AMD-მ შეისყიდა Taalas — AI ინფერენსის ჩიპების სტარტაპი
AMD-მა შეისყიდა თორონტოს სტარტაპი Taalas, რომელიც AI მოდელებს პირდაპირ სილიციუმში ჩაშენებს — მიზანია ინფერენსის სისწრაფისა და ეფექტურობის გაზრდა.
ვრცლად →AI დასკვნა (Inference)
დასკვნა (inference) არის ეტაპი, როცა უკვე გაწვრთნილი AI მოდელი რეალურად გამოიყენება — წარმოქმნის ტექსტს, სურათებს ან პროგნოზებს ახალი მონაცემის საფუძველზე — განსხვავებით წვრთნისგან (training), როცა მოდელი მონაცემებიდან სწავლობს. ეს ეტაპი AI ინდუსტრიის ერთ-ერთ მთავარ ფოკუსად იქცა, რადგან სწორედ დასკვნაზე, და არა წვრთნაზე, მოდის მასშტაბური გამოთვლითი ხარჯისა და შეფერხების უდიდესი წილი. ეს გვერდი აშუქებს ჩიპებს, პროგრამულ უზრუნველყოფასა და მეთოდებს, რომლებიც დასკვნას სწრაფსა და იაფს ხდის.
გააერთიანეთ:
GPT-5.6 Sol-მა OpenAI-ის GPU ბირთვები თავად გადაწერა — ხარჯი 20%-ით შემცირდა
OpenAI-ის თქმით, მისმა GPT-5.6 Sol მოდელმა დამოუკიდებლად გადაწერა კომპანიის ინფერენსის ინფრასტრუქტურის GPU ბირთვები — მომსახურების ხარჯი 20%-ით შემცირდა და დაეხმარა Luna-ს დონის 80%-იან გაიაფებას.
ვრცლად →
რა არის მთელი ფირფიტის ჩიპი — და რით განსხვავდება ის GPU-სგან?
მთელი ფირფიტის ჩიპი მთლიან სილიციუმის ფირფიტას ერთ გიგანტურ პროცესორად აქცევს, ასობით ცალკეულ ჩიპად დაჭრის ნაცვლად. აი, როგორ მუშაობს ეს ტექნოლოგია და რატომ აჩქარებს ის AI-ის პასუხებს.
ვრცლად →
რა არის Groq — და რით განსხვავდება ის Grok-ისგან?
Groq — აპარატურის კომპანია, რომელსაც ხშირად ურევენ xAI-ის ჩატბოტ Grok-ს — აწარმოებს უაღრესად სწრაფ AI ინფერენსის ჩიპებს, სახელად LPU. აი, რა განასხვავებს მათ ერთმანეთისგან და რა შეცვალა Nvidia-ს 20-მილიარდიანმა გარიგებამ.
ვრცლად →რა არის დანაწილებული ინფერენსი — და როგორ აჩქარებს ის AI-ს?
დანაწილებული ინფერენსი AI მოდელის მუშაობის ორ ეტაპს ცალ-ცალკე, თითოეულისთვის მორგებულ ჩიპებზე ანაწილებს — ტექნიკა, რომელიც Nvidia-დან AMD-სა და Cerebras-ის აპარატურამდე ვრცელდება.
ვრცლად →AMD-მ და Cerebras-მა AI ინფერენსის დასაჩქარებლად ჩიპები გააერთიანეს
AMD-მ და Cerebras-მა ერთობლივი AI ინფერენსის სისტემა წარადგინეს, რომელიც დატვირთვას AMD-ის Helios სერვერებსა და Cerebras-ის ფირფიტა-მასშტაბის ჩიპს შორის ანაწილებს — კომპანიების თქმით, ეფექტურობა ვატზე 5-ჯერამდე იზრდება.
ვრცლად →
AMD-მ Nvidia-ს გამოსაწვევად Instinct MI400 AI ჩიპები გამოუშვა
AMD-მ 23 ივლისს წარადგინა Instinct MI400 სერიის AI ჩიპები და Helios თაროს მასშტაბის სისტემები — კომპანიის თქმით, დასკვნის სისწრაფე წინა თაობასთან შედარებით 34-ჯერ გაიზარდა, ღონისძიებას კი OpenAI-ის, Meta-ს და Anthropic-ის წარმომადგენლები დაესწრნენ.
ვრცლად →AI ჩიპების სტარტაპი Etched 20 მილიარდ დოლარიან შეფასებაზე მოლაპარაკებებს აწარმოებს
Etched-ი, ჩიპების მწარმოებელი კომპანია, 20 მილიარდ დოლარიან შეფასებაზე დაფინანსების რაუნდის მოლაპარაკებებს აწარმოებს, რაც მისი დეკემბრის შეფასების ოთხმაგ ზრდას ნიშნავს — ინვესტორები კი AI ინფერენსისთვის Nvidia-ს ალტერნატივებს ეძებენ, წერს Wall Street Journal-ი.
ვრცლად →AI ჩიპების მწარმოებელმა SambaNova-მ $1 მილიარდი მოიზიდა, შეფასება $11 მილიარდამდე გაიზარდა
SambaNova-მ Series F რაუნდის პირველი ტრანში $1 მილიარდის ოდენობით დახურა General Atlantic-ის ხელმძღვანელობით, ხოლო JPMorganChase-მა კომპანიის ჩიპები ადგილზე ინფერენსისთვის აირჩია.
ვრცლად →Qualcomm-მა Dragonfly AI ჩიპების სერია წარადგინა — Meta პირველ კლიენტად
Qualcomm-მა 24 ივნისს Dragonfly-ს სახელით სერვერული CPU და ინფერენს ამაჩქარებელი წარადგინა. Meta 2028 წლიდან ჩიპებს საკუთარ სერვერ ინფრასტრუქტურაში გამოიყენებს.
ვრცლად →რა არის AI ინფერენს ჩიპი — და რატომ ქმნიან კომპანიები საკუთარს?
AI ინფერენს ჩიპი სპეციალიზებული პროცესორია, რომელიც მომზადებული AI მოდელების სწრაფ და ეკონომიურ გამოყენებას უზრუნველყოფს. ვხსნით, რატომ ქმნიან ტექნოლოგიური გიგანტები საკუთარ ჩიპებს Nvidia-ს ნაცვლად.
ვრცლად →Qualcomm-მა AI სტარტაპი Modular 3.9 მილიარდ დოლარად შეიძინა
Qualcomm-მა 3.9 მილიარდი დოლარის ყველა-საფონდო გარიგებით Modular-ის შეძენა გამოაცხადა — Mojo ენისა და MAX inference ძრავის შემქმნელი კომპანიის, რომელიც AI-ის ნებისმიერ ჩიპზე გაშვების საშუალებას იძლევა.
ვრცლად →OpenAI-მ და Broadcom-მა პირველი სპეციალური AI ჩიპი Jalapeño წარადგინეს
OpenAI-მ და Broadcom-მა 24 ივნისს წარადგინეს Jalapeño — inference-ისთვის შექმნილი ჩიპი, რომელიც ცხრა თვეში AI-ის დახმარებით დაპროექტდა და 2026 წლის ბოლოსთვის გამოყენებაში შესვლა ეგეგმება.
ვრცლად →