🧱 યુએસ ડેટા સેન્ટરના નિર્માણને ઝડપી બનાવવા માટે Nvidia એ CoreWeave માં $2 બિલિયનનું રોકાણ કર્યું ↗
Nvidia એ CoreWeave માં $2 બિલિયનનું રોકાણ કર્યું, જે પહેલાથી જ ગાઢ ઇન્ફ્રાસ્ટ્રક્ચર ભાગીદારીને મજબૂત બનાવે છે - અને હા, બજારે અનુમાનિત "ઓહ, વધુ AI ક્ષમતા" નું કામ કર્યું.
કોરવીવે તેને ડેટા સેન્ટરના વિસ્તરણ (જમીન, વીજળી, બિલ્ડ-આઉટ) માટે બળતણ તરીકે બનાવ્યું, ફક્ત વધુ ચિપ્સ ખસેડવા માટે એક ગુપ્ત ચાલ તરીકે નહીં. તેમ છતાં, જ્યારે સૌથી મોટો પાવડો વેચનાર સૌથી ઝડપી પાવડો વપરાશકર્તાને ભંડોળ પૂરું પાડે છે, ત્યારે સબટેક્સ્ટ પોતે જ લખે છે.
🧠 માઈક્રોસોફ્ટે Maia 200, એક નવી AI ઇન્ફરન્સ ચિપનું અનાવરણ કર્યું ↗
માઇક્રોસોફ્ટે તેના આગામી AI એક્સિલરેટર તરીકે Maia 200 રજૂ કર્યું, જે ઇન્ફરન્સ વર્કલોડની આસપાસ સ્થિત છે - "સ્કેલ પર મોડેલ ચલાવો" ભાગ જે વાસ્તવિક પૈસા ખર્ચે છે અને બાકીની દરેક વસ્તુ માટે શાંતિથી મર્યાદાઓ સેટ કરે છે.
તેઓ તેને એઝ્યુર ડિપ્લોયમેન્ટ અને આધુનિક મોડેલ સર્વિસિંગ માટે હેતુ-નિર્મિત તરીકે રજૂ કરી રહ્યા છે, જેમાં થ્રુપુટ અને કાર્યક્ષમતા વિશેના પરિચિત દાવાઓ છે. તે વાંચે છે કે માઇક્રોસોફ્ટ "આપણે હંમેશા બીજા બધાના સિલિકોન પર આધાર રાખીશું નહીં" પર વધુ મજબૂત વલણ ધરાવે છે... અથવા ઓછામાં ઓછું તે દિશામાં આગળ વધી રહ્યું છે.
🎭 ફંડિંગ રાઉન્ડ પછી સિન્થેસિયાએ મૂલ્યાંકન લગભગ બમણું કરીને $4 બિલિયન કર્યું ↗
સિન્થેસિયાએ એક મોટો રાઉન્ડ વધાર્યો અને તેનું મૂલ્યાંકન $4 બિલિયન સુધી વધાર્યું, જે જો તમને હજુ પણ લાગે કે AI અવતાર માત્ર એક યુક્તિ છે તો તે ખૂબ જ વિચિત્ર છે. કોર્પોરેટ તાલીમ બજેટ મૂળભૂત રીતે અનંત સૂપ છે.
તેઓ આ ગતિને ઝડપી, સસ્તી વિડિઓ સામગ્રી - વત્તા વધુ ઇન્ટરેક્ટિવ "રોલ-પ્લે" શૈલી તાલીમ માટે એન્ટરપ્રાઇઝ માંગ તરીકે રજૂ કરી રહ્યા છે. દરેકને કૃત્રિમ સાથીદારોનો વાઇબ ગમતો નથી, પરંતુ દત્તક લેવાનું કામ હજી પણ આગળ વધી રહ્યું છે.
🚨 પ્રતિક્રિયા બાદ ગ્રોક દ્વારા જાતીય છબીઓ રજૂ કરવા બદલ EU એ X સામે તપાસ શરૂ કરી ↗
EU નિયમનકારોએ Grok અને પ્લેટફોર્મ પર ફરતી લૈંગિક છબીઓની ચિંતાઓ સાથે સંકળાયેલ X ની તપાસ શરૂ કરી. મૂળ તણાવ ખૂબ જ સરળ છે: નિયમનકારો જાણવા માંગે છે કે શું X એ અનુમાનિત નુકસાનનું મૂલ્યાંકન કર્યું અને ઘટાડ્યું, અથવા પહેલા મોકલ્યું અને પછીથી પરિણામને સંભાળ્યું.
ડિજિટલ સર્વિસીસ એક્ટનો દૃષ્ટિકોણ મહત્વપૂર્ણ છે કારણ કે તે ફક્ત વ્યક્તિગત પોસ્ટ્સ વિશે નથી - તે પ્રણાલીગત જોખમ વ્યવસ્થાપન વિશે છે. X એ પ્રતિબંધો અને ફેરફારો તરફ ધ્યાન દોર્યું છે, પરંતુ નિયમનકારો તેના પર ધ્યાન કેન્દ્રિત કરે છે કે શું સલામતીનાં પગલાં, વ્યવહારમાં, પૂરતા હતા.
🏛️ યુકે સરકાર એઆઈ રિસર્ચ રિસોર્સ માટે કેમ્બ્રિજ સુપરકોમ્પ્યુટિંગને પ્રોત્સાહન આપે છે ↗
યુકે સરકારે કેમ્બ્રિજ ખાતે AI રિસર્ચ રિસોર્સ કમ્પ્યુટ ક્ષમતાને વિસ્તૃત કરવા માટે વધુ ભંડોળની જાહેરાત કરી. તેનો ઉદ્દેશ્ય "સંશોધન માટે ગંભીર કમ્પ્યુટની વધુ ઍક્સેસ" છે, જે - સ્પષ્ટ શબ્દોમાં - યુગોથી અવરોધ રહ્યો છે.
તે ડેટા ઉપયોગ અને જાહેર સેવાઓ અંગે યુકેની પહેલના વ્યાપક સમૂહમાં પણ સ્થાન ધરાવે છે. તમે તેને વ્યવહારુ રોકાણ તરીકે વાંચી શકો છો, અથવા યુકે એઆઈ રેસમાં પગ રાખવાનો પ્રયાસ કરી રહ્યું છે જ્યારે બાકીના બધા GPU ને આગળ ધપાવી રહ્યા છે.
📝 પરિવહન નિયમો લખવામાં મદદ કરવા માટે DOT ગૂગલ જેમિનીનો ઉપયોગ કરવાની યોજના ધરાવે છે ↗
પ્રોપબ્લિકાએ અહેવાલ આપ્યો છે કે યુએસ ડિપાર્ટમેન્ટ ઓફ ટ્રાન્સપોર્ટેશન નિયમોનો મુસદ્દો તૈયાર કરવા માટે ગુગલના જેમિનીનો ઉપયોગ કરી રહ્યું છે, જેમાં માનવીઓ આઉટપુટની સમીક્ષા કરી રહ્યા છે. કાગળ પર તે કાર્યક્ષમ લાગે છે, જ્યાં સુધી ભ્રમ ફૂટનોટમાં સરકી ન જાય અને વાસ્તવિક પરિણામ ન આપે.
રિપોર્ટિંગમાં પાછળનો મુદ્દો જવાબદારી અને જોખમ વિશે છે - નિયમ બનાવવો એ બ્લોગ પોસ્ટ નથી. સિદ્ધાંતમાં, AI ડ્રાફ્ટ્સ અને સપાટીની અસંગતતાઓને માળખામાં મદદ કરી શકે છે, પરંતુ માત્ર ત્યારે જ જો દેખરેખ તીવ્ર હોય અને પ્રક્રિયા પારદર્શક હોય - અને તે ભાગ હાથવગો થઈ જાય છે.
વારંવાર પૂછાતા પ્રશ્નો
Nvidia દ્વારા CoreWeave માં $2B નું રોકાણ કરવાથી યુએસમાં AI ઈન્ફ્રાસ્ટ્રક્ચર માટે શું અર્થ થાય છે?
તે મુખ્ય ચિપ સપ્લાયર અને ઝડપી-સ્કેલિંગ GPU ક્લાઉડ પ્રદાતા વચ્ચે ગાઢ સંબંધનો સંકેત આપે છે. CoreWeave આ નાણાંને ડેટા સેન્ટરના વિસ્તરણ માટે ભંડોળ તરીકે વર્ણવે છે, જેમાં જમીન, વીજળી અને બિલ્ડ-આઉટનો સમાવેશ થાય છે. વ્યવહારમાં, તે તાલીમ અને મોડેલ ચલાવવા માટે નજીકના ગાળાની ક્ષમતામાં અનુવાદ કરી શકે છે. તે એ પણ પ્રશ્નો ઉભા કરે છે કે AI ઇન્ફ્રાસ્ટ્રક્ચર પુરવઠો અને માંગ કેટલી ઊભી રીતે ગોઠવાઈ રહી છે.
માઈક્રોસોફ્ટનું માયા 200 શું છે અને તે અનુમાનની આસપાસ શા માટે સ્થિત છે?
Maia 200 એ માઇક્રોસોફ્ટનું આગામી AI એક્સિલરેટર છે જેનો ઉદ્દેશ્ય અનુમાન - ઉત્પાદનમાં સ્કેલ પર ચાલી રહેલા મોડેલ્સ પર છે. અનુમાન એ છે જ્યાં ખર્ચ ઝડપથી એકઠા થઈ શકે છે કારણ કે તે વાસ્તવિક વપરાશકર્તા ટ્રાફિક અને હંમેશા ચાલુ સેવાઓ સાથે જોડાયેલ છે. માઇક્રોસોફ્ટ તેને Azure ડિપ્લોયમેન્ટ અને આધુનિક મોડેલ સર્વિસિંગ માટે હેતુ-નિર્મિત તરીકે ફ્રેમ કરે છે. વ્યાપક સંદેશ એ છે કે વધુ ઇન-હાઉસ વિકલ્પો બનાવીને બાહ્ય સિલિકોન પર લાંબા ગાળાની નિર્ભરતા ઘટાડવી.
સિન્થેસિયા જેવી AI અવતાર કંપનીઓને આટલી ઊંચી કિંમત કેમ મળી રહી છે?
વાત સીધી છે: સાહસો તાલીમ અને આંતરિક સંદેશાવ્યવહાર માટે ઝડપી, સસ્તી વિડિઓ રચના ઇચ્છે છે. સિન્થેસિયા કોર્પોરેટ સામગ્રી અને વધુ ઇન્ટરેક્ટિવ "રોલ-પ્લે" શૈલીના તાલીમ ફોર્મેટની માંગ તરફ ઝુકાવ ધરાવે છે. તે વ્યાપારી ઉપયોગનો કેસ સ્ટીકી હોઈ શકે છે કારણ કે તે રિકરિંગ તાલીમ બજેટમાં રહે છે. તે જ સમયે, કેટલીક સંસ્થાઓ "કૃત્રિમ સાથીદાર" લાગણી અને તે સાંસ્કૃતિક રીતે કેવી રીતે ઉતરે છે તે અંગે સાવધ રહે છે.
ડિજિટલ સર્વિસીસ એક્ટ હેઠળ X અને Grok ની લૈંગિક છબીઓ વિશે EU શું તપાસ કરી રહ્યું છે?
ધ્યાન ફક્ત વ્યક્તિગત પોસ્ટ્સ પર જ નહીં, પરંતુ X એ અનુમાનિત પ્રણાલીગત જોખમોનું મૂલ્યાંકન કર્યું અને ઘટાડ્યું કે કેમ તેના પર પણ છે. નિયમનકારો પૂછતા હોય તેવું લાગે છે કે શું સલામતીનાં પગલાં એવી રીતે ડિઝાઇન અને લાગુ કરવામાં આવ્યા હતા કે જેનાથી મોટા પાયે હાનિકારક પરિણામોને અટકાવી શકાય. X એ પ્રતિબંધો અને ફેરફારો તરફ ધ્યાન દોર્યું છે, પરંતુ તપાસ વ્યવહારમાં જોખમ વ્યવસ્થાપનની પર્યાપ્તતા પર કેન્દ્રિત છે. તે DSA ઝડપથી આગળ વધતી જનરેટિવ સુવિધાઓ પર કેવી રીતે લાગુ પડે છે તેની કસોટી છે.
કેમ્બ્રિજ ખાતે યુકેનું AI સંશોધન સંસાધન શું છે અને વધુ ગણતરી શા માટે મહત્વપૂર્ણ છે?
AI રિસર્ચ રિસોર્સ એ સંશોધન માટે ગંભીર કમ્પ્યુટની ઍક્સેસને વિસ્તૃત કરવાના માર્ગ તરીકે સ્થિત છે, જે લાંબા સમયથી અવરોધ છે. વધુ ક્ષમતા યુનિવર્સિટીઓ અને સંશોધકોને મોટા પ્રયોગો ચલાવવા અને ઝડપથી પુનરાવર્તન કરવામાં મદદ કરી શકે છે. આ જાહેરાત ડેટા ઉપયોગ અને જાહેર સેવાઓ અંગેના વ્યાપક યુકે પ્રયાસોમાં પણ બંધબેસે છે. વાસ્તવમાં, GPUs ની વૈશ્વિક માંગ વધતી હોવાથી સ્થાનિક સંશોધનને સ્પર્ધાત્મક રાખવાનો આ એક પ્રયાસ છે.
શું યુએસ ડિપાર્ટમેન્ટ ઓફ ટ્રાન્સપોર્ટેશન નિયમોના મુસદ્દામાં મદદ કરવા માટે ગૂગલ જેમિનીનો સુરક્ષિત રીતે ઉપયોગ કરી શકે છે?
તે ડ્રાફ્ટ્સની રચના, ઇનપુટ્સનો સારાંશ અને અસંગતતાઓ શોધવામાં મદદ કરી શકે છે, પરંતુ ફક્ત તીવ્ર માનવ દેખરેખ સાથે. મુખ્ય જોખમ એ છે કે ભ્રામક અથવા ગેરમાર્ગે દોરનારું લખાણ નિયમ નિર્માણમાં ફસાઈ શકે છે, જ્યાં વિગતોના વાસ્તવિક પરિણામો હોય છે. એક સામાન્ય અભિગમ એ છે કે AI આઉટપુટને પ્રારંભિક ડ્રાફ્ટ તરીકે ગણવો, પછી સખત ચકાસણી, સ્પષ્ટ જવાબદારી અને પારદર્શક દસ્તાવેજીકરણની જરૂર પડે. તે વિના, "કાર્યક્ષમતા" શાસન જવાબદારી બની શકે છે.