Google vadības soļi, kas noveda pie lielās mākslīgā intelekta pārkārtošanas ↗
Google pastiprina kontroli pār DeepMind, cenšoties atgūt Gemini vadību. Ziņots, ka Sergejs Brins ir mudinājis mākslīgā intelekta darbiniekus pilnībā pievērsties Gemini, tostarp strādāt pie rekursīvas pašpilnveidošanās.
Pārveidošana arī piešķir galvenajam mākslīgā intelekta arhitektam Korajam Kavukcuoglu lielākas pilnvaras, savukārt dažas komandas tiek tiešāk integrētas Google. Nedaudz neveiklā daļa? Tiek ziņots, ka nākamā Gemini flagmaņa modeļa izlaišana ir aizkavējusies pēc tam, kad tas atpalika no konkurentiem tādās jomās kā kodēšana. (Reuters)
Mākslīgā intelekta koda pārskatīšanas platformas CodeRabbit vērtība jaunākajā finansējuma kārtā ir 1,5 miljardi ASV dolāru ↗
CodeRabbit piesaistīja 143 miljonus ASV dolāru Atomico un Smash Capital kopīgi vadītā finansējuma kārtā, palielinot uzņēmuma vērtību līdz 1,5 miljardiem ASV dolāru. Uzņēmums apgalvo, ka jau katru nedēļu veic vairāk nekā 2 miljonus koda pārskatīšanas vairāk nekā 17 000 klientu.
Laiks ir loģisks: mākslīgajam intelektam rakstot arvien vairāk programmatūras, kādam — vai varbūt citam mākslīgajam intelektam — ir jāpārbauda lavīna. CodeRabbit plāno turpmāku paplašināšanos Eiropā un Āzijā un apgalvo, ka iztērēs vairāk nekā 10 miljonus ASV dolāru, lai atvērtā pirmkoda projektiem nodrošinātu bezmaksas mākslīgā intelekta pārskatīšanas rīkus. (Reuters)
Dabiskās valodas kodēšanas jaunuzņēmums Lovable piesaista 400 miljonus dolāru, novērtējot to 13,3 miljardu dolāru vērtībā ↗
Lovable piesaistīja vēl 400 miljonus ASV dolāru, dubultojot savu novērtējumu līdz 13,3 miljardiem ASV dolāru. Investīciju kārtu kopīgi vadīja Menlo Ventures un EQT Scaleup Europe Fund, bet starp citiem investoriem bija Tencent un Balderton Capital.
Dabiskās valodas lietotņu veidotājs apgalvo, ka gada atkārtotie ieņēmumi ir gandrīz trīskāršojušies no 200 miljoniem ASV dolāru un tuvojas 600 miljoniem ASV dolāru. Lietotāji ir izveidojuši vairāk nekā 60 miljonus projektu — dabiskās valodas kodēšana ir kļuvusi no nišas eksperimenta par diezgan milzīgu biznesu, vai vismaz tā šķiet. (Reuters)
Cerebras akcijas krītas par 16% pēc tam, kad rezultāti neatstāja iespaidu uz investoriem ↗
Mākslīgā intelekta mikroshēmu ražotāja Cerebras akciju cena pagarinātajā tirdzniecības sesijā kritās par 16 % pēc tam, kad ceturkšņa ieņēmumi nesasniedza Volstrītas prognozes, neskatoties uz to, ka uzņēmums paaugstināja gada prognozi. Pārdošanas apjoms sasniedza 180,11 miljonus ASV dolāru, savukārt analītiķi bija prognozējuši 194,23 miljonus ASV dolāru.
Tā mākoņpakalpojumu bizness aptuveni četrkāršojās līdz 126 miljoniem ASV dolāru, lai gan aparatūras pārdošanas apjomi samazinājās. Cerebras arī palielina jaudu savam milzīgajam 20 miljardu ASV dolāru skaitļošanas līgumam ar OpenAI, tāpēc izaugsmes stāsts joprojām ir ļoti dzīvs; investori vienkārši vēlējās, lai tas tiktu pasniegts karstāk. (Reuters)
Cisco prognozē, ka gada ieņēmumi, kas saistīti ar ilgtspējīgiem mākslīgā intelekta izdevumiem, pārsniegs aplēses ↗
Cisco prognozēja gada ieņēmumus virs Volstrītas prognozēm, jo pieprasījums pēc tīkla aprīkojuma, kas ir mākslīgā intelekta klasteru pamatā, turpina pieaugt. Uzņēmums savā pēdējā finanšu gadā reģistrēja mākslīgā intelekta infrastruktūras pasūtījumus 9,3 miljardu ASV dolāru apmērā, tostarp 4 miljardus ASV dolāru tikai pēdējā ceturksnī.
Tomēr akciju cenas pēc darba laika kritās, investoriem izvēloties peļņas normas un jau tā augstās cerības. Mākslīgā intelekta infrastruktūra kļūst par ārkārtēju naudas plūsmu, taču acīmredzot pat naudas plūsmai mūsdienās ir jāplūst ātrāk. (Reuters)
Nebius apstiprina iepriekšējo gadu aplēses, jo klienti steidzas nodrošināt mākslīgā intelekta jaudu ↗
Mākslīgā intelekta mākoņpakalpojumu sniedzējs Nebius pārspēja ceturkšņa ieņēmumu prognozes, jo uzņēmumi steidzās ierobežot ierobežoto skaitļošanas jaudu, kā rezultātā tā akciju cena strauji pieauga. Tā mākslīgā intelekta mākoņpakalpojumu darījumu vērtība gandrīz četrkāršojās, četriem līgumiem vidēji pārsniedzot 1 miljardu ASV dolāru katram.
Nebius arī paaugstināja savu enerģijas ražošanas jaudas mērķi un paziņoja, ka pieprasījums ir pietiekami liels, lai tas varētu pārdot visu plānoto jaudu nākamajam gadam ar pašreizējiem nosacījumiem. Datoru ierobežotība kaut kādā veidā turpina uzvesties kā pludmales īpašums ar pievienotiem grafiskajiem procesoriem. (Reuters)
Amerikāņu mākslīgā intelekta modeļu veidotāji sajūt iespēju ↗
Lēti, spējīgi ķīniešu atvērtā svara modeļi piespiež amerikāņu mākslīgā intelekta uzņēmumus pārskatīt savas stratēģijas. Meta atgriežas pie atvērtā svara modeļiem, savukārt Nvidia izstrādā lielākas Nemotron sistēmas, kuru mērķis ir konkurēt ar vadošajām atvērtā svara alternatīvām.
Ekonomiskie aspekti ir izšķiroši. Uzņēmumiem arvien biežāk nav nepieciešams absolūti labākais robežmodelis katram uzdevumam, padarot lētākus atvērtos modeļus pievilcīgākus un radot papildu spiedienu uz dārgiem slēgtajiem piedāvājumiem no OpenAI un Anthropic. (Reuters)
Bieži uzdotie jautājumi
Ko Google mākslīgā intelekta pārkārtošana nozīmē Gemini un DeepMind?
Google ciešāk iekļauj DeepMind savā plašākajā mākslīgā intelekta stratēģijā, vienlaikus piešķirot galvenajam mākslīgā intelekta arhitektam Korajam Kavukcuoglu lielākas pilnvaras. Sergejs Brins arī esot mudinājis komandas pievērst lielu uzmanību Gemini, tostarp pētījumiem par rekursīvo pašpilnveidošanos. Izmaiņas liecina, ka Google vēlas ciešāku un ātrāku koordināciju, strādājot pie Gemini stiprināšanas cīņā pret konkurējošiem robežu modeļiem.
Kāpēc, kā ziņots, Gemini nākamā vadošā mākslīgā intelekta modeļa izlaišana ir aizkavējusies?
Tiek ziņots, ka nākamā flagmaņa Gemini modeļa izstrāde ir saskārusies ar kavēšanos pēc atpalikšanas no konkurentiem tādās jomās kā kodēšana. Šķiet, ka Google vadības pārkārtošana daļēji ir paredzēta, lai uzlabotu koordināciju starp mākslīgā intelekta pētniecību, produktu izstrādi un vadību. Integrētāka struktūra varētu palīdzēt uzņēmumam ātrāk reaģēt, ja modeļa veiktspēja neatbilst iekšējām vai konkurētspējīgām cerībām.
Kāpēc mākslīgā intelekta kodēšanas uzņēmumi, piemēram, CodeRabbit un Lovable, piesaista tik daudz investīciju?
Investori atbalsta uzņēmumus, kas apkalpo dažādas strauji augošās mākslīgā intelekta programmatūras darbplūsmas daļas. Lovable palīdz lietotājiem veidot lietojumprogrammas, izmantojot dabiskas valodas instrukcijas, savukārt CodeRabbit koncentrējas uz gan mākslīgā intelekta ģenerēta, gan cilvēka rakstīta koda pārskatīšanu. Tā kā mākslīgais intelekts rada arvien vairāk programmatūras, rīki šīs programmatūras izveidei, pārbaudei un uzturēšanai var kļūt par arvien vērtīgākām izstrādes procesa sastāvdaļām.
Kas veicina pieprasījumu pēc mākslīgā intelekta infrastruktūras no Cisco un Nebius puses?
Uzņēmumi tērē lielus līdzekļus tīklu, mākoņpakalpojumu jaudai un skaitļošanas resursiem, kas nepieciešami arvien lielāku mākslīgā intelekta darba slodžu darbībai. Cisco ziņoja par lieliem mākslīgā intelekta infrastruktūras pasūtījumiem, savukārt Nebius norādīja, ka klienti sacenšas, lai nodrošinātu skaitļošanas jaudu, noslēdzot lielus mākoņpakalpojumu līgumus. Skaitļi liecina, ka pieprasījums joprojām ir spēcīgs gan fiziskā tīkla slānī, gan specializētajos mākslīgā intelekta mākoņpakalpojumos.
Kāpēc Cerebras akcijas kritās, neskatoties uz lielo pieprasījumu pēc mākslīgā intelekta mikroshēmām?
Cerebras akciju cena kritās pēc tam, kad ceturkšņa ieņēmumi bija zemāki par Volstrītas prognozēm, pat neskatoties uz to, ka uzņēmums paaugstināja savu gada prognozi. Tā mākoņpakalpojumu bizness ievērojami pieauga, savukārt aparatūras pārdošanas apjomi samazinājās. Šī reakcija liecina, ka spēcīgs ilgtermiņa pieprasījums pēc mākslīgā intelekta ne vienmēr pasargā uzņēmumu no īstermiņa tirgus vilšanās, ja ieņēmumi vai citi rūpīgi vērotie rezultāti nesasniedz investoru cerības.
Kāpēc amerikāņu mākslīgā intelekta uzņēmumi arvien vairāk interesējas par atvērta svara modeļiem?
Lēti, jaudīgi ķīniešu atvērtā svara modeļi rada lielāku spiedienu uz ASV mākslīgā intelekta uzņēmumiem piedāvāt konkurētspējīgākas alternatīvas. Meta atgriežas pie atvērtā svara modeļiem, savukārt Nvidia izstrādā lielākas Nemotron sistēmas. Daudziem biznesa uzdevumiem lietotāji var dot priekšroku lētākam modelim, kas darbojas pietiekami labi, nevis maksāt par jaudīgāko pieejamo robežlīmeņa modeli.