IA matérielle

Nvidia a présenté un système en couches pour contenir les agents d’IA déviants, associant des contrôles open source à une surveillance matérielle à mesure que les logiciels autonomes atteignent des systèmes réels.

NVIDIA affirme que l’Égypte fait passer des projets d’IA en production, à mesure que les capacités de calcul locales, la formation des développeurs et le financement des startups se développent sur l’ensemble du marché africain.

DeepSeek prévoirait un cluster Huawei de 160 000 puces pour l’inférence IA, signalant un effort chinois majeur pour réduire la dépendance au matériel Nvidia.

Anthropic avancerait sur un standard matériel destiné aux agents d’IA pour contrôler des machines, une initiative susceptible de remodeler la robotique, l’automatisation et le déploiement en entreprise.

Liquid AI a publié les modèles LFM2.5-Encoder sur Hugging Face, mettant en avant une inférence CPU plus rapide pour le NLP à long contexte à l’échelle documentaire, sans matériel plus puissant.

NVIDIA incite les développeurs de LLM à co-concevoir des modèles pour une inférence favorable aux GPU, pariant que des architectures conscientes du matériel réduiront les coûts et la latence à grande échelle.

Cognichip obtient 60 millions de dollars de financement pour développer une IA qui conçoit des puces de manière autonome, promettant de réduire les coûts de développement de 75 % et les délais de moitié.