🎙️ ElevenLabs je po novem krogu vlaganja v višini 500 milijonov dolarjev dosegel vrednost 11 milijard dolarjev ↗
ElevenLabs se je pravkar prebil v kategorijo »to postaja resno« – zbrali so 500 milijonov dolarjev, njihova vrednost pa je bila ocenjena na 11 milijard dolarjev. To je velik skok od zadnje javno objavljene številke in poudarja, kako vlagatelji še vedno vidijo glas umetne inteligence kot platformo in ne le kot salonski trik.
Predstavitev: bolj realističen govor, več jezikov, bolj "čustven" pogovorni glas in več sinhronizacije - v bistvu cilj je biti pod pritiskom številnih medijskih in agentskih delovnih procesov ... na boljše ali slabše.
🧠 Cerebras v dirki čipov umetne inteligence dosegel 1 milijardo dolarjev več in oceno 23,1 milijarde dolarjev ↗
Cerebras je v pozni fazi financiranja zbral milijardo dolarjev, vrednotenje pa je glasno: 23,1 milijarde dolarjev. Če že mesece slišite "Nvidia ne more biti edina rešitev", potem to v obliki čekov zveni takole.
Stavijo, da bo strojna oprema v velikosti rezin – ogromni čipi za učenje in sklepanje – še naprej ustvarjala trajno povpraševanje, medtem ko vsi iščejo računalništvo. Delno gre za diverzifikacijo, delno za obup, delno pa hkrati za "prosim, ne dovolite, da mi ponudba grafičnih procesorjev narekuje celoten načrt".
💸 Načrti za kapitalska vlaganja v umetno inteligenco pri Alphabetu so osupljivi – ozko grlo pa ni le denar ↗
Alphabet je predstavil načrte za porabo infrastrukturnih sredstev, ki so ... precej absurdni po velikosti. Namen je: še naprej vlivati beton, kupovati čipe, širiti podatkovne centre – ker umetna inteligenca ne deluje na vibracijah, ampak na energiji in siliciju.
Nekaj je rahlo pomirjujočega – in hkrati zaskrbljujočega: tudi s takim proračunom so omejitve dobave še vedno pomembne. Denar seveda pomaga – vendar transformatorjev, zmogljivosti omrežja ali tisoč novih podatkovnih centrov ne moreš kar tako pričarati iz ničesar.
🎓 Sara Hooker in njeni Adaption Labs pridobijo 50 milijonov dolarjev sredstev za izgradnjo modelov, ki se učijo sproti ↗
Podjetje Adaption Labs je zamahnilo s 50 milijoni dolarjev vrednim začetnim krogom financiranja, pri čemer je vodilo misel, da bi manjši, pametnejši modeli, ki se hitro prilagajajo, lahko v številnih resničnih okoljih premagali goli obseg.
Osnovna stava je jasna: namesto da bi se za vedno ukvarjali le z večjim predusposabljanjem, se osredotočite na sisteme, ki se nenehno učinkovito učijo. To je bodisi naslednja smiselna faza ... bodisi pogumen poskus, da se izognete oboroževalni tekmi z grafičnimi procesorji, odvisno od vašega razpoloženja.
🧾 Microsoftov posel z računalništvom OpenAI se za vlagatelje spreminja v tvegano zgodbo ↗
Bloombergovo mnenje: vlagatelji začenjajo Microsoftov odnos z OpenAI obravnavati manj kot zagotovljeni dobitek in bolj kot površino tveganja – stroški, obveznosti, upravljanje, celoten zapleten sveženj.
To ni ravno "partnerstvo je slabo" - bolj gre za to, da ko računi postanejo dovolj veliki, se lahko celo strateška prednost začne brati kot breme. Nekako kot imeti dirkalnega konja, ki nenehno zmaguje ... medtem ko ti poje hišo.
📜 Zakon EU o umetni inteligenci – osnutek kodeksa preglednosti za vsebine, ustvarjene z umetno inteligenco ↗
Kroži osnutek kodeksa ravnanja o preglednosti vsebin, ki jih ustvari ali manipulira umetna inteligenca, in je povezan s tem, kako je treba označevati in ravnati z rezultati umetne inteligence. Ni ravno glamurozen naslov, vendar je to nekakšna »plast papirjev«, ki na koncu hitro oblikuje odločitve o izdelkih.
Če gradite ali uvajate generativne stvari, vas to spodbudi k večji disciplini pri vodnem žigu/označevanju – in verjetno k več revizijam in dokumentaciji, kot si kdorkoli želi v petek. (Ampak ... ja, prihaja.)
Pogosta vprašanja
Kaj o tem, kam gre glas umetne inteligence, pove vrednotenje ElevenLabs v višini 11 milijard dolarjev?
Predlaga, da vlagatelji glas umetne inteligence vidijo kot osrednjo infrastrukturo za medije in izdelke v slogu agentov, ne pa kot novost. Poudarek je na realističnem, večjezičnem, čustveno izraznem govoru, ki se lepo vključi v sinhronizacijo in pogovorne delovne procese. V mnogih cevovodih to pomeni, da je glas plast za večkratno uporabo v različnih aplikacijah in ne le enkratna demonstracijska zmogljivost.
Kako naj v praksi razmišljam o porastu financiranja umetne inteligence, kot sta ElevenLabs in Cerebras?
Veliki krogi ponudb običajno kažejo, da trg pričakuje veliko in vztrajno porabo za računalništvo, podatke in distribucijo. Za razvijalce to pogosto pomeni hitrejšo iteracijo izdelkov dobro financiranih prodajalcev, skupaj z ostrejšo konkurenco glede cen in zmogljivosti. To lahko pomeni tudi, da se v kategorijah »platform« – glas, čipi, infrastruktura – gradijo obrambni položaji.
Kakšen je Cerebrasov pristop na ravni rezin in zakaj ljudje zdaj stavijo nanj?
Cerebras postavlja ogromne čipe v velikosti rezin za učenje in sklepanje kot alternativno pot za zadovoljevanje povpraševanja po računalništvu. Stava je, da si lahko specializirana strojna oprema izoblikuje trajne niše, medtem ko ekipe iščejo možnosti onkraj ene same prevladujoče dobavne verige grafičnih procesorjev. V praksi gre deloma za strategijo diverzifikacije in deloma za nujnost zagotavljanja zanesljivih zmogljivosti.
Zakaj lahko Alphabet ogromno porabi za infrastrukturo umetne inteligence in se še vedno sooča z omejitvami dobave?
Ker je skaliranje umetne inteligence omejeno s fizičnimi ozkimi grli, ne le s proračunom. Razpoložljivost električne energije, gradnja podatkovnih centrov ter dostop do čipov in komponent lahko traja nekaj časa, da se razširijo. Tudi z agresivnimi kapitalskimi izdatki ne morete takoj dodati zmogljivosti omrežja ali pospešiti vseh delov strojne opreme in gradbenega procesa hkrati.
Kaj so modeli, ki se "učijo sproti" in kdaj lahko premagajo večje, predhodno naučene modele?
To so sistemi, zasnovani za učinkovito prilagajanje po uvedbi, namesto da bi se zanašali le na vedno večje predhodno učenje. V mnogih produkcijskih okoljih je hitrejše prilagajanje lahko pomembnejše od surovega obsega, zlasti ko se podatki premikajo ali delovni tokovi spreminjajo. Pogost pristop je ohranjanje manjših modelov in učinkovitejše učenje ali posodabljanje v produkciji.
Kako prizadevanja za preglednost v okviru zakona EU o umetni inteligenci vplivajo na ekipe, ki pošiljajo generativne vsebine?
Izdelke spodbujajo k jasnejšemu označevanju in ravnanju z rezultati, ki jih ustvari ali manipulira umetna inteligenca. V mnogih organizacijah se to odraža v večji disciplini pri vodnem žigu ali razkritju ter strožjih praksah dokumentiranja in revidiranja. Če uvajate generativne medije, je pametno, da že zgodaj načrtujete sledenje izvora in vzpostavite lahke delovne postopke za skladnost s predpisi.