Știri
Știri din categoria Inteligență artificială
Arm își mută centrul de greutate din „vânzare de IP” către livrarea de siliciu, pe fondul cererii accelerate de capacitate de calcul pentru inteligență artificială și al presiunii de a scala producția, lanțul de aprovizionare și testarea la nivel de produs finit, nu doar de proiect. Într-un episod special al podcastului Arm Viewpoints, înregistrat live la evenimentul Arm Everywhere pe 24 martie 2026, compania descrie tranziția „de la IP la siliciu” în jurul a ceea ce numește „AGI CPU”, cu accent pe operațiuni și industrializare, potrivit Arm.
Discuția reunește patru executivi implicați în proiect: Will Abbey (Chief Commercial Officer), Dermot O’Driscoll (VP Product Solutions, Cloud AI), Steve Halter (Solutions Engineering) și Eric Hayes (EVP Operations). Mesajul central: pentru a răspunde cererii „explozive” de calcul pentru AI, nu mai este suficientă livrarea de nuclee și blocuri de proprietate intelectuală (IP), ci este nevoie de integrare, validare și execuție industrială – de la proiectare la fabricație.
În conversație, conducerea Arm descrie evoluția companiei dintr-un furnizor consacrat de IP pentru mobil către o prezență mai directă în zona de infrastructură și centre de date, unde criterii precum „performanță per watt” (eficiență energetică raportată la performanță), scalarea și certitudinea lanțului de aprovizionare devin decisive.
Will Abbey plasează momentul în contextul unei schimbări de scară pentru Arm: compania vorbește despre „350 de miliarde” de cipuri livrate cumulativ și despre faptul că pune „la dispoziție” un „AGI chip”, pe care îl descrie drept o premieră istorică pentru Arm. În același timp, el susține că „sistemele tradiționale” nu mai țin pasul cu cererea din ultimul an și jumătate, ceea ce împinge industria spre noi arhitecturi și noi modele de livrare.
Dermot O’Driscoll indică perioada 2012–2013 ca început al intrării Arm în piața de „infrastructure/data center”, într-un moment în care compania era puternic orientată spre mobil și nu înțelegea suficient cerințele specifice serverelor. În primii ani, Arm a mers mai ales pe licențe de arhitectură, lăsând partenerii să construiască propriile procesoare și sisteme pe cip (SoC).
Ulterior, cerințele clienților s-au schimbat: aceștia au cerut suport mai bun pentru virtualizare și interconectări care să permită SoC-uri cu multe nuclee. O’Driscoll plasează un punct de inflexiune în intervalul 2017–2018, când Arm începe să contureze o linie de produse și o „branduire” separată pentru zona de centre de date, pe măsură ce înțelege mai bine sarcinile de lucru (workload-urile) și criteriile de achiziție.
Un element important în narațiune este Amazon, descris ca partener „far” („lighthouse partner”). O’Driscoll spune că Amazon a fost un client care a acceptat să contribuie la construirea ecosistemului software (inclusiv Java și profiluri de utilizare), reducând una dintre barierele invocate anterior de alți clienți: lipsa maturității ecosistemului.
Steve Halter explică tranziția Arm către livrarea de componente mai integrate, pe fondul cererii clienților pentru soluții „pre-integrate”. În acest context apare conceptul de CSS (compute subsystems) – subsisteme de calcul integrate, care includ nu doar nucleul CPU, ci și componentele de sistem necesare pentru a funcționa performant într-o implementare reală (de exemplu interconectări, componente legate de memorie și virtualizare).
Halter afirmă că CSS a fost „fundația” designului pentru AGI CPU și că abordarea Arm nu se oprește la nivel de IP, ci urmărește proiectarea „la nivel de sistem”. El mai spune că această bază a accelerat dezvoltarea („jumpstart”), permițând companiei să construiască în jurul ei și să adapteze configurația pentru produsul final.
În paralel, el descrie schimbarea de competențe necesare: pentru a livra siliciu, Arm a avut nevoie să completeze expertiza tradițională de IP cu zone precum ambalare (packaging), activități „back-end” și integrarea unor interfețe și componente tipice SoC-urilor (menționează, între altele, DDR, PCIe și die-to-die).
Eric Hayes, responsabil de operațiuni, enumeră aria sa: lanț de aprovizionare, planificare, logistică, fabricație, management de produs, calitate și testare, plus management de programe cross-funcțional. El subliniază că trecerea de la „ciclul de viață al IP-ului” la un model orientat spre producție și livrare de volum presupune procese și oameni cu experiență în companii de semiconductori și hyperscaleri, cu accent pe achiziție și livrare de produse la scară mare.
Textul sursă este întrerupt (trunchiat) exact când Hayes începe să detalieze migrarea operațională, astfel că nu sunt disponibile, în acest extras, elemente concrete despre capacități de producție, furnizori, volume sau termene.
Arm leagă proiectul de „valul” de agentic AI (AI capabilă să execute sarcini în mod autonom, pe baza unor obiective), sugerând că cerințele viitoare vor pune și mai multă presiune pe eficiență energetică, scalare și colaborare în ecosistem. Totuși, în materialul disponibil nu apar specificații tehnice ale „AGI CPU”, detalii despre disponibilitate comercială, clienți confirmați (în afară de referințele la Amazon ca partener) sau indicatori financiari care să permită cuantificarea impactului economic.
Recomandate
Amazon mizează pe „dispozitive ambientale” cu AI care ar putea reduce dependența de aplicații , iar pariul are implicații operaționale directe: hardware care rulează „în fundal”, captează context din viața utilizatorului și livrează automat sarcini, mementouri și informații. La TechCrunch Disrupt, Panos Panay , SVP Devices, Alexa & Leo, a descris această direcție ca următorul pas în calculul personal, potrivit TechCrunch . Panay a susținut că interacțiunea actuală cu smartphone-ul presupune ca utilizatorul „să-și amintească” ce să ceară dispozitivului, în timp ce viitorul ar porni de la „dispozitive ambientale” care folosesc senzori și inteligență artificială pentru a identifica ce e de făcut, fără comenzi explicite. „Cred că ne îndreptăm spre o lume care începe cu dispozitive ambientale.” Ce înseamnă „ambient” în viziunea Amazon: Bee, înregistrare pasivă și note automate Cea mai concretă intrare a Amazon în această zonă este setul de dispozitive Bee prezentat joi: o brățară purtabilă (care poate fi detașată și purtată ca pandantiv) și un dispozitiv de mărimea unui card, care se prinde magnetic pe spatele smartphone-ului. TechCrunch le leagă de lansarea noilor purtabile AI Bee (context publicat separat, în același site). Funcțional, aceste gadgeturi: înregistrează pasiv audio și generează note despre zi; extrag „to-do”-uri, mementouri și „insight”-uri (informații utile) la care utilizatorul poate reveni ulterior. Miza operațională: AI care „înțelege ce ai nevoie”, nu „dă-mi aplicația” Panay a descris o tranziție în care cererea „dă-mi aplicația pentru asta” devine mai puțin relevantă, pe măsură ce tot mai multe sarcini sunt rezolvate prin AI, pe baza contextului captat de senzori. „Da, cred că transformarea asta vine. Cred că asta este următoarea generație.” În același timp, el a nuanțat că nu vede un singur tip de dispozitiv care să înlocuiască toate celelalte (de exemplu, smartphone-ul), ci mai degrabă un „strat de inteligență” care le conectează și trebuie să fie util în practică. Confidențialitatea, condiție de funcționare pentru dispozitivele care „ascultă” Pentru a limita riscurile de confidențialitate, TechCrunch notează că dispozitivele Bee nu stochează audio brut din conversații: procesează în timp real și șterg apoi. Transcrierile sunt criptate cu chei create și controlate de dispozitiv, iar accesul altor persoane — inclusiv angajați Amazon — nu ar fi posibil fără partajare intenționată din partea utilizatorului. Panay a spus că protecția datelor a fost o considerentă-cheie în proiectarea acestor dispozitive și că utilizatorii trebuie să aibă control. „Trebuie să le oferi clienților acel control.” [...]
Un model de inteligență artificială poate estima vârsta biologică și riscul de deces la pacienți oncologici dintr-o fotografie facială , însă utilitatea sa clinică reală și limitele de aplicare rămân încă neclare, potrivit Notebookcheck . Tehnologia, prezentată într-un studiu din „ The Lancet Digital Health ”, ridică atât perspectiva unor evaluări medicale cu bariere de intrare foarte mici, cât și întrebări despre validare, interpretabilitate și potențiale utilizări abuzive. Ce face modelul și pe ce date a fost antrenat Cercetătorii au dezvoltat un model numit FAHR-Face (Foundation Artificial Intelligence for Health Recognition), antrenat pe peste 40 de milioane de imagini faciale și adaptat ulterior pentru două sarcini distincte: estimarea „vârstei biologice” din trăsături faciale (care poate diferi de vârsta cronologică și ar putea indica starea generală de sănătate și reziliența fizică); estimarea riscului de supraviețuire la pacienți cu cancer pe baza unei fotografii, cu zone considerate relevante în special sub ochi și de-a lungul punții nasului. Rezultatele raportate pe pacienți cu cancer Evaluarea a inclus aproximativ 43.000 de pacienți oncologici, iar un test separat a fost realizat pe 3.820 de pacienți. În acest test: 122 de pacienți au fost încadrați de model în grupa cu risc maxim; dintre aceștia, 52% au murit în 90 de zile; 975 de pacienți au fost încadrați în grupa cu risc minim; dintre aceștia, 2% au murit în același interval. Autorii notează că asocierea dintre informația extrasă din fotografie și riscul de deces a rămas valabilă chiar și după luarea în calcul a factorilor clinici de prognostic. De ce contează: costuri mici, dar validare incompletă și risc de abuz Miza operațională a unei astfel de abordări este bariera scăzută de utilizare: o fotografie facială poate fi făcută în câteva secunde, cu costuri tehnice și financiare reduse, ceea ce ar putea accelera adoptarea în instrumente de triere sau monitorizare. În același timp, materialul subliniază limite importante: nu este stabilită o relație cauzală; modelul identifică tipare statistice, fără să explice automat procesele biologice din spatele lor; nu este clar dacă rezultatele se aplică și altor afecțiuni medicale; rămâne de văzut câtă valoare predictivă suplimentară aduce fotografia față de metodele clinice consacrate; există îngrijorări privind posibile utilizări precum urmărirea și supravegherea video. Test public: cum poate fi încercat modelul Cei care vor să își estimeze vârsta biologică se pot înscrie pe site-ul proiectului, unde pot încărca între 3 și 10 fotografii ale feței, o singură dată sau zilnic. Sistemul oferă un scor pentru fiecare imagine și un scor agregat. Conform descrierii, fotografiile nu sunt partajate și sunt șterse după o anumită perioadă, iar alte informații sunt anonimizate și puse la dispoziția altor cercetători. [...]
Folosirea agenților AI ca „echipă” de suport pentru management schimbă concret modul în care se iau decizii și se urmăresc resursele în Google , iar Sundar Pichai spune că astfel poate menține „activitatea” în derulare permanent, potrivit HotNews . Pichai a explicat, în podcastul Sources , că deleagă către agenți AI o parte din activitățile de colectare și sintetizare a informațiilor necesare conducerii companiei. El spune că, în loc să petreacă zilnic timp pentru a se pune la curent cu ce s-a întâmplat în ultimele 24 de ore, folosește agenți care „rulează” și îi aduc rezumate, urmând ca el să aprofundeze subiectele relevante. Ce fac, concret, agenții AI în rutina șefului Google În material se arată că agenții AI sunt instrumente de inteligență artificială proiectate să ducă la capăt sarcini „cap-coadă”, cât mai autonom, cu intervenție umană minimă. În cazul lui Pichai, utilizările menționate includ: înțelegerea evoluției dezvoltării modelelor; urmărirea modului în care sunt utilizate resursele de calcul ale Google; monitorizarea discuțiilor din numeroase grupuri interne de chat, fără a citi personal fiecare conversație; monitorizarea, prin telemetrie, a utilizării resurselor de calcul pe domenii de produs, eficiență și grad de utilizare, cu livrarea de „date și informații relevante”. Pichai susține că acest tip de instrumente „ne-a ajutat pe toți să devenim mai buni în ceea ce facem”. „24/7” ca avantaj operațional, dar cu limite la deciziile mari Deși mizează pe agenți pentru fluxuri de informare și monitorizare, Pichai afirmă că nu lasă inteligența artificială să ia deciziile importante în locul său, iar oamenii rămân implicați direct în deciziile cu consecințe semnificative privind alocarea resurselor de calcul. În același timp, articolul notează că agenții AI au fost în centrul unui val recent de incidente de cibersecuritate , care a alimentat îngrijorări. HotNews trimite, în acest context, la un material anterior despre un „val de incidente” asociat agenților AI. Costul ascuns: munca de „supervizare” a agenților Pe lângă beneficiul continuității, apare și o nouă componentă operațională: gestionarea agenților devine o competență separată, cu sarcini precum verificarea rezultatelor, prevenirea dublării activităților sau evitarea abaterii de la sarcinile atribuite. Un exemplu citat în articol: un director de inginerie de la Cisco, care gestionează peste 10 agenți, a spus pentru Business Insider că supravegherea acestora poate însemna treceri mai frecvente între sarcini și o senzație de muncă mai intensă, fără reducerea programului. În viziunea lui Pichai, avantajul major rămâne faptul că agenții, rulați în cloud (infrastructură de calcul livrată ca serviciu), pot funcționa non-stop și pot relua activitatea „exact din punctul în care le-ai lăsat”, ceea ce, spune el, permite ca „activitatea [să] continu[e] fără întrerupere”. [...]
1Password încearcă să reducă riscul ca agenții AI să „vadă” parolele utilizatorilor printr-o platformă dedicată, „1Password for Agents”, care conectează managerul de parole la asistenți automatizați fără a le expune credențialele, potrivit 9to5Mac . Ideea centrală este una operațională: tot mai multe companii și utilizatori testează „agenți AI” (software care execută sarcini în numele tău, inclusiv autentificări și acțiuni în conturi), iar asta ridică o problemă practică de securitate — cum lași un agent să lucreze cu conturile tale fără să-i dai efectiv parola. 1Password spune că platforma sa „păstrează credențialele și secretele în siguranță, în timp ce agenții își fac treaba” și că se conectează la „agenții personali” ai utilizatorului astfel încât aceștia să poată funcționa „fără să vadă parolele”. Cu cine funcționează acum și ce urmează La lansare, „1Password for Agents” are integrări cu: Meta Muse Grok Bot (asociat SpaceX Super Intelligence, conform textului sursei) Compania afirmă că are în pregătire mai multe integrări, inclusiv cu OpenAI și Anthropic , alături de „mulți alți parteneri”. Acces: listă de așteptare și pagini oficiale Platforma este disponibilă, deocamdată, printr-o listă de așteptare. Înscrierea se face pe pagina 1Password dedicată integrărilor pentru agenți AI: 1Password . Anunțul complet al companiei este publicat aici: 1Password . În iulie, 1Password lansase deja o integrare specială cu Claude, menționată de publicație ca pas anterior în aceeași direcție: 9to5Mac . De ce contează pentru companii și utilizatori Miza este controlul accesului într-un context în care agenții AI ar putea ajunge să opereze conturi (și, implicit, să declanșeze acțiuni cu impact financiar sau operațional) fără supraveghere continuă. O soluție care separă „executarea” de „cunoașterea parolei” poate reduce expunerea la scurgeri de credențiale și la reutilizarea lor neautorizată, însă 1Password nu oferă în materialul citat detalii tehnice despre mecanismul exact sau despre condițiile comerciale ale platformei. Următorul indicator relevant va fi ritmul integrărilor promise și modul în care 1Password va gestiona accesul și controlul pentru mai mulți agenți, în condițiile în care produsul pornește cu listă de așteptare. [...]
Meta vrea să scaleze Muse la miliarde de utilizatori, dar planul apasă pe costuri și finanțare potrivit Gizmodo , care relatează că Mark Zuckerberg urmărește nu doar ca oamenii să folosească agenții AI „Muse”, ci și ca acești agenți să „colaboreze” între ei într-o rețea online de mari dimensiuni. Miza operațională și financiară este majoră: compania recunoaște că Muse este „foarte intensiv” din punct de vedere al resurselor de calcul, iar extinderea la peste un miliard de utilizatori ar necesita investiții semnificative. Zuckerberg a spus, într-o discuție cu investitorii, că Meta se așteaptă „să crească Muse pentru a deservi miliarde de oameni” și că o rețea de „miliarde de Muses” ar putea „face mai multe” pentru persoane și companii „lucrând împreună”. Publicația notează că acesta este și motivul pentru care Meta nu „taxează pe toată lumea de la început” pentru folosirea Muse: compania vrea adopție rapidă pentru a construi rețeaua. Costurile AI împing Meta spre soluții de finanțare În același context, Meta ar urma să cheltuiască „cel puțin 135 de miliarde de dolari” (aprox. 608 miliarde lei) anul acesta, probabil mai mult, iar cea mai mare parte a banilor ar merge către proiecte de infrastructură pentru AI, potrivit informațiilor prezentate în material. După un declin al fluxului de numerar liber (free cash flow) menționat în raportările anterioare, compania a ajuns la un flux de numerar liber negativ în raportul publicat miercuri: pentru trimestrul al treilea încheiat la 30 septembrie, free cash flow a fost de minus 2,12 miliarde de dolari (aprox. 9,6 miliarde lei). Pentru a-și susține ambițiile în AI, executivii Meta au prezentat o nouă clasă de acțiuni. Începând de anul viitor, acționarii existenți ar urma să primească o nouă clasă de acțiuni fără drept de vot, printr-un split 2-la-1. Meta a mai încercat o structură similară în urmă cu circa un deceniu, când compania se numea Facebook, dar atunci a retras planul, potrivit Gizmodo. De ce contează: creștere rapidă, dar cu riscuri de încredere și guvernanță Meta susține că Muse are tracțiune: peste 10 milioane de persoane din SUA și Canada și-ar fi creat agenți personali de la debutul din începutul lui septembrie. Zuckerberg a mai afirmat că aplicația a fost „numărul unu în App Store aproape în fiecare zi” și că cel mai frecvent caz de utilizare este cumpărăturile, cu „mai mult de un sfert” dintre utilizatori implicați în astfel de activități și o valoare medie a achiziției de „peste 200 de dolari” (aprox. 910 lei). În paralel, Gizmodo punctează că strategia ridică întrebări despre partajarea datelor, în condițiile în care Meta are un istoric controversat pe zona de confidențialitate. În ziua publicării materialului, un judecător din New Mexico a ordonat Meta să plătească 25 de miliarde de dolari (aprox. 114 miliarde lei) pentru inducerea în eroare a consumatorilor în legătură cu confidențialitatea datelor în cazul Cambridge Analytica; Meta a spus că va face apel. Publicația mai amintește acuzații recente legate de Muse, inclusiv situații în care utilizatori au susținut că agenții ar fi analizat texte private fără solicitare sau ar fi divulgat o adresă de domiciliu, precum și faptul că Amazon ar fi blocat agenții la cumpărături pe platforma sa din motive legate de gestionarea credentialelor și a datelor de cont; Meta a mai reparat și o vulnerabilitate „zero-day” care ar fi permis preluarea conturilor. Separat, noua structură de acțiuni este prezentată ca o modalitate de a strânge finanțare fără a diminua controlul lui Zuckerberg asupra companiei. În plus, Meta spune că a încheiat un „ Founder Alignment Agreement ” prin care Zuckerberg se angajează să rămână în California, unde este sediul companiei, pentru următorii opt ani, în contextul discuțiilor despre o posibilă taxă pe avere pentru miliardari (Proposition 40). Conform materialului, structura cu acțiuni fără drept de vot i-ar permite să vândă astfel de titluri pentru lichiditate fără să-și piardă controlul. [...]
Mii de agenți AI pot comprima luni de analiză biologică în zeci de minute , arată un experiment descris de OpenAI , cu implicații directe pentru productivitatea cercetării și pentru felul în care sunt prioritizate experimentele în neuroștiințe și boli neurodegenerative. Într-o demonstrație realizată împreună cu PerturbAI și Scripps Research , echipa a folosit mii de agenți AI bazați pe GPT‑Rosalind pentru a interpreta date existente din milioane de celule din creierul de șoarece în 32 de minute. Miza operațională este reducerea blocajului dintre „datele produse” și „datele înțelese”: experimentele moderne pot modifica mii de gene și măsura efectele în milioane de celule, însă conectarea rezultatelor cu literatura științifică acumulată în decenii rămâne lentă și fragmentată. Abordarea propusă încearcă să scaleze tocmai această muncă de interpretare, nu doar procesarea brută. Cum funcționează „raționamentul biologic distribuit” Metoda împarte sarcina între mii de agenți AI, fiecare responsabil de o perturbare genetică. Agenții: investighează efectele unei perturbări asupra răspunsurilor celulare; caută și corelează rezultate relevante din literatura științifică; propun explicații și mecanisme biologice posibile. Rezultatele sunt agregate într-un „atlas de raționament” care leagă gene, efecte celulare, publicații relevante și ipoteze de mecanism. Analiza a folosit un „atlas CRISPR” la nivelul întregului creier (un set de date despre efectele perturbărilor genetice în diferite tipuri de celule din creierul de șoarece). De ce contează: randament mai mare la aceeași resursă și acoperire mai bună a literaturii Echipa estimează că o analiză umană comparabilă, făcută „câte o perturbare pe rând”, ar dura de la luni până la un an. În plus, testele interne au comparat un singur agent care primește întregul volum de lucru cu varianta distribuită, păstrând modelul și resursele fixe: pe măsură ce sarcina a crescut, agentul unic a acoperit tot mai puțin din literatură, ajungând să citeze 11 referințe la cel mai mare volum, în timp ce agenții distribuiți au citat peste 700 de referințe. În evaluări „în orb” (fără ca evaluatorii să știe ce variantă analizează), experții umani au preferat rapoartele generate de agenții distribuiți în 75% din cazuri. Potrivit descrierii, agenții au reprodus concluzii din analize umane și au identificat și piste suplimentare, iar evaluările lor privind noutatea și valoarea științifică au fost aliniate cu judecăți ale experților umani. Exemple de piste biologice identificate Materialul oferă câteva exemple de conexiuni pe care agenții le-au scos în evidență și care ar putea ghida experimente ulterioare: diferențe neașteptate între Tsc1 și Tsc2 (gene care controlează mTOR) în cerebel: perturbarea Tsc2 a modificat activitatea a zeci de gene implicate în comunicarea neuronală, în timp ce perturbarea Tsc1 a produs schimbări minime în aceeași zonă; o ipoteză legată de DCTN1 (genă asociată cu sindromul Perry, boală neurodegenerativă cu simptome asemănătoare Parkinson): perturbarea Dctn1 a crescut expresia genelor implicate în sinteza colesterolului, iar agenții au conectat observația cu cercetări care sugerează că problemele de transport al colesterolului pot determina celulele să producă mai mult colesterol. Ipoteza de testat: dacă perturbarea DCTN1 schimbă distribuția colesterolului în neuroni și dacă asta contribuie la neurodegenerare. Ce urmează: acces la rezultate și limitări implicite OpenAI notează că „atlasul de raționament” este disponibil public, astfel încât cercetătorii pot compara gene înrudite, investiga răspunsuri neașteptate și selecta piste promițătoare pentru experimente. În același timp, concluziile prezentate sunt formulate ca direcții de cercetare și ipoteze care necesită validare în laborator, nu ca rezultate clinice. [...]
