Novi 0,7-nanometarski čip koristi 3D nanostack dizajn, omogućava blizu 100 milijardi tranzistora na veličini nokta

IBM je ove nedelje zvanično predstavio prvu tehnologiju čipova čiji je proizvodni proces ispod 1 nanometra, tačnije na 0,7-nanometarskom (7 angstrema) čvoru. Ova inovacija, koja koristi napredni 3D nanostack dizajn, omogućava pakovanje gotovo 100 milijardi tranzistora na površinu veličine ljudskog nokta. Tehnologija obeležava značajan korak napred za industriju poluprovodnika, posebno u trenutku kada se granice fizičkog smanjivanja čipova približavaju teorijskim limitima.

IBM-ov novi čip ispod 1 nm rezultat je niza materijalnih i strukturnih inovacija. U poređenju sa prethodnikom iz 2021. godine, čipom na 2 nm, ovaj model gotovo udvostručuje gustinu tranzistora. Time se potvrđuje da je moguće nastaviti sa povećanjem performansi i efikasnosti uprkos izazovima koje nameću zakonitosti silicijumske tehnologije. Nova arhitektura posebno je značajna za industrije koje zahtevaju visoku obradu podataka i nisku potrošnju energije, uključujući AI, komunikacionu opremu, transport i kritičnu infrastrukturu.

Pored napretka u hardveru, protekla nedelja obeležena je i intenzivnim transferom talenata u AI industriji, kao i finansijskim upozorenjima analitičara u vezi sa održivošću ulaganja u proizvodnju čipova na globalnom nivou. Stručnjaci ističu da ovakva dostignuća mogu dodatno pojačati konkurenciju među tehnološkim gigantima i podstaći nova ulaganja u istraživanje i razvoj, ali upozoravaju da visoke investicije predstavljaju značajan rizik u neizvesnim ekonomskim uslovima.

Industrijski analitičari smatraju da IBM-ov prodor ispod 1 nm postavlja nove standarde za čitav sektor i otvara prostor za sledeću generaciju naprednih AI rešenja. Očekuje se da će ovakvi čipovi igrati ključnu ulogu u razvoju budućih računarskih i komunikacionih sistema, omogućavajući još bržu obradu podataka i veću energetsku efikasnost.

Nova agentička AI funkcija dostupna ekskluzivno Google AI Ultra pretplatnicima iz SAD na macOS platformi

Google je započeo uvođenje Gemini Spark asistenta u svoju Gemini aplikaciju za macOS, omogućavajući korisnicima na Apple računarima pristup naprednim AI funkcijama. Ova inovacija dolazi nakon što je Gemini Spark najavljen kao deo šire strategije kompanije u okviru veštačke inteligencije. Prema zvaničnim informacijama, Spark funkcionalnost je trenutno dostupna isključivo korisnicima u Sjedinjenim Američkim Državama koji su pretplaćeni na Google AI Ultra paket.

Gemini Spark predstavlja novu generaciju agentičkih AI asistenata, dizajniranih da unaprede korisničko iskustvo kroz inteligentnu automatizaciju zadataka i bolje razumevanje prirodnog jezika. Integracijom u Gemini aplikaciju za macOS, Google omogućava korisnicima na Apple računarima pristup funkcijama koje su ranije bile ekskluzivne za druge platforme ili korisnike sa posebnim pretplatama.

Ključna karakteristika Gemini Spark asistenta je sposobnost proaktivnog predlaganja rešenja, automatizacije svakodnevnih digitalnih aktivnosti i bolje interakcije sa drugim Google servisima. Ova funkcija koristi savremene LLM (Large Language Model, veliki jezički model) tehnologije, a poseban fokus je na povećanju produktivnosti i jednostavnijem upravljanju kompleksnim zadacima. Dostupnost na macOS platformi omogućava sinhronizaciju sa postojećim Google nalogom i povezanim servisima.

Funkcionalnost Gemini Spark trenutno je ograničena na pretplatnike Google AI Ultra paketa u SAD, dok informacije o širenju dostupnosti na druge regione i pretplatne modele za sada nisu objavljene. Aplikaciju Gemini za macOS mogu preuzeti svi korisnici, ali samo pomenuta grupa ima pristup Spark asistentu i njegovim naprednim mogućnostima.

Ovim potezom Google nastavlja da širi ekosistem svojih AI proizvoda, prilagođavajući ih različitim operativnim sistemima i korisničkim potrebama. Iz kompanije ističu da je cilj povećati dostupnost veštačke inteligencije za poslovnu i privatnu upotrebu, sa posebnim naglaskom na sigurnost i privatnost korisnika.

Nova verzija Sonnet 5 poboljšava obradu zadataka i smanjuje troškove za kompanijske korisnike

Anthropic, poznat kao jedan od vodećih AI startapa, predstavio je novu verziju svog Claude modela pod nazivom Sonnet 5. Ova verzija je posebno osmišljena da poboljša efikasnost pri obradi zadataka koji često predstavljaju najveći deo troškova za preduzeća. Prema navodima iz industrije, Sonnet 5 je razvijen tako da zadovolji rastuće potrebe kompanija za bržim i pouzdanijim AI rešenjima, uz optimizaciju troškova korišćenja.

Sonnet 5 model fokusira se na unapređenje performansi u obradi složenih upita i automatizovanih zadataka, što je posebno značajno za organizacije koje koriste Claude za svakodnevne poslovne procese. Nova verzija donosi poboljšanja u brzini odgovora i boljoj alokaciji resursa prilikom izvršavanja velikog broja paralelnih zadataka, čime se smanjuje ukupno vreme obrade i potrošnja resursa u cloud okruženju.

Posebna pažnja tokom razvoja Sonnet 5 modela posvećena je smanjenju troškova koji nastaju usled obrade kompleksnih zahteva. Zahvaljujući optimizaciji modela, kompanije mogu očekivati niže račune za cloud usluge jer je model efikasniji u korišćenju procesorske snage i memorije. Ovo je posebno važno za preduzeća koja se oslanjaju na LLM (Large Language Model) sisteme za obradu prirodnog jezika, generisanje izveštaja ili automatizaciju korisničke podrške.

Sonnet 5 je dostupan korisnicima Claude platforme i dizajniran je tako da se lako integriše u postojeće poslovne tokove, bez potrebe za dodatnim prilagođavanjem. Kompatibilan je sa najnovijim verzijama Claude interfejsa i API-ja, što olakšava migraciju i brzu implementaciju u različite industrijske sektore. Trenutno nema informacija o promenama u cenovnoj politici ili dodatnim funkcijama izvan poboljšanja performansi i efikasnosti.

Predstavnici industrije ističu da je Sonnet 5 korak napred za Anthropic u nastojanju da svojim poslovnim korisnicima omogući snažnije i isplativije AI alate. Očekuje se da će ova verzija doprineti širem prihvatanju Claude modela u većim kompanijskim okruženjima, gde su optimizacija troškova i brzina obrade podataka ključni faktori.