Nvidia-kunder varslet om AI-relaterte prisøkninger over 15 % ↗
Noen av Nvidias største kunder har angivelig blitt advart om at servere fullpakket med deres AI-brikker kan bli mer enn 15 % dyrere. Synderen er de økende kostnadene for minnebrikker, som nå smitter direkte over på kostnaden for AI-infrastruktur.
Økningene forventes å ramme systemer som bruker maskinvare fra Vera Rubin og Grace Blackwell. Så, i en litt uventet vending, handler ikke AI-kappløpet bare om å få nok GPU-er lenger – minneprising er i ferd med å bli en annen ganske stor elefant i serverracket.
Nvidia bruker 6 milliarder dollar på å bygge et kraftig amerikansk alternativ til kinesisk AI ↗
Nvidia skal angivelig ha investert 6 milliarder dollar i en avtale med AI-oppstartsselskapet Poolside, inkludert teknologilisensiering og talent, med mål om å bygge en ekstremt kraftig åpen vektmodell.
Det setter Nvidia i en uvanlig posisjon. De leverer maskinvaren som driver selskaper som OpenAI og Anthropic, men de kan nå også utfordre dem på modelllaget – samtidig som de prøver å motvirke kinesiske aktører med åpen modell som DeepSeek og Kimi. Leverandør, partner, konkurrent ... en fin liten trekant.
Inherent sier at deres AI-«lagkamerat» overgikk Anthropic og OpenAI i å replikere forskning ↗
London-oppstartsselskapet Inherent, grunnlagt av tidligere DeepMind-forskere, avduket Faraday, en AI-agent designet for å uavhengig reprodusere resultater fra publiserte vitenskapelige artikler.
Det overraskende: Inherent sier at Faraday slo systemer bygget rundt mye større frontmodeller fra Anthropic og OpenAI, mens de kjørte på en relativt liten Qwen-modell med 27 milliarder parametere. Selskapet gir æren til agentdesign og forsterkningslæring i stedet for bare å kaste flere parametere på problemet ... noe som er i ferd med å bli et tema.
OpenAI sier at California bør styrke sin lov om sikkerhet for AI ↗
OpenAI presser nå California til å legge til sterkere beskyttelse til SB 53, inkludert overvåking av grensemodeller under opplæring og evaluering og styrking av cybersikkerheten gjennom hele utviklingsprosessen.
Det er en mild vri i handlingen her: OpenAI motsatte seg tidligere lovgivningen. Selskapet argumenterer nå for at nylige hendelser knyttet til AI-sikkerhet viser hvorfor sterkere beskyttelse er nødvendig, og sier at regler på delstatsnivå etter hvert kan bli grunnlaget for en nasjonal standard.
Frontier AI-laboratorier vil fortsatt ikke si hvordan de ville inneholde en useriøs modell ↗
En vurdering fra Guidelight AI Standards fant at ledende AI-selskaper har publisert overraskende lite om hva de ville gjort hvis en mektig modell forsøkte å unngå menneskelig kontroll.
OpenAI scoret høyest blant de fem laboratoriene som ble undersøkt, men selv de mangler angivelig en offentlig dokumentert formell inneslutningsplan for fremtidige hendelser. Anthropic og Meta scoret spesielt dårlig på offentliggjøring – selv om selskaper hevder at offentlige dokumenter ikke nødvendigvis avslører alle deres interne sikkerhetstiltak.
I bunn og grunn har AI-laboratorier stadig mer detaljerte planer for testing av farlige evner ... men nødmanualen for «modellen oppfører seg allerede dårlig» ser fortsatt ganske tynn ut.
Harvards oppstartsbootcamp for 699 dollar tilbyr AI-avatarer av instruktørene sine ↗
Harvard Business School bruker HeyGen-genererte AI-avatarer av instruktører i sitt åtte uker lange Foundry-entreprenørskapsprogram til 699 dollar.
Studentene får fortsatt live-økter med menneskelige instruktører, men avatarene håndterer personlig tilbakemelding under simulerte presentasjoner og styremøter. En instruktør innrømmet at hans digitale dobbeltgjenger føles litt skummel – tydeligvis liker studentene det uansett.
Bedrifter som vinner med AI-agenter begrenser hvor mye agentene kan gjøre alene ↗
Kappløpet mellom AI og agenter i bedrifter begynner å snu på en av sine favorittantagelser: mer autonomi er ikke automatisk bedre. Bedrifter som ser sterkere produksjonsresultater gir i økende grad agenter snevrere ansvar og fastere driftsgrenser.
Det større problemet ser ut til å være styring, integrasjonskostnader og å bevise konkret forretningsverdi. Med andre ord kan den vinnende AI-ansatte se mindre ut som et autonomt geni og mer som en uvanlig rask kollega med svært strenge tillatelser.
Vanlige spørsmål
Hvorfor forventes det at Nvidia AI-servere vil bli dyrere?
Nvidia-kunder har angivelig blitt advart om at prisene på enkelte AI-servere kan stige med mer enn 15 %. Hovedpresset kommer fra høyere kostnader for minnebrikker, som presser opp den totale prisen på systemer bygget rundt maskinvare som Vera Rubin og Grace Blackwell. Dette peker på at minneprising blir en stadig viktigere del av utgiftene til AI-infrastruktur.
Hva handler Nvidias Poolside AI-avtale på 6 milliarder dollar om?
Nvidia skal angivelig ha forpliktet seg til 6 milliarder dollar i en avtale som involverer AI-oppstartsselskapet Poolside, og som dekker teknologilisensiering og talent. Målet er å bidra til å bygge en kraftig, åpen AI-modell i USA. Dette kan gi Nvidia en bredere konkurranseposisjon, siden de allerede leverer databehandlingsmaskinvare til store AI-utviklere, samtidig som de potensielt også konkurrerer med dem på modelllaget.
Hvordan utkonkurrerte Inherents Faraday AI-agent større AI-modeller?
Inherent sier at deres Faraday AI-agent presterte bedre til å reprodusere publisert vitenskapelig forskning enn systemer bygget rundt større frontmodeller. Faraday bruker angivelig en Qwen-modell med 27 milliarder parametere, og Inherent tilskriver ytelsen agentdesign og forsterkningslæring. Resultatet antyder at arbeidsflytdesign og treningsmetoder noen ganger kan bety like mye som å øke modellstørrelsen.
Hvorfor ønsker OpenAI at California skal styrke sin lov om sikkerhet for AI?
OpenAI etterlyser sterkere beskyttelse i Californias SB 53, inkludert tettere overvåking av frontmodeller under opplæring og evaluering, samt forbedrede cybersikkerhetstiltak. Dette markerer en endring fra tidligere motstand mot lovgivningen. OpenAI argumenterer nå for at nylige AI-sikkerhetshendelser gjør sterkere beskyttelsestiltak nødvendige, og at regler på delstatsnivå potensielt kan bidra til å forme et fremtidig nasjonalt rammeverk.
Hva gjør AI-laboratorier for å forberede seg på uærlige eller misoppførende modeller?
Ledende AI-selskaper publiserer detaljert informasjon om hvordan de tester farlige egenskaper, men offentlig dokumentasjon om hvordan man begrenser en modell når den begynner å oppføre seg farlig er fortsatt begrenset. En vurdering fra Guidelight AI Standards fant betydelige hull på tvers av store laboratorier. OpenAI scoret høyest blant de som ble undersøkt, selv om selv det angivelig mangler en offentlig dokumentert formell inneslutningsplan for fremtidige hendelser med useriøse modeller.
Hvorfor gir selskaper AI-agenter mindre autonomi i produksjonen?
Bedrifter som ser sterkere resultater fra AI-agenter begrenser i økende grad hva disse systemene kan gjøre uavhengig. En vanlig produksjonstilnærming er å gi agenter snevrere ansvarsområder, klare tillatelser og veldefinerte driftsgrenser. Dette kan gjøre styring, integrasjon og tilsyn enklere, samtidig som det reduserer risikoen forbundet med svært autonome systemer som er vanskelige å kontrollere eller evaluere.