🎙️ ElevenLabs достигнува проценка од 11 милијарди долари по новата рунда инвестиции од 500 милиони долари ↗
ElevenLabs штотуку се искачи на ниво „ова станува сериозно“ - собра 500 милиони долари, проценка од 11 милијарди долари. Тоа е голем скок од последниот јавно дискутиран број и нагласува колку инвеститорите сè уште го гледаат гласот на вештачката интелигенција како платформа, а не како салонски трик.
Предлогот: пореалистичен говор, повеќе јазици, по„емоционален“ разговорен глас и повеќе синхронизација - во основа целта е да се смести под еден тон медиумски и агентски работни процеси… на подобро или на полошо.
🧠 Cerebras добива уште 1 милијарда долари и проценка од 23,1 милијарди долари во трката за чипови со вештачка интелигенција ↗
Cerebras привлече 1 милијарда долари финансирање во доцна фаза, а проценката е гласна: 23,1 милијарди долари. Ако со месеци слушате „Nvidia не може да биде единственото решение“, еве како звучи тоа во форма на пишување чекови.
Тие се обложуваат дека хардверот со големина на вафер - гигантски чипови за обука и инференција - може да продолжи да создава трајна побарувачка додека сите се борат за пресметка. Тоа е делумно диверзификација, делумно очај, делумно „ве молам, не дозволувајте снабдувањето со графички процесор да ми го диктира целиот план“, сè одеднаш.
💸 Плановите за капитални трошоци за вештачка интелигенција на „Алфабет“ се импресивни - а тесното грло не се само парите ↗
„Алфабет“ изнесе планови за трошење во инфраструктура кои се… малку апсурдни по големина. Вибрацијата е: продолжете да истурате бетон, продолжете да купувате чипови, продолжете да ги проширувате центрите за податоци - бидејќи вештачката интелигенција не работи на вибрации, туку на енергија и силициум.
Има нешто малку смирувачко - а воедно и алармантно: дури и со таков буџет, ограничувањата во снабдувањето сè уште се важни. Парите помагаат, секако - но не можете веднаш да смислите трансформатори, капацитет на мрежата или илјада нови градби на центри за податоци од ништо.
🎓 „Адаптион лабс“ на Сара Хукер добива инвестиција од 50 милиони долари за изградба на модели „учење во лет“ ↗
„Adaption Labs“ излезе со почетна рунда инвестиции од 50 милиони долари, водена од идејата дека помалите, попаметни модели кои брзо се адаптираат би можеле да бидат попродуктивни во многу реални услови.
Основната цел е јасна: наместо само поголема претходна обука засекогаш, фокусирајте се на системи кои продолжуваат ефикасно да учат. Тоа е или следната разумна фаза… или храбар обид да се заобиколи трката во вооружувањето на графичкиот процесор, во зависност од вашето расположение.
🧾 Договорот на Microsoft со OpenAI за компјутери се претвора во ризична приказна за инвеститорите ↗
Мислење на Блумберг: инвеститорите почнуваат да го толкуваат односот на Мајкрософт со ОпенАИ помалку како загарантиран џекпот, а повеќе како површина на ризик - трошоци, обврски, управување, целиот заплеткан пакет.
Ова не е баш „партнерството е лошо“ - туку повеќе е како, кога сметките ќе станат доволно големи, дури и стратешката предност може да почне да се толкува како обврска. Нешто како да поседувате тркачки коњ кој постојано победува… додека ви ја јаде куќата.
📜 Моментум на Законот за вештачка интелигенција на ЕУ - нацрт-код за транспарентност за површини со содржина генерирана од вештачка интелигенција ↗
Нацрт-кодекс на пракса за транспарентност за содржина генерирана или манипулирана од вештачка интелигенција е во тек, поврзан со тоа како треба да се етикетираат и обработуваат резултатите од вештачката интелигенција. Не е најгламурозниот наслов, но е еден вид „слој на документација“ што на крајот брзо ги обликува одлуките за производот.
Ако градите или распоредувате генеративни работи, ова ве поттикнува кон поголема дисциплина за водени печати/етикетирање - и веројатно повеќе ревизија и документација отколку што некој би сакал во петок. (Но… да, доаѓа.)
Најчесто поставувани прашања
Што кажува проценката од 11 милијарди долари на ElevenLabs за тоа каде оди гласот на вештачката интелигенција?
Тоа сугерира дека инвеститорите го гледаат гласот на вештачката интелигенција како основна инфраструктура за медиуми и производи во стилот на агент, а не како новина. Акцентот е ставен на реалистичен, повеќејазичен, емоционално експресивен говор кој јасно се вклопува во работните процеси на синхронизација и разговор. Во многу канали, тоа го прави гласот слој за повеќекратна употреба низ апликациите, наместо еднократна демо можност.
Како треба да размислувам за зголемувањето на финансирањето од вештачка интелигенција како што се ElevenLabs и Cerebras во практична смисла?
Големите рунди имаат тенденција да сигнализираат дека пазарот очекува големи, одржливи трошоци за пресметување, податоци и дистрибуција да победат. За градителите, тоа често се преведува во побрза итерација на производот од добро финансирани добавувачи, заедно со поостра конкуренција во цената и перформансите. Исто така, може да укаже дека категориите на „платформи“ - глас, чипови, инфраструктура - се местото каде што се градат одбранливи позиции.
Кој е пристапот на Cerebras на ваферска скала и зошто луѓето се обложуваат на него сега?
„Церебрас“ позиционира џиновски чипови со големина на вафли за обука и инференција како алтернативен пат за задоволување на побарувачката за пресметување. Облогот е дека специјализираниот хардвер може да издвои трајни ниши додека тимовите бараат опции надвор од еден доминантен синџир на снабдување со графички процесор. Во пракса, тоа е делумно стратегија за диверзификација, а делумно итна потреба за обезбедување сигурен капацитет.
Зошто „Алфабет“ може да троши огромни средства на инфраструктура за вештачка интелигенција, а сепак да се соочува со ограничувања во снабдувањето?
Бидејќи скалирањето на вештачката интелигенција е ограничено од физички тесни грла, а не само од буџетот. Достапноста на енергија, изградбата на центри за податоци и пристапот до чипови и компоненти може да потрае за да се прошират. Дури и со агресивни капитални трошоци, не можете веднаш да додадете капацитет на мрежата или да го забрзате секој дел од хардверскиот и градежниот цевковод одеднаш.
Што се модели „учење во лет“ и кога би можеле да ги надминат поголемите претходно обучени модели?
Тие се системи дизајнирани ефикасно да се адаптираат по распоредувањето, наместо да се потпираат само на сè поголема претходна обука. Во многу производствени услови, побрзата адаптација може да биде поважна од суровата скала, особено кога податоците се менуваат или работните процеси се менуваат. Вообичаен пристап е моделите да се одржуваат помали и учењето или ажурирањето да се направи поефикасно во производството.
Како напорите за транспарентност на Законот за вештачка интелигенција на ЕУ влијаат на тимовите што испорачуваат генеративна содржина?
Тие ги туркаат производите кон појасно етикетирање и ракување со резултатите генерирани или манипулирани од вештачка интелигенција. Во многу организации, тоа се преведува во поголема дисциплина за воден печат или откривање, плус посилни практики за документирање и ревизија. Ако користите генеративни медиуми, паметно е рано да планирате за следење на потеклото и градење лесни работни процеси за усогласеност.