Știri
Știri din categoria Inteligență artificială

NVIDIA duce platforma Vera Rubin în producție de serie, iar primele livrări ar urma să înceapă din această toamnă, un pas care mută competiția din zona „cipurilor” în cea a capacității de a construi rapid „fabrici de AI” (centre de date optimizate pentru rularea și operarea modelelor) la scară mare, potrivit NVIDIA News.
Platforma este poziționată ca bază „POD-scale” pentru următoarea generație de infrastructură destinată „agentic AI” (modele care execută sarcini în mai mulți pași, cu raționament, căutare, utilizare de instrumente și generare de răspunsuri). NVIDIA susține că Vera Rubin oferă „de 10 ori” mai mult „agent throughput” (capacitate de procesare a agenților) la scară, față de generația anterioară NVIDIA Grace Blackwell.
NVIDIA afirmă că producția de sisteme bazate pe Vera Rubin este realizată „la scară” de cei mai mari producători de servere din Taiwan și de lideri ai lanțului global de aprovizionare, pentru a alimenta laboratoare de AI, furnizori de cloud și hyperscaleri (operatori foarte mari de centre de date).
Compania indică faptul că Vera Rubin este a treia generație de sisteme „rack-scale” din familia MGX, bazată pe un design „open source” (cu specificații publice pentru integrare). În ecosistem ar fi implicați „sute” de parteneri, inclusiv „150 doar în Taiwan”, în „peste 350 de fabrici” din „30 de țări”, care cresc capacitatea de producție pentru această platformă.
Lista de producători și parteneri menționați include, între alții, Dell Technologies, HPE, Lenovo și Supermicro, dar și companii precum Foxconn, ASUS, MSI, Pegatron, Quanta Cloud Technology (QCT), Wistron și Wiwynn.
Un element central al anunțului este introducerea NVIDIA Spectrum-X Ethernet Photonics, descrisă drept prima familie de comutatoare bazate pe „co-packaged optics” (optică integrată în același pachet cu cipul de comutație), cu 200 Gb/s SerDes, „acum în producție”.
NVIDIA susține că această generație de rețelistică aduce:
Compania leagă această arhitectură de obiectivul de a construi, în timp, „fabrici de AI” de ordinul „unui milion de GPU-uri”, menționând CoreWeave, Lambda și Oracle Cloud Infrastructure ca primii parteneri și adoptatori.
NVIDIA plasează securitatea ca cerință operațională pentru „agentic workflows” care procesează date proprietare, conținut reglementat și modele critice. Platforma ar include „full-stack NVIDIA Confidential Computing” (execuție într-un mediu de încredere), cu criptare a datelor pe interconectări de mare viteză și mecanisme de atestare hardware.
Sunt menționați ca adoptatori ai NVIDIA Confidential Computing mai mulți furnizori de cloud, inclusiv CoreWeave, IBM Cloud, Microsoft Azure, Lambda și alții.
NVIDIA spune că livrările de producție pentru Vera Rubin „urmează să înceapă din această toamnă”. În practică, calendarul sugerează că disponibilitatea comercială la scară va depinde nu doar de cipuri, ci și de ritmul de integrare în sisteme complete (rack-uri/POD-uri), de rețelistică și de capacitatea lanțului de producție de a livra volume mari.
Recomandate

NVIDIA își extinde ofensiva pe „AI personal” în Windows, dar pagina indicată nu oferă încă detalii despre parteneriatul cu Microsoft , ci funcționează ca un index de știri din 31 mai 2026, potrivit NVIDIA News . Pentru companii și investitori, implicația imediată este una operațională: mesajul public al NVIDIA rămâne concentrat pe creșterea capacității de calcul și pe „industrializarea” aplicațiilor de inteligență artificială, în timp ce informațiile concrete despre „reinventarea PC-urilor Windows” nu sunt vizibile în conținutul extras. Ce se vede efectiv în pagina-sursă: un pachet de anunțuri din 31 mai 2026 Conținutul disponibil listează mai multe materiale (bloguri și comunicate) publicate în aceeași zi, cu accent pe infrastructură, producție și aplicații „agentice” (sisteme care pot executa sarcini în mod semi-autonom, pe baza unui obiectiv). Printre temele enumerate: extinderea „ NVIDIA AI Cloud ecosystem ” pentru a susține cererea globală de calcul AI; un „blueprint” (model de implementare) pentru operațiuni în fabrici, descris ca un „creier AI” pentru integrarea semnalelor din utilaje, calitate și alerte operaționale; rolul Taiwanului în lanțul de producție pentru infrastructura „NVIDIA Vera Rubin”, cu referire la parteneri și componente de rack; utilizarea calculului accelerat NVIDIA și a AI de către TSMC pentru proiectare și fabricație de semiconductori; inițiative în sănătate („Healthy Taiwan”), robotică (inclusiv un design de referință pentru robot umanoid), robotaxi și modele AI pentru conducere autonomă. De ce contează pentru piață: accent pe capacitate și implementare, nu pe „demo-uri” Chiar dacă titlul din feed sugerează o repoziționare a PC-urilor Windows în jurul „AI personal”, materialul extras nu include elementele care ar permite evaluarea impactului comercial (produse, termene, specificații, partajarea veniturilor sau lista de producători de PC implicați). În schimb, lista de subiecte publicate în aceeași zi indică o prioritate operațională: extinderea infrastructurii (cloud și „AI factory”), standardizarea implementărilor în industrie și împingerea AI către aplicații fizice (fabrici, sănătate, robotică, mobilitate). Pentru ecosistem, asta înseamnă presiune pe capacitate (hardware, integrare, producție) și pe adoptarea de fluxuri de lucru în care AI devine parte din procese, nu un proiect separat. Limitări și ce ar trebui urmărit în continuare În forma furnizată, pagina nu conține detalii despre colaborarea NVIDIA–Microsoft pentru „PC-uri Windows în era AI personal”. Pentru a cuantifica impactul (costuri, cerere, efect asupra pieței de PC-uri și asupra furnizorilor), ar fi necesare informații care nu apar în textul extras: ce funcții AI sunt vizate, ce cerințe hardware implică și când ar ajunge în produse comerciale. [...]

NVIDIA își deschide către comunitate un set amplu de „skill-uri” și instrumente pentru agenți AI în zona de robotică, vehicule autonome și inspecție vizuală, cu promisiunea reducerii costurilor și a timpului de dezvoltare — potrivit NVIDIA News . Miza operațională este automatizarea unor fluxuri de lucru complicate (date sintetice, simulare, antrenare, evaluare, implementare) prin instrucțiuni repetabile pe care agenții le pot executa, astfel încât echipele să poată scala mai ușor proiecte de „physical AI” (AI care interacționează cu lumea fizică). Ce lansează NVIDIA și de ce contează pentru companii Colecția include „ physical AI skills ” (seturi de instrucțiuni optimizate, executabile de agenți) și instrumente „agent-ready” (apelabile de agenți) din ecosistemul NVIDIA, acoperind mai multe componente ale stivei sale tehnologice: physical AI skills (depozit open-source pe GitHub) NVIDIA Agent Toolkit (pachetul în care sunt integrate skill-urile) NVIDIA Cosmos (modele „world foundation” pentru raționament și generare legate de lumea fizică) NVIDIA Omniverse (simulare și „digital twins” – replici digitale ale unor sisteme reale) NVIDIA Isaac (simulare și învățare pentru roboți) NVIDIA Metropolis (analiză video/vision AI) NVIDIA Alpamayo și zona de autonomous driving (dezvoltare pentru vehicule autonome) NVIDIA Jetson (platformă pentru AI la marginea rețelei – „edge”, adică pe dispozitive locale) În paralel, NVIDIA indică și componente pentru construirea și rularea agenților în condiții de guvernanță (securitate/confidențialitate) pe infrastructură locală sau în cloud: NVIDIA NemoClaw și NVIDIA OpenShell . Unde se aplică: de la date sintetice la „digital twins” Publicația descrie cinci zone în care skill-urile ar putea comprima munca de la „setup” până la iterații și validare: Robotică și edge AI : accelerarea pipeline-ului complet, inclusiv generare de date pentru percepție și mobilitate, simulare, antrenare pentru navigație și reglaje pentru implementare pe Jetson. Vehicule autonome : reconstrucția datelor din flote în medii de simulare, generarea de scenarii fotorealiste la scară și rularea de învățare prin întărire în buclă închisă pentru acoperire mai mare la antrenare și evaluare. Agenți de vision AI în timp real : date sintetice, ajustarea fină a modelelor, etichetare automatizată și agenți care caută, rezumă și analizează video live sau înregistrat. AI industrial : conversia datelor de inginerie în active CAD pentru simulare de tip „digital twin” și optimizarea scenelor OpenUSD cu mai puțină configurare manuală. Sănătate : ghidarea agenților prin crearea de „digital twins” pentru medii spitalicești, generare de date „sim-to-real” și testare de politici software înainte de implementare. Exemple de impact operațional raportat: timp, efort și randament NVIDIA oferă câteva exemple punctuale de rezultate obținute de companii care folosesc aceste instrumente, în special în zona de inspecție vizuală și date sintetice: Pegatron a redus timpul de antrenare și implementare a modelelor cu 67% folosind date sintetice generate cu skill-ul „Defect Image Generation” (compania este menționată și cu link: Pegatron ). Delta Electronics a raportat o îmbunătățire a ratei de detecție cu 17% pentru identificarea excesului de lipire pe bare colectoare metalice, după generarea de date sintetice de defecte. Inventec a redus efortul de colectare a datelor de defecte cu 30% pentru producția de carcase de laptop, prin integrarea aceluiași skill. Foxconn , împreună cu DeepHow, ar fi crescut „first pass yield” (procentul de produse care trec din prima verificare fără reparații) cu aprox. 3% , prin detectarea mai timpurie a erorilor. În zona vehiculelor autonome, NVIDIA menționează că Li Auto, Afari și DeepRoute.ai folosesc modele Omniverse NuRec pentru reconstrucție de scene, cu peste 1.000 de reconstrucții și peste 300.000 de randări și simulări pe zi. Disponibilitate și integrare în cloud Instrumentele și skill-urile sunt disponibile „openly” prin GitHub și skills.sh, pentru utilizare cu „orice agent de programare”, potrivit sursei. NVIDIA mai spune că anumite skill-uri pentru generare de date sintetice (Neural Reconstruction, Video Augmentation, Defect Image Generation) pot fi testate pe NVIDIA Brev, ca medii preconfigurate („Launchables”). În plus, Microsoft, CoreWeave și Nebius sunt menționate ca integrând aceste skill-uri și instrumente cu serviciile lor cloud, pentru a ajuta dezvoltatorii să simplifice și să scaleze generarea de date sintetice și implementarea. [...]

NVIDIA își extinde ofensiva în centrele de date cu Vera, un CPU „pentru agenți” care promite să crească veniturile din tokeni. Potrivit NVIDIA News , noul procesor Vera este deja în producție și este poziționat ca o piesă-cheie pentru „fabricile de AI” (infrastructuri care rulează antrenare, inferență și execuție de agenți), într-un moment în care economia acestor sisteme se mută de la „nuclee per dolar” la „tokeni per dolar” — adică la câți pași de calcul utili pot livra pentru fiecare unitate de cost. NVIDIA susține că Vera finalizează sarcini cu 1,8 ori mai repede decât procesoarele x86, pe o plajă de utilizări care include AI „agentic” (modele care nu doar răspund, ci execută acțiuni, rulează cod și folosesc instrumente), învățare prin recompensă (reinforcement learning) și procesare de date. Miza economică invocată de companie este directă: mai multă performanță CPU pe fluxurile critice din centrele de date ar însemna mai mult „token revenue” (venituri asociate volumului de tokeni procesați în servicii AI). De ce contează: CPU-ul devine din nou o constrângere în „fabricile de AI” În arhitecturile moderne pentru AI, acceleratoarele (GPU) fac partea grea de calcul, dar multe etape rămân limitate de CPU: rularea mediilor Python, compilări, execuție de cod în sandbox (medii izolate), logică de orchestrare și conducte de analiză. NVIDIA își construiește argumentul pe ideea că agenții AI cresc masiv cererea pentru astfel de sarcini, iar un CPU mai rapid și mai eficient energetic crește „debitul” (throughput) de agenți și interactivitatea. Jensen Huang , fondator și CEO al NVIDIA, afirmă: „Agenții AI vor fi cei mai mari utilizatori de calcul. Vera este primul CPU proiectat pentru acel viitor — construit pentru a rula AI agentic la scară hyperscale cu performanță, eficiență și programabilitate extraordinare.” Ce aduce Vera: arhitectură proprie și integrare strânsă cu platformele NVIDIA Vera este bazat pe „Olympus”, un nucleu CPU personalizat NVIDIA, și include 88 de nuclee Olympus , „Spatial Multithreading” (o tehnică de execuție paralelă pentru a crește utilizarea resurselor) și memorie LPDDR5X cu până la 1,2 TB/s lățime de bandă. Pe partea de integrare în platformele companiei, Vera este prezentat ca: CPU pentru servere Vera „standalone” (configurații dedicate CPU), CPU gazdă pentru platformele NVIDIA Vera Rubin , prin interconectarea NVLink-C2C de generația a doua, cu până la 1,8 TB/s lățime de bandă coerentă între CPU și GPU, componentă pentru platforme de stocare AI, prin NVIDIA Vera BlueField-4 STX , care combină CPU-ul cu rețelistică, accelerare de stocare și securitate „în siliciu”. NVIDIA mai spune că Vera extinde „Confidential Computing” (mecanisme hardware/software care protejează datele în utilizare) la nivel de rack, pentru a proteja sarcini agentice. Cine îl adoptă și cine îl produce: ecosistem de cloud și OEM Compania indică drept potențiali utilizatori sau evaluatori ai Vera atât laboratoare AI, cât și operatori mari de cloud și infrastructură. Sunt menționate, între altele, Anthropic, OpenAI și SpaceXAI, precum și ByteDance, CoreWeave și Oracle Cloud Infrastructure (OCI). În zona enterprise, NVIDIA indică și NYSE ca utilizator care explorează platforma. Pe partea de producție și integrare hardware, NVIDIA spune că sisteme Vera vor fi construite la scară de producători precum Dell Technologies, HPE, Lenovo și Supermicro, alături de ASUS, Compal, Foxconn, GIGABYTE, Pegatron, Quanta Cloud Technology (QCT), Wistron și Wiwynn, între alții. Publicația notează că marii OEM ar urma să ofere Vera în configurații de server CPU „standalone”, ca „prima opțiune standard de CPU dincolo de x86”. Performanță: benchmark-uri invocate și un exemplu de utilizare NVIDIA citează Phoronix (publicație de benchmark-uri open-source) spunând că Vera a livrat „cea mai rapidă performanță generală” pe sarcini agentice precum compilare de cod, Python, Java și procesare de baze de date — exact tipuri de încărcări care apar pe traseul critic al execuției agenților (utilizare de instrumente și execuție în sandbox). Într-un exemplu operațional, NYSE Group leagă adopția de obiective de latență și capacitate. Lynn Martin, președinte NYSE Group, spune: „NYSE procesează peste 1,1 trilioane de mesaje pe zi și, în colaborare cu Redpanda și HPE, folosind CPU-urile NVIDIA Vera, ne vom extinde capacitatea, optimizând în continuare latența pentru a susține o infrastructură de piață performantă, rezilientă și pregătită pentru AI.” Disponibilitate: când ajunge pe piață NVIDIA afirmă că sistemele Vera vor fi disponibile de la integratori și parteneri cloud din această toamnă . Compania nu oferă în material detalii despre prețuri sau despre configurații comerciale concrete pentru fiecare segment, astfel că impactul financiar imediat rămâne de evaluat în funcție de ritmul de adoptare în cloud și în centrele de date enterprise. [...]

NVIDIA încearcă să reducă costul de operare al „fabricilor de AI” printr-o platformă care leagă proiectarea, simularea și exploatarea infrastructurii , mizând pe eficiența energetică și pe standardizarea operațiunilor în centrele de date, potrivit NVIDIA News . Platforma, numită NVIDIA DSX , este prezentată ca un „manual complet” pentru constructorii de infrastructură care vor să proiecteze, să implementeze și să opereze la scară așa-numitele „AI factories” (centre de date optimizate pentru antrenarea și rularea modelelor de inteligență artificială). Miza economică este explicită: scăderea „costului pe token” (costul de generare a unităților de text/ieșire ale unui model) prin maximizarea performanței raportate la consumul de energie. Ce aduce nou DSX și de ce contează operațional NVIDIA spune că DSX reunește biblioteci software modulare cu sursă deschisă, interfețe de programare (API), proiecte de referință și tehnologii ale partenerilor într-o platformă „codesign” (proiectare coordonată între componentele hardware, software și facilități). Obiectivul declarat este accelerarea punerii în producție și creșterea fiabilității operaționale la scară. În centrul mesajului sunt două componente software noi: DSX MaxLPS : un set de tehnologii care urmărește să maximizeze „token performance per megawatt” (performanța de generare raportată la un megawatt consumat), într-un buget fix de energie, pentru a obține cel mai mic cost pe token. NVIDIA afirmă că, prin combinarea răcirii cu lichid la 45°C și a unor tehnologii „în rack” pentru optimizarea performanței per watt, operatorii pot rula „până la 40% mai multe GPU-uri” la punctul lor de eficiență maximă, cu impact minim asupra performanței sarcinilor de lucru. DSX OS : software modular cu sursă deschisă pentru operarea „fabricilor de AI”, care include management pe ciclul de viață, programarea resurselor, consistență la rulare, automatizare pentru starea de sănătate a sistemelor, reziliență, operare multi-tenant (mai mulți clienți/echipe pe aceeași infrastructură) și servicii de platformă. Elemente deja existente în platformă: de la proiectare la integrarea cu rețeaua electrică DSX include și un set de componente pe care NVIDIA le poziționează ca „full stack” (de la arhitectură la operare): DSX Reference Design : arhitecturi validate pentru „fabrici de AI”, acoperind calcul, rețelistică, stocare, design de cluster și infrastructura facilităților (energie, răcire, control, plus elemente civile/structurale/arhitecturale). DSX Sim : strat de simulare pentru întreg ciclul de viață, folosit pentru modelarea și validarea deciziilor de infrastructură din faza de planificare până la operare. DSX Flex : conectează centrele de date la servicii ale rețelei electrice, astfel încât sarcinile de lucru să se poată adapta la semnale precum reducerea încărcării, răspuns la cerere sau evenimente de preț; include și orchestrarea energiei din surse regenerabile și hibride. DSX Exchange : integrare între semnalele din IT și din zona de „operational technology” (echipamente și sisteme de control industrial), pentru calcul, rețea, energie, putere și răcire. În declarația citată de NVIDIA, Jensen Huang leagă direct platforma de reducerea riscului investițional prin simulare și validare înainte de instalare: „Cu platforma DSX, poți simula întreaga fabrică înainte să cheltuiești un dolar, valida performanța înainte ca un singur rack să fie instalat și opera cu tipul de fiabilitate pe care AI-ul în producție îl cere.” Ecosistem și adopție: producători de sisteme și operatori de cloud AI NVIDIA își sprijină strategia pe extinderea ecosistemului, în special în Taiwan, și pe adopția de către operatori de infrastructură AI. Publicația menționează că parteneri de cloud precum CoreWeave, Crusoe, Firmus, IREN, Lambda, Nebius, Nscale și Yotta Data Services implementează componente din DSX (DSX Sim, DSX MaxLPS și DSX OS) pentru a reduce riscul, a îmbunătăți utilizarea GPU-urilor și a aduce capacitate online mai rapid. Pe partea de hardware, Dell Technologies, HPE, Lenovo și Supermicro, împreună cu ASUS, Foxconn, GIGABYTE, Pegatron, Quanta Cloud Technology (QCT), Wistron și Wiwynn sunt menționați ca producători de sisteme „DSX-ready” și ca furnizori de active pentru simulare, pentru implementări la scară globală. Separat, NVIDIA indică un pilot comercial „multi-megawatt” în care DSX Flex este folosit împreună cu Emerald AI și Silicon Valley Power, pentru a demonstra centre de date „grid-responsive” (care își ajustează consumul în funcție de semnalele utilității), cu scopul de a proteja performanța sarcinilor AI și de a sprijini fiabilitatea rețelei. Ce urmează Anunțul este legat de NVIDIA GTC Taipei , unde compania direcționează publicul către discursul principal al CEO-ului. Materialul nu oferă detalii despre prețuri, termene de disponibilitate sau condiții comerciale pentru DSX, dincolo de descrierea componentelor și a partenerilor care le adoptă. [...]

Groq încearcă să se refinanțeze cu 650 milioane dolari (aprox. 2,99 miliarde lei) pentru a-și susține cloudul de inferență , după un acord atipic prin care Nvidia a plătit 20 miliarde dolari (aprox. 92 miliarde lei) către investitori și a atras o parte din inginerii-cheie ai companiei, potrivit The Next Web . Miza economică este dacă Groq mai poate construi un avantaj de cost într-o piață în care prețul pe „token” (unitate de text generat) este împins în jos, iar Nvidia își optimizează accelerat propriile platforme pentru inferență. Finanțarea de 650 milioane dolari ar urma să vină de la investitori existenți și să fie direcționată către businessul de „inference cloud” (servicii de calcul pentru rularea modelelor AI după ce utilizatorul trimite un prompt). Publicația notează că runda este, practic, „garantată”: Disruptive și Infinitium s-au angajat să acopere finanțarea dacă alți investitori nu își exercită drepturile pro-rata (adică participarea proporțională pentru a-și menține ponderea). Ce a rămas din Groq după acordul de 20 miliarde dolari cu Nvidia Acordul din decembrie, descris ca „not-acqui-hire” (o tranzacție care nu este o achiziție completă, dar include plăți către investitori și transfer de oameni-cheie), a avut câteva efecte directe: Nvidia a plătit investitorii Groq în numerar, la un nivel care ar fi echivalat cu cea mai mare achiziție din istoria Nvidia, dacă ar fi fost o preluare integrală. Nvidia a licențiat tehnologia hardware a Groq. Mai mulți ingineri seniori au plecat la Nvidia. Groq nu a fost absorbită, dar a rămas „resetată” financiar și slăbită la nivel de leadership tehnic, concentrându-se acum pe un model mai îngust: inferență ca serviciu. Conducerea este asigurată interimar de CEO-ul Adam Winter și CFO-ul Matt Eng, conform aceleiași surse. De ce contează: inferența e piața mare, dar marjele sunt sub presiune The Next Web argumentează că inferența a devenit o piață mai mare decât antrenarea modelelor, pentru că fiecare interogare către un chatbot sau fiecare acțiune a unui „agent” AI consumă calcul de inferență. În acest context, Groq pariază pe propriul hardware LPU (Language Processing Unit), proiectat special pentru acest tip de sarcină, cu promisiunea unei viteze mai mari (măsurată în „tokens per second”) și a unui cost mai mic decât GPU-urile generaliste. Problema este că economia inferenței se înăsprește: publicația menționează că DeepSeek a redus permanent cu 75% prețul pentru V4 Pro, ceea ce comprimă veniturile pe token de care depind furnizorii de cloud de inferență. În paralel, Nvidia își împinge înainte platformele Blackwell și viitoarea Vera Rubin tocmai pentru a reduce diferențele de performanță la inferență care au creat oportunități pentru jucători specializați precum Groq. Ce urmează Runda de 650 milioane dolari este, în esență, un pariu că hardware-ul dedicat inferenței își păstrează avantajul chiar și într-un mediu cu prețuri în scădere și cu Nvidia accelerând optimizările. Întrebarea centrală, potrivit analizei, este dacă Groq poate să-și refacă rapid forța de inginerie la nivel senior, să scaleze operațional cloudul de inferență și să rămână competitivă la cost în fața a două presiuni simultane: îmbunătățirile Nvidia și ieftinirile agresive ale furnizorilor de modele. [...]

Groq ar încerca să strângă 650 milioane de dolari (aprox. 3,0 miliarde lei) pentru a-și finanța extinderea pe piața de „inference cloud”. Potrivit TechCrunch , startupul de cipuri pentru inteligență artificială caută bani noi de la investitorii existenți, pe fondul unei repoziționări către un model de afaceri de tip „neocloud” axat pe rularea (inferența) aplicațiilor AI. Informația este atribuită unor surse citate de Axios, care susțin că Groq se bazează în această direcție pe propriul cip și pe propriile sisteme hardware. „Inferența” este etapa de procesare care are loc după ce utilizatorul introduce un prompt, iar TechCrunch notează că, în prezent, cererea pentru inferență este mai mare în industrie decât cea pentru antrenarea modelelor. De ce contează runda: finanțare pentru capacitate, nu doar pentru cercetare Miza economică a rundei este legată de scalarea unei infrastructuri de cloud specializate pentru inferență, un segment unde costurile operaționale și de capital (hardware, centre de date, sisteme) pot crește rapid. În acest context, Groq ar încerca să-și asigure resursele pentru a susține aplicații „însetate” de inferență, folosite de dezvoltatori și companii. Context: acordul „nu chiar achiziție” cu Nvidia TechCrunch reamintește că, în decembrie, Groq a încheiat cu Nvidia un acord descris ca „not-acqui-hire” (o tranzacție care nu este o achiziție completă, dar implică transfer de oameni-cheie și acces la tehnologie). Valoarea raportată a acordului a fost de 20 miliarde de dolari (aprox. 92 miliarde lei) și a inclus plecarea unor angajați seniori către Nvidia, precum și licențierea tehnologiei hardware a Groq către gigantul de cipuri. Publicația notează că tranzacția a fost favorabilă investitorilor Groq, care ar fi fost plătiți în numerar, în condițiile în care, dacă ar fi fost o achiziție integrală, ar fi reprezentat cea mai mare cumpărare făcută vreodată de Nvidia, potrivit Axios. Cine conduce acum și cum ar fi „asigurată” runda Noua direcție este condusă, potrivit TechCrunch, de CEO-ul interimar Adam Winter și de CFO-ul Matt Eng. În plus, Axios afirmă că o parte din finanțare ar fi, „într-un fel”, garantată: investitorii Disruptive și Infinitium ar fi acceptat să completeze runda dacă alți investitori existenți nu își exercită drepturile pro-rata (adică nu participă proporțional pentru a-și menține ponderea). [...]