دعمت نيفيديا للتو شركة ناشئة هندية تساعد الشركات على تشغيل الذكاء الاصطناعي باستخدام عدد أقل من وحدات معالجة الرسومات الخاصة بنيفيديا. تُسمى الشركة "سimplismart"، ومقرها في بنغالور، وحصلت على جولة استثمارية من فئة B بقيمة 14 مليون دولار من شركة Accel، بقيمة تقدر بحوالي 100 مليون دولار. يقع برنامجها بين نماذج الذكاء الاصطناعي والبنية التحتية الحاسوبية، وضبط تلقائي لكيفية نشر النماذج بحيث تحصل الشركات على التوازن الأمثل بين السرعة والتكلفة والأداء دون الحاجة لإدارتها يدويًا. خفضت شركة InVideo تكاليف خدمة وحدات معالجة الرسومات لديها بنسبة 56% باستخدامه. نما إيراداتها 14 ضعفًا في ستة أشهر، وأكثر من نصفها يأتي من الولايات المتحدة. السؤال الواضح هو: لماذا دعمت نيفيديا برنامجًا يقلل الطلب على شرائح نيفيديا؟ إجابة المؤسسين: جعل استنتاج الذكاء الاصطناعي أرخص وأسهل يشجع المزيد من الشركات على تبني الذكاء الاصطناعي في المقام الأول، مما يؤدي في النهاية إلى بيع المزيد من وحدات معالجة الرسومات. كما تعمل نيفيديا مع simplismart على التكاملات التقنية مع برنامج الاستنتاج الخاص بها Dynamo، وتقدمها للعملاء والشركاء. إذًا، نيفيديا لا تكتفي بالاستثمار، بل تدمج نفسها في شركة ناشئة تنافس منتجات الاستنتاج الخاصة بها. إما أن نيفيديا تؤمن حقًا أن الكفاءة تقود إلى مزيد من التبني، أو أنها تفضل السيطرة على مجال الكفاءة بدلاً من مشاهدة شخص آخر يسيطر عليه.

بيتر شتاينبرغر، مُنشئ OpenClaw، يقدّر أنه أنفق حوالي 10 ملايين دولار في عملات رقمية الشهر الماضي. بهذه المعدّل، سيكون ذلك 120 مليون دولار سنويًا على شخص واحد. وهذا يكفي لدفع رواتب 500 مهندس كبير لمدة عام. صاحب عمله، OpenAI، يغطي الفاتورة. كما اعترف بأنه لم يكن كل هذا الإنفاق مفيدًا. لذلك، عندما يقول لك أحدهم "الذكاء الاصطناعي أرخص من التوظيف"، اسأل ما الذي اشترته العملات الرقمية فعليًا.

فن الذكاء الاصطناعي ليس فنًا !! BOOOOOOOO أنا أحبه، يذكرني بـ nvidia

أعتقد أن نظام إيكوسистем سبيس إكس بأكمله مذهل. شيء أحب فعله هو الإعجاب بالتدوينات التي أراها هنا والتي تتعلق بالذكاء الاصطناعي، خاصة عندما أكون في سيارتي كايبرترك. أجعل غروك يقرأ لي التدوينات التي أعجبت بها ويشرحها لي أثناء القيادة الذاتية.

أعلنت Bullshot مؤخرًا عن جمع 7.7 مليون دولار عبر جولات تمويل، بدعم من @animocabrands و@PolygonVentures، كما جمعت 1 مليون دولار مع @MindoAI إن تقاطع إنشاء الرموز والتداول ووكلاء الذكاء الاصطناعي يجعل من @Bullshot911 مشروعًا يستحق المتابعة 👀

هولاي ف*ك، إيلون ماسك أنشأ روبوت جروك الذي استبدل أكثر من 28 أداة مدفوعة يعمل على حاسوب سحابي خاص به، ويدخل إلى تطبيقاتك وينفّذ مهامًا وفق جدول زمني. يمكن لكل روبوت حمل ما يصل إلى 50 مهمة. ما الذي يستبدله: → وكلاء الذكاء الاصطناعي: chatgpt plus/pro، manus، perplexity pro، genspark، devin، lindy → الأتمتة: zapier، make، n8n cloud، bardeen، phantombuster، apify/browse ai → وسائل التواصل الاجتماعي: hootsuite، buffer، sprout social، typefully، hypefury → المبيعات: apollo io، clay، lemlist/instantly، salesloft → العمليات: superhuman، motion/reclaim، otter/fireflies، intercom fin/zendesk ai، feedly/brand24/mention → المحتوى: jasper/copy ai، gamma ابدأ صغيرًا: اختر الاشتراك الوحيد الذي تفتحه كل يوم وسندّ هذا المهمة إلى روبوت كمهمة. احفظ هذا واقرأ المقال أدناه لضبط روبوت جروك كما يفعل مهندسو spacexai ↓

يا إلهي. أصدرت OpenAI للتو وحدات ذكاء اصطناعي أرخص وأفضل في استخدام جهاز الكمبيوتر الخاص بك. تعرف على GPT 6.1 Terra. وهذه التحديثات لا تتعلق فقط بتوليد إجابات أفضل. تسعى OpenAI نحو شيء أكثر فائدة بكثير. أي إنجاز فعلي للمهام. تم تصميم Terra لفهم ما يحدث على شاشتك، والتفاعل مع تطبيقات الكمبيوتر، وإكمال سلاسل معقدة من المهام. فكّر في ما يعنيه ذلك. يمكن للذكاء الاصطناعي مساعدتك في إعداد المقترحات، وتفسير الرسومات الفنية، وملء النماذج، وتحرير الفيديوهات، ومعالجة المهام المكتبية المتكررة. بدلاً من شرح كيفية القيام بشيء ما، يمكنه تنفيذ الخطوات المطلوبة لإتمامه. وتشير OpenAI إلى أن النموذج الجديد أفضل بكثير من GPT 5.6 Terra في هذه المهام. لكن هذا هو الجزء الذي لفت انتباهي حقًا. السعر. سعر واجهة برمجة التطبيقات القياسية لـ GPT 6.1 Terra أقل بنسبة 50% مقارنة بـ GPT 5.6 Terra. وهذا مهم لأن وحدات الذكاء الاصطناعي يمكن أن تُجري العديد من الاستدعاءات للنموذج أثناء إكمال سير عمل واحد. كل خطوة تكلف مالاً. قراءة المعلومات، وتحليل الشاشة، واتخاذ قرار الخطوة التالية، والتحقق من النتيجة — كلها يمكن أن تتراكم. انخفاض التكاليف يجعل تشغيل هذه الأنظمة على نطاق واسع أكثر عملية. كما تُبلغ OpenAI عن تحسينات كبيرة في أداء البرمجة والاستدلال البصري، بالإضافة إلى تقليل الأخطاء الواقعية في تقييماتها الداخلية. هذا المزيج مهم. نموذج يمكنه فهم المهمة، وتشغيل البرامج، وكتابة الشيفرة يصبح أكثر فائدة بكثير عندما يستطيع القيام بكل ذلك بسرعة أكبر وبتكلفة أقل. تخيل وحدات ذكاء اصطناعي تعالج الفواتير، وتحديث الجداول الإلكترونية، وتنظيم معلومات العملاء، أو التعامل مع المهام المتكررة عبر تطبيقات متعددة. ليس فقط إخبارك بما يجب فعله. بل مساعدتك فعليًا في إتمامه. بالطبع، استخدام الكمبيوتر ليس نفس الشيء كاستقلالية كاملة. لا تزال سير العمل المعقدة تحتاج إلى اختبار، وأذونات، وإشراف بشري. لكن الاتجاه يصبح واضحًا. سباق الذكاء الاصطناعي القادم الكبير ليس فقط حول أي نموذج يمكنه التفكير بشكل أفضل. بل حول أي نموذج يمكنه تحويل هذا الذكاء إلى عمل بشكل موثوق. والآن، تجعل OpenAI هذه القدرة أرخص في الاستخدام.

🚨 يا إلهي. جينسن هوانغ حمل للتو بيتافلوبًا من قوة الذكاء الاصطناعي في يد واحدة. والمقارنة التي أجرتها هي مجنونة تمامًا. في عام 2016، قام جينسن هوانغ بتوصيل نظام NVIDIA DGX 1 إلى شركة صغيرة تُدعى OpenAI. كان جهازًا ضخمًا مصممًا خصيصًا لحسابات الذكاء الاصطناعي. وقدم أداءً بقوة بيتافلوب واحد، مع 128 جيجابايت من الذاكرة. وأشار جينسن إلى تفصيل واحد فقط. استغرق نقل هذا الجهاز إلى الطابق العلوي شخصين. الآن، بعد عشر سنوات، يحمل جينسن جهاز كمبيوتر ذكي صغير في يد واحدة، ويعرض نفس الأرقام الرئيسية. بيتافلوب واحد. 128 جيجابايت من الذاكرة. دع هذا يترسخ في ذهنك للحظة. تم تطوير سلسلة RTX Spark الجديدة عبر أربع سنوات من العمل مع مايكروسوفت وصناعة أجهزة الكمبيوتر على نطاق أوسع. وفقًا لجينسن، شمل المشروع شريحة جديدة تُدعى N1X وعائلة جديدة تمامًا من أجهزة الكمبيوتر، تشمل أجهزة سطح المكتب وأجهزة الكمبيوتر المحمولة ومحطات العمل. الهدف هو جلب قوة حوسبة الذكاء الاصطناعي الجادة إلى حجم أصغر بكثير. وهنا تصبح الأمور مثيرة للاهتمام. لسنوات، كان الوصول إلى أجهزة الذكاء الاصطناعي القوية يعني الاعتماد على بنية تحتية سحابية باهظة الثمن أو أجهزة متخصصة كانت خارج نطاق معظم المطورين الأفراد. تشير الأنظمة المدمجة مثل هذه إلى نهج مختلف تمامًا. تخيل تطوير وكلاء ذكاء اصطناعي، واختبار النماذج، وتشغيل أحمال عمل الذكاء الاصطناعي المكثفة على مكتبك الخاص. تقليل الاعتماد على البنية التحتية عن بُعد. مزيد من التحكم في بيئة التطوير الخاصة بك. وربما تقليل التكاليف المتكررة السحابية للأحمال التي يمكن تشغيلها محليًا. بالطبع، هناك فرق مهم. مطابقة نفس الرقم القصوى للبيتافلوب لا تعني تلقائيًا أن جهازين يقدمان أداءً متطابقًا في العالم الحقيقي. الدقة المستخدمة وهندسة الذاكرة وحمل العمل كلها عوامل مهمة. لكن التحول المادي لا يزال مذهلاً. في عام 2016، كانت هذه الفئة من حوسبة الذكاء الاصطناعي موجودة في جهاز كان يتطلب شخصين لنقله. الآن، يمكن لجينسن هوانغ أن يحمل نظامًا بمواصفات رئيسية مماثلة في يد واحدة. هذا ما يجعل هذا الأمر أكثر من مجرد إطلاق جهاز كمبيوتر آخر. أصبحت أجهزة الذكاء الاصطناعي لا تقتصر على أن تصبح أكثر قوة فحسب، بل أصبحت أكثر قابلية للوصول بشكل كبير. وربما لا يحتاج الجيل القادم من مطوري الذكاء الاصطناعي إلى غرفة خوادم لبدء العمل.