Știri
Știri din categoria Inteligență artificială
Comisia Europeană a deschis licitația pentru până la șapte „gigafabrici” de inteligență artificială, dar finanțarea publică este încă în mare parte neasigurată, ceea ce pune sub semnul întrebării calendarul și capacitatea UE de a recupera rapid decalajul față de SUA și China, potrivit The Next Web.
Inițiativa este prezentată ca un efort de circa 30 miliarde euro, construit pe un parteneriat public-privat: aproximativ 10 miliarde euro ar urma să vină de la Bruxelles și statele membre, iar restul de 20 miliarde euro de la investitori privați, pe ideea că banii publici pot „atrage” capitalul necesar proiectelor.
Fiecare „gigafabrică” ar urma să găzduiască cel puțin 100.000 de cipuri avansate pentru AI, ceea ce ar face-o de circa patru ori mai puternică decât cele mai mari centre de date care operează în prezent în UE. Împreună, cele până la șapte unități ar urma să dubleze (și chiar să depășească) capacitatea de calcul pentru AI a blocului comunitar.
Comisia diferențiază aceste proiecte de rețeaua existentă de 19 „fabrici AI” mai mici, atașate supercomputerelor europene: noile amplasamente sunt gândite „cu un ordin de mărime” mai mari, pentru antrenarea modelelor de vârf (frontier models) pe care, în prezent, doar câteva laboratoare din SUA și China și le permit.
Rațiunea proiectului este una competitivă: companiile europene ajung să închirieze putere de calcul (compute) de la furnizori americani de cloud, în timp ce SUA și China investesc masiv în infrastructură. Henna Virkkunen, responsabilă în Comisie pentru „suveranitatea tehnologică”, numește această scară de calcul „o necesitate strategică”.
Interesul de piață există: o rundă anterioară de exprimare a interesului a strâns 76 de răspunsuri din partea unor consorții din Europa, iar zece țări – inclusiv Germania, Franța, Italia, Spania și Polonia – s-au poziționat ca potențiale gazde. Franța a semnalat deja că ar putea merge pe cont propriu.
Deși proiectul este prezentat ca având o componentă publică de circa 10 miliarde euro, doar aproximativ 1 miliard euro din partea Bruxelles-ului este efectiv angajat, restul depinzând de următorul buget multianual al UE (Multiannual Financial Framework), care nu este încă agreat.
Un oficial de rang înalt a spus explicit că suma este o „cea mai bună estimare” a ceea ce ar putea fi disponibil, nu bani deja alocați:
„Nu putem anticipa deciziile privind următorul MFF.”
Această incertitudine intră în conflict cu un calendar ambițios: construcția ar trebui să înceapă la începutul lui 2027, iar primele „gigafabrici” să devină operaționale la mijlocul lui 2028.
Planul a fost lansat inițial la începutul lui 2025 și „a alunecat” de mai multe ori, ceea ce sugerează prudență în privința termenelor. În plus, există două constrângeri structurale:
Criticii citați de publicație pun sub semnul întrebării modelul, argumentând că închirierea unei capacități „suverane” construită pe hardware străin poate crea doar o aparență de independență și că decalajul real al Europei este la nivel de cipuri și modele, nu de clădiri.
Comisia susține, însă, că infrastructura este un început: finanțatorii publici ar urma să primească o cotă proporțională din puterea de calcul pentru cercetare și proiecte publice, iar pariul este că infrastructura va atrage ulterior talent, startup-uri și, în timp, investiții în producția de cipuri.
În acest moment, licitația este deschisă, dar „pachetul” de 30 miliarde euro rămâne în bună măsură o ambiție: UE a anunțat ținta, însă a securizat până acum doar o fracțiune din finanțarea publică necesară.
Recomandate
Jensen Huang susține că panica privind dispariția masivă a locurilor de muncă din cauza AI este „o prostie totală” și avertizează că riscul real pentru angajați vine din competiția cu cei care folosesc deja aceste instrumente, potrivit The Next Web . Într-un interviu amplu acordat Axios, șeful Nvidia a respins două idei pe care le vede drept exagerări: că inteligența artificială „va pune capăt omenirii” și că va elimina jumătate dintre joburile din SUA. Huang spune că „toate dovezile” indică „exact opusul”, însă argumentul lui nu este că munca nu se schimbă, ci că oamenii confundă „o sarcină” cu „un job”. „Sarcina” se automatizează, „jobul” se redefinește Huang folosește exemplul radiologilor: citirea scanărilor este o sarcină pe care AI o poate face în mare parte, dar jobul ar rămâne legat de reducerea suferinței și ghidarea pacienților. În aceeași logică, el admite că munca din call-center este „foarte probabil” să fie puternic automatizată, însă consideră că judecata și decizia rămân umane. Pentru a-și susține poziția, Huang invocă și câteva cifre (prezentate ca afirmații ale sale în interviu): numărul radiologilor ar fi în creștere cu aproximativ 20%, deoarece AI le permite să vadă mai mulți pacienți; numărul paralegalilor ar fi în creștere cu circa 10%; joburile din manufactură ar fi crescut cu aproximativ 50% în ultimii ani, pe fondul cursei pentru construirea de centre de date. Mesajul său, formulat direct, mută discuția de la „AI îți ia jobul” la competiția între oameni: „AI nu o să ne distrugă toate joburile. Cineva care folosește AI o să-ți ia jobul.” Miza pentru companii: productivitate și presiune pe recalificare Din perspectiva impactului economic și operațional, poziția lui Huang sugerează că firmele care integrează rapid AI pot obține un avantaj de productivitate, iar cele care întârzie riscă să piardă competitivitate. În același timp, angajații sunt împinși spre adaptare: dacă automatizarea „taie” sarcini, valoarea se mută către activități care cer decizie, relaționare și responsabilitate profesională. Țintă către „doomeri” și un avertisment pentru Washington Huang a criticat și narativele apocaliptice promovate, în opinia lui, de lideri din industrie care „petrec prea mult timp teoretizând” scenarii de tip science-fiction, pentru că „îi face să pară inteligenți”. El spune că discuțiile despre singularitate, simulare sau conștiință a mașinilor sunt „inventate” și că, deși e legitim „să avertizezi oamenii”, este „absolut nepotrivit să inventezi lucruri”. În relația cu factorii de decizie, Huang avertizează că politicienii pot „supra-corecta” dacă „cad în plasa acestor narațiuni”. În același registru, el le-ar fi recomandat administrației Trump să discute cu mulți oameni de știință, nu cu „unul sau doi”, și a respins ideea ca guvernul să ia o participație în Nvidia, pe care o consideră „inutilă”. Context: optimismul lui Huang și interesul Nvidia Huang își proiectează o viziune puternic optimistă: se așteaptă la „un trilion” de agenți AI care rulează simultan și spune că „momentul ChatGPT” pentru roboți a sosit deja, cu mașini utile posibil la 3–4 ani distanță. Acceptă că o bulă AI „va veni într-o zi”, dar „nu azi” și probabil nu în următorii cinci ani. The Next Web notează însă și interesul evident al Nvidia: mai mult AI înseamnă cerere mai mare pentru cipurile companiei. În plus, rivali precum Dario Amodei (Anthropic) ar prognoza contrariul în privința efectelor asupra joburilor. În acest cadru, distincția lui Huang între „sarcină” și „job” rămâne, totuși, nucleul argumentului: automatizarea schimbă munca, dar nu o anulează — iar riscul imediat este competiția cu cei care folosesc AI mai bine și mai repede. [...]
Google semnează codul UE de transparență pentru conținut generat de IA , un pas care poate influența direct modul în care companiile vor trebui să eticheteze și să dovedească originea materialelor online în Europa, dar care vine și cu un avertisment privind riscul de „supra-reglementare”, potrivit Google . Aderarea vizează EU AI Act Code of Practice on Transparency of AI-Generated Content (cod de practică asociat Actului european privind inteligența artificială), disponibil la nivelul Comisiei Europene aici . Google spune că demersul se bazează pe semnarea, în 2025, a GPAI Code of Practice (un set de angajamente voluntare pentru IA), menționat într-un material separat al companiei aici . Ce înseamnă operațional: etichetare și „amprentare” digitală a conținutului În centrul abordării Google este accelerarea adoptării standardului industrial C2PA (un standard pentru proveniența conținutului digital) și dezvoltarea de instrumente de transparență, inclusiv SynthID . Compania descrie SynthID drept o tehnologie de „watermarking” (marcare digitală) care ajută utilizatorii să înțeleagă cum a fost creat și editat conținutul. Referințe: C2PA și SynthID . Google afirmă că lucrează și cu laboratoare terțe de IA pentru a susține adoptarea pe scară largă a unor instrumente interoperabile de marcare bazate pe SynthID, enumerând Apple, Eleven Labs, Kakao, NVIDIA și OpenAI. Miza de reglementare: transparență, dar fără „straturi” care se bat cap în cap Deși susține obiectivul de transparență, Google avertizează că adăugarea de complexitate de reglementare , într-un moment în care soluțiile tehnice „încă evoluează”, ar putea intra în contradicție cu obiectivele Europei legate de competitivitate și simplificare și ar putea crea confuzie pentru utilizatori. Compania susține că, dacă mediul online ajunge „inundat” de etichete suprapuse și divulgări legale, oamenilor le va fi mai greu să obțină contextul de care au nevoie pentru a înțelege ce văd. Ce urmează Pe măsură ce codul este implementat, Google spune că va lucra cu autoritățile de reglementare și cu parteneri pentru a construi soluții „practice” care să ofere transparență „reală” și să ajute utilizatorii să ia decizii informate despre conținutul pe care îl consumă online. [...]
Marina SUA va folosi un supercomputer Nvidia DGX GB300 pentru a pregăti ofițeri să evalueze limitele și riscurile IA , după ce compania a donat sistemul către Naval Postgraduate School din Monterey, potrivit The Next Web . Miza operațională nu este doar creșterea capacității de calcul, ci formarea unor decidenți care să nu „aibă încredere oarbă” în modele și să știe când tehnologia nu trebuie folosită. Sistemul, descris ca primul supercomputer IA de acest tip din armata americană, rulează pe generația Blackwell Ultra — aceeași linie de cipuri pe care SUA interzice să o vândă către firme chineze. În acest caz, Nvidia a oferit echipamentul gratuit, printr-o donație către fundația școlii, notează publicația, citând o relatare Nextgov . Ce include sistemul și cum va fi folosit DGX GB300 este prezentat ca un sistem integrat (nu un centru de date), care se poate conecta la infrastructura existentă de energie și apă a campusului. Configurația menționată în articol include: 36 procesoare Grace (CPU); 72 plăci grafice Blackwell Ultra (GPU), conectate pentru procesare paralelă. Școala spune că îl va utiliza pentru instruire și aplicații în domenii precum modelare meteo și oceanografică, cercetare operațională, securitate cibernetică și planificare de reziliență. La punerea în funcțiune au contribuit și companii precum Vertiv, DDN și VAST Data. De ce contează: accent pe „judecată”, nu pe „putere de foc” În articol, Naval Postgraduate School își definește explicit obiectivul ca fiind educarea viitorilor lideri militari să înțeleagă suficient de bine aceste tehnologii încât să le poată evalua limitele și să le aplice „etic” și „responsabil”. Căpitanul Michael Owen, vice-provost al Marinei, este citat astfel: „Întrebarea nu este dacă aceste tehnologii vor exista, ci dacă viitorii lideri militari le înțeleg suficient de bine încât să le evalueze limitările, să le aplice etic și să le folosească responsabil.” Dincolo de utilizările academice, donația are și o componentă strategică: un cip considerat prea sensibil pentru export către China ajunge instrument de instruire pentru ofițeri americani, iar Nvidia își expune, în același timp, hardware-ul orientat către zona militară. Context: parteneriat început în 2024 Supercomputerul se bazează pe un acord de cercetare între Nvidia și școală, semnat în decembrie 2024. Potrivit articolului, colaborarea a dus deja la un AI Tech Center în 2025, echipat cu cipuri Blackwell, dispozitive Jetson și platforma de simulare Omniverse. În ansamblu, mesajul instituției este că valoarea principală a noii infrastructuri nu stă doar în capacitatea de calcul, ci în antrenarea discernământului: când și în ce condiții cele mai avansate sisteme de IA nu ar trebui considerate de încredere. [...]
AMD spune că a ajuns la 46% din veniturile pieței de procesoare server , mizând pe creșterea cererii de calcul pentru inteligență artificială și pe extinderea pieței totale adresabile (TAM) până la 2 trilioane de dolari (aprox. 9,2 trilioane lei) în 2030, potrivit Wccftech . Mesajul companiei este că rolul CPU-urilor în centrele de date devine mai important pe măsură ce sarcinile de tip „agentic” (modele care rulează „agenți” software ce planifică și execută pași) se extind: procesoarele coordonează fluxurile de date și programarea operațiunilor între acceleratoare (GPU) și memoria HBM (memorie cu lățime mare de bandă, folosită în special la AI). De ce contează: AMD leagă câștigul de cotă de o piață în expansiune accelerată AMD afirmă că deține acum 46% din „server CPU revenue share” (ponderea în veniturile pieței de procesoare pentru servere) și anticipează creșteri suplimentare ale cotei, pe fondul lansării generației a șasea de procesoare EPYC, cu numele de cod „Venice ”. În același timp, CEO-ul Lisa Su a ridicat estimarea pentru piața adresabilă a procesoarelor server la „peste 200 de miliarde de dolari” (aprox. 920 miliarde lei) până în 2030, conform prezentării companiei citate de publicație. În paralel, AMD își proiectează „total compute TAM” (piața totală adresabilă pentru capacitate de calcul, la nivel de portofoliu) la 2 trilioane de dolari până la finalul deceniului, susținând că această creștere vine atât din acceleratoarele AI, cât și din oferte „full-stack” la nivel de rack (ansambluri integrate de hardware pentru centre de date). Ce produse invocă AMD și ce promite la nivel tehnic În material sunt menționate două direcții principale: EPYC „Venice” (generația a șasea) : bazat pe arhitectura Zen 6 și fabricat pe procesul de 2 nm al TSMC; AMD indică până la 256 de nuclee și 512 fire de execuție și susține îmbunătățiri de „peste 70%” la performanță și eficiență, plus „peste 30%” creștere a densității de fire de execuție. Instinct MI455X și rack-ul Helios : AMD le folosește ca argument pentru extinderea pieței de calcul, în contextul cererii pentru acceleratoare AI. Publicația notează și o comparație de specificații între MI455X și NVIDIA Rubin (performanță în FP4/FP8 și configurații HBM4), însă aceste date sunt prezentate ca elemente tehnice de poziționare, nu ca rezultate independente de piață. Context: schimbarea tipului de sarcini AI și presiunea pe infrastructură În slide-urile prezentate la evenimentul „Advancing AI 2026” (menționat de Wccftech), AMD indică o accelerare a cererii de calcul, inclusiv prin creșterea consumului de „tokeni” (unități de text procesate de modele) și prin mutarea ponderii către inferență (rularea modelelor) față de antrenare. În această logică, compania susține că CPU-urile capătă tracțiune ca „orchestratori” pentru fluxuri de lucru cu agenți. Afirmațiile privind cota de 46% și dimensiunea pieței până în 2030 sunt prezentate ca estimări și poziționări ale AMD, pe baza propriilor materiale. [...]
OpenAI reduce puternic costurile pentru GPT‑5.6 Luna și Terra, schimbare care poate coborî semnificativ factura companiilor pentru aplicații AI la volum mare , potrivit OpenAI , care anunță și un nou „Fast mode” în API pentru GPT‑5.6 Sol, orientat spre viteză. Începând de astăzi, GPT‑5.6 Luna (modelul „cel mai rapid și cel mai accesibil” din familie) va costa cu 80% mai puțin, iar GPT‑5.6 Terra (model „echilibrat” pentru lucru de zi cu zi) cu 20% mai puțin. Reducerile se reflectă și în modul în care consumul este contabilizat în abonamentele plătite atunci când modelele sunt folosite prin Codex și ChatGPT Work, ceea ce înseamnă că aceeași utilizare „mănâncă” mai puține credite, fără schimbarea prețurilor abonamentelor sau a bugetelor de cotă. Ce se schimbă în prețurile API și de când OpenAI publică și noile tarife pentru API, cu aplicare de la 30 iulie: GPT‑5.6 Terra : 2 dolari (aprox. 9 lei) per milion de tokeni de intrare și 12 dolari (aprox. 55 lei) per milion de tokeni de ieșire GPT‑5.6 Luna : 0,20 dolari (aprox. 1 leu) per milion de tokeni de intrare și 1,20 dolari (aprox. 6 lei) per milion de tokeni de ieșire GPT‑5.6 Sol : prețurile rămân neschimbate Compania mai precizează că modificările de preț „încep să fie implementate” și în AWS „mai târziu astăzi”. De ce contează pentru companii: optimizarea cost–viteză pe același flux Unghiul economic al anunțului este legat de posibilitatea de a împărți un flux de lucru pe etape, folosind modele diferite în funcție de costul erorii, urgență și volum. OpenAI dă exemplul unui flux de programare în care Sol ar putea fi folosit pentru a reduce incertitudinea și a defini planul, iar Luna pentru implementare, scriere și rulare de teste și evaluarea rezultatelor, adică pentru pași „bine specificați” unde costul per execuție contează mai mult. În acest context, OpenAI susține că Luna oferă performanță comparabilă cu modele „de clasă frontieră” de acum un an la „aproximativ 6 cenți pe dolar per sarcină” și la „aproape de nouă ori viteza”, iar pe sarcini profesionale (măsurate prin Agents’ Last Exam) ar depăși Fable 5 la un cost estimat per sarcină cu „aproape 99%” mai mic. „Fast mode” în API: viteză mai mare, la preț dublu Pe partea operațională, OpenAI introduce Fast mode în API, care înlocuiește oferta „Priority Processing”. Pentru GPT‑5.6 Sol, Fast mode ar livra „până la 2,5×” viteza procesării Standard, la de două ori prețul , fără schimbări de „inteligență” (adică de calitate a răspunsurilor, în termenii companiei). Migrarea este descrisă ca fiind compatibilă înapoi: cererile marcate anterior ca „priority” vor folosi automat Fast mode. Disponibilitate în produse și cine are acces Terra și Luna rămân disponibile în ChatGPT Work, Codex și API. În ChatGPT Work și Codex, utilizatorii Free și Go pot accesa Terra, iar utilizatorii Plus, Pro, Business și Enterprise pot alege între Terra și Luna. Pentru detalii complete de tarifare, OpenAI trimite la pagina de prețuri: View complete API pricing details . [...]
Google DeepMind deschide accesul dezvoltatorilor la Gemini Robotics ER 2 , un model de „raționament întrupat” gândit ca un „creier” de nivel înalt pentru roboți, care urmărește fluxuri video continue, orchestrează sarcini în mai mulți pași și poate coordona mai mulți roboți în același spațiu, potrivit Google Blog . Miza practică este reducerea blocajelor operaționale din robotică (pauze de tip „oprește-te și gândește”) și creșterea fiabilității în execuție, inclusiv prin latență sub-secundă pentru scenarii sensibile la timp. Ce se schimbă operațional: video continuu, autocorecție și colaborare între roboți Google descrie Gemini Robotics ER 2 ca un model care poate conversa cu oamenii, înțelege mediul fizic și planifica sarcini în mai mulți pași, apoi „predă” execuția motorie către un model de tip VLA (vision-language-action – modele care leagă percepția vizuală și limbajul de comenzi de acțiune). În plus, modelul poate apela nativ instrumente precum Google Search sau funcții definite de utilizator. Upgrade-ul față de versiunea anterioară (Gemini Robotics ER 1.6) este legat de utilizarea fluxurilor video continue: robotul își poate urmări progresul, se poate adapta când apar erori și știe când să treacă la pasul următor. O noutate separată este „multi-robot collaboration”, adică posibilitatea ca roboți diferiți să lucreze împreună în spații comune pentru fluxuri de lucru pe care un singur robot nu le-ar putea duce la capăt. Acces pentru dezvoltatori: API, AI Studio și preview pentru companii Modelul este disponibil public dezvoltatorilor prin: Gemini API Google AI Studio Pentru zona enterprise, Google spune că ER 2 este disponibil în „private preview” pe Gemini Enterprise Agent Platform . Compania publică și exemple de configurare și „prompting” (instrucțiuni pentru model) în notebook-uri, inclusiv pe GitHub . De ce contează latența: integrare cu Gemini Live API și demo pe Spot În robotică, viteza de execuție influențează direct siguranța și utilitatea. Google afirmă că ER 2 se integrează în Gemini Live API , printr-un endpoint de streaming bidirecțional optimizat pentru sarcini sensibile la latență, pentru a evita pauzele vizibile în orchestration. Ca exemplu, Google a construit un demo cu robotul Spot de la Boston Dynamics , în care ER 2 orchestrează Spot APIs (navigație și mișcarea manipulatorului) pentru a aduce obiecte la comandă în limbaj natural. Există și un set de exemple suplimentare pe GitHub . Măsurători publicate: progres în timp și „moment finding” Google susține că ER 2 aduce un salt în „înțelegerea video” și urmărirea progresului, pentru a verifica dacă sarcini precum strângerea unui bec sau legarea unui sac de gunoi sunt finalizate corect înainte de a trece mai departe. În evaluările descrise: la „progress classification” (încadrarea fiecărui cadru video într-un nivel de progres 0–20%, 20–40%, 40–60%, 60–80%, 80–100%), modelul atinge 57,4% acuratețe ; la „moment finding” (identificarea exactă a cadrului în care are loc un eveniment critic, de exemplu când trebuie oprit turnatul cafelei), Google indică 91,3% acuratețe și 0,96 secunde distanță medie absolută; compania afirmă și 4x viteză de execuție și „o fracțiune” din costul de calcul față de categorii mai mari de modele, fără a detalia baza de comparație. Siguranță: oprire lângă oameni și un nou benchmark Google afirmă că ER 2 este „cel mai sigur” model al său în această categorie, cu îmbunătățiri pe benchmark-uri de „Safety Instruction Following” și „Human Proximity”. Un exemplu menționat este oprirea unui robot umanoid când o persoană este în apropiere și reluarea autonomă a activității doar după eliberarea zonei. Compania anunță și introducerea unui benchmark care evaluează capacitatea unui model de bază de a acționa ca orchestrator VLA „sigur”, inclusiv prin impunerea constrângerilor de siguranță, monitorizarea mediului, evaluarea fezabilității fizice și solicitarea de clarificări umane. Ce urmează Google spune că intenționează să împingă aceste modele către sarcini și mai complexe, cu obiectivul de a accelera dezvoltarea roboților „utili” și de a sprijini comunitatea de robotică. Pentru detalii tehnice, compania trimite la pagina de model: Gemini Robotics ER 2 și la contextul versiunii anterioare: Gemini Robotics ER 1.6 . [...]
