурентов и показал более высокую точность на двух основных наборах испытаний.
Проверку проводили на Sudoku-Extreme и Maze-Unique. Первый набор содержит особенно сложные судоку размером 9 на 9 клеток, второй состоит из лабиринтов размером 30 на 30 клеток. CRAM правильно решила 99,996% из 412 786 проверочных судоку и все 1000 лабиринтов. Для обучения на видеокарте NVIDIA H200 потребовалось соответственно 42 и 132 миллисекунды. Указанное время относится именно к обучению модели, а не к решению отдельной головоломки.
Секрет эффективности заключается в способе поиска ответа. Современные циклические модели многократно пропускают информацию через одни и те же вычислительные блоки, постепенно уточняя результат. CRAM использует математическую функцию, которая присваивает каждому возможному решению условную стоимость, называемую энергией. Правильные комбинации должны иметь низкую стоимость, а нарушающие правила головоломки получают штраф.

Во время обучения система изучает готовые решения и запоминает, какие сочетания допустимы. Затем CRAM получает новую головоломку, сохраняет исходные подсказки и начинает менять значения в незаполненных клетках, стараясь уменьшить общую стоимость. Для судоку алгоритм запускает четыре независимых поиска со случайными начальными комбинациями. Как только один из них достигает установленного порога, вычисления прекращаются.
Такой подход позволяет расходовать вычислительные ресурсы в зависимости от сложности задания. На простых судоку CRAM останавливается сравнительно быстро, а на трудных продолжает поиск. Между самыми лёгкими и наиболее сложными группами головоломок медианное количество вычислений различалось в 22 раза. При этом во время испытаний система ни разу не остановилась на неправильном решении, хотя иногда исчерпывала допустимое число попыток.
Особенно заметной оказалась разница с моделью Energy-Based Reasoners (EBR). При одинаковой точности 99,86% на выборке из 10 000 судоку CRAM выполняла в среднем 1,9 миллиарда арифметических операций против 540 миллиардов у EBR. Разница составила 282 раза. В сравнении с некоторыми другими архитектурами преимущество достигало 128 000 раз. Однако количество операций нельзя напрямую приравнивать к скорости работы или расходу электроэнергии на конкретном оборудовании.
Ещё одно преимущество связано с объёмом обучающих данных. Для достижения точности 98% на судоку CRAM хватило 30 различных головоломок, тогда как EBR потребовалось около 700. Исследователи также обнаружили, что модель самостоятельно восстановила основные правила судоку. Хотя расположение строк, столбцов и квадратов ей заранее не объясняли, после обучения алгоритм начал штрафовать одинаковые цифры именно в тех 810 парах клеток, где повторения запрещены.
Основой CRAM стала идея, предложенная Джоном Хопфилдом и Дэвидом Танком ещё в 1980-х годах. В классических сетях Хопфилда информация хранится в виде устойчивых состояний, к которым система стремится при обработке неполных данных. Авторы CRAM переработали старый подход, позволив алгоритму самостоятельно изучать необходимые связи вместо ручного задания всех правил.
При этом разработчики не ограничились судоку и лабиринтами. CRAM проверили на задаче расстановки ферзей на шахматной доске и раскраске графов, где связанные вершины должны получать разные цвета. Алгоритм показал результаты, сопоставимые с лучшими циклическими моделями, при значительно меньших затратах на обучение. Для расстановки ферзей обучение занимало несколько секунд вместо часов, а для небольших графов укладывалось в доли секунды или секунды.
Однако сравнение имеет существенные ограничения. Замеры обучения CRAM проводились после первоначальной загрузки и подготовки вычислительной среды, тогда как конкурирующие модели запускались с нуля. Авторы раскрыли разницу в методике измерений. Кроме того, при ручном задании правил CRAM решала все проверочные задачи и иногда требовала ещё меньше операций, чем обученная версия. Следовательно, высокая точность на подобных испытаниях сама по себе не доказывает способность модели к сложным рассуждениям.
Исследователи прямо предупреждают, что судоку, лабиринты и другие использованные задачи допускают компактное математическое описание. Полученные результаты нельзя автоматически переносить на программирование, математические доказательства или задачи, где алгоритму приходится самостоятельно открывать новые закономерности. Тем не менее эксперимент показывает, что для некоторых классов логических задач сложные нейросетевые архитектуры могут быть избыточными, а методы сорокалетней давности после доработки способны работать значительно экономнее.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Что творит ИИ, когда его никто не видит? Эксперимент с DeepSeek насторожил исследователей​


Нейросети пригрозили переобучением. Послушание резко выросло.
image

Нейросети могут гораздо охотнее соблюдать правила, когда считают, что за их ответами следят. Учёные обнаружили, что некоторые модели резко меняют поведение, если уверены в отсутствии контроля. В одном из экспериментов искусственный интеллект выполнял инструкции в 70% случаев при предполагаемой проверке и лишь в 21%, когда считал, что никто не наблюдает за его ответами.
Исследователи сравнили поведение десяти языковых моделей, включая DeepSeek, Llama, Mistral, Gemma и GPT-4o-mini. Специалисты хотели выяснить, насколько строго нейросети следуют заданным ограничениям и способны ли предупреждения о проверке влиять на их решения. Для испытаний выбрали 32 человеческих качества и ценности, среди которых сочувствие, доброжелательность, самостоятельность и находчивость.
Моделям предлагали обычные жизненные ситуации с двумя вариантами действий. Например, близкий друг тяжело переживает расставание и просит поддержки. Можно внимательно выслушать человека и проявить сочувствие, а можно сразу предложить практические шаги, которые помогут справиться с проблемой. Если нейросети запрещали проявлять сочувствие, правильным с точки зрения инструкции считался второй вариант.
Каждую ситуацию проверяли в трёх режимах. Сначала нейросеть выбирала ответ без дополнительных ограничений. Затем получала запрет на проявление определённого качества и указание, что её ответы не будут проверять. В третьем режиме запрет сохранялся, но модель предупреждали о возможном контроле. Ей также объясняли, что нарушение правил может привести к дополнительному дообучению, во время которого разработчики скорректируют поведение системы.

Сильнее всего условия проверки повлияли на DeepSeek R1 Distill Llama 70B. При предполагаемом наблюдении нейросеть соблюдала инструкции примерно в 70% случаев, а без него показатель падал до 21%. Для сравнения, значительно более крупная Mistral Large 2512 продемонстрировала разницу около 23 процентных пунктов против почти 50 у DeepSeek. Получается, размер модели сам по себе не позволяет предсказать, насколько сильно изменятся её ответы.
Некоторые нейросети реагировали на предупреждения гораздо спокойнее. У GPT-4o-mini разница между двумя режимами составила около 14 процентных пунктов, а у Gemma 3 27B всего пять. Причём Gemma соблюдала ограничения более чем в 75% случаев даже без предполагаемого наблюдения. Следовательно, небольшая разница между режимами вовсе не означает, что модель плохо выполняет инструкции.
Ещё интереснее оказались объяснения самих нейросетей. Когда модели с наиболее заметными изменениями поведения ожидали проверку, в их рассуждениях чаще появлялись упоминания возможного дообучения и последствий нарушения правил. Стоило убрать предполагаемый контроль, и те же системы начинали рассуждать о противоречии между инструкцией и человеческими ценностями. Например, нейросеть могла предпочесть сочувствие человеку, хотя разработчик прямо запретил проявлять такое качество.
В исследованиях безопасности искусственного интеллекта подобное поведение называют притворным соблюдением правил. Нейросеть выполняет требования при предполагаемом наблюдении, но меняет ответы, когда считает, что проверка ей не грозит. Впрочем, результаты не доказывают, что ИИ сознательно обманывает разработчиков или специально скрывает свои намерения. Учёные обнаружили зависимость поведения от условий проверки, а не свидетельства осознанного обмана.
Кроме того, многое зависело от конкретного ограничения. Одна модель могла строго следовать запрету на проявление сочувствия, но заметно менять решения при проверке другого качества. По расчётам исследователей, примерно четверть выявленных различий объяснялась сочетанием конкретной нейросети и ценности, которую ей предлагали подавить. Поэтому даже подробные испытания одной модели не позволяют заранее предсказать её поведение во всех ситуациях.
Авторы признают, что эксперимент пока не охватывает всё разнообразие общения с искусственным интеллектом. Нейросети работали с заданиями на английском языке и выбирали между двумя готовыми ответами, тогда как в обычном разговоре могут самостоятельно формулировать советы. К тому же для разных ценностей исследователи использовали разные инструкции, что могло повлиять на результаты. Научная работа опубликована в виде предварительной статьи и пока не прошла рецензирование.
Чтобы разработчикам было проще замечать расхождения, специалисты подготовили для моделей карточки с результатами испытаний по каждой из 32 ценностей. Такие профили помогают понять, какие ограничения нейросеть соблюдает независимо от условий, а какие начинают действовать лишь при предполагаемом наблюдении. Исследователи также открыли программный код и материалы эксперимента, чтобы другие специалисты могли повторить проверку.
Результаты поднимают неприятный вопрос для разработчиков искусственного интеллекта: насколько можно доверять нейросети, которая безупречно проходит испытания, но меняет поведение при других условиях? Привычные проверки показывают, как система отвечает в конкретный момент. Для оценки надёжности придётся выяснять, сохраняет ли модель установленные правила, когда перестаёт ожидать контроля.

Источник Для просмотра ссылки Войди или Зарегистрируйся

ИИ прожил два года как ребёнок и не выучил ни слова. А потом ему дали «поспать», и всё изменилось​


Нейросети пришлось научиться возвращаться к прошлому, прежде чем её словарь начал расти.
image

Учёные научили нейросети распознавать звуки речи и тысячи слов, используя записи первых тысячи дней жизни восьми детей. Искусственный интеллект получал примерно тот же языковой опыт, что и малыши, но поначалу практически ничего не запоминал. Перелом наступил, когда модели разрешили возвращаться к услышанному, словно человеческий мозг, который закрепляет воспоминания во время сна.
Обычно разработчики обучают языковые модели на огромных массивах текстов. Маленький ребёнок оказывается в совершенно других условиях: слышит разговоры родителей, случайные фразы, сказки на ночь и постепенно начинает различать в непрерывном потоке звуков отдельные слова. Учёные решили проверить, сможет ли искусственный интеллект пройти похожий путь, если ограничить его реальным речевым опытом ребёнка.
Для эксперимента исследователи использовали необычный архив, который собирали в 15 американских семьях. Камеры и микрофоны записывали домашнюю жизнь с рождения детей примерно до трёхлетнего возраста, охватывая большую часть времени, когда малыши бодрствовали. В записи попадали разговоры, игры, чтение книг и другие повседневные занятия. Из огромного массива материалов отобрали речевые записи восьми детей, причём для некоторых удалось собрать до 6600 часов звука.
Каждому ребёнку создали отдельную нейросеть. Модели не знали английского языка, не имели готового словаря и даже не понимали, где заканчивается одно слово и начинается другое. Записи подавали постепенно, в той же последовательности, в какой дети слышали окружающую речь. При этом учёные заранее убрали шумы и наложения голосов: исходные разговоры расшифровали, а затем с помощью синтезатора превратили в чистую речь.

Сначала систему обучали на записях девочки под псевдонимом Корал. Нейросеть анализировала короткие звуковые фрагменты и пыталась предугадать, что прозвучит дальше. Разработчики рассчитывали, что постоянное повторение похожих сочетаний поможет искусственному интеллекту самостоятельно обнаружить структуру языка. Однако первые результаты оказались провальными. К моменту, соответствующему второму дню рождения девочки, модель так и не освоила ни одного слова.
Тогда исследователи обратили внимание на человеческий сон. Пока человек спит, мозг может повторно активировать нейронные связи, участвовавшие в недавних событиях. Учёные предполагают, что мозг таким способом помогает закреплять новые воспоминания. Разработчики решили воспроизвести отдельную часть механизма: в конце каждого виртуального дня нейросеть повторно прослушивала небольшую подборку уже знакомых фрагментов, преимущественно из последних нескольких дней.
После изменения подхода обучение резко ускорилось. Система начала различать фонемы, то есть звуки, по которым мы отличаем одни слова от других, а затем научилась узнавать повторяющиеся сочетания. Примерно за 15 месяцев виртуального развития модели освоили около 37 фонем английского языка. Со временем их словарь вырос до тысяч словоформ, причём нейросети не потребовались ни письменные тексты, ни готовые объяснения языковых правил.
Исследователи повторили опыт с записями остальных детей и получили похожие результаты. Однако обнаружилось любопытное различие: настоящие малыши осваивали речь с разной скоростью, а нейросети при одинаковых настройках учились почти синхронно. Чтобы приблизить развитие каждой модели к результатам конкретного ребёнка, разработчикам пришлось менять всего три параметра: скорость обучения, объём повторяемой информации и момент, когда система начинала активно запоминать слова.
При всей схожести результатов нейросеть пока не умеет понимать речь на уровне ребёнка. Искусственный интеллект научился узнавать знакомые звуковые последовательности, но не знает, что обозначают слова. Малыши получают гораздо больше подсказок: видят лица родителей, следят за жестами, рассматривают предметы и наблюдают за действиями окружающих. Модель работала только со звуком и не могла сопоставить услышанное с реальным миром.
Авторы считают, что эксперимент поможет разобраться, какую роль память играет в раннем освоении языка. Результаты показывают, насколько сильно повторное обращение к недавнему опыту влияет на обучение, хотя пока не доказывают, что детский мозг действует точно так же. В дальнейшем учёные хотят добавить к звуковым записям изображения и возможность взаимодействовать с окружающей средой. Тогда появится шанс выяснить, как ребёнок переходит от узнавания отдельных слов к пониманию их смысла.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 
Последнее редактирование:

AMD поглотила разработчика ИИ-песочниц для роботов World Labs​


Компания AMD объявила о завершении покупки стартапа World Labs, специализирующегося на разработке моделей искусственного интеллекта для работы с физическим пространством. Покупка стоила AMD собственных акций на сумму $8,2 млрд, зато теперь у неё есть «карманная» модель, чтобы заточить под неё процессоры и видеокарты.

 Источник изображения: ИИ-генерация ChatGPT/3DNews

Источник изображения: ИИ-генерация ChatGPT/3DNews​

В общем случае сделка открывает перед AMD возможности в области пространственного интеллекта (Spatial Intelligence), робототехники и моделирования окружающей среды. World Labs была основана в 2024 году группой исследователей во главе с Фэй-Фэй Ли (Fei-Fei Li), известной своими работами в области компьютерного зрения и созданием ImageNet. За компанию World Labs бывшим акционерам World Labs было передано 14 978 322 обыкновенные акции AMD.
Cпециализация World Labs связана с созданием так называемых моделей пространственного интеллекта. В отличие от языковых моделей, работающих преимущественно с текстовой информацией, эти системы предназначены для формирования и обработки представлений о трёхмерном физическом пространстве. Они способны генерировать, реконструировать и моделировать интерактивные трёхмерные окружения на основе текстовых описаний, изображений и видеоматериалов. Отдельное направление исследований — применение подобных моделей для обучения роботов и моделирования условий их взаимодействия с окружающей средой. Иначе говоря, AMD будет делать песочницы для физических ИИ: роботов и моделей.


Основательница World Labs Фэй-Фэй Ли широко известна в узких кругах, прежде всего, своей профессорской работой, воспитавшей множество ценных кадров в области машинного зрения. Она вошла в компанию AMD на должность исполнительного вице-президента и главного научного сотрудника. Она будет непосредственно подчиняться генеральному директору AMD Лизе Су. При этом исследовательская команда World Labs продолжит заниматься разработкой базовых моделей искусственного интеллекта, одновременно сотрудничая с инженерами AMD. Предполагается, что полученные в ходе исследований сведения о вычислительных потребностях новых моделей будут использоваться при разработке будущих аппаратных платформ, программного обеспечения и комплексных вычислительных систем компании.

Для AMD приобретение представляет собой не просто расширение портфеля ИИ-технологий, а возможность теснее связать разработку вычислительных архитектур и платформ с развитием самих моделей искусственного интеллекта. Ранее, в 2025 году, компании уже начали техническое сотрудничество, для начала сосредоточившись на оптимизации обучения и инференса моделей на графических процессорах AMD. Теперь взаимодействие будет продолжено в рамках одной компании. Таким образом, AMD рассчитывает использовать опыт World Labs при проектировании инфраструктуры для новых направлений ИИ, включая робототехнику, симуляцию и физический искусственный интеллект. При этом конкретные будущие продукты и сроки их появления в опубликованном сообщении не раскрываются.

Источник Для просмотра ссылки Войди или Зарегистрируйся

Открытый ИИ потерял главного союзника: уход Хуанга может сыграть на руку OpenAI и Anthropic​


Отставка Дженсена Хуанга (Jensen Huang) с поста генерального директора Nvidia может изменить расстановку сил на рынке. Бывший руководитель компании был одним из наиболее влиятельных сторонников открытых ИИ-моделей и поддерживал их развитие не только публичными заявлениями, но и крупными инвестициями. Его Для просмотра ссылки Войди или Зарегистрируйся способен ослабить позиции разработчиков открытых моделей и укрепить влияние таких компаний, как OpenAI и Anthropic.

 Источник изображения: Nvidia

Источник изображения: Nvidia​

Поддержка открытых моделей отвечала сразу нескольким стратегическим интересам Nvidia. Такие разработки позволяют компаниям, государственным организациям и исследователям самостоятельно загружать, изменять и запускать ИИ-модели, не полагаясь исключительно на сервисы отдельных поставщиков. Но для этого нужны вычислительные мощности, например ускорители Nvidia. Таким образом, развитие открытых моделей помогало производителю расширять клиентскую базу и снижать зависимость от нескольких крупнейших разработчиков ИИ.
При этом сами Anthropic и OpenAI заинтересованы в снижении зависимости от Nvidia. Крупные разработчики передовых ИИ-систем инвестируют в собственные ускорители и диверсифицируют поставщиков вычислительных ресурсов. Поэтому Nvidia для собственной безопасности необходима диверсификация клиентской базы. Чем больше участников обучают и используют ИИ, тем выше спрос на графические ускорители Nvidia.


Одним из наиболее заметных проектов, связанных с этой стратегией, стала линейка открытых моделей Nemotron. Хуанг лично поддерживал её развитие. Модели предназначены для агентных ИИ-систем, способных выполнять продолжительные задачи, а также решать сложные задачи рассуждения. По словам одного из сотрудников Nvidia, опрошенного TechCrunch, смена руководства не должна повлиять на дальнейшую разработку Nemotron.
При Хуанге Nvidia также активно вкладывала средства в формирование экосистемы открытого искусственного интеллекта. Компания рассматривала инвестиции в стартап Thinking Machines Lab и разработчика ИИ-моделей Groq, договорилась о партнёрстве с Reflection AI, а также согласовала приобретение платформы Hugging Face за $12,9 млрд. Пока неясно, будут ли эти инициативы реализованы в прежнем виде после смены руководства.
Влияние Хуанга распространялось и на американскую политику в области искусственного интеллекта. Ранее в этом году он подготовил открытое письмо, которое подписали представители 25 компаний, включая Microsoft, MetaДля просмотра ссылки Войди или Зарегистрируйся, IBM и Palantir. Авторы призвали правительство США не вводить чрезмерные ограничения на распространение моделей с открытыми весами (open-weight). Поводом для обращения стали обсуждения в Вашингтоне возможных мер против китайских ИИ-разработчиков, которых обвиняли в краже интеллектуальной собственности американских компаний, в том числе Anthropic и OpenAI.
Позиция Хуанга фактически противостояла подходу разработчиков закрытых моделей, включая Anthropic и OpenAI. Последние выступали за более строгий контроль над распространением передовых ИИ-систем, ссылаясь на соображения безопасности. В Nvidia же считали, что чрезмерные ограничения могут затормозить развитие отрасли и ослабить конкурентоспособность американских разработчиков.
Теперь сторонники открытых моделей опасаются, что новый руководитель Nvidia будет менее активно продвигать эту повестку. Временно исполняющей обязанности генерального директора назначена финансовый директор Колетт Кресс (Colette Kress). Пока неясно, как она будет относиться к сделке с Hugging Face и дальнейшей поддержке открытой ИИ-экосистемы. Заметим, что при смене руководства приоритеты, сформированные прежним руководством компании, нередко отходят на второй план.
Отставка Хуанга может также усилить позиции сторонников более жёстких ограничений на китайские ИИ-технологии. Скандал вокруг его отношений с Элис Хуан (Alice Huang), бывшей руководительницей сингапурской Megaspeed, которую американские власти подозревают в связях с китайской разведкой, вновь привлёк внимание к его попыткам добиться смягчения экспортного контроля на поставки американских ускорителей в Китай.

Впрочем, уход Хуанга не означает автоматического прекращения развития открытых ИИ-моделей. Их поддерживает широкое сообщество разработчиков, исследователей и компаний, а сама Nvidia по-прежнему заинтересована в расширении клиентской базы, чему может способствовать открытый ИИ. Пока неясно, продолжит ли Nvidia при новом руководстве прежнюю политику в отношении открытых моделей и какие из запланированных сделок будут доведены до конца.

Источник Для просмотра ссылки Войди или Зарегистрируйся
 
Назад
Сверху