Meta Platforms Inc. hat in Australien quick 550.000 Konten deaktiviert, um dem neuen landesweiten Social-Media-Verbot für Benutzer unter 16 Jahren nachzukommen, gab das Unternehmen am bekannt Medium. Diese Aktion umfasst 330.000 Instagram-Konten, 173.000 Fb-Konten und 40.000 Threads-Konten, bei denen festgestellt wurde, dass sie Kindern gehören.

Australiens Mindestalter für Social-Media-Verbote, das zehn Plattformen betrifft, darunter Fb, Instagram, TikTok, Snapchat,

Reddit hat eine Klage gegen die australische Regierung eingereicht und geltend gemacht, dass seine Plattform, die es nicht als Social-Media-Web site einstuft, aufgrund von Bedenken hinsichtlich der Privatsphäre und der politischen Meinungsäußerung vom Verbot ausgenommen werden sollte. Meta hat sich ebenfalls gegen das Verbot ausgesprochen und verwies auf die mögliche Isolation von Teenagern aus On-line-Help-Communitys und eine Verlagerung minderjähriger Nutzer in weniger regulierte Teile des Internets. Das Unternehmen stellte außerdem inkonsistente Methoden zur Altersüberprüfung und mangelndes Interesse an der Einhaltung der Vorschriften durch Jugendliche und Eltern fest.

Plattformen bestimmen das Alter mithilfe verschiedener Methoden, einschließlich der Altersableitung basierend auf Aktivität und Selfie-Verifizierung. Meta schrieb: „Die fortlaufende Einhaltung der Gesetze wird ein vielschichtiger Prozess sein, den wir weiter verfeinern werden, obwohl unsere Bedenken hinsichtlich der On-line-Altersbestimmung ohne Branchenstandard bestehen bleiben.“

Hervorgehobener Bildnachweis

Die Monetary Occasions berichtete, dass Deepseek aufgrund von Leistungsproblemen mit Huawei Ascend -Prozessoren die Veröffentlichung seines neuen R2 -Großsprachenmodells verzögerte und die Grenzen von Pekings Push, die US -Technologie ersetzt, nach Angaben der FT hervorheben.

Die Veröffentlichung zitierte drei Quellen, die sagten, dass chinesische Regierungsbeamte Deepseek ermutigten, nach der Veröffentlichung Anfang dieses Jahres von Deepseeks R1 -Modell, das die KI -Welt erschütterte, nach der Veröffentlichung von Deepseeks R1 -Modell zu verwenden.

„Aber das chinesische Begin-up stieß bei seinem R2-Trainingsprozess mithilfe von Ascend-Chips anhaltende technische Probleme.“ Die FT berichtete„Aufforderung, Nvidia -Chips für Coaching und Huawei für Inferenz zu verwenden, sagte die (Quellen).“

Die Nachricht erfolgt inmitten anderer Berichte, dass Nvidia und AMD GPUs – die NVIDIA H20 und AMD MI308 – derzeit nach einer Änderung der US -Exportregel den Export nach China zugelassen haben wie Chinas einheimische GPUs. Es gibt auch Berichte, dass die chinesischen Behörden Unternehmen bitten, die Verwendung von amerikanischen GPUs zu rechtfertigen.

In dem FT-Artikel wurden Quellen zitiert, in denen die Huawei-Prozessoren Stabilitätsprobleme haben: „langsamere Konnektivität zwischen Chip und minderwertige Software program im Vergleich zu NVIDIA-Produkten“.

In dem Versuch, die Probleme zu lösen, arbeitete ein Group von Huawei -Technikern vor Ort mit Deepseek zusammen, aber ein erfolgreicher Trainingslauf konnte bei den Ascend -Prozessoren nicht erreicht werden, heißt es in Quellen.

Die FT sagte, Deepseeks R2 -Modell könnte „in den kommenden Wochen“ veröffentlicht werden.

Einführung

Die von The Know-how Innovation Institute (TII) entwickelte Falcon-H1-Serie markiert einen erheblichen Fortschritt in der Entwicklung von Großsprachenmodellen (LLMs). Durch die Integration transformatorischer Aufmerksamkeit in Mamba-basierte Zustandsraummodelle (SSMs) in einer hybriden parallelen Konfiguration erzielt Falcon-H1 außergewöhnliche Leistung, Gedächtniseffizienz und Skalierbarkeit. Falcon-H1-Modelle werden in mehreren Größen (0,5B bis 34B Parametern) und -versionen (Foundation, überwiesen und quantisiert) freigegeben.

Wichtige architektonische Innovationen

Der Technischer Bericht erklärt, wie Falcon-H1 einen Roman annimmt Parallele Hybridarchitektur Wo sowohl die Aufmerksamkeit als auch die SSM -Module gleichzeitig funktionieren und ihre Ausgaben vor der Projektion verkettet werden. Dieses Design weicht von der herkömmlichen sequentiellen Integration ab und bietet die Flexibilität, die Anzahl der Aufmerksamkeit und SSM -Kanäle unabhängig abzustimmen. Die Standardkonfiguration verwendet ein Verhältnis von 2: 1: 5 für SSM-, Aufmerksamkeits- und MLP -Kanäle, wobei sowohl die Effizienz als auch die Lerndynamik optimiert werden.

Um das Modell weiter zu verfeinern, untersucht Falcon-H1::

• Kanalzuweisung: Ablationen zeigen, dass die zunehmende Aufmerksamkeitskanäle die Leistung verschlechtern, während das Ausgleich von SSM und MLP robuste Gewinne erzielt.
• Blockkonfiguration: Die SA_M-Konfiguration (halbparallel mit Aufmerksamkeit und SSM Collectively-Läufe, gefolgt von MLP) führt am besten im Trainingsverlust und zur Recheneffizienz durch.
• Seilbasisfrequenz: Eine ungewöhnlich hohe Basisfrequenz von 10^11 in Rotationspositionseinbettungen (Seil) erwies sich als optimum und verbesserte die Generalisierung während des lang Kontext-Trainings.
• Kompromiss zwischen Breite: Experimente zeigen, dass tiefere Modelle unter festen Parameterbudgets breiter übertreffen. Falcon-H1-1.5b-tiefe (66 Ebenen) übertrifft viele 3B- und 7B-Modelle.

Tokenizer -Strategie

Falcon-H1 verwendet eine maßgeschneiderte Bytepaar-Kodierung (BPE) Tokenizer Suite mit Vokabulargrößen von 32K bis 261K. Zu den wichtigsten Designentscheidungen gehören:

• Ziffern- und Zeichensetzungspaltung: Empirisch verbessert die Leistung in Code und mehrsprachigen Einstellungen.
• Latex -Token -Injektion: Verbessert die Modellgenauigkeit bei mathematischen Benchmarks.
• Mehrsprachige Unterstützung: Deckt 18 Sprachen und Skalen auf 100+ ab, wobei optimierte Fruchtbarkeit und Bytes/Token -Metriken verwendet werden.

Vorab -Korpus- und Datenstrategie

Falcon-H1-Modelle werden auf bis zu 18-t-Token aus einem sorgfältig kuratierten 20T-Token-Korpus ausgebildet, der umfasst:

• Hochwertige Webdaten (gefilterte Fineweb)
• Mehrsprachige Datensätze: Widespread Crawl, Wikipedia, Arxiv, OpenSubtitel und kuratierte Ressourcen für 17 Sprachen
• Codekorpus: 67 Sprachen, verarbeitet über Minhash -Deduplizierung, Codebert -Qualitätsfilter und PII -Scrubbing
• Mathematikdatensätze: Math, GSM8K und hauseigene latexverstärkte Krabbel
• Synthetische Daten: Umgeschrieben von rohen Korpora mit verschiedenen LLMs sowie der QS im Lehrbuchstil aus 30.000 Wikipedia-basierten Themen
• Langkontextsequenzen: Verbessert durch Einfüll-, Neuordnung und synthetische Argumentationsaufgaben bis zu 256.000 Token

Trainingsinfrastruktur und Methodik

Das Coaching verwendete die maßgeschneiderte maximale Aktualisierungsparametrisierung (µP), wobei die sanfte Skalierung über die Modellgrößen hinweg unterstützt wird. Die Modelle verwenden fortgeschrittene Parallelitätsstrategien:

• Mixer Parallelism (MP) Und Kontextparallelität (CP): Verbessern Sie den Durchsatz für die lang Kontextverarbeitung
• Quantisierung: Veröffentlicht in Bfloat16- und 4-Bit-Varianten, um die Kantenbereitstellungen zu erleichtern

Bewertung und Leistung

Falcon-H1 erzielt eine beispiellose Leistung professional Parameter:

• Falcon-H1-34b-Instruktur überschreitet oder passt 70B-Modelle wie Qwen2.5-72B und LAMA3.3-70B über Argumentation, Mathematik, Anweisungen und mehrsprachige Aufgaben über.
• Falcon-H1-1.5b-Deep Rivalen 7b – 10b Modelle
• Falcon-H1-0.5b liefert die 7B-Leistung der 2024-Ära-Leistung

Benchmarks überspannen MMLU-, GSM8K-, Humaneal- und Lengthy Context-Aufgaben. Die Modelle zeigen eine starke Ausrichtung über SFT und direkte Präferenzoptimierung (DPO).

Abschluss

Falcon-H1 legt einen neuen Customary für Open-Gewicht-LLMs fest, indem parallele Hybridarchitekturen, versatile Tokenisierung, effiziente Trainingsdynamik und robuste mehrsprachige Fähigkeiten integriert werden. Die strategische Kombination von SSM und Aufmerksamkeit ermöglicht eine unübertroffene Leistung innerhalb der praktischen Rechen- und Gedächtnisbudgets, was es sowohl für die Forschung als auch für den Einsatz in verschiedenen Umgebungen superb macht.

Schauen Sie sich das an Papier Und Fashions auf dem Umarmung des Gesichts. Fühlen Sie sich frei zu Weitere Anwendungen finden Sie in unserer Tutorials auf AI Agent und Agentic AI. Fühlen Sie sich auch frei, uns zu folgen Twitter Und vergessen Sie nicht, sich unserer anzuschließen 100k+ ml Subreddit und abonnieren Unser E-newsletter.

Michal Sutter ist ein Datenwissenschaftler bei einem Grasp of Science in Information Science von der College of Padova. Mit einer soliden Grundlage für statistische Analyse, maschinelles Lernen und Datentechnik setzt Michal aus, um komplexe Datensätze in umsetzbare Erkenntnisse umzuwandeln.

CRANBURY, NJ (17. Juli 2025)-App Builder, die Low-Code-Plattform von Software program Firm Infragistics for App Creation, hat den zweiten Teil der Ergebnisse aus seinem zweiteiligen 2025-App-Entwicklungstrendsbericht veröffentlicht. Die Forschung zeigt, dass quick 90% der Technologieführer KI in der App -Entwicklung einsetzen – und sie erwarten, dass Entwickler über eine übereinstimmende Fähigkeit verfügen. Quick drei Viertel (71%) der Technologieführer sagen, dass KI und maschinelles Lernen jetzt für Entwickler nicht verhandelt werden, wenn sie einstellen-auch mehr als nur Cloud-Computing-Fähigkeiten, über die 53% das Gleiche sagen.

Der 2025 App -Entwicklungstrends von App Builder untersucht, wie Unternehmen derzeit KI in ihre Entwicklungsworkflows integrieren, und zeigt die Auswirkungen neuer und aufstrebender Instruments auf die Entwicklung und Sicherheit von Anwendungen. Die neuen Forschungsstoffe eintauchen in die Umgestaltung der Teamstruktur der Workforce -Instruments ein, beeinflussen die Einstellung von Prioritäten und die Verschiebung der Gesamtorganisationsstrategie.

„KI verändert schnell, wie Unternehmen Anwendungen entwickeln – von der Optiminierung von Workflows bis hin zur Minderung von Sicherheitsrisiken -, aber die Technologie allein ist ohne ein erfahrenes Workforce nicht leistungsfähig“, sagte Jason Beres, COO. Infragistik. „Wenn Unternehmen die KI -Nutzung in ihrem Geschäft erweitern wollen, ist die Einstellung von Entwicklern, die in KI und maschinellem Lernen qualifiziert sind, sowie die Investition in Upskilling für ihre Fähigkeit, Innovationen voranzutreiben und wettbewerbsfähig zu bleiben.“

Der zweiteilige Bericht basiert auf Forschungen, die von der Marktforschungsunternehmen Dynata im Namen von durchgeführt wurden App Builder.

Unter den Erkenntnissen:

• Entwicklungsteams, die sich an KI halten, werden dies nicht mehr lange tun: Quick die Hälfte (45%) der Unternehmen, die im App -Entwicklungsprozess derzeit keine KI verwenden, sagen, dass sie wahrscheinlich die Technologie innerhalb des Jahres einnehmen werden.

• Die meisten Unternehmen verlassen sich auf KI, um ihre Apps zu schützen: 45 Prozent (45%) der Technologieführer sagen, dass Cybersicherheit eine High-Herausforderung darstellt-und sie suchen nach KI, um zu helfen. Nahezu jedes Unternehmen (99%), das KI in der App -Entwicklung verwendet, nutzt die Technologie zur Stärkung der Sicherheit durch Durchführung von Sicherheitsbewertungen (64%), Testcode (60%), Erkennung von Verstößenmustern (59%) und Scancode für Schwachstellen (58%).

• Die Groups laden ihre Routine -Entwicklungsaufgaben an KI ab: Entwickler suchen hauptsächlich auf KI, um weltliche und sich wiederholende Aufgaben (40%) zu automatisieren, Format und Seiten (34%) zu erstellen und Fehler (32%) zu erfassen. Dreißig Prozent (30%) der Technologieführer geben an, dass diese Automatisierung Entwickler frei befasst, sich auf strategischere Arbeit zu konzentrieren, und das wachsende Potenzial von KI hervorhebt, um mehr von ihrem Teller zu nehmen und ihre Rolle zu erhöhen.

• Die Einstellung qualifizierter Entwickler ist eine der größten Herausforderungen für Technologieführer: Mit KI und maschinellem Lernen, die hohe Nachfrage stammen, sind 30percentder Tech -Führungskräfte an, dass die Rekrutierung qualifizierter Entwickler und IT -Mitarbeiter im Jahr 2025 zu ihren besten Herausforderungen gehören. Jenseits von KI und maschinellen Fähigkeiten, Cloud -Computern (53%).

Der 2025-App-Entwicklungstrends von App Builder basiert auf Antworten von 300 Vollzeit-Tech-Führungskräften. Teil 1 des Berichts kann angezeigt werden Hierund Teil 2 Hier.

BOSTON – 19. Juni 2025 – Ataccama kündigte die Veröffentlichung eines Berichts des Enterprise Software Analysis Heart (BARC) an, „das steigende Imperativ für Datenbeobachtbarkeit“, in dem untersucht wird, wie Unternehmen aufgebaut – oder um das Aufbau – Vertrauen in moderne Datensysteme aufzubauen.

Basierend auf einer Umfrage unter mehr als 220 Daten- und Analyseführern in Nordamerika und Europa stellt der Bericht fest, dass 58% der Organisationen Datenbeobachtbarkeitsprogramme implementiert oder optimiert haben-Systeme, die Datenqualität und Pipeline-Probleme in Echtzeit überwachen-, sagen sie immer noch, dass sie den Ausgaben ihrer AI/ML-Modelle nicht vertrauen.

Die Ergebnisse spiegeln eine kritische Verschiebung wider. Adoption ist keine Barriere mehr. Die meisten Organisationen haben Instruments, um Pipelines zu überwachen und Datenrichtlinien durchzusetzen. Aber das Vertrauen in die KI bleibt schwer fassbar. Während 85% der Organisationen ihren BI -Dashboards vertrauen, sagen nur 58% für ihre KI/ML -Modellausgaben gleich. Die Lücke erweitert sich, da die Modelle zunehmend auf unstrukturierten Daten und Eingaben beruhen, dass herkömmliche Beobachtbarkeitstools nie zur Überwachung oder Validierung ausgelegt wurden.

Die Beobachtbarkeit wird häufig als reaktives, fragmentiertes und locker geregeltes Überwachungsschicht eingeführt, das symptomatisch für tiefere Probleme wie silige Groups oder unklare Besitzer. 51% der Befragten geben Fertigkeitslücken als Hauptsachen für die Beobachtbarkeitsreife an, gefolgt von Budgetbeschränkungen und mangelnden funktionsübergreifenden Ausrichtung. Die führenden Groups drängen es jedoch weiter und bitten die Beobachtbarkeit in das Entwerfen, Bereitstellen und Aufrechterhalten von Daten über Bereiche hinweg.

Diese Programme kennzeichnen nicht nur Anomalien – sie lösen sie vorgelöst, häufig durch automatisierte Datenqualitätsprüfungen und Sanierungs Workflows, die die Abhängigkeit von manueller Triage verringern. Wenn die Beobachtbarkeit tief mit der automatisierten Datenqualität verbunden ist, erlangen die Groups mehr als die Sichtbarkeit: Sie gewinnen Vertrauen, dass die Daten, die ihren Modellen mit Strom versorgen, vertrauen.

„Die Datenbeobachtbarkeit ist zu einer geschäftskritischen Disziplin geworden, aber zu viele Organisationen stecken im Pilotgefängnis fest“, sagte Jay Limburn, Chief Product Officer bei Ataccama. „Sie haben in Instruments investiert, aber sie haben das Vertrauen nicht operationalisiert. Dies bedeutet, dass die Beobachtbarkeit in den vollständigen Datenlebenszyklus einbettet, von Einnahme und Pipeline-Ausführung bis hin zu ai-gesteuerten Konsum. Daher können Probleme auftauchen und gelöst werden, bevor sie die Produktion erreichen. Wir haben gesehen, dass diese. actual.“

Der Bericht unterstreicht auch, wie unstrukturierte Daten Beobachtbarkeitsstrategien umformen. Als die Einführung von Genai und Abruf-Augmented-Technology (RAG) arbeiten Unternehmen mit Eingaben wie PDFs, Bildern und Langform-Dokumenten-Objekte, die geschäftskritische Anwendungsfälle mit Strom versorgen, aber häufig außerhalb des Rahmens der traditionellen Qualitäts- und Validierungsprüfungen fallen. Weniger als ein Drittel der Organisationen füttern heute unstrukturierte Daten in KI -Modelle, und nur ein kleiner Teil derjenigen anwenden strukturierte Beobachtbarkeit oder automatisierte Qualitätsprüfungen auf diese Eingaben. Diese Quellen führen neue Risikoformen ein, insbesondere wenn Groups automatisierte Methoden fehlen, um sie in Echtzeit zu klassifizieren, zu überwachen und zu bewerten.

„Vertrauenswürdige Daten werden zu einem wettbewerbsfähigen Unterscheidungsmerkmal, und mehr Organisationen nutzen die Beobachtbarkeit, um sie aufzubauen und aufrechtzuerhalten“, sagte Kevin Petrie, Vizepräsidentin bei BarC. „Wir sehen eine Verschiebung: Führende Unternehmen überwachen nicht nur Daten, sie befassen sich mit dem vollständigen Lebenszyklus von KI/ML -Eingaben. Dies bedeutet, Qualitätsprüfungen zu automatisieren, Governance -Steuerelemente in Datenpipelines einzubeziehen und ihre Prozesse anzupassen, um dynamische unstrukturierte Objekte zu beobachten. Dieser Bericht entwickelt sich, dass sich die Beobachtbarkeit aus einer Nichnichpraxis in einem Mainstream -Erfordernis für ein Mainstream -Erfordernis nach Anmeldungen entwickelt.“

Die ausgereiftsten Programme schließen diese Lücke, indem sie die Beobachtbarkeit direkt in ihre Knowledge Engineering- und Governance -Frameworks integrieren. In diesen Umgebungen ist die Beobachtbarkeit nicht abgeblendet. Es arbeitet zusammen mit DataOPS-Automatisierung, MDM-Systemen und Datenkatalogen, um automatisierte Datenqualitätsprüfungen in jeder Part anzuwenden, was zu einer verbesserten Datenzuverlässigkeit, einer schnelleren Entscheidungsfindung und einem verringerten Betriebsrisiko führt.

Eine der größten Geschichten in dieser Woche in der HPC-AI-Welt beinhaltet-Überraschung! – Nvidia. Machen Sie das tatsächlich zwei oder drei der größten Geschichten. Eine davon ist die Ankündigung der herausragenden vierteljährlichen Ertragsanzeige von Nvidia angesichts der Bedenken hinsichtlich der Störung der Chip -Exporte von GPUs nach China angesichts der Bedenken.

Das Unternehmen zuckte die Achseln ab, was vor einigen Wochen eine Gebühr von 5 Milliarden US -Greenback betragen würde und die Einnahmen (44,1 Milliarden US -Greenback – einschließlich 39,1 US -Greenback auf dem Knowledge Middle -Markt – gegenüber 26 Milliarden US -Greenback vor einem Jahr) und den Gewinn (18,8 Milliarden US -Greenback (26 Prozent)) belastet.

Dass das Unternehmen die Erwartungen hauptsächlich übertroffen hat, conflict eine vollständige Überraschung, wenn man bedenkt, dass die enorme und zunehmende Nachfrage nach KI-Rechen, um Mammut-KI-Fabriken zu liefern, auf der ganzen Welt aufgebaut wurden, einschließlich Openai’s AI-Rechenzentrum, das für Abilene, TX, geplant ist, die bis zu 400.000 Nvidia-High-of-of-the-the-the-the-the-the-the-the-the-the-Black-Chips untergebracht sind.

Dennoch bestehen Herausforderungen für NVIDIA, von denen einer der China -KI -Markt ist, der von der US -Regierung zunehmend zu den US -Technologieanbietern umgewandelt wurde. In einem Interview gestern Abend mit Jim Cramer von CNBC, Jensen Huang, hat NVIDIA -CEO für den weiteren Verkauf des GPUs seines Unternehmens nach China in den Fall, wo er sagte, 50 Prozent der AI -Entwickler wohnen. Und er möchte, dass sie ihre KI -Anwendungen auf der Nvidias CUDA -Entwicklungsplattform entwickeln, um auf NVIDIA -{Hardware} zu laufen.

„American Know-how Stacks werden KI die besten auf der ganzen Welt betreiben, und dies ist der wichtigste strategische Grund, um in China zu sein, da es dort so viele Entwickler gibt“, sagte Huang. „Und weil die Welt Technologien aus dem einen oder anderen Land übernehmen wird, bevorzugen wir es, es im American Know-how Stack zu sein.“

Anfang dieses Jahres wurden die Exporte nach China von Nvidias, die die H20-AI-GPU, zuvor nach US-Handelsregeln zugelassen zu haben, vom Trump Weißen Haus für Exporte geschlossen, was Nvidia dazu zwang, die Anklage von 5 Milliarden US-Greenback zu übernehmen. Dies wirft eine weitere große Geschichte auf, die diese Woche entsteht, dass Nvidia und AMD an der Entwicklung von KI -Chips für den China -KI -Markt arbeiten, der den US -Handelsbeschränkungen entspricht.

Entsprechend Eine Geschichte in DigitimesDie beiden Unternehmen haben „ihre Entwürfe schnell auf reduzierte Spezifikationen angepasst, und es wird erwartet, dass sie ab Juli 2025 eine neue Welle von herabgestuften, aber konformen AI -GPUs auf den Markt bringen werden, die an China verkauft werden können“.

Inmitten von Berichten über Hunderte von Milliarden in AI -Rechenzentrumsinvestitionen im Nahen Osten wird die Entwicklung der KI -Fabriken in den USA weiterhin entgegengesetzt. Das Wall Road Journal berichtete heute, dass Openai mehr als 11,5 Milliarden US -Greenback an zusätzlichen Finanzmitteln für eine huge Einrichtung in Abilene, Texas, gesichert hat.

Nach zum Journal -ArtikelDas Projekt besteht aus acht Gebäuden (aus zwei im ursprünglichen Plan). Es handelt sich um „ein zentrales Stück von OpenAs, um seine Abhängigkeit von Microsoft für die Rechenleistung zu verringern“ (Microsoft hat seit 2019 in das Unternehmen in der Firma investiert), und jedes der acht Gebäude wird voraussichtlich bis zu 50.000 NVIDIA Blackwell AI -Prozessoren (Processors AI Processors (acht Gebäude) verwendet, und es wird erwartet, dass 50.000 Nvidia Blackwell AI Processors (Processorss (acht Gebäude) verwendet werden.Berichten zufolge hat Nvidia investiert Im vergangenen Jahr ungefähr 100 Millionen US -Greenback in Openai).

Das Rechenzentrum, das der CEO von OpenAI, Sam Altman, wird die weltweit größte KI -Modell -Schulungsstelle sein, soll nächstes Jahr in Betrieb genommen werden. Es wird vom Startup der Rechenzentrumsinfrastruktur erstellt Crusoe Nach Angaben des Journals erhöht sich die Finanzierung auf einer Mischung aus Schulden und Eigenkapital.

Das Journal berichtete, dass OpenAI frustriert struggle, dass Microsoft „mit der Nachfrage nach KI -Berechnung nicht Schritt hielt“, und dass Openai infolgedessen eine Vereinbarung mit Oracle abgeschlossen hat, um „die Website Abilene nach Erhalt der Anmeldung von Microsoft zu verwenden“.

„Langfristig ist OpenAI, ein eigenes Netzwerk von Rechenzentren aufzubauen und zu betreiben“, berichtete das Journal, einschließlich des 500 -Milliarden -Greenback -Infrastrukturprojekts „Stargate“, das Openai, Softbank und Oracle im Januar im Januar im Januar im Januar angekündigt hatten.

Laut der Zeitschrift wurde vor quick einem Jahr vor quick einem Jahr auf dem Standort Abilene unter einer Vereinbarung, in der Oracle das Rechenzentrum für 15 Jahre mietete, unterbrochen.

Openai Veränderte das Gesicht der Technologieindustrie November 2022 mit der Veröffentlichung von ChatGPT, die die Nachfrage nach großsprachigen Modellen und generativen KIs ausführte und die jetzt weit verbreitete Einführung in der gesamten Weltwirtschaft unterliegt. Mit Blick auf die Zukunft befindet sich OpenAI in der Vorrang der KI -Unternehmen, die künstliche allgemeine Intelligenz verfolgen, was einige Branchenführer bereits im nächsten Jahr erreicht haben und gleichzeitig die AGI über die AGI nachgedacht werden.

In Ein Januar -Tedtalk -Interview mit Adam GrantAltman sagte: „Sie und ich leben diesen einmaligen Übergang, in dem Menschen das klügste Ding auf dem Planeten Erde sind, zu nicht das klügste Ding auf dem Planeten Erde.“

Und in Ein neuer WeblogAltman erklärte: „Wir beginnen, unser Ziel jenseits (AGI) zu verwandeln, der Superintelligence im wahrsten Sinne des Wortes. Wir lieben unsere aktuellen Produkte, aber wir sind hier für die glorreiche Zukunft.“

In einem Bericht über die KI in der Rechtsbranche wird festgestellt, dass das Vertragsmanagement hervorgeht, wie die Rechtsberufe der Area glauben, dass sie am meisten durch künstliche Intelligenz verändert werden.

Die in dieser Woche von der Vertragslebenszyklusmanagementplattform veröffentlichte Studie SpotDraft berichtet, dass 70,8% der Befragten eine signifikante KI-gesteuerte Transformation im Vertragsmanagement in den nächsten drei Jahren erwarten, wobei die Klausel-Identifizierung und -analyse (74%) die Liste der gewünschten Verbesserungen überschritten hat.

„Die Daten sind klar – Contract Administration liefert KI den unmittelbarsten Wert für Rechtsteams“ Akshay VermaCOO von SpotDraft, des 2025 AI Affect -Berichts. „Da Groups KI konsequent integrieren, verwandeln sich Verträge von administrativen Belastungen in strategische Vermögenswerte. Die am meisten gewinnen Groups automatisieren nicht nur die Bewertungen, sondern die Unternehmensausschüsse, die zuvor in der Vertragssprache gefangen sind und ihren Fokus vom Dokumentenmanagement auf strategische Entscheidungsfindung verlagern.“

Über die Klauselanalyse hinaus suchen Rechtsteams nach KI, um die Vertragsabgabe und die Erzeugung von Vorlagen zu verbessern (65,3%), Echtzeitwarnungen für wichtige Termine (56,7%), verbessern Sie das Repository-Administration (52,7%) und bieten bessere Verhandlungsunterstützung (52%).

Ergebnisse:

• • Verwendungsfrequenz treibt die Produktivität an: Bei den täglichen KI -Benutzern melden 91% die Produktivitätssteigerungen mit 29% erheblichen Erhöhungen. Im Gegensatz dazu berichten nur 59% der monatlichen Benutzer Verbesserungen, was darauf hindeutet, dass ein konsequentes Engagement von wesentlicher Bedeutung ist, um die Vorteile der KI zu nutzen.
  • Die Erfahrung verringert ethische Bedenken: Authorized-Fachkräfte mit praktischer KI-Erfahrung drücken weniger bedeutende ethische Bedenken aus als diejenigen, die diese Technologien selten anwenden, und die Annahmen anfordern, dass eine tiefere Exposition die ethischen Ängste erhöht.

• KI -Nutzung nicht zu rechtlichen Rollen: Trotz weit verbreiteter Befürchtungen über die Verschiebung von Arbeitsplätzen berichten 73,5% der Organisationen aufgrund der KI -Implementierung nicht Änderungen an Rollen oder Mitarbeitern, wobei viele Groups neben der Akzeptanz von KI wachsen.

• Wesentliche Fähigkeiten entwickeln sich weiter: Strategisches Denken (30,5%), fortschrittliches Rechtskenntnis (20,6%) und Verständnis von KI -Instruments (26,2%) sind die kritischsten Fähigkeiten für zukünftige Rechtsberufe und signalisieren eine Verschiebung der Talentanforderungen.

Für die meisten Rechtsteams spart KI zwischen einer und fünf Stunden professional Woche (41% der Befragten). Der Bericht legt nahe, dass die Nutzung größerer Vorteile eine konsistentere Nutzung, eine bessere Integration in bestehende Systeme und eine genauere ROI -Messung erfordert.

Basierend auf den Berichtensergebnissen, SpotDraft Empfohlene Rechtsteams beginnen mit hohem Volumen und Risiko-Vertragsnutzungsfällen mit hohem Risiko, in denen KI schnelle Siege nachweisen, KI in Phasen implementieren kann, um Vertrauen zu schaffen, sich auf Produktivitätsgewinne vor den Kosteneinsparungen zu konzentrieren und Suggestions-Loops zwischen Benutzern und Implementierungsteams zu erstellen.

„Wir sehen KI als einen Weg, Anwälte wieder Anwälte zu lassen“ Tommie Tavares-FerreiraLeiter der juristischen Operationen bei Cedar. „Indem sie die Routinearbeit übernimmt, befasst sich die Groups, sich auf den strategischen Rat zu konzentrieren, der tatsächlich ein menschliches Urteilsvermögen erfordert.“

Der Bericht von 2025 AISPACKS -Bericht basiert auf umfassenden Umfragedaten, die von 192 Rechtsangehörigen, hauptsächlich aus Nordamerika, gesammelt wurden. Die Studie wurde in Zusammenarbeit mit internem Join durchgeführt und erreichte rechtliche Entscheidungsträger in Organisationen aller Größen in mehreren Branchen.

Nvidia, die letzte Woche in San Jose die Feierlichkeiten seiner Large GTC -Konferenz in San Jose abhält, dominiert den GPU -Markt mit einem Anteil von rund 95 Prozent. Es bleibt jedoch die Frage, ob und wie andere ChIP -Lieferanten in den GPU -Sektor einsteigen werden.

Der oberste potenzielle Kandidat für die Herstellung von Potentialen ist mit seinem Instinkt-Mi-AI-Beschleunigern AMD. Entsprechend Eine aktuelle Geschichte von TechRadarAMD hat von Oracle einen Cred-Increase erhalten, mit dem er während seines jüngsten vierteljährlichen Gewinns bekannt warfare, dass es einen Multi-Milliarden-Greenback-Vertrag mit AMD für den Bau eines Cluster mit 30.000 von AMDs bevorstehendem MI355X-GPUs unterzeichnet hat.

Die Chips, die auf dem 3NM -Knoten von TSMC basieren und auf der CDNA -Architektur von AMD basieren, wird laut TechRadar in diesem Sommer erwartet. „Es wird 288 GB HBM3E-Speicher, eine Bandbreite von bis zu 8 TB/s und die Unterstützung für FP6 und FP4 Low-Precision Computing enthalten, wodurch es als starker Rivale mit dem Blackwell B100 und B200 von Nvidia positioniert wird“, heißt es in der Veröffentlichung.

Die Oracle Information wurden von Larry Ellison, Vorsitzender und CTO, bekannt gegeben.

Während des Ertragsaufrufs diskutierte er auch Projekt Stargate, das Large AI -Rechenzentrumsprojekt, das Ende Januar im Weißen Haus von Präsident Trump, Ellison, dem CEO von OpenAI, Sam Altman, und dem Gründer und CEO von SoftBank, Masayoshi Son, bekannt gab. Laut Ellison wird Stargate, das eine AI-Infrastrukturinvestition von 500 Milliarden US-Greenback für AI-Infrastrukturinvestitionen in Höhe von 64.000 GPU-NVIDIA GB200 für AI-Schulungen für AI-Coaching betragen könnte.

In einem Bericht von Bloomberg heißt es, dass rund 64.000 Nvidia -Flaggschiffe Blackwell GB200 Chips von OpenAI und Oracle im Rahmen des Stargate AI Knowledge Heart -Projekts gekauft werden im Januar angekündigt bei einer Zeremonie im Trump White Home.

„OpenAI und Oracle Corp. planen, in den kommenden Monaten ein massives neues Rechenzentrum in Texas mit Zehntausenden von leistungsstarken AI -Chips von Nvidia Corp. zu füllen.“ Bloomberg berichtete„Teil eines Vorstoßes, um die erste Einrichtung für ihre 100 -Milliarden -Greenback -Stargate -Infrastruktur zu erhalten.“

Das Rechenzentrum befindet sich in Abilene, TX, und beherbergt bis Ende nächsten Jahres 64.000 der begehrten GB200er.

Der GB200 Superchip kombiniert eine Grace -CPU mit zwei verbesserten B200 -GPUs. Berichten zufolge haben sie einen Preis zwischen 60.000 und 70.000 US-Greenback professional Chip.

„Ein OpenAI -Sprecher sagte, das Startup arbeite mit Oracle an der Gestaltung und Lieferung des Abilene -Rechenzentrums zusammen“, berichtete Bloomberg.

Bloomberg berichtete, dass sowohl Oracle als auch Nvidia keine Kommentare zu der Geschichte abgegeben haben.