🎙️ ElevenLabs dosiahol po ďalšom kole investícií vo výške 500 miliónov dolárov hodnotu 11 miliárd dolárov ↗
Spoločnosť ElevenLabs sa práve dostala do úrovne „toto sa začína vážne“ – získala 500 miliónov dolárov a získala ocenenie vo výške 11 miliárd dolárov. To je prudký skok oproti poslednému verejne diskutovanému číslu a zdôrazňuje to, do akej miery investori stále vnímajú hlas umelej inteligencie ako platformu, nie len spoločenský trik.
Téma: realistickejšia reč, viac jazykov, „emocionálnejší“ konverzačný hlas a viac dabingu – v podstate s cieľom uspokojiť množstvo mediálnych a agentských pracovných postupov… či už v dobrom alebo v zlom.
🧠 Spoločnosť Cerebras získala v pretekoch o čipy s umelou inteligenciou viac ako 1 miliardu dolárov a jej hodnota sa zvýšila na 23,1 miliardy dolárov ↗
Spoločnosť Cerebras získala v neskoršej fáze financovania 1 miliardu dolárov a jej ocenenie je vysoké: 23,1 miliardy dolárov. Ak ste už mesiace počúvali frázu „Nvidia nemôže byť jediným riešením“, takto to znie v podobe šeku.
Stavia na hardvér v mierke waferov – obrovské čipy na trénovanie a inferenciu – ktoré dokážu udržať trvalý dopyt, keďže každý sa snaží o výpočtové kapacity. Je to čiastočne diverzifikácia, čiastočne zúfalstvo a čiastočne zároveň „prosím, nenechajte ponuku GPU diktovať celý môj plán“.
💸 Plány spoločnosti Alphabet na kapitálové výdavky na umelú inteligenciu sú ohromujúce – a problémom nie sú len peniaze ↗
Spoločnosť Alphabet predstavila plány výdavkov na infraštruktúru, ktoré sú... dosť absurdné. Ide o to: ďalej liať betón, ďalej kupovať čipy, ďalej rozširovať dátové centrá – pretože umelá inteligencia nebeží na vibráciách, ale na energii a kremíku.
Je na tom niečo mierne upokojujúce – a zároveň alarmujúce: aj s takýmto rozpočtom sú obmedzenia dodávok stále dôležité. Peniaze určite pomáhajú – ale transformátory, kapacitu siete alebo tisíc nových dátových centier sa nedajú okamžite vykúzliť z ničoho nič.
🎓 Sara Hooker a jej Adaption Labs získali počiatočný kapitál vo výške 50 miliónov dolárov na vývoj modelov „učiacich sa za chodu“ ↗
Spoločnosť Adaption Labs prišla s presvedčivým financovaním vo výške 50 miliónov dolárov, pričom sa inšpirovala myšlienkou, že menšie a inteligentnejšie modely, ktoré sa rýchlo prispôsobia, by mohli v mnohých reálnych situáciách prekonať rozsiahle riešenia.
Základná stávka je jasná: namiesto neustáleho predtrénovania sa zamerajte na systémy, ktoré sa učia efektívne. Je to buď ďalšia rozumná fáza... alebo odvážny pokus vyhnúť sa pretekom v zbrojení s GPU, v závislosti od vašej nálady.
🧾 Dohoda spoločnosti Microsoft o výpočtovej technike OpenAI sa pre investorov stáva rizikovým príbehom ↗
Názor agentúry Bloomberg: investori začínajú vnímať vzťah spoločnosti Microsoft s OpenAI menej ako zaručený jackpot a viac ako povrch rizika – náklady, záväzky, riadenie, celý ten spletitý balík.
Toto nie je presne „partnerstvo je zlé“ – je to skôr o tom, že keď sú účty dostatočne veľké, aj strategická výhoda sa môže začať javiť ako pasívo. Niečo ako vlastniť dostihového koňa, ktorý stále vyhráva... a zároveň vám zje dom.
📜 Momentum zákona EÚ o umelej inteligencii – návrh kódexu transparentnosti pre obsah generovaný umelou inteligenciou ↗
Diskutuje sa o návrhu kódexu postupov pre transparentnosť obsahu generovaného alebo manipulovaného umelou inteligenciou, ktorý sa týka označovania a spracovania výstupov umelej inteligencie. Nie je to najpôsobivejší titulok, ale je to ten druh „papierovacej vrstvy“, ktorá nakoniec rýchlo formuje rozhodnutia o produktoch.
Ak vytvárate alebo nasadzujete generatívne veci, posúva vás to k väčšej disciplíne pri vodoznakoch/označovaní – a pravdepodobne k väčšiemu auditu a dokumentácii, než by si ktokoľvek v piatok prial. (Ale… áno, už to prichádza.)
Často kladené otázky
Čo hovorí hodnota spoločnosti ElevenLabs vo výške 11 miliárd dolárov o tom, kam smeruje hlas umelej inteligencie?
Naznačuje to, že investori vnímajú hlas s využitím umelej inteligencie ako základnú infraštruktúru pre médiá a produkty v štýle agentov, nie ako novinku. Dôraz sa kladie na realistický, viacjazyčný a emocionálne expresívny prejav, ktorý sa ľahko začlení do dabingových a konverzačných pracovných postupov. V mnohých aplikáciách to robí z hlasu opakovane použiteľnú vrstvu naprieč aplikáciami, a nie len jednorazovú demonštračnú funkciu.
Ako by som mal v praxi vnímať prudké nárasty financovania umelej inteligencie, ako napríklad v prípade spoločností ElevenLabs a Cerebras?
Veľké kolá obchodov zvyčajne signalizujú, že trh očakáva vysoké a trvalé výdavky na výpočty, dáta a distribúciu. Pre vývojárov sa to často premieta do rýchlejšej iterácie produktov od dobre financovaných dodávateľov, spolu s ostrejšou konkurenciou v oblasti ceny a výkonu. Môže to tiež naznačovať, že v kategóriách „platform“ – hlas, čipy, infraštruktúra – sa budujú obhájiteľné pozície.
Aký je prístup spoločnosti Cerebras k výrobe doštičiek a prečo naň ľudia vsádzajú práve teraz?
Spoločnosť Cerebras umiestňuje obrovské čipy na úrovni doštičiek na trénovanie a inferenciu ako alternatívnu cestu k uspokojeniu dopytu po výpočtoch. Stávka je na to, že špecializovaný hardvér si dokáže vytvoriť trvalé medzery na trhu, zatiaľ čo tímy hľadajú možnosti nad rámec jedného dominantného dodávateľského reťazca GPU. V praxi ide čiastočne o stratégiu diverzifikácie a čiastočne o naliehavosť zabezpečenia spoľahlivej kapacity.
Prečo môže Alphabet masívne investovať do infraštruktúry umelej inteligencie a stále čeliť obmedzeniam dodávok?
Pretože škálovanie umelej inteligencie je obmedzené fyzickými úzkymi miestami, nielen rozpočtom. Rozšírenie dostupnosti energie, výstavby dátových centier a prístupu k čipom a komponentom môže trvať určitý čas. Ani s agresívnymi kapitálovými výdavkami nemôžete okamžite pridať kapacitu siete ani zrýchliť každú časť hardvéru a výstavby naraz.
Čo sú to modely „učiace sa za chodu“ a kedy by mohli prekonať väčšie predtrénované modely?
Sú to systémy navrhnuté tak, aby sa po nasadení efektívne prispôsobovali, a nie aby sa spoliehali len na stále rozsiahlejšie predtrénovanie. V mnohých produkčných prostrediach môže byť rýchlejšia adaptácia dôležitejšia ako hrubá škálovateľnosť, najmä pri posunoch údajov alebo zmenách pracovných postupov. Bežným prístupom je udržiavať modely menšie a zefektívniť učenie alebo aktualizáciu v produkčnom prostredí.
Ako ovplyvňujú snahy o transparentnosť v rámci zákona EÚ o umelej inteligencii tímy, ktoré vytvárajú generatívny obsah?
Tlačia produkty smerom k jasnejšiemu označovaniu a spracovaniu výstupov generovaných alebo manipulovaných umelou inteligenciou. V mnohých organizáciách sa to premieta do väčšej disciplíny pri vodoznakoch alebo zverejňovaní informácií a tiež do prísnejších postupov dokumentácie a auditu. Ak nasadíte generatívne médiá, je rozumné plánovať sledovanie pôvodu a budovať ľahké pracovné postupy zamerané na dodržiavanie predpisov v ranom štádiu.