// AI на русском
286 статьи по теме
NVIDIA и MediaTek объявили о углублении партнёрства и инвестициях в 35 млрд долларов. Их совместная работа направлена на развитие инфраструктуры AI, краевых вычислений и автомобильных продуктов. Первым результатом станет настольный суперкомпьютер DGX Spark с производительностью 1 петафлопс.
SB Energy, подразделение SoftBank, предложило OpenAI опционы на акции на 55 млрд долларов в надежде получить контракт на дата‑центр. В документах для IPO раскрываются связи между SB Energy, SoftBank и OpenAI. Компания заявляет о способности быстро строить дата‑центры, но пока не имеет работающих объектов.
У Тяньюй считает, что развитие ИИ сейчас находится на начальном этапе — освоении накопленных человечеством знаний. В краткосрочной перспективе это создаёт конкуренцию за ресурсы, но в долгосрочной — открывает возможности для междисциплинарных инноваций. Тайвань должен ускорить инвестиции и выстроить инфраструктуру для развития ИИ, сохраняя при этом международное сотрудничество.
Kuaizi.ai представила KP — единицу измерения затрат на AI в видеобизнесе и KP-кошелёк для управления этими ресурсами. Решение призвано упростить предприятиям выбор и комбинирование моделей, инструментов и ресурсов для создания и дистрибуции видеоконтента. Уже есть успешные кейсы применения технологии в разных отраслях.
NVIDIA планирует десятикратный рост бизнеса в сфере реального ИИ в ближайшие десять лет. Китай остаётся ключевым рынком для компании, несмотря на американские ограничения на экспорт чипов. NVIDIA развивает экосистему для разработчиков роботов и беспилотных автомобилей, выпуская открытые модели и специализированные устройства.
Dassault Systemes с NVIDIA развивают промышленный ИИ для участия в разработке продуктов. Компания представила трёх AI Agent (AURA, LEO, MARIE) для поиска знаний, проектирования и оптимизации материалов. Технологии позволяют моделировать и проверять решения в виртуальном мире перед внедрением в производство. В сентябре 2026 года состоится конференция по теме.
Anthropic и OpenAI изучили влияние AI на рынок труда. Anthropic выяснила, что около 30% работников почти не затронуты AI. OpenAI обнаружила явление перехода задач между профессиями среди пользователей ChatGPT. Данные компаний дают представление о трансформации рабочих процессов.
AI-агенты позволяют сократить затраты компаний за счёт автоматизации бизнес‑процессов. Для расчёта экономии нужно опираться на собственные данные компании. Примеры успешного внедрения демонстрируют сокращение рабочего времени на тысячи часов в год. Успех зависит от правильного выбора процесса для автоматизации и грамотного расчёта затрат.
Согласно отчёту The 2026 Global AI in Financial Services Report, уровень внедрения ИИ в финансовой отрасли достигает 81%, но лишь 40% организаций добились роста прибыли. Среди ключевых факторов успеха — большой бюджет на ИИ, использование собственных моделей и работа в нишевых сценариях. Ожидается значительный рост внедрения автономных AI-агентов к 2030 году.
Разница между Sora и Codex заключается в архитектуре рабочей нагрузки: Sora потребляет вычислительные ресурсы непрерывно, а Codex — фрагментарно, с возможностью повторного использования. Это влияет на скорость масштабирования продуктов. Codex эффективнее распределяет ресурсы между этапами задачи, что позволяет поддерживать больше агентов на ограниченном количестве GPU.
Компании Anthropic и Moderna демонстрируют успехи в применении ИИ в разработке лекарств. Anthropic с помощью модели Claude создала 14 белковых связывающих агентов, а Moderna в партнёрстве с Merck достигла успеха в III фазе клинических испытаний персонализированной вакцины против рака. При этом ИИ пока справляется лишь с узкими задачами и имеет ряд ограничений.
Многие компании запускают AI-инструменты, но сотрудники продолжают работать по-старому из‑за недоверия к системе. Чтобы добиться принятия AI Agent, нужно начинать с низкорисковых задач с чёткими правилами и возможностью отката ошибок. Ключевой фактор — накопление доверия через небольшие успешные внедрения и анализ реальных данных использования.
NVIDIA обсуждает сделку с корейским разработчиком чипов Rebellions и начинает партнёрство с Cloverleaf Infrastructure. Компания фокусируется на энергетической стороне центров обработки данных для ИИ.
Nvidia планирует приобрести платформу Hugging Face за 12,9 млрд долларов. Hugging Face специализируется на открытых LLM и наборах данных, среди её инвесторов — Nvidia, Salesforce и Google. Компания ранее отклонила предложение Nvidia об инвестициях в 500 млн долларов.
Anthropic заключила соглашение с Nscale на аренду вычислительных мощностей за 450 млрд долларов, зарезервировав будущие чипы NVIDIA Vera Rubin. Компания также расширила партнёрство с Amazon, Google, Broadcom и SpaceX, получает предложения от AMD. Параллельно Anthropic готовится к IPO.
Nvidia сообщила о росте выручки от работы с гиперскейлерами на 13 % во втором квартале 2027 финансового года. Финансовый директор компании прогнозирует годовой рост около 70 %, однако отмечает ограничения предложения. Среди клиентов Nvidia есть компании, которые самостоятельно разрабатывают чипы, в том числе OpenAI.
Эффективность сокращения персонала с помощью AI-агентов зависит от числа заменяемых задач. В японских компаниях чаще происходит перераспределение сотрудников, а не их увольнение. Примеры внедрения AI демонстрируют сокращение времени на выполнение задач и изменение структуры персонала, однако прогнозы указывают на риски отказа от проектов из‑за высоких затрат и недостаточного контроля рисков.
NVIDIA отчиталась о росте выручки за второй квартал на 106 %. Компания прогнозирует дальнейший рост выручки на 70 % к январю 2028 года. Ключевым фактором станет новая платформа Vera Rubin, однако росту могут помешать ограничения в поставках памяти и других компонентов.
Инвесторы следят за квартальными отчётами перед встречей в Jackson Hole. Предторговое воодушевление на рынке полупроводников связано с устойчивым спросом на мощности для ИИ-приложений. Будущая политика ФРС США остаётся фактором неопределённости.
Команда LangChain перестроила чат‑бот, создав внутренние агенты для ответов на вопросы о продукте и демонстрации создания надёжных агентов. Для простых вопросов используют Create Agent, для сложных — Deep Agent со специализированными подграфами. Время ответа в публичном Chat LangChain сократилось до менее чем 15 секунд, появились точные цитаты и ссылки на документацию.