Ipinakilala nang opisyal ng IBM ang Granite 4.2, isang bukas na source na pamilya ng malalaking modelo na naglalaman ng iba’t ibang sukat ng parameter: 3B, 8B, at 30B. Kasabay nito, ipinakilala rin ang Granite Speech 5.0, isang edge speech model, upang palakasin ang mga bukas na source na AI na pagpipilian para sa enterprise scenarios, na nagdulot ng malawakang talakayan sa larangan ng enterprise AI. Ang serye na ito ay espesyal na disenyo para sa private deployment sa enterprise, na pinapalakas ang capability sa tool calling, Agent workflows, at pagproseso ng mahabang dokumento, habang nananatiling maikli ang sukat, kaya ideal para sa deployment sa local server o edge devices, nang hindi kailangang mag-asa sa malalaking compute clusters. Kumpara sa mga pangunahing malalaking modelo na umaasa sa pinakamataas na performance scores, mas praktikal ang positioning ng Granite series, na nagbibigay-prioridad sa stability, auditability, at data sovereignty—mga bagay na pinakamahalaga sa mga enterprise. Maraming financial, manufacturing, at gobyerno institutions, dahil sa mga regulasyon tungkol sa data compliance, ay hindi makapagpapadala ng kanilang internal data sa public cloud APIs; kaya ang mga bukas na source na modelo na maaaring i-deploy sa loob ng lokal ay naging mahalagang solusyon para sa kanilang pagpapasok sa AI. Gayunman, kinakaharap din ng mga bukas na source na enterprise model ang mga praktikal na hamon. Bagaman bukas ang weights, ang pagpapatupad sa enterprise ay nangangailangan ng malaking amount ng fine-tuning, engineering adaptation, at security audit—na may mataas na antas ng teknikal na kakayahan. Maraming institutions ang nakakakuha ng model weights ngunit kulang sa manpower upang matapos ang susunod na optimization, kaya ang aktwal na epekto sa pagpapatupad ay maaaring mabawasan. Ito ay nagpapakita rin ng isang malaking trend sa kasalukuyang industriya ng AI: ang enterprise ay hindi na naghihinga ng pinakamalaking parameter model; ang “sapat, ligtas, at maaaring i-deploy lokal” ang totoong problema. Ang dalawang landas—closed-source APIs at open-source local models—ay magkakasama nang matagal. Habang dumadami ang mga mataas na kalidad na enterprise open-source models tulad ng Granite 4.2, patuloy itong babawasan ang hadlang sa pagpapasok ng AI sa iba’t ibang industriya, at magbabago sa pagbili ng enterprise AI. #OpenSourceAI #EnterpriseLargeModel #IBM

Inilabas ng Meta na darating sa loob ng ilang linggo ang Hatch, isang consumer-grade AI Agent platform, na inaasahang ipapakita sa Oktubre kasama ang bagong generation na malaking modelo na Watermelon, na nagpapakita ng buong pagsisikap ng Meta na magtayo ng isang ecosystem ng AI agents para sa karaniwang gumagamit—isang malaking balita sa application layer sa linggong ito. Sa pagkakaiba sa nakaraang mga tool na nakatuon sa mga developer, ang Hatch ay nakatuon sa karaniwang consumer, na nagpapahintulot sa AI na mag-eksekuto nang awtomatiko sa maraming gawain tulad ng pag-iskedyul, pagkolekta ng impormasyon, at pag-ayos ng nilalaman. Kahit na ang karamihan sa mga produkto ng AI Agent ay nakatuon sa mga negosyo at developer, na may mataas na hadlang para sa karaniwang gumagamit, direktang inilalabas ng Meta ang Agent sa C-end scenario, na nagsisikap na i-upgrade ang AI mula sa isang chatbot na sumasagot sa isang personal assistant na kayang mag-eksekuto ng mga kumplikadong multi-step task. Kasama ang malaking base ng mga user at social data ng Meta, kung ang user experience ay maayos, may potensyal itong mabilis na palawakin ang paggamit ng Agent sa mas malawak na publiko. Gayunpaman, ang consumer-grade AI Agent ay patuloy na nakakaranas ng maraming praktikal na hamon. Ang mga AI agent ay madaling magkaroon ng hallucinations at mali sa pag-eksekuto ng gawain, at kung sila ay awtomatikong magtratrabaho sa totoong impormasyon, maaaring magdulot ito ng mga panganib sa seguridad at paglabag sa privacy. Samantala, ang pagtanggap ng mga consumer sa awtomatikong desisyon ng AI ay patuloy pa ring nasa pagsubok—ang pagkakaroon ng pagkakataon na ipagkatiwala ng mga user ang kanilang pang-araw-araw na gawain sa AI ay magiging susi sa tagumpay o pagkabigo ng produkto. Ang buong industriya ay nagpapalipat mula sa mga malaking modelo na batay sa diyalogo patungo sa awtomatikong pag-eksekuto ng AI Agent. Ang bawat kumpanya ay naglalaban para makakuha ng entry point sa consumer-grade AI agents, at ang paglunsad ng Hatch ay magpapabilis sa kompetisyon sa C-end Agent at magtatalakay kung paano makakapagbalanse ang mga kumpanya sa pagitan ng kahusayan at proteksyon sa seguridad.

Ipinahayag ng Nvidia ang komersyal na paggawa ng Groq 3 LPX rack system, kung saan ang hardware para sa inference na kinuha sa akusisyon ay nagsisimula na sa pagpapadala sa merkado, at naging pinakamainam na paksa sa industriya ng AI hardware, na naglilipat ng pansin mula sa pagtatrain ng malalaking model sa kakayahan ng mababang latency sa inference para sa mga agent. Ang hardware na ito ay bahagi ng Vera Rubin tech stack, na nagtatampok ng napakabilis na output ng token; sa mga skena na may 100,000 token na konteksto, maaari itong mag-output ng libo-libong token bawat segundo. Ayon sa mga pagsusulit ng opisina, sa ilang partikular na skena, maaaring bumaba ang gastos sa computing hanggang 35 beses kumpara sa nakaraang henerasyon, at itinayo ito lalo na para sa mga aplikasyon tulad ng AI agents at automated program execution na nangangailangan ng napakabilis na response. Noong nakaraan, maraming proyekto ng agent ay hindi makakamit ang komersyal na paggamit dahil sa sobrang mataas na latency sa inference—ang mga user ay kailangang maghintay nang mahaba para makumpleto ng model ang maraming hakbang, kaya't mahirap ilapat ang karanasan. Ang unang cloud provider ay nagsimula na na magamit ang rack system na ito, at sa hinaharap, maaaring maglabas ang mga cloud service provider ng premium, low-latency API packages para sa mga enterprise customer na may mataas na pangangailangan sa bilis. Ngunit ito ay magbabago rin sa business model ng cloud AI: sa hinaharap, ang serbisyo ng AI ay hindi na lang nakatuon sa laki ng parameter ng model—ang performance ng hardware sa inference ay magiging mahalagang pagkakaiba-iba para sa bawat cloud provider. Ang paggawa na ito ay naglalabas din ng mahalagang mensahe sa industriya: ang susunod na battlefield ng AI ay hindi na ang paghahanap ng mas malalaking parameter sa training model, kundi kung paano mas mabilis at mas mura ang pagpapatakbo ng mga malalaking model na nasa kasalukuyan. Ang mga hadlang para sa komersyalisasyon ng agent ay unti-unting tinatanggal ng hardware, at sa susunod ay makikita natin ang higit pang automated agent applications na dati ay nasa laboratoryo lamang, na nagsisimula nang lumabas sa totoong komersyal na kapaligiran. #Nvidia #AI_Hardware #Agent

Ang Alibaba ay nagpapahayag ng pagkumpleto ng malaking pagpapalawak ng mga aksyon na nagdala ng 80 bilyong HKD, na lahat ay ipapautang sa pagsasagawa ng buong-stack na AI. Ito ang pinakamalaking aksyon sa kapital mula nang pagkakalista nito sa Hong Kong Stock Exchange, at nagdulot ng malaking epekto sa buong industriya ng AI sa Asya. Sa pagkakaiba sa maraming kumpanya na nagdaragdag ng maliit na pondo para sa R&D ng AI, ang pagkakaroon nito ay isang ganap na pagtatalaga ng malaking pondo sa artificial intelligence, nang walang pagpapalawak sa tradisyonal na negosyo, at nagpapahayag ng malinaw na mensahe sa estratehiya. Ang mga pondo ay tatarget sa pagpapalawak ng AI computing clusters, pagpapabuti ng mga malalaking modelo, at ang pagpapatupad ng AI sa iba’t ibang industriya. Sa nakaraang mahabang panahon, ang pag-unlad ng AI sa Asya ay madalas na limitado dahil sa kakulangan ng computing power at mahinang paaalat na infrastraktura. Ang malaking pondo na ito ay direktang magpapalakas ng lokal na buong chain ng teknolohiya sa AI at magpapababa ng pagkakasalalay sa mga dayuhang mapagkukunan. Ang pagpapalawak na ito ay nakakuha rin ng sobra-sobrang pagtanggap mula sa mga sovereign wealth funds, na nagpapatunay na ang international capital ay naniniwala sa matagalang potensyal ng aspeto ng AI sa Asya. Gayunpaman, ang malaking pagsisikap ay kasama ng mga hamon. Ang malawakang pagtatayo ng computing power ay magpapatuloy na magpapataas ng capital expenditure, at sa maikling panahon ay magdudulot ng pagbaba sa kita ng grupo. Ang industriya ng AI ay may malakas na kompetisyon sa paggastos, at ang paggastos ng malaking pondo ay hindi direktang katumbas ng tagumpay sa negosyo. Ang pagpapatupad ng mga modelo, ang pagkuha ng mga order mula sa mga kliyente sa negosyo, at ang paggamit ng computing power ay magiging mga pangunahing indikador upang masuri kung matagumpay o hindi ang malaking taya. Sa panahon na patuloy na lumalala ang global na arms race sa AI, ang pagsasakop na ito ay nagpapakita na ang mga malalaking teknolohiya sa Asya ay hindi na lamang nagtatrabaho sa application layer, kundi naglalaban nang buong lakas para sa paaalat na infrastraktura. Ang susunod na output ng computing power at mga resulta ng modelo ay magiging malalim na nakakaapekto sa pagbabahagi ng timbang sa global AI ecosystem, at dapat itong masuri nang patuloy ng lahat ng tagamasid sa industriya. #AI #ArtificialIntelligence #TechNews

Nakakarinig na ang Hugging Face, ang pinakamahalagang open-source AI platform sa buong mundo, ay nasa pagtatalakay para sa buong pagbili, na may potensyal na valuation na $1.3 bilyon—isang pagkabigla sa buong open-source AI community. Ang platform na ito ay hindi kilala dahil sa kanilang sariling pagbuo ng mga advanced large models, kundi bilang sentral na hub ng mga open-source models sa buong mundo, na nagtatampok ng higit sa 2.4 milyong public models at naglilingkod sa milyun-milyong developer sa buong mundo, kung saan maraming startups at akademikong grupo ay nakasalalay para sa pagbabahagi, pag-download, at pag-deploy ng mga model resource. Kumpara sa $4.5 bilyon na valuation noong 2023, halos tumaas ng tatlong beses ang value sa ilang taon lamang, na nagpapakita na ang komersyal na halaga ng open-source AI ay muli nang napapansin ng merkado. Kasalukuyang kinonsulta na ng Hugging Face ang mga investment bank para sa mga potensyal na buyer, ngunit wala pa silang nakamit na transaksyon. Ang Google, NVIDIA, at Amazon ay mga umiiral na investor, habang ang Microsoft ay itinuturing na potensyal na malaking buyer, bagaman maaaring makaharap sa malakas na presyur mula sa regulatory oversight. Ang pinakamalaking hindi matukoy sa transaksyong ito ay hindi ang halaga, kundi ang kapalaran ng ecosystem. Kung makakarating ito sa kamay ng malalaking komersyal na grupo, maaaring magbago ang dating bukas at neutral na operasyonal na direksyon. Ang mga open-source license terms, mga patakaran sa pagpapakilala ng models, at mga patakaran sa pagbibigay ng libreng resources ay may potensyal na maayos. Kung magiging komersyal at sarado ang platform, direktang aapektuhan ng malaking bilang ng independent developers at research institutions na nakasalalay sa kanyang infrastructure. Kasalukuyan ay nasa kritikal na yugto ang buong AI industry sa pagtatalo ng open-source at closed-source, at ang pagkakaroon ng Hugging Face ay malalim na magdudulot epekto sa susunod na ilang taon sa lupaing pang-inobasyon ng AI sa buong mundo. Ang susunod na direksyon ng pagbili ay dapat patuloy na sundin ng lahat ng mga propesyonal sa AI. #AI #open-sourceAI #technews

Ang chip company na Broadcom ay plano na mag-raise ng higit sa $60 bilyon para sa isang pagsasalapi sa AI chip, na makakatulong sa Anthropic at iba pang mga kumpanya. Ayon sa Bloomberg, maaaring kasama sa pagsasalapi ang halos $30 bilyon na junior debt, at bibigyan ng bahagyang jamin ni Broadcom ang isang senior-secured tranche na halos $60 hanggang $70 bilyon. Batay sa kasalukuyang diskusyon, maaaring umabot sa pinakamataas na $100 bilyon ang kabuuang pagsasalapi. Lumalawak ang papel ni Broadcom sa larangan ng custom chip design, na tumutulong sa mga kumpanya tulad ng Alphabet at Meta sa pagbuo ng kanilang sariling chip. Habang lumalago ang paghingi ng mga tech company na mag-develop ng kanilang sariling chip at mabawasan ang kanilang pagkakasalalay sa lider ng merkado na Nvidia, lumalaki ang kahalagahan ni Broadcom. Kasabay nito, may mga agreement na pagmamahalan ng chip si Broadcom kasama ang Anthropic at OpenAI. Ayon sa ulat, ang Blackstone at Apollo Global Management ay nagsasagawa ng mga pag-uusap kay Broadcom para makilahok sa pagsasalapi. Dahil sa patuloy na pagtaas ng gastos sa AI investment, naglilipat na ang mga tech company sa pag-raise ng pondo para sa AI infrastructure. Ang mga tinatawag na hyperscalers tulad ng Alphabet, Amazon, at Microsoft ay nagbigay na ng mga signal na ang kanilang gastusin para sa AI ay mananatiling mataas hanggang 2026.

Kasalukuyang madalas ang mga galaw ni OpenAI, habang patuloy na umuunlad ang pagganap ng AI, aktibong itinatag ang mga seguridad na hangganan para sa pag-unlad ng industriya, nagpapakita ng pagpapahinga sa antas ng teknikal na pag-aaral, at nagtatatag ng bagong pamantayan para sa buong industriya ng AI, na nagpapalit ng malalim na talakayan sa industriya tungkol sa “bilis at seguridad”. Sa pagpapahalaga sa teknikal na seguridad, kakaunti ang pagkakataon na nagpapahinga si OpenAI sa pag-aaral ng mga modelo sa harap. Ipinahayag ng opisyal na pagsasara ng pag-train sa reinforcement learning para sa kanilang pinakamataas na modelo sa harap, dalawang linggo, upang i-focus ang mga yaman sa pagpapalakas ng kapaligiran ng pag-aaral, pagpapabuti ng mga mekanismo ng pagsusuri sa loob, at pagpapatupad ng komprehensibong pagsusuri ng seguridad ng pula, upang buong linawin ang potensyal na panganib ng modelo. Sinasabi ng mga analista sa industriya na ang pagpapalit ng teknolohiya ng AI ay sobrang mabilis, at ang kakayahan ay nasa harap ng mga patakaran; ang pagpapahinga ni OpenAI ay isang kakaunting “pagsisimula ng pag-iingat” sa industriya, hindi na lamang naglalayong makamit ang teknikal na pagtemo, kundi unang-una ay mapanatili ang pundasyon ng seguridad ng industriya. Kasalukuyang nabalik na ang mababang panganib na pag-train, habang patuloy pa ring sinusuri nang maingat ang pag-train ng pangunahing modelo sa harap. Sa aspeto ng pagganap, mayroon ding malaking update: ang GPT-5.6 Sol ay ipinakilala ang Ultrafast Extreme Speed Mode, kung saan tumaas ang bilis ng pagpapatakbo ng modelo hanggang 14 beses, na malaki ang pagbaba sa latency ng pagdedebelop at pagpapabuti sa epektibong pagpapatupad sa negosyo. Habang ginagamit ang teknolohiya upang mapabilis ang halaga ng aplikasyon sa industriya, at habang naglalagay ng sariling limitasyon sa ritmo ng pag-aaral sa harap, nagre-redefine si OpenAI ang logika ng kompetisyon sa industriya ng AI: Ang pangunahing kompetisyon sa hinaharap na industriya ng AI ay hindi na lamang ang mabilis na pagpapalit, kundi ang “teknikal na pag-unlad sa ilalim ng seguridad at kontrol”, na magiging mahalagang trend sa pandaigdigang industriya ng AI. #OpenAI# #AIIndustryNews#

Patuloy na lumalaki ang pondo para sa global AI computing capacity, at inihayag ng AMD ang pagkumpleto ng record-breaking debt issuance na $4.75 bilyon, na magiging pondo para sa pagpapalawak ng kanilang AI chip business. Ang mga alalahanin sa merkado ay nagsasabi na plano ng Anthropic na simulan ang IPO noong Oktubre, na maaaring makamit ang valuation na $2 trilyon, na nagpapalakas ng diskusyon sa buong global tech capital. Ang mga order para sa pangunahing kumpanya sa optical communication ay patuloy na iskedyul hanggang 2028, at ang mga resulta ng mga negosyo sa pagpapautang ng computing capacity ay malakas na bumabangon, ngunit ang pagkakaiba-iba sa loob ng sector ay lumalala. Ang mga inaasahang liquidity ay patuloy na nakakaapekto sa market, at ang pondo ay unti-unting umalis sa mga pure speculative plays at mas pinipili ang mga标的 sa hardware at data center na may patuloy na order at matatag na cash flow. #GlobalFinance #AICalculatingPower

Para sa pagkakasundo sa EU AI Act: Ikinahayag ni Anthropic na ang mga bagong modelo ng Claude ay maglalagay ng “invisible watermark” sa teksto, na gagamitin sa buong mundo Upang tugunan ang mga pangangailangan sa transparensya ng EU #ArtificialIntelligenceAct sa mga nilalang na nilikha ng AI, inihayag ni Anthropic na mula sa Agosto 2, 2026, ang mga bagong modelo ng Claude AI ay maglalagay ng “invisible watermark” sa mga output na teksto na hindi madaling makita ng mata. Ang mekanismo na ito ay hindi limitado sa Europa kundi magiging aktibo sa buong mundo, kasama ang lahat ng mga channel tulad ng API, https://t.co/Lh0Ycot08v, #ClaudeCode, Claude Cowork, at mga third-party cloud platform (tulad ng AWS, Google Cloud, at mga serbisyo ng Microsoft). Ayon sa mga ulat, ang watermark ay isang model-level na proseso: ito ay naglalagay ng mga signal na mababasa ng machine sa loob ng #token sequence ng nilikhang teksto. Sa panlabas, hindi ito nakakaapekto sa kahulugan, kalidad, o karanasan sa pagbasa, ngunit maaaring matukoy gamit ang mga detection tool kung ang nilalaman ay galing sa Claude. Dahil ang watermark ay “isulat na sa sariling teksto,” maaari pa ring manatili ang marka kahit na ang user ay kopyahin at idikit, i-rephrase, o gawin ang katamtamang pag-edit. Kung mayroong imahe o vector files, ang sistema ay magdadagdag din ng digital signature metadata batay sa C2PA standard upang matulungan ang pagtukoy sa pinagmulan. #Anthropic #Claude #EUAIAct #invisiblewatermark #AIGeneratedContent #C2PA #Transparency #AIRegulation #TechNews

Huang Renxun ay hindi na lang nagbebenta ng GPU! Nagtutulungan ang Nvidia sa Wall Street para magbigay ng $500 bilyon at bumuo ng sariling imperyo ng AI infrastructure. Sa mga nakaraang taon, ang imahe ng Nvidia (#Nvidia) ay isang “mangbebenta ng spade”: nakikita ang kita mula sa #GPU at gumagamit ng mga pag-invest at pagbibigay ng supply upang palawakin ang buong ecosystem. Ngunit, may nangyari na mas mahalagang pagbabago—ang Nvidia ay nagtatagpo ng mga malalaking player sa Wall Street upang magtipon ng $50 bilyon para sa pagpapalago ng AI infrastructure. Ayon sa Financial Times at Reuters, ang pagkakaisang ito ay pinangunahan ni Huang Renxun mismo, na nakakuha ng tugon mula sa Apollo Global Management, Blackstone, BlackRock, Brookfield Asset Management, Goldman Sachs, at KKR—anim na malalaking investor. Ang papel ng Nvidia ay lumilipat mula sa “#pagbibigay ng chip” patungo sa pagiging tagapagsama ng pondo at tagapagpabilis ng AI infrastructure: nililikha nila ang isang independiyenteng platform para sa pagsasaliksik at pag-ayos ng pondo, upang bigyan ang mga kliyente ng mas malaking akses sa limitadong computing power at itayo ang mga “#AI factory” na gagamitin ng lahat ng industriya sa hinaharap. Alam na ang pondo ay magiging para sa mga super-large data center at edge computing, at pangunahing ginagamit ang debt financing. Ang sukat na $50 bilyon ay katumbas ng inaasahang kabuuang pagsasaliksik ng corporate bonds sa tech sector noong 2026, kaya ito ay nakakuha ng pansin mula sa mga pinuno sa Wall Street: itinuturing ito bilang isang signal na may malaking pondo na handa para sa malalaking infrastructure. Mas mahalaga pa, sinabi ni Huang Renxun na hindi ito pondo mula sa sarili niyang bulsa—kundi gamit ang third-party capital. Ang ginagawa niya ay isasama ang “mga valve ng pondo” sa loob ng kanyang ecosystem—hindi lang nais niyang kontrolin ang hardware sa panahon ng AI, kundi pati na rin ang entry point ng pondo para sa #pagbuo ng kakayahan. #Nvidia #HuangRenxun #AIinfrastructure #DataCenter #GPU #WallStreet #Investment #PrivateCapital #TechNews #AIinfrastructure