# Nvidia gradi celotni AI sklad, robotaksiji pa preizkušajo meje avtonomije
Medtem ko je TechCrunchov podkast Equity obravnaval tudi menjavo na vrhu Appla, so za svet umetne inteligence bistveno pomembnejše tri teme: Nvidiino širjenje prek čipov, nova vlaganja v AI-strojno opremo in stopnjevanje konkurence med ponudniki robotaksijev.
Skupni imenovalec teh zgodb je boj za nadzor nad celotnim ekosistemom umetne inteligence – od čipov, podatkovnih centrov in odprtokodnih orodij do modelov, ki v realnem času sprejemajo odločitve na cestah.
## Nvidia ne želi ostati le proizvajalec čipov
V opisu epizode Equity je Nvidia predstavljena kot podjetje, katerega poteze vse manj spominjajo na klasičnega izdelovalca procesorjev in vse bolj na igralca, ki želi obvladovati celoten AI-sklad. Podkast med drugim omenja povezave s Hugging Face, naložbo v MediaTek in širše dogovore na področju računske infrastrukture.
Takšna strategija je pomembna, ker se tekmovanje v umetni inteligenci ne odvija več samo na ravni najboljšega čipa. Uspeh je vse bolj odvisen od kombinacije dostopa do zmogljivega računstva, programskih orodij, modelov, podatkovnih centrov, omrežne opreme in razvijalske skupnosti.
Hugging Face ima v tem prostoru posebno vlogo, saj je eno osrednjih okolij za deljenje, uporabo in razvoj odprtokodnih AI-modelov. Večji vpliv Nvidie v takšnem okolju bi lahko razvijalcem olajšal dostop do orodij, optimiziranih za njeno strojno opremo. Hkrati pa odpira vprašanje, kako neodvisen lahko ostane odprtokodni AI-ekosistem, če njegovo infrastrukturo, orodja in dostop do računske moči vse bolj oblikujejo največji ponudniki čipov in oblaka.
Nvidia se pri tem ne spopada zgolj z AMD-jem in Intelom. Njeni pomembni tekmeci so tudi Google, Amazon in Microsoft, ki gradijo lastne AI-čipe, oblačne platforme in storitve za razvoj modelov. Kdor razvijalcem ponudi najlažjo pot od eksperimenta do produkcijskega AI-sistema, lahko pridobi pomembno prednost – tudi če ne izdeluje najhitrejšega procesorja.
## AI-strojna oprema znova postaja pomembna naložbena tema
V podkastu so izpostavili tudi novi sklad družbe Andreessen Horowitz, imenovan »Machine Age«, v vrednosti 1,1 milijarde dolarjev. Sklad nakazuje, da vlagatelji ne stavijo več le na aplikacije, ki uporabljajo velike jezikovne modele, temveč tudi na fizično infrastrukturo, potrebno za njihov razvoj in uporabo.
To vključuje procesorje, pomnilnik, podatkovne centre, hlajenje, omrežno opremo, robotiko, senzorje, energetske sisteme in specializirane naprave za izvajanje AI-modelov na robu omrežja.
Razlog za takšen premik je preprost: AI-modeli postajajo dražji za učenje in uporabo. Zmogljivost ni omejena le s kakovostjo algoritmov, ampak z dostopnostjo električne energije, strežniških zmogljivosti, čipov in učinkovitega prenosa podatkov. Velik del prihodnjih inovacij zato ne bo nastal samo v laboratorijih, kjer razvijajo nove modele, temveč tudi v podjetjih, ki rešujejo praktične omejitve AI-infrastrukture.
Za startupe to pomeni priložnost, a tudi višji prag vstopa. Gradnja strojne opreme zahteva več kapitala, daljši razvojni cikel in tesno sodelovanje s proizvodnimi partnerji. Po drugi strani pa lahko uspešna podjetja na tem področju postanejo ključni dobavitelji širšega AI-trga, saj rešujejo težave, ki jih zgolj programska oprema ne more odpraviti.
## Robotaksiji so test zrelosti umetne inteligence v resničnem svetu
Tretja pomembna tema podkasta je dogajanje pri robotaksijih: Teslin Cybercab, širitev Wayma v nova mesta in prve plačljive vožnje družbe Zoox. Avtonomna vožnja ostaja eden najzahtevnejših primerov uporabe umetne inteligence, saj morajo sistemi delovati v nepredvidljivem fizičnem svetu – med pešci, kolesarji, gradbišči, slabim vremenom in nejasnimi prometnimi situacijami.
Za razliko od klepetalnih botov ali AI-orodij za ustvarjanje vsebin napaka pri robotaksiju nima zgolj digitalnih posledic. Vpliva lahko na fizično varnost ljudi. Zato napredek na tem področju ni odvisen le od zmogljivejših modelov, temveč tudi od kakovostnih podatkov, zanesljivih senzorjev, simulacijskih okolij, stalnega nadzora in jasnih regulatornih pravil.
Tekmovanje med Teslo, Waymom in Zooxom tako ni le poslovna bitka za trg prevozov. Je tudi preizkus različnih pristopov k avtonomni umetni inteligenci. Podjetja se razlikujejo glede uporabe kamer, radarjev in drugih senzorjev, načina zbiranja podatkov ter obsega človeškega nadzora nad sistemom.
Ključno vprašanje ostaja, ali lahko podjetja AI-sisteme dovolj varno razširijo iz omejenih območij v širše mestno okolje. Širitev storitev v nova mesta je zato pomemben znak napredka, vendar sama po sebi še ne pomeni, da je problem popolnoma avtonomne vožnje rešen.
## Apple ostaja dejavnik, vendar AI-smer še ni jasna
Menjava na čelu Appla je za tehnološki sektor velika novica, vendar TechCrunchov povzetek ne navaja konkretnih sprememb v Applovi strategiji umetne inteligence. Kljub temu bo novi izvršni direktor John Ternus prevzel podjetje v trenutku, ko Apple poskuša svojo AI-usmeritev povezati s strojno opremo, lastnimi čipi in uporabniškimi napravami.
Za Apple bo vprašanje predvsem, kako hitro in prepričljivo lahko umetno inteligenco spremeni v uporabno funkcijo znotraj iPhonov, računalnikov, nosljivih naprav in morebitnih prihodnjih izdelkov. Njegova prednost je nadzor nad strojno in programsko opremo, izziv pa ostaja hitrost, s katero se razvija konkurenca na področju generativne UI.
## Bitka za AI se seli od modelov k celotnemu ekosistemu
Glavno sporočilo obravnavanih tem je, da se konkurenca v umetni inteligenci zaostruje na več ravneh hkrati. Nvidia skuša razširiti vpliv od čipov proti širšemu AI-ekosistemu, vlagatelji usmerjajo milijarde v infrastrukturo in strojno opremo, robotaksiji pa dokazujejo, kako težko je AI zanesljivo prenesti iz digitalnega okolja v resnični svet.
Prihodnji zmagovalci ne bodo nujno le podjetja z najboljšim modelom. Prednost bodo imela podjetja, ki bodo znala povezati računsko moč, programska orodja, podatke, energijo, varnost in dostop do uporabnikov. Prav na tej ravni se danes oblikuje naslednja faza tekmovanja v umetni inteligenci.
