شرکتهای بزرگ فناوری دارند هوش مصنوعی را بسیار عمیقتر در تجربه روزمره کاربران جا میدهند (نه فقط چتبات).
بر اساس گزارش، هزینه سرمایهای برای هوش مصنوعی تا سال ۲۰۲۷ به حدود ۶۰۰ میلیارد دلار میرسد، در حالی که در ۲۰۲۵ حدود «کمتر از ۴۰۰ میلیارد دلار» تخمین زده شده است.
سال ۲۰۲۶ احتمالاً سالی خواهد بود که Fujitsu از یک شرکت “ژاپنی-محور” به یک بازیگر واقعی جهانی در GenAI تبدیل میشود.
تنش ژئوپلیتیک AI بیشتر میشود، آمریکا وابسته به استعداد چینی است.
OpenAI و Google اعلام کردند مدلهای frontier را در اروپا محدود یا مسدود میکنند، شکاف دیجیتال بزرگتر میشود.
اولین بار یک مدل غیر OpenAI/Google/Anthropic در صدر بنچمارک عمومی قرار گرفت؛ رقابت AI بازتر میشود.
شرکتهای آمریکایی (OpenAI، Google، Anthropic) باید ساختارهای اروپایی جداگانه بسازند؛ ممکن است توسعه مدلهای بزرگ در اروپا متوقف شود.
این بهروزرسانیها بهرهوری کسبوکارها را افزایش میدهد و رقابت با Google Gemini و OpenAI را تشدید میکند، با کاربردهای واقعی در cybersecurity و cloud.
سرمایهگذاران را وادار به بازنگری در ارزشگذاری شرکتهای tech میکند و ممکن است به تمرکز بیشتر بر AI سودآور (مانند ابزارهای کاربردی) منجر شود، در حالی که استارتآپهای کوچکتر فرصت رشد پیدا میکنند.
این مراکز از انرژی تجدیدپذیر استفاده خواهند کرد و بر پایه مدلهای Gemini طراحی شدهاند تا تقاضای رو به رشد برای آموزش مدلهای بزرگ AI را پاسخ دهند.
SIMA 2 میتواند از دستورات زبانی برای برنامهریزی استراتژیک استفاده کند و برای کاربردهای واقعی مانند رباتیک و شبیهسازیهای صنعتی طراحی شده.
این خبر علمی نشاندهنده آگاهی فزاینده در میان رشتههای انرژی و AI است: اگر زیرساخت AI رشد کند اما با مصرف انرژی بالا، انتشار کربن نیز زیاد شود، پایداری فناوری به چالش خواهد افتاد.
Baidu (واحد تراشهسازی Kunlunxin) دو تراشه جدید AI به نامهای M100 (برای استنتاج مقیاس بالا) برای سال ۲۰۲۶ و M300 (برای آموزش/استنتاج بسیار بزرگ) برای سال ۲۰۲۷ معرفی کرد.
این خبر یادآوری میکند که AI فقط نرمافزار نیست؛ زیربناهای فیزیکی همچون برق، خنکسازی، تأمین تراشه و شبکه داده مهمتر شدهاند.
You cannot copy content of this page
