🎙️ ElevenLabs достиже вредност од 11 милијарди долара након нове рунде инвестиција од 500 милиона долара ↗
ElevenLabs је управо ускочио у ниво „ово постаје озбиљно“ - прикупили су 500 милиона долара, процена вредности је 11 милијарди долара. То је велики скок у односу на последњи јавно објављивани број и наглашава колико инвеститори и даље виде глас вештачке интелигенције као платформу, а не салонски трик.
Предлог: реалистичнији говор, више језика, „емотивнији“ глас за разговор и више синхронизације - у основи циљ је да се буде испод мноштва медијских и агентских токова посла... на боље или на горе.
🧠 Церебрас осваја додатних 1 милијарду долара и процену вредности од 23,1 милијарде долара у трци за вештачку интелигенцију ↗
Церебрас је привукао милијарду долара у касној фази финансирања, а процена вредности је гласна: 23,1 милијарду долара. Ако месецима чујете „Nvidia не може бити једино решење“, ево како то звучи када се испише чек.
Они се кладе да хардвер величине вафера - џиновски чипови за обуку и инференцију - могу наставити да стварају трајну потражњу док сви траже рачунарске ресурсе. То је делом диверзификација, делом очај, делом „молим вас, не дозволите да понуда графичких процесора диктира цео мој план“, све одједном.
💸 Планови за капитална улагања у вештачку интелигенцију компаније Alphabet су импресивни - а уско грло није само новац ↗
Компанија Alphabet је изложила планове за инфраструктурне трошкове који су... помало апсурдни по величини. Суштина је: наставити са сипање бетона, наставити са куповином чипова, наставити са ширењем дата центара - јер вештачка интелигенција не ради на вибрацијама, већ на енергији и силицијуму.
Постоји нешто благо умирујуће - а истовремено и алармантно: чак и са таквим буџетом, ограничења у понуди су и даље важна. Новац помаже, свакако - али не можете одмах ниоткуда створити трансформаторе, капацитет мреже или хиљаду нових дата центара.
🎓 Сара Хукер и њене Адаптационе лабораторије добијају почетни капитал од 50 милиона долара за изградњу модела који „уче у ходу“ ↗
Компанија Adaption Labs је изашла са импресивном рундом финансирања од 50 милиона долара, вођена идејом да би мањи, паметнији модели који се брзо прилагођавају могли да надмаше обим у многим реалним условима.
Основна опклада је јасна: уместо само већег претходног тренинга заувек, фокусирајте се на системе који ефикасно уче. То је или следећа разумна фаза... или храбар покушај да се заобиђе трка у наоружању графичких процесора, у зависности од вашег расположења.
🧾 Мајкрософтов уговор о рачунарству са OpenAI-јем претвара се у ризичну причу за инвеститоре ↗
Блумбергов став: инвеститори почињу да посматрају Мајкрософтов однос са OpenAI мање као загарантовани џекпот, а више као површину ризика - трошкови, обавезе, управљање, цео тај замршени свежањ.
Ово није баш „партнерство је лоше“ - више је као да, када рачуни постану довољно велики, чак и стратешка предност може почети да се тумачи као обавеза. Нешто као да поседујете тркачког коња који стално побеђује... док вам једе кућу.
📜 Замах Закона ЕУ о вештачкој интелигенцији - нацрт кодекса транспарентности за садржај генерисан вештачком интелигенцијом ↗
Нацрт Кодекса праксе о транспарентности за садржај генерисан или манипулисан вештачком интелигенцијом кружи, а везан је за то како би требало обележавати и поступати са резултатима вештачке интелигенције. Није баш најгламурознији наслов, али је то она врста „слоја папирологије“ који на крају брзо обликује одлуке о производу.
Ако градите или примењујете генеративне ствари, ово вас подстиче ка већој дисциплини у вези са воденим жигом/означавањем - и вероватно већој ревизији и документацији него што било ко жели у петак. (Али... да, долази.)
Честа питања
Шта процена вредности компаније ElevenLabs од 11 милијарди долара говори о томе куда иде глас вештачке интелигенције?
То сугерише да инвеститори виде вештачку интелигенцију као основну инфраструктуру за медије и производе у стилу агента, а не као новину. Нагласак је на реалистичном, вишејезичном, емоционално експресивном говору који се лако уклапа у токове синхронизације и разговора. У многим процесима, то чини глас слојем за вишекратну употребу у апликацијама, уместо једнократне демонстрационе могућности.
Како би требало да размишљам о наглим порастима финансирања вештачке интелигенције попут ElevenLabs-а и Cerebras-а у практичном смислу?
Велике рунде продаје обично сигнализирају да тржиште очекује велика, континуирана улагања у рачунарство, податке и дистрибуцију. За произвођаче, то се често претвара у бржу итерацију производа од добро финансираних добављача, уз оштрију конкуренцију у погледу цене и перформанси. То такође може указивати на то да се у „платформским“ категоријама – глас, чипови, инфраструктура – граде одбрањиве позиције.
Какав је Церебрасов приступ на нивоу вафла и зашто се људи сада кладе на њега?
Церебрас позиционира џиновске чипове величине вафера за обуку и инференцију као алтернативни пут за задовољавање потражње за рачунарством. Кладња је да специјализовани хардвер може да издвоји трајне нише док тимови траже опције изван једног доминантног ланца снабдевања графичким процесорима. У пракси, то је делом стратегија диверзификације, а делом хитна потреба за обезбеђивањем поузданих капацитета.
Зашто Alphabet може да троши огромна средства на инфраструктуру вештачке интелигенције, а да се и даље суочава са ограничењима у понуди?
Зато што је скалирање вештачке интелигенције ограничено физичким уским грлима, а не само буџетом. Доступност напајања, изградња дата центара и приступ чиповима и компонентама могу захтевати време за проширење. Чак и са агресивним капиталним улагањима, не можете одмах додати капацитет мреже или убрзати сваки део хардвера и изградње одједном.
Шта су модели „учења у ходу“ и када би могли да победе веће, претходно обучене моделе?
То су системи дизајнирани да се ефикасно прилагоде након имплементације, уместо да се ослањају само на све већу претходну обуку. У многим производним окружењима, бржа адаптација може бити важнија од сирове скале, посебно када се подаци померају или токови рада мењају. Уобичајени приступ је да се модели одрже мањим, а учење или ажурирање учини ефикаснијим у производњи.
Како напори за транспарентност Закона ЕУ о вештачкој интелигенцији утичу на тимове који испоручују генеративни садржај?
Они подстичу производе ка јаснијем означавању и руковању резултатима генерисаним или манипулисаним вештачком интелигенцијом. У многим организацијама, то се претвара у већу дисциплину воденог жига или откривања информација, плус јаче праксе документације и ревизије. Ако примењујете генеративне медије, паметно је рано планирати праћење порекла и изградњу једноставних токова рада за усклађеност.