💰 Nag-post ang Nvidia ng malalaking resulta sa pananalapi, ang data center ay patuloy na gumagawa ng mabibigat na gawain ↗
Nag-ulat ang Nvidia ng rekord na kita at patuloy na bumabalik sa parehong engine: ang demand sa data center ay nakatali sa pagsasanay at paghihinuha ng AI. Kung umaasa ka sa isang "cooling off" na naratibo, oo… hindi sa pagkakataong ito.
Halos sinasabi ng mga numerong ito na “Patuloy ang pagbuo ng AI,” kung saan mas mataas ang kita ng data center kaysa sa iba pa. Ito ang uri ng pahina ng kita na parang isang victory lap, habang tahimik na sinusuri ng iba pang bahagi ng industriya ang katayuan ng pila ng GPU nito.
🤝 Nagsanib-puwersa ang AMD at Nutanix sa isang plataporma ng enterprise AI ↗
Inihayag ng AMD at Nutanix ang isang pakikipagsosyo na naglalayong gawing mas "bukas" at scalable ang mga pag-deploy ng enterprise AI -- ang pamilyar na pagpapares ng hardware muscle at infrastructure software na kinukunsinti na ng mga IT team.
Pragmatiko ang mood dito: mas kaunting mga demo sa science-fair, mas maraming "dapat itong tumakbo sa iyong data center nang hindi ka nasusunog." Hindi ito magarbo, at iyon ang punto.
🧩 Binili ng Anthropic ang Vercept para mas lalong itulak si Claude sa "paggamit ng computer" ↗
Sinasabi ng Anthropic na kukunin nito ang Vercept upang mapahusay ang kakayahan ni Claude na magpatakbo ng software - isipin ang mga ahente na hindi lang basta nakikipag-chat, nagki-click sila at gumagawa. Malaking bagay iyan kung naniniwala kang ang susunod na larangan ng labanan ay ang mga daloy ng trabaho, hindi ang mga nakakatawang sagot.
Isa rin itong medyo nakakatakot na milestone… habang mas maraming modelo ang maaaring "gumamit" ng mga computer, mas lalo tayong nagsisimulang magtalo tungkol sa mga guardrail, mga pahintulot, at kung ang iyong AI ay nagbukas lang ng anim na tab nang walang dahilan (o iyon ang sinasabi nila).
🧑💼 Itinalaga ng OpenAI si Arvind KC bilang Chief People Officer ↗
Nagdagdag ang OpenAI ng Chief People Officer, na parang nakakabagot hanggang sa maalala mo kung gaano karaming mga koponan, produkto, at sakit sa ulo ng patakaran ang napupunta sa pamamagitan ng "mga bagay na may kinalaman sa mga tao." Pagkuha ng empleyado, pagpapanatili, disenyo ng organisasyon - doon nagiging nasasalat at mabilis ang estratehiya.
Ito ay isang senyales na ang scaling ay hindi lamang tungkol sa mas maraming GPU at mas malalaking modelo - ito ay tungkol sa mga tao, sa proseso, sa "sino ang magpapasya kung ano," lahat ng organisasyonal na istilo na iyon.
🧠 Sinabi ng CEO ng Nvidia na ang kasunduan sa pamumuhunan sa OpenAI ay "malapit na" ↗
Sinabi ni Jensen Huang na ang matagal nang pinag-uusapang kasunduan sa pamumuhunan sa OpenAI ay malapit na sa finish line. Malaki ang naitutulong ng "close" doon, ngunit gustung-gusto ng mga merkado ang salitang iyan tulad ng pagmamahal ng isang bata sa sugar rush.
Ang mas nakakatuwa pa ay ang posisyon ng Nvidia bilang Switzerland ng AI -- patuloy pa rin itong nakikipagtulungan sa maraming nangungunang laboratoryo nang sabay-sabay, kahit na itinutulak ang isang mega-deal patungo sa pagkumpleto. Maginhawa, ngunit din... kumplikado.
🧑🏭 Mas maraming kumpanya ang nagbawas ng trabaho dahil sa paglipat ng paggastos patungo sa AI ↗
Nilikom ng Reuters ang isang padron na lalong mahirap balewalain: ang pagbawas ng bilang ng mga empleyado ay nangyayari kasabay ng - o tahasang dahil sa - muling pagsasaayos na hinimok ng AI. Minsan ito ay automation, minsan ito ay "muling pamumuhunan," minsan naman ay mga ehekutibo na gumagawa ng spreadsheet.
Ang nakakabahala ay kung gaano na kanormal na ituring ang pagbawas ng trabaho bilang isang tampok, hindi isang pagkabigo -- parang ang pagbabawas ng mga empleyado ang tiket sa pagpasok sa panahon ng AI. Medyo baluktot ang metapora na iyan, pero naiintindihan mo naman.
Mga Madalas Itanong
Ano ang nagpatibay sa malaking resulta ng pananalapi ng Nvidia ngayong quarter?
Itinuro ng update ng Nvidia ang demand sa data center bilang pangunahing engine, kung saan ang AI training at inference workloads ang gumagawa ng halos lahat ng mabibigat na gawain. Ang konklusyon ay ang naratibo ng AI buildout ay mukhang matatag pa rin sa kanilang bilang. Sa halip na isang "cooling off" na storyline, ang mga resulta ay parang patuloy na momentum. Ang ibang mga segment ay gumanap ng mas maliit na papel kasunod ng laki ng lakas ng data center.
Bumabagal ba o bumibilis ang pag-unlad ng AI batay sa mga headline na ito?
Sa lahat ng aytem, ang tono ay nagmumungkahi ng pagbilis, hindi isang paghinto. Binibigyang-diin ng mga resulta ng Nvidia ang patuloy na demand sa data center, habang ang mga anunsyo na nakatuon sa enterprise ay naglalayong gawing mas praktikal at maulit ang mga deployment. Kasabay nito, ang kwento ng paggawa ay tumutukoy sa mga kumpanyang muling naglalaan ng gastusin at muling nag-oorganisa upang pondohan ang mga prayoridad ng AI. Ang pangkalahatang senyales ay "pagbilis habang binabago ang mga pagbabago."
Ano ang ibig sabihin ng pakikipagsosyo ng AMD at Nutanix para sa mga pangkat ng enterprise AI?
Ang layunin ng paglalahad ay gawing mas bukas at mas malawak ang mga pag-deploy ng enterprise AI sa pamamagitan ng kombinasyon ng hardware at software sa imprastraktura. Ito ay itinuturing na praktikal sa halip na magarbo: mas kaunting mga demo, mas "dapat itong tumakbo sa iyong data center." Para sa mga IT team, karaniwang nangangahulugan ito ng mas maayos na pag-aampon gamit ang mga umiiral na tooling at mas malinaw na mga landas sa operasyon. Ang mahalaga ay nakasalalay sa pagiging maaasahan ng pag-deploy, hindi sa pagiging bago.
Ano ang ibig sabihin na nakuha ng Anthropic ang Vercept para sa "paggamit ng computer"?
Ito ay nagpapahiwatig ng isang pagsulong patungo sa mga ahente na maaaring magpatakbo ng mga daloy ng trabaho ng software, hindi lamang makipag-chat. Ang "paggamit ng computer" ay nagpapahiwatig ng mga modelong gumagawa ng mga aksyon - pag-click, pag-navigate, at pagsasagawa ng mga gawain - upang makatulong sila sa pagpapatakbo ng mga nasasalat na proseso. Nagbubunga rin ito ng mga praktikal na katanungan tungkol sa mga pahintulot, mga bantay, at pangangasiwa. Habang nagiging mas may kakayahan ang mga sistemang ito, ang pagtukoy at pagpapatupad kung ano ang pinapayagan silang gawin ay nagiging bahagi ng produkto.
Bakit mahalaga ang pagkuha ng OpenAI ng isang Chief People Officer para sa scaling?
Ang pagdaragdag ng Chief People Officer ay nagmumungkahi na ang pag-scale ay hindi lamang tungkol sa mga GPU at modelo - ito rin ay tungkol sa kung paano binubuo at pinamamahalaan ang mga team. Ang mga operasyon ng tao ay nakakaapekto sa pagkuha ng empleyado, pagpapanatili, disenyo ng organisasyon, at mga landas sa paggawa ng desisyon. Kapag mabilis na lumawak ang isang organisasyon, ang mga layer na "tao at proseso" ay nagiging estratehiko. Ang papel na ito ay nakakatulong na gawing napapanatili ang mabilis na paglago.
Bakit nagbabawas ng trabaho ang mga kumpanya habang pinapataas ang pamumuhunan sa AI?
Ang inilarawang padron ay ang mga pagbawas sa bilang ng mga tauhan na nangyayari kasabay ng muling pagsasaayos at muling pamumuhunan na hinimok ng AI. Minsan ang kwento ay automation; minsan naman ay mga badyet na inililipat patungo sa mga bagong prayoridad. Ang pagbalangkas ay lalong nagpapakita na ang pagbabawas ay bahagi ng pagpopondo sa paglipat ng AI sa halip na isang nag-iisang pagkabigo. Ito ay isang hakbang sa muling paglalaan na maaaring makaramdam ng pagkabalisa kahit na iharap bilang "estratehiya."