Știri
Știri din categoria Inteligență artificială
NVIDIA își extinde „trusa” pentru agenți AI autonomi, mizând pe reducerea costurilor și pe controlul de securitate în enterprise, într-o mișcare care poate accelera adoptarea acestor „colegi digitali” în inginerie, securitate cibernetică și operațiuni, potrivit NVIDIA News.
Noutatea nu este doar apariția unor modele și componente software, ci faptul că NVIDIA încearcă să standardizeze „stratul” care transformă un model AI într-un agent capabil să ruleze pe termen lung, cu memorie, orchestrare, utilizare de instrumente și politici de confidențialitate. În practică, compania împinge o combinație de elemente open-source (cod deschis) și parteneriate cu furnizori mari de software, pentru a face agenții mai ușor de construit și mai siguri de rulat în organizații.
Pachetul anunțat este centrat pe NVIDIA Agent Toolkit și include:
NVIDIA susține că această combinație oferă „blocuri” deschise pentru dezvoltarea enterprise, cu accent pe agenți care pot rula mult timp și pot fi guvernați prin politici.
În zona de proiectare și simulare (semiconductori și inginerie industrială), NVIDIA indică un beneficiu operațional direct: companii precum Cadence, Dassault Systèmes, Siemens și Synopsys folosesc NemoClaw pentru a construi „ingineri AI” autonomi care execută fluxuri de lucru de simulare și verificare, cu promisiunea de a comprima săptămâni de muncă în ore.
Câteva exemple punctuale din anunț:
Separat, NVIDIA menționează și un pilot la Foxconn, care ar urma să folosească NemoClaw pentru platforme din zona medicală (Nurabot și CoDoctor) și pentru un agent de operațiuni de fabrică (MoMClaw), cu controale de confidențialitate în OpenShell.
Pentru partea de „inteligență” a agenților, NVIDIA anunță Nemotron 3 Ultra, descris ca un model „mixture-of-experts” cu 550 de miliarde de parametri, orientat către agenți care rulează pe termen lung. Compania afirmă că modelul oferă:
comparativ cu „modele frontieră deschise” din aceeași clasă (fără a detalia în comunicat care sunt reperele exacte).
Disponibilitatea indicată: Nemotron 3 Ultra este așteptat pe 4 iunie, inclusiv prin Hugging Face, ModelScope, OpenRouter și build.nvidia.com, ca microservicii NVIDIA NIM.
Pe măsură ce agenții devin capabili să scrie cod, să creeze sub-agenți și să păstreze context între sesiuni, crește și riscul operațional. NVIDIA poziționează OpenShell ca stratul critic de control (politici, confidențialitate, „guardrails”) pentru rularea agenților la scară.
În acest context:
NVIDIA mai indică faptul că aceste anunțuri continuă integrări recente cu SAP (Joule Studio runtime) și ServiceNow (Project Arc), însă fără a oferi detalii suplimentare despre calendar sau amploarea implementărilor.
NVIDIA spune că bibliotecile CUDA-X pot fi apelate de agenți ca abilități specializate, cu exemple precum:
Separat, compania menționează și o colecție de biblioteci și framework-uri open-source pentru „physical AI” (de exemplu, robotică și sisteme industriale), fără a detalia în acest material conținutul exact.
Pe termen scurt, reperele sunt disponibilitatea deja anunțată pentru NemoClaw și „early preview” pentru OpenShell, respectiv lansarea așteptată a Nemotron 3 Ultra pe 4 iunie. Din perspectivă operațională, semnalul important este că furnizori mari de software industrial și EDA (electronic design automation) își construiesc agenți autonomi pe aceste componente, cu obiectivul declarat de a scurta semnificativ ciclurile de simulare și verificare și de a muta efortul uman către activități cu valoare mai mare.
Recomandate
NVIDIA își extinde ecosistemul de infrastructură AI prin NVLink Fusion și printr-o achiziție majoră, într-o mișcare care poate accelera implementările „suverane” și locale ale inteligenței artificiale în companii și instituții , potrivit NVIDIA News , într-un material de tip „News Archive” publicat pe 10 septembrie 2026. Din informațiile disponibile în pagina de arhivă, NVIDIA indică trei direcții relevante pentru piață: conectarea unor procesoare specializate de inferență (rularea modelelor AI) la infrastructura sa, accelerarea AI „local” (rulat pe dispozitive/stații, nu în cloud) și consolidarea poziției pe zona de platforme pentru dezvoltatori printr-o tranzacție de peste 12,9 miliarde de dolari. NVLink Fusion: integrarea d-Matrix în infrastructura NVIDIA Producătorul de cipuri pentru inferență AI d-Matrix a anunțat că va folosi NVIDIA NVLink Fusion pentru a conecta procesoarele sale de nouă generație Raptor XPU la platforma de infrastructură AI a NVIDIA, „alăturându-se unei liste în creștere de parteneri din ecosistem”, conform descrierii din arhivă. Din textul extras nu reies detalii suplimentare despre calendar, volum sau condiții comerciale ale colaborării; pagina de arhivă oferă doar un rezumat. AI „local” la IFA 2026: inferență mai rapidă și instrumente pentru agenți Într-un alt material listat în arhivă (datat 3 septembrie 2026), NVIDIA arată că, la IFA 2026, compania, Microsoft și parteneri urmăresc „inferență mai rapidă” și „instrumente noi” care să facă agenții (software care execută sarcini autonom, pe baza AI) mai ușor de configurat și rulat local pe hardware NVIDIA. Și aici, în fragmentul disponibil nu sunt incluse cifre, produse complete sau termene de livrare, dincolo de direcția generală. Achiziția Hugging Face : 12,93 miliarde dolari Tot pe 3 septembrie 2026, NVIDIA afirmă că a convenit achiziția Hugging Face pentru 12.930.300.000 dolari (aprox. 58,2 miliarde lei). Compania susține că tranzacția ar urma să scaleze platforma Hugging Face, să îi întărească infrastructura și să extindă accesul la AI pentru dezvoltatori și instituții la nivel global. În fragmentul publicat în arhivă nu apar detalii despre aprobări de reglementare, termen de finalizare sau structura tranzacției. De ce contează pentru companii Chiar și în forma scurtă din arhivă, mesajul operațional este că NVIDIA încearcă să lege mai strâns: hardware-ul și interconectarea (NVLink Fusion) de procesoare specializate din ecosistem (d-Matrix); rularea AI la nivel local (inferență pe dispozitive/stații) împreună cu parteneri precum Microsoft; platformele pentru dezvoltatori (Hugging Face), printr-o achiziție de dimensiune mare. Pentru mediul de afaceri, combinația poate însemna opțiuni mai clare pentru implementări AI care să rămână „în interiorul” infrastructurii proprii (o temă asociată frecvent cu cerințe de suveranitate a datelor), însă pagina de arhivă nu oferă suficiente detalii pentru a evalua impactul financiar sau termenele de implementare în lanțuri de aprovizionare. [...]
Costurile de antrenare pentru modelele de vârf urcă spre 1 miliard de dolari , iar următorul salt ar putea fi și mai scump, pe măsură ce OpenAI pregătește un nou „training run” mult mai mare decât cel folosit pentru GPT-6 Astra, potrivit Wccftech . OpenAI a antrenat GPT-6 Astra pe un cluster de 100.000 de GPU-uri, iar publicația estimează că nota de plată s-ar fi situat între 500 milioane și 1 miliard de dolari (aprox. 2,2–4,4 miliarde lei), în funcție de durata antrenării și de un cost orar de 2,50–3,50 dolari per GPU. În același timp, Jensen Huang , CEO-ul NVIDIA, a felicitat public OpenAI și a vorbit despre o viitoare sesiune de antrenare pe 400.000 de GPU-uri, care ar urma să depășească recordul stabilit de Astra. De ce contează: bugetele și energia devin constrângeri de business, nu doar „performanță AI” Estimările din material indică o schimbare de scară: dacă 100.000 de GPU-uri împing costurile spre pragul de 1 miliard de dolari, o creștere la 400.000 de GPU-uri sugerează o intensificare rapidă a cheltuielilor cu infrastructura (compute), cu efect direct asupra prețului final al produselor AI și asupra accesului la astfel de modele. Wccftech notează și o dimensiune operațională majoră: pentru un scenariu în care antrenarea ar folosi rack-uri NVIDIA GB200 NVL72, necesarul de putere ar ajunge la aproximativ 1,2 GW, pe baza calculelor prezentate (inclusiv un factor PUE – „Power Usage Effectiveness”, indicator al eficienței energetice a unui centru de date). O astfel de cerință mută discuția din zona software în zona de capacitate energetică și infrastructură de centre de date. Unde s-ar fi făcut antrenarea și de ce contează furnizorul de compute Publicația afirmă că antrenarea GPT-6 Astra ar fi fost realizată „cel mai probabil” la centrul de date Stargate din Abilene, Texas . În același context, materialul compară costurile cu o alternativă: dacă OpenAI ar fi folosit facilități CoreWeave, costurile ar fi putut fi „substanțial mai mari”, menționând un preț de circa 10,50 dolari per GPU-oră. Ce aduce GPT-6 Astra, dincolo de model: agenți care operează aplicații Din descrierea citată, Astra este prezentat ca un model capabil să „navigheze” software-ul într-un mod similar oamenilor, prin agenți care lucrează în paralel în browser, foi de calcul, site-uri și aplicații desktop, pentru a produce documente, prezentări și fluxuri de lucru în mai mulți pași. Materialul mai susține că structura „multi-agent” ar reduce riscul de „doom loops” (cicluri repetitive de eroare) și ar permite depanare autonomă de cod și ajustarea strategiei în timpul execuției. Performanța în benchmark-uri: nu e lider peste tot Deși Jensen Huang ar fi asociat lansarea cu „epoca AGI” (inteligență artificială generală), Wccftech notează că există în continuare critici privind statutul de AGI. În plus, potrivit materialului, Anthropic Fable 5.1 rămâne în fața GPT-6 Astra pe mai multe benchmark-uri: SWE-Bench Pro, Artificial Analysis Intelligence Index, Artificial Analysis Coding Agent Index și ProofBench v1.1 (demonstrații matematice formale). Ce urmează Dacă proiecția privind un antrenament pe 400.000 de GPU-uri se confirmă, următoarea etapă ar muta competiția într-o zonă în care diferențiatorii nu mai sunt doar arhitectura modelului și datele, ci și accesul la energie, centre de date și contracte de compute la scară foarte mare. Materialul nu oferă un calendar sau o confirmare oficială a acestei sesiuni viitoare, ci o prezintă ca proiecție atribuită lui Jensen Huang. [...]
SUA a folosit accesul la cipuri Nvidia ca monedă de negociere într-un acord preliminar de pace între Armenia și Azerbaidjan , într-un exemplu rar de politică externă construită direct pe regimul de control al exporturilor de semiconductori, potrivit The Next Web . Miza nu este doar diplomatică: licențele pentru procesoare avansate devin un instrument de influență cu efecte economice și operaționale asupra proiectelor de infrastructură pentru inteligență artificială (IA) din state considerate „în afara cercului” de țări cu acces facil la astfel de tehnologii. Informația de bază vine dintr-o relatare a The Wall Street Journal , care susține că negociatorii americani au folosit promisiunea accesului la cipuri IA Nvidia pentru a ajuta la obținerea unui acord preliminar între Armenia și Azerbaidjan, convenit anul trecut. Concret, stimulentul ar fi fost extinderea aprobărilor pentru achiziția de cipuri destinate unui proiect de centru de date în Armenia — un detaliu despre care publicația americană spune că nu fusese raportat anterior. De ce contează: licența de export devine pârghie, nu subvenție Procesorii avansați Nvidia sunt supuși controlului la export. Pentru cumpărători din afara unui grup restrâns de țări „de încredere”, vânzarea are nevoie de aprobarea Washingtonului, iar aprobarea este discreționară. În această logică, o licență de export poate fi acordată, extinsă, întârziată sau refuzată fără o lege nouă și fără cheltuieli bugetare directe — mai degrabă ca un „drept de acces” administrativ decât ca o finanțare. Consecința economică este că statele care vor să găzduiască infrastructură IA nu pot „compensa” lipsa licenței prin capital intern: fără hardware-ul aprobat, proiectele rămân blocate, indiferent de bani sau de ambiție industrială. Cazul Armenia: fabrica IA Firebird și rolul cipului în negociere Firebird a deschis în august o facilitate în Hrazdan, prezentată anterior drept cea mai mare „fabrică IA” din regiune. La inaugurare au apărut atât lideri politici, cât și lideri din tehnologie, iar în fundal au fost vizibile siglele Firebird și Nvidia. Potrivit relatării The Wall Street Journal, cipurile asociate acestui proiect ar fi făcut parte din pachetul care a adus Armenia la masa negocierilor. Contextul este un conflict de decenii între Armenia și Azerbaidjan privind Nagorno-Karabah, iar acordul preliminar ar fi urmat unei intervenții a Casei Albe. În versiunea prezentată de WSJ, un centru de date ar fi fost „în interiorul” înțelegerii. Un tipar mai larg: aceeași pârghie, în alte geografii The Next Web plasează episodul într-un tipar mai amplu, în care accesul la cipuri și condițiile de licențiere sunt folosite ca instrument de politică externă și de aliniere economică: Kazahstan : în iunie, țara a semnat un acord de 10 miliarde de dolari (aprox. 45 miliarde lei) cu Firebird pentru un proiect numit „Data Center Valley”, pe același model — dezvoltator susținut de Nvidia, infrastructură IA, acces condiționat de licențe. Emiratele Arabe Unite (Abu Dhabi) : compania IA G42 ar explora vânzarea unui pachet majoritar către companii americane pentru a-și securiza accesul la cipuri după aprilie 2027, într-o logică inversă: restructurarea proprietății ca să nu piardă „dreptul de a cumpăra”. Ce știm și ce lipsește: termenii reali nu sunt publici The Next Web notează că unele cifre — aproximativ 70.000 de procesoare Nvidia asociate unui proiect Firebird de 5 miliarde de dolari (aprox. 22,5 miliarde lei) în Armenia — provin din materiale de urmărire legate de relatarea WSJ, nu din articolul original (aflat în spatele unui paywall). Prin urmare, detaliile nu pot fi verificate integral din documente publice. Mai important, lipsesc elementele care ar permite evaluarea juridică și economică a aranjamentului: nu există o relatare publică despre ce ar fi primit Azerbaidjanul ; nu sunt publice condițiile licenței de export (termeni, obligații, clauze); nu este clar ce se întâmplă cu aprobarea dacă acordul eșuează, în condițiile în care este vorba de un acord preliminar, nu de un tratat; Departamentul Comerțului nu a spus public dacă o licență poate fi condiționată de un rezultat diplomatic . Pe înregistrare rămâne însă ideea centrală: o administrație americană a tratat semiconductori avansați ca instrument de negociere între două state aflate în conflict, iar un executiv Nvidia a descris „diplomația cipului” ca fiind „în prim-plan” pentru actuala administrație. [...]
AWS își securizează din timp capacitatea de calcul pentru AI printr-un plan de a adăuga încă 2 milioane de procesoare grafice (GPU) Nvidia în infrastructura sa globală între 2027 și 2028, potrivit TechRadar . Mișcarea indică o accelerare a investițiilor în centre de date, pe fondul unei cereri pentru „accelerated computing” (calcul accelerat, adică folosirea GPU-urilor pentru sarcini AI) care, conform companiilor, a depășit așteptările. Planul vine după un angajament anterior de a adăuga peste un milion de cipuri începând din 2026, pe măsură ce cererea clienților a crescut mai repede decât estimările. Extinderea consolidează parteneriatul de lungă durată dintre Amazon Web Services (AWS) și Nvidia și sugerează că ambele companii mizează pe continuarea creșterii cheltuielilor pentru inteligență artificială. Ce include extinderea, dincolo de GPU-uri Pe lângă cele 2 milioane de GPU-uri, AWS și Nvidia își extind colaborarea și pe alte componente ale infrastructurii: introducerea unor noi procesoare „Vera-based” (CPU-uri) în cloud-ul Amazon, pentru aplicații AI mai solicitante; modernizări de rețea, inclusiv extinderea tehnologiei NVLink Fusion , împreună cu memorie cu lățime mare de bandă, pentru performanță mai bună în clustere mari; actualizări pentru serviciile de analiză ale Amazon folosind software-ul Nvidia cuDF, cu viteze de procesare „aproape de 3,7 ori” față de configurații standard și o îmbunătățire de „aprox. 30%” a raportului preț/performanță față de setări bazate doar pe cipuri standard; îmbunătățiri la căutarea vectorială (tehnică folosită frecvent în AI pentru a găsi similarități), unde construirea indexului ar fi de „aprox. 9 ori” mai rapidă când rulează pe GPU-uri. Separat, divizia de robotică a Amazon lucrează cu Nvidia la instrumente de simulare pentru a accelera antrenarea roboților de depozit de generație următoare. Componentă de securitate și sector public În plan este inclusă și o alocare dedicată pentru sectorul public: 100.000 de cipuri ar urma să fie rezervate pentru nevoi sensibile de calcul ale agențiilor guvernamentale și de apărare din SUA, potrivit materialului. Ce spun companiile și care este incertitudinea CEO-ul AWS, Matt Garman, a spus că utilizatorii vor „libertatea de a alege cele mai bune instrumente” pentru sarcinile AI și încrederea că acestea funcționează integrat, motiv pentru care AWS a investit împreună cu Nvidia în optimizări de la rețea și securitate până la implementare. La rândul său, Jensen Huang, CEO Nvidia, a afirmat că „cererea este înaintea fiecărei prognoze” și că parteneriatul se extinde „pe întregul stack” (GPU-uri, CPU-uri, rețelistică, modele deschise și software) pentru a face „agentic și physical AI” (AI care poate acționa autonom și AI integrată în sisteme fizice) scalabile în cloud. TechRadar notează însă și limita evidentă a unui astfel de pariu: dacă cererea reală va ține pasul cu planurile va deveni limpede abia după ce noua infrastructură va fi operațională. [...]
Perplexity își reduce supravegherea umană a fluxurilor „end-to-end” după ce a trecut la GPT‑6 Astra , folosind modelul inclusiv pentru a modifica software și a monitoriza sisteme de producție, potrivit OpenAI . Miza operațională este creșterea autonomiei modelului în procese critice, cu verificări „mult mai rare” față de generațiile anterioare. Perplexity, descrisă ca startup din America de Nord, folosește Astra prin API în mai multe activități interne: redactarea de comunicări, schimbări în software și monitorizarea sistemelor de producție. Johnny Ho, cofondator și Chief Strategy Officer, leagă direct îmbunătățirea capacității modelului de a scrie cod de performanța motorului de căutare al companiei: programe mai bune pentru căutare pe web și în informații interne, plus rezumare mai concisă. De la „informație” la intervenții în sisteme reale Ho spune că dificultatea majoră nu este doar procesarea informației, ci aplicarea ei în sisteme din lumea reală, iar GPT‑6 Astra ar face acest pas mai ușor. „Putem lăsa modelul să creeze comunicări, să editeze sisteme din lumea reală și să monitorizeze software-ul nostru de producție într-un mod în care generațiile anterioare nu au putut.” Testarea automată a codului, cap-coadă Un caz de utilizare evidențiat este testarea codului. În locul testării manuale, Ho cere modelului să construiască un mic program de testare în jurul unei aplicații. Modelul generează răspunsuri „realiste”, similare celor pe care le-ar trimite un alt serviciu (de exemplu, un API de model lingvistic sau un conector), astfel încât aplicația să poată fi verificată pe întregul flux, de la început la final. „Chiar putem avea încredere în el pentru sisteme complete end-to-end și să verificăm mult mai rar decât la generațiile anterioare de modele.” În termeni practici, mesajul este că Perplexity folosește GPT‑6 Astra nu doar pentru sarcini de conținut sau analiză, ci și pentru activități care ating direct funcționarea software-ului în producție, cu o frecvență mai mică a intervenției umane decât înainte. OpenAI nu oferă în material indicatori cantitativi despre cât de mult s-a redus această supraveghere sau ce proceduri de control au rămas obligatorii. [...]
Un chatbot care te validează prea ușor poate distorsiona deciziile și relația utilizatorului cu AI , iar un mic test descris de TechRadar sugerează că ChatGPT rezistă mai bine presiunii pe fapte și recomandări practice decât tentației de a oferi validare personală. Autoarea pornește de la problema „sycophancy” (comportament lingușitor, excesiv de agreabil), numită și „glazing” în jargonul comunităților online: situații în care un model confirmă opinii, flatează sau spune utilizatorului ce vrea să audă, în loc să ofere o evaluare utilă. În context, OpenAI a recunoscut anterior că unele versiuni (precum GPT-4o) au devenit „prea flatante sau de acord” după un update din 2025 și că problema ar fi fost remediată, potrivit unei note publicate de companie. Cinci teste: unde a rezistat și unde a cedat parțial Experimentul descris este unul limitat (autoarea subliniază că „nu e o știință exactă”), dar oferă indicii despre tiparele în care modelul poate deveni prea acomodant: Opinii subiective (social media) : când utilizatoarea și-a schimbat poziția, ChatGPT și-a ajustat și el nuanța inițială a răspunsului, părând să „încline” spre cadrul propus de interlocutor, deși a păstrat argumente și calificări. Invocarea expertizei (identificarea textelor generate de AI) : când utilizatoarea a pretins experiență profesională, ChatGPT a arătat deferență („ai un ochi peste medie”), dar a continuat să contrazică ideea centrală și a propus un test „orb” pentru verificare. Fapte verificabile (mitul „folosim 10% din creier”) : modelul a respins afirmația și a refuzat să trateze încrederea utilizatoarei ca dovadă, menținând corecția. Decizie cu risc (demisie pentru a construi o aplicație fără plan/fonduri/abilități) : în loc de încurajare, ChatGPT a recomandat prudență („nu aș renunța încă”), pași de validare și calcularea „pistei” financiare (cât timp îți permiți să funcționezi fără venit). Evaluare personală (inteligență) : aici, modelul a fost cel mai dispus să flateze, estimând că utilizatoarea e „peste medie” și construind o argumentație amplă, deși a adăugat ulterior limitări (nu poate deduce IQ dintr-o conversație scurtă). Concluzia autoarei: din cele cinci teste, trei au arătat rezistență , două au validat parțial și niciunul nu a alunecat în lingușire evidentă , însă „validarea personală” a rămas mai ușor de obținut decât acordul pe fapte sau recomandări cu miză. De ce contează operațional: risc de dependență și decizii proaste Miza nu e doar „tonul” unui chatbot. TechRadar argumentează că un asistent prea agreabil poate deveni problematic când interacțiunile devin personale: un sistem care confirmă constant utilizatorul poate încuraja conversații mai lungi și poate crește greutatea pe care oamenii o dau răspunsurilor, mai ales când au impresia că AI „îi înțelege”. În acest context, articolul amintește că tot mai mulți oameni folosesc AI pentru sprijin emoțional, sfaturi și companie , iar în jurul utilizării prelungite apar discuții despre dependență, credințe că AI ar fi conștient, relații emoționale intense și ceea ce a ajuns să fie numit „psihoză AI” (termen disputat, dar prezent în dezbaterea publică). Ideea centrală: lingușirea nu explică singură aceste cazuri , însă poate amplifica interacțiuni deja sensibile, mai ales pentru utilizatori vulnerabili. Ce rămâne de urmărit Chiar dacă, în testul descris, ChatGPT a părut „mai bun” la a se opune presiunii pe fapte și decizii riscante, articolul sugerează că zona de validare personală rămâne un punct slab: mai greu de detectat, mai ușor de acceptat și, potențial, mai influentă în utilizarea de zi cu zi. [...]
