Mike Wheatley - Hardware Dan SoftWare Komputer

Samsung memperkirakan pertumbuhan laba operasional yang luar biasa berkat melonjaknya harga memori

[ad_1]

Samsung Electronics Co. Ltd. memperkirakan rekor laba kuartalan berkat meningkatnya permintaan chip memorinya untuk mendukung beban kerja kecerdasan buatan, membuat sahamnya naik sebanyak 5% selama sesi pasar hari ini sebelum turun menjadi kenaikan 2%.

Perusahaan, yang merupakan pemasok chip memori terbesar di dunia, memperkirakan laba operasional kuartal pertama sebesar 57,2 triliun won ($37,9 miliar), melampaui perkiraan analis sebesar 40,6 triliun won. Angka tersebut naik lebih dari delapan kali lipat dari laba 6,69 triliun won yang dicatat pada kuartal tahun lalu. Jumlah ini juga tiga kali lipat dari rekor laba operasional sebelumnya sebesar 20 triliun won, yang dicapai tiga bulan sebelumnya.

Samsung telah menjadi salah satu penerima manfaat terbesar dari booming AI, berkat permintaan chip memorinya yang melebihi pasokan yang tersedia. Chip memorinya tidak hanya digunakan di server AI di pusat data, tetapi juga di komputer pribadi, ponsel pintar, dan banyak perangkat komputasi lainnya.

TrendForce memperkirakan harga chip memori akses acak dinamis akan naik lebih dari 50% pada kuartal saat ini karena kekurangan yang sedang berlangsung. Sementara itu, analis Meritz Securities Kim Sunwoo mengatakan kepada Reuters bahwa harga kontrak sebenarnya terkadang lebih tinggi dari perkiraan pasar. Selain itu, Samsung mendapat keuntungan dari melemahnya nilai won Korea Selatan, yang baru-baru ini jatuh ke level terendah dalam 17 tahun terhadap dolar AS, sehingga meningkatkan pendapatan luar negerinya.

Meskipun Samsung tidak memerinci angka keuntungannya dalam perkiraan pendapatannya, Kim mengatakan divisi chip perusahaan tersebut kemungkinan besar menyumbang sekitar 54 triliun won, atau 95% dari total. Sebaliknya, bisnis ponsel pintarnya diperkirakan hanya menghasilkan keuntungan sebesar 4 triliun won, turun sedikit dari periode yang sama tahun sebelumnya, namun di atas perkiraan analis.

Perusahaan telah membuat kemajuan nyata di segmen chip memori bandwidth tinggi, setelah sebelumnya berjuang untuk menghadirkan chip tercanggihnya ke pasar. Tahun lalu, segmen chip HBM didominasi oleh saingannya SK Hynix Inc., namun Samsung telah mengirimkan chip HBM4 terbarunya kepada pelanggan, membantunya merebut kembali pangsa pasar.

Namun, sebagian besar keuntungan Samsung berasal dari melonjaknya harga chip memori tradisional, yang diperlukan untuk inferensi AI. Chip HBM terutama digunakan untuk beban kerja pelatihan AI. Secara keseluruhan, mereka menyumbang sekitar 5% dari pendapatan chip perusahaan, kata para analis.

Kim mengatakan bisnis ponsel pintar Samsung terdongkrak berkat persediaan komponen berbiaya rendah. Namun, karena persediaan yang menipis, kemungkinan besar perusahaan akan mengalami penurunan margin pada kuartal kedua, karena perusahaan harus mengeluarkan uang untuk membeli pasokan baru dengan harga yang jauh lebih tinggi.

Samsung juga memberikan perkiraan total pendapatannya, dengan memperkirakan pendapatannya akan tumbuh menjadi 133 triliun won, naik 68% dari tahun sebelumnya. Perusahaan akan mempublikasikan hasilnya secara penuh pada 30 April.

Namun, masih ada beberapa hambatan yang dapat mengaburkan prospek Samsung di kuartal mendatang. Meningkatnya biaya energi akibat perang AS-Iran telah memicu kekhawatiran bahwa permintaan chip memori untuk pusat data AI mungkin melemah. Selain itu, konflik di Timur Tengah mungkin menyebabkan gangguan pada rantai pasokan pembuatan chip sehingga memperlambat momentumnya.

Ryu Young-ho dari NH Investment & Securities mengatakan kepada Reuters bahwa Samsung akan mencoba merestrukturisasi kontrak jangka panjangnya untuk mempertahankan pertumbuhan bisnis semikonduktor, namun meskipun demikian, “ada kekhawatiran mengenai puncak kenaikan harga memori.” Tanda-tanda hal ini telah terlihat, dengan harga spot DRAM yang melemah pada minggu lalu karena pengguna akhir kesulitan untuk menerima kenaikan harga tersebut, kata para analis.

Saham Samsung sempat terguncang bulan lalu ketika Google LLC memperkenalkan teknologi baru bernama TurboQuant, yang memungkinkan beban kerja AI dijalankan pada chip dengan memori lebih sedikit. Namun meski begitu, sahamnya dengan cepat rebound dan naik 61% sepanjang tahun ini.

Foto: Samsung Elektronik

Dukung misi kami untuk menjaga konten tetap terbuka dan gratis dengan terlibat dalam komunitas CUBE. Bergabunglah dengan Jaringan Kepercayaan Alumni theCUBEtempat para pemimpin teknologi terhubung, berbagi intelijen, dan menciptakan peluang.

15 juta+ pemirsa video CUBEmendukung percakapan seputar AI, cloud, keamanan siber, dan banyak lagi
11.4k+ alumni CUBE — Terhubung dengan lebih dari 11.400 pemimpin teknologi dan bisnis yang membentuk masa depan melalui jaringan unik berbasis tepercaya.

Tentang Media SiliconANGLE

SiliconANGLE Media adalah pemimpin yang diakui dalam inovasi media digital, yang menyatukan teknologi terobosan, wawasan strategis, dan keterlibatan audiens secara real-time. Sebagai perusahaan induk dari SiliconANGLE, theCUBE Network, theCUBE Research, CUBE365, theCUBE AI dan theCUBE SuperStudios — dengan lokasi utama di Silicon Valley dan New York Stock Exchange — SiliconANGLE Media beroperasi di persimpangan antara media, teknologi, dan AI.

Didirikan oleh visioner teknologi John Furrier dan Dave Vellante, SiliconANGLE Media telah membangun ekosistem dinamis merek media digital terkemuka di industri yang menjangkau 15+ juta profesional teknologi elit. TheCUBE AI Video Cloud milik kami yang baru menjadi terobosan dalam interaksi audiens, memanfaatkan jaringan saraf theCUBEai.com untuk membantu perusahaan teknologi membuat keputusan berdasarkan data dan tetap menjadi yang terdepan dalam percakapan industri.

[ad_2]

Samsung memperkirakan pertumbuhan laba operasional yang luar biasa berkat melonjaknya harga memori

Anthropic memanfaatkan Google dan Broadcom untuk mendapatkan lebih banyak chip AI karena tingkat pendapatan mencapai $30 miliar

[ad_1]

Anthropic PBC mengatakan hari ini tingkat pendapatan tahunannya kini telah melampaui $30 miliar, naik dari hanya $9 miliar pada akhir tahun lalu, setelah mengonfirmasi perluasan kemitraan dengan Google LLC dan Broadcom Inc. untuk mendukung model kecerdasan buatannya.

Perusahaan mengatakan mereka melihat adanya peningkatan permintaan atas layanan Claude pada tahun ini. Kini, lebih dari 1.000 pelanggan bisnis menghabiskan setidaknya $1 juta untuk alat AI-nya setiap tahun, naik dari hanya 500 pada akhir bulan Februari.

Percepatan ini menunjukkan bahwa pertumbuhan Anthropic tidak terhambat seperti yang dikhawatirkan oleh perselisihan yang sedang berlangsung dengan pemerintah AS. Perusahaan ini terjebak dalam perselisihan hukum dengan Gedung Putih setelah para pemimpin militer di Pentagon memutuskan untuk mengklasifikasikannya sebagai “risiko rantai pasokan” menyusul kebuntuan mengenai pagar pengamannya.

Anthropic sebelumnya mengatakan bahwa penunjukan tersebut dapat mengakibatkan hilangnya pendapatan miliaran dolar dari pelanggan perusahaan yang melakukan bisnis dengan militer AS. Pekan lalu, mereka mengatakan kepada hakim San Francisco bahwa keputusan pemerintah tersebut mendorong lebih dari 100 perusahaan menghubungi pemerintah untuk menyatakan keraguan atas kemampuan mereka untuk terus bekerja sama dengan pemerintah.

Namun, Chief Commercial Officer Anthropic Paul Smith pekan lalu mengatakan kepada Bloomberg dalam sebuah wawancara bahwa beberapa pelanggan menghargai bahwa perusahaan “menunjukkan prinsip-prinsipnya,” meskipun pendapatannya terpukul.

Bagaimanapun, Anthropic tampak yakin bahwa bisnisnya akan terus berkembang dan membutuhkan lebih banyak sumber daya komputasi di masa depan. Perluasan kemitraan dengan Google dan Broadcom juga menunjukkan bahwa mereka yakin perselisihan tersebut pada akhirnya akan terselesaikan. Dalam postingan blognya hari ini, Anthropic mengatakan perjanjian tersebut akan memastikan pihaknya memiliki “kapasitas yang diperlukan untuk melayani pertumbuhan luar biasa yang telah kami lihat di basis pelanggan kami.”

Broadcom adalah pengembang utama unit pemrosesan tensor atau TPU Google, yang merupakan teknologi prosesor alternatif untuk unit pemrosesan grafis Nvidia Corp. yang lebih efisien dalam beban kerja inferensi. Broadcom memiliki kesepakatan multi-tahun dengan Google untuk memproduksi TPU atas namanya yang berlaku hingga tahun 2031, menurut pengajuan peraturan yang diterbitkan pada hari Senin.

Kolaborasi mereka dengan Anthropic akan memberi startup AI akses ke daya komputasi sekitar 3,5 gigawatt, mulai tahun 2027. “Konsumsi kapasitas komputasi AI yang diperluas oleh Anthropic bergantung pada kesuksesan komersial Anthropic yang berkelanjutan,” kata Broadcom. “Sehubungan dengan penempatan ini, para pihak sedang berdiskusi dengan mitra operasional dan keuangan tertentu.”

Berita tersebut membuat saham Broadcom naik lebih dari 3,5% pada akhir perdagangan Senin setelah diumumkan. Chief Executive Hock Tan membahas kemitraan dengan Anthropic bulan lalu dalam sesi diskusi pendapatan, dan ia juga mengungkapkan bahwa ia memperkirakan penjualan chip AI akan menghasilkan pendapatan lebih dari $100 miliar pada tahun depan.

Google awalnya mengembangkan TPU untuk mendukung Google Penelusuran, namun segera menyadari bahwa TPU tersebut sangat efektif dalam menjalankan perangkat lunak AI, sehingga memungkinkannya menyediakan alternatif bagi pelanggan selain GPU Nvidia.

Gambar: Antropis

15 juta+ pemirsa video CUBEmendukung percakapan seputar AI, cloud, keamanan siber, dan banyak lagi
11.4k+ alumni CUBE — Terhubung dengan lebih dari 11.400 pemimpin teknologi dan bisnis yang membentuk masa depan melalui jaringan unik berbasis tepercaya.

Tentang Media SiliconANGLE

[ad_2]

Anthropic memanfaatkan Google dan Broadcom untuk mendapatkan lebih banyak chip AI karena tingkat pendapatan mencapai $30 miliar

Q-Factor hadir dengan pendanaan sebesar $24 juta dan taruhan besar berikutnya untuk mencapai keunggulan komputasi kuantum

[ad_1]

Startup komputasi kuantum yang berbasis di Tel Aviv, Q-Factor, mengumumkan dirinya kepada dunia hari ini setelah menyelesaikan putaran pendanaan awal senilai $24 juta.

Misi perusahaan adalah mengembangkan komputer kuantum berbasis atom netral yang dapat mencapai skala satu juta qubit atau lebih. Putaran kelebihan permintaan hari ini dipimpin oleh NFX dan TPY Capital, dan diikuti oleh Intel Capital, Korea Investment Partners, Deep33, dan keluarga Matias. Dana juga disediakan oleh Otoritas Inovasi Israel melalui hibah, serta Institut Teknologi Technion Israel dan Institut Sains Weizmann.

Q-Factor menangani masalah penskalaan “qubit”, yang merupakan unit dasar komputasi dalam mesin kuantum. Komputer kuantum diperkirakan telah ada selama bertahun-tahun dan menjanjikan revolusi di bidang-bidang seperti penemuan obat, prakiraan cuaca, dan pemodelan keuangan, namun kemajuan industri ini masih sangat lambat. Saat ini, komputer kuantum paling kuat yang beroperasi saat ini hanya memiliki beberapa ratus atau ribuan qubit, namun mereka perlu ditingkatkan hingga jutaan agar benar-benar berguna.

Untuk melewati “dinding” penskalaan ini, Q-Factor bertaruh pada pendekatan yang disebut atom netral, di mana setiap atom terperangkap dan dimanipulasi oleh sinar laser, yang sering disebut sebagai “penjepit optik”. Ini sangat berbeda dengan metode yang digunakan oleh pionir kuantum seperti IBM Corp. dan Google LLC, yang mengandalkan qubit superkonduktor yang harus dijaga pada suhu mendekati nol mutlak dan memerlukan infrastruktur kriogenik yang sangat mahal. Ini juga berbeda dari teknik “ion terperangkap” yang digunakan oleh IonQ Inc., yang berjuang mengatasi kemacetan kabel yang sangat rumit.

Sebaliknya, atom netral secara alami bersifat inert, yang berarti atom tersebut sangat stabil dan dapat mempertahankan “keadaannya” untuk jangka waktu yang lama. Q-Factor bukan satu-satunya perusahaan yang meneliti atom netral, namun sistem ini pun kesulitan untuk melampaui beberapa ratus qubit.

Sistem atom netral yang ada dibatasi oleh hambatan arsitektural yang membuatnya hampir tidak mungkin mengelola volume atom dan laser yang diperlukan untuk komputasi skala besar. Namun para pendiri Q-Factor yakin mereka telah menemukan cara untuk mengatasi masalah ini. Dengan memanfaatkan penelitian puluhan tahun terhadap fisika Rydberg dan atom ultradingin, mereka telah merancang sebuah sistem yang mereka klaim dapat diukur dengan mudah.

Mengatasi hambatan kuantum

Salah satu pendiri dan Kepala Eksekutif Guy Raz (gambar, kedua dari kanan) mengatakan penskalaan sistem berbasis atom netral merupakan tantangan karena kesulitan dalam mempertahankan kontrol yang tepat terhadap masing-masing qubit seiring dengan bertambahnya ukuran prosesor. Pada skala yang lebih besar, optik, kalibrasi, pembacaan, dan sumber daya yang diperlukan untuk menjaga semuanya tetap stabil menjadi sangat menuntut, dan arsitektur untuk melakukan semua ini tidak ada, jelasnya.

Raz mengatakan dia belum dapat mengungkapkan rincian pendekatan yang dilakukan perusahaan tersebut, namun mengatakan bahwa pihaknya fokus pada penskalaan atom netral pada tingkat arsitektur. “Daripada secara bertahap memperluas desain skala kecil saat ini dan mengandalkan interkoneksi kuantum, kami membangun arsitektur atom netral yang ditujukan untuk sistem yang jauh lebih besar sejak hari pertama,” katanya. “Kami yakin inilah yang diperlukan untuk beralih dari demonstrasi laboratorium ke mesin kuantum yang benar-benar berskala besar dan berguna.”

Salah satu tantangan utama dalam menjaga stabilitas kuantum adalah kebisingan dan “crosstalk,” atau risiko masing-masing qubit saling mengganggu, dan Q-Factor telah memberikan perhatian khusus terhadap masalah ini sejak awal, tambah Raz. “Koreksi kesalahan kuantum yang efisien merupakan bagian integral dari desain itu,” katanya. “Kami belum dapat membagikan implementasinya secara detail, namun intinya adalah kami menangani penskalaan pada tingkat arsitektural sehingga sistem dapat berkembang tanpa kehilangan kendali, ketepatan, atau kepraktisan.”

Mengejar keunggulan kuantum

Langkah Q-Factor selanjutnya adalah mengembangkan penelitian laboratoriumnya dan membuat prototipe fungsional berskala besar dari arsitektur komputasi kuantum barunya. Dukungan dari Intel Capital bisa menjadi signifikan, karena perusahaan tersebut memiliki keahlian dalam manufaktur dan penskalaan perangkat keras eksperimental.

Pertanyaannya adalah apakah Q-Factor pada akhirnya akan memberikan apa yang disebut “keunggulan kuantum”, yaitu titik di mana mesin kuantum mencapai skala yang memungkinkannya melampaui kemampuan komputer klasik. Perusahaan-perusahaan seperti IBM, Google, IonQ dan banyak lainnya telah berjuang selama bertahun-tahun untuk mencapai tujuan ini, namun sejauh ini tidak berhasil.

Q-Factor kemungkinan akan kesulitan untuk melangkah lebih jauh, namun ada beberapa hal yang menguntungkannya. Salah satu alasannya adalah atom netral dikenal sebagai salah satu pendekatan yang paling menjanjikan untuk mencapai jumlah qubit yang lebih tinggi, karena atom netral tidak sekompleks sistem lain.

Selain itu, para pendirinya dianggap sebagai salah satu pakar fisika atom terkemuka di dunia. Misalnya, Raz adalah seorang ahli fisika dengan pengalaman 20 tahun dalam mengembangkan startup teknologi yang mendalam. Kepala Ilmuwan Ofer Firstenberg (kanan) adalah profesor di Institut Weizmann dan pakar optik kuantum dan atom Rydberg, sementara Nir Davidson (kiri) dianggap sebagai salah satu pakar atom ultradingin terkemuka di dunia, yang telah menerbitkan lebih dari 280 makalah tinjauan sejawat tentang topik tersebut. Terakhir, Yoav Sagi (kedua dari kiri), profesor di Technion, ahli dalam manipulasi atom netral.

Lisa Cohen dari Intel Capital mengatakan tim pendiri Q-Factor memiliki “pemahaman yang jelas” tentang apa yang diperlukan untuk membangun komputer kuantum yang layak secara komersial berdasarkan atom netral. “Mereka telah menyaksikan bidang ini berkembang, belajar dari tantangan yang dihadapi pihak lain, dan mengumpulkan keahlian yang tepat untuk mengatasi masalah tersulit yang tersisa dalam komputasi kuantum: skala,” katanya.

Foto: Faktor Q

15 juta+ pemirsa video CUBEmendukung percakapan seputar AI, cloud, keamanan siber, dan banyak lagi
11.4k+ alumni CUBE — Terhubung dengan lebih dari 11.400 pemimpin teknologi dan bisnis yang membentuk masa depan melalui jaringan unik berbasis tepercaya.

Tentang Media SiliconANGLE

[ad_2]

Q-Factor hadir dengan pendanaan sebesar $24 juta dan taruhan besar berikutnya untuk mencapai keunggulan komputasi kuantum

Cognichip mengumpulkan $60 juta untuk menciptakan kembali desain chip dengan model AI yang terinspirasi fisika

[ad_1]

Cognichip mengatakan hari ini pihaknya telah mengumpulkan dana sebesar $60 juta untuk mencoba mempercepat momentum munculnya konsep desain chip berbasis fisika yang didukung oleh model kecerdasan buatan yang canggih.

Putaran ini dipimpin oleh Seligman Ventures dan dihadiri oleh Mayfield, Lux Capital, FPV dan Candou Ventures, ditambah Chief Executive Intel Lip-Bu Tan, yang akan bergabung dengan dewan direksinya.

Cognichip berpendapat bahwa industri semikonduktor mendekati batas struktural karena desain chip canggih menjadi lebih mahal dan memakan waktu dibandingkan sebelumnya, memerlukan upaya bertahun-tahun dan ratusan juta dolar. Akibatnya, kemajuan AI sendiri melambat, karena chip tersebut gagal mengimbangi kemampuan model yang lebih canggih.

Startup ini belum membuat alat otomatisasi desain elektronik lainnya. Sebaliknya, mereka bertujuan untuk memikirkan kembali keseluruhan cara chip dirancang dengan platform desain Artificial Chip Intelligence-nya.

ACI adalah model dasar berbasis fisika yang dibuat khusus untuk desain chip. Tidak seperti model tujuan umum, model ini mengintegrasikan elemen seperti batasan fisik, perilaku sirkuit, dan kesulitan manufaktur ke dalam proses desain semikonduktor. Hal ini memungkinkannya untuk mempertimbangkan setiap langkah, mulai dari desain arsitektur hingga verifikasi dan bahkan produksi.

Cognichip berpendapat bahwa proses desain chip tradisional terlalu berurutan, dengan para insinyur bergerak selangkah demi selangkah melalui setiap alur kerja. Alih-alih melakukan hal ini, pendekatan startup ini menganut paralelisme, yang berarti bahwa berbagai keputusan desain dapat dieksplorasi secara bersamaan.

Hal ini penting karena chip paling canggih saat ini mencakup domain sinyal digital, analog, dan campuran, dan masing-masing bagian memiliki saling ketergantungan satu sama lain, sehingga membuat pengoptimalan menjadi sangat sulit. Namun dengan memasukkan fisika secara langsung ke dalam model dasarnya, Cognichip dapat menghitung semua pengorbanan ini dengan cara yang tidak dapat dilakukan oleh alat EDA berbasis data.

Startup tersebut mengatakan bahwa ini berarti ACI bertindak lebih seperti kolaborator teknik daripada alat desain, yang memecahkan masalah melalui penalaran tingkat lanjut. Hasilnya, kata Cognichip, ia mampu mengurangi upaya yang dilakukan dalam desain chip hingga 50%.

Cognichip mengatakan pihaknya bekerja sama dengan lebih dari 30 perusahaan desain semikonduktor, termasuk beberapa pemain terbesar di industri ini, dan mengatakan platformnya kini sedang diuji dalam alur kerja produksi dunia nyata. Pengguna awal melaporkan adanya pengurangan siklus dan biaya desain chip, serta peningkatan kinerja.

Platform ini juga memungkinkan para pembuat chip untuk mempertahankan standar manufaktur mereka yang sudah ada, yang mana hal ini sangat penting untuk penerapannya secara lebih luas. Namun, Cognichip menolak menyebutkan nama pelanggannya, dan tidak menyebutkan chip spesifik apa pun yang telah dibantu oleh platformnya untuk dirancang.

“Industri semikonduktor berada pada titik kritis; kerangka kerja AI untuk inovasi dan efisiensi akan membuka peluang global yang sangat besar,” kata Tan. “Sukses di bidang ini membutuhkan perpaduan langka antara keahlian domain mendalam yang dikombinasikan dengan penelitian AI tingkat lanjut dan pendekatan desain terintegrasi menyeluruh. Teknologi model dasar Cognichip yang inovatif dan berdasarkan informasi fisika serta tim kepemimpinan yang telah terbukti menempatkannya sebagai perusahaan generasi.”

Kebangkitan Cognichip terjadi pada saat yang menarik, di mana tampaknya terdapat peningkatan ketergantungan antara AI dan perangkat keras yang mendukungnya. Banyak model AI yang mencapai batas performa dan memerlukan prosesor yang lebih bertenaga, namun chip tersebut membutuhkan waktu bertahun-tahun untuk dirancang, sehingga membatasi kemajuan dalam industri. Jika berhasil mempersingkat jadwal desain menjadi hitungan bulan, bukan tahun, Cognichip tidak hanya akan mempercepat inovasi chip, namun berpotensi meningkatkan momentum seluruh ekosistem AI.

“Gelombang kemajuan berikutnya untuk mengurangi siklus desain chip secara signifikan tidak akan datang dari optimalisasi bertahap alat desain yang ada, namun dari penggunaan AI untuk memparalelkan apa yang secara historis merupakan proses desain chip yang sangat serial,” kata Managing Partner Seligman, Umesh Padval.. “Cognichip membangun fondasi untuk perubahan tersebut melalui model berbasis fisika, kumpulan data yang dikurasi, dan integrasi siap produksi dengan tumpukan desain semikonduktor.”

Gambar: Cognichip

15 juta+ pemirsa video CUBEmendukung percakapan seputar AI, cloud, keamanan siber, dan banyak lagi
11.4k+ alumni CUBE — Terhubung dengan lebih dari 11.400 pemimpin teknologi dan bisnis yang membentuk masa depan melalui jaringan unik berbasis tepercaya.

Tentang Media SiliconANGLE

[ad_2]

Cognichip mengumpulkan $60 juta untuk menciptakan kembali desain chip dengan model AI yang terinspirasi fisika

Niobium menghadirkan beban kerja AI terenkripsi sepenuhnya ke cloud dengan The Fog

[ad_1]

Sebuah startup bernama Niobium Microsystems Inc. menghadirkan “The Fog” ke cloud, memungkinkan organisasi menjalankan kecerdasan buatan dan beban kerja pemrosesan data pada data paling sensitif mereka tanpa perlu mendekripsi data tersebut.

Meskipun platform baru ini mungkin terdengar seperti film horor era 1980-an, Niobium mengatakan The Fog sebenarnya adalah sesuatu yang ingin diterima oleh para pengembang. Direncanakan untuk diluncurkan akhir tahun ini, ini adalah platform pertama dari jenisnya yang memanfaatkan enkripsi homomorfik penuh atau FHE. Tidak seperti metode enkripsi tradisional yang hanya dapat melindungi data saat transit atau saat disimpan, FHE memungkinkan untuk mengenkripsi data saat sedang diproses di dalam server atau mesin virtual, memastikan bahwa informasi paling sensitif sekalipun tetap bersifat pribadi setiap saat.

Niobium mengatakan The Fog memberikan keuntungan “zero trust”, karena kunci dekripsi akan selalu tetap berada pada pemilik data, memastikan bahwa tidak ada pihak ketiga, bahkan dirinya sendiri, yang dapat melihat informasi yang sedang diproses.

Startup ini bertujuan untuk memecahkan tantangan besar bagi organisasi, yang memiliki data sensitif dalam jumlah besar yang tidak dapat dengan mudah dimanfaatkan untuk mendapatkan wawasan. Untuk menganalisis data sensitif, perusahaan biasanya harus mendekripsinya terlebih dahulu, namun hal ini berarti memaparkannya pada potensi pelanggaran keamanan dan ancaman orang dalam, serta melanggar peraturan kepatuhan. Hal ini merupakan tantangan khusus dalam industri dengan regulasi ketat seperti layanan kesehatan dan keuangan, sehingga membuat mereka ragu untuk memindahkan beban kerja paling sensitif mereka ke lingkungan cloud.

Chief Executive Kevin Yoder mengatakan banyak perusahaan menerima risiko paparan data sebagai biaya menjalankan bisnis di cloud. “Kabut menghilangkan pengorbanan itu,” janjinya. “Tujuan kami adalah menjadikan komputasi terenkripsi menjadi praktis, terukur, dan dapat diakses oleh tim yang paling membutuhkannya.”

Demokratisasi FHE

Meskipun FHE bukanlah inovasi baru, teknik ini secara tradisional melibatkan overhead komputasi yang sangat besar sehingga membuatnya terlalu lambat dan sangat mahal untuk digunakan dalam skala besar. Proposisi nilai inti Niobium adalah mengatasi hambatan ini. Mereka telah mengembangkan prosesor baru yang disebut “mistic Core,” yang didasarkan pada arsitektur gate array yang dapat diprogram di lapangan. Kini tersedia dalam versi beta pribadi, chip ini memungkinkan tugas FHA berjalan dua kali lebih cepat dibandingkan unit pemrosesan grafis atau akselerator khusus mana pun.

“Enkripsi data langsung secara tradisional selalu sangat mahal dan rumit, sehingga memperlambat aplikasi,” kata Holger Mueller dari Constellation Research. “Untuk waktu yang lama, FHE menjadi titik lemah dalam enkripsi data karena hal ini, sehingga sangat baik untuk melihat inovasi dengan penawaran yang diberi nama The Fog. Pertanyaan berikutnya adalah seberapa cepat perusahaan akan mengadopsi teknik ini.”

Untuk membantu perusahaan memulai FHE, Niobium telah membuat sejumlah aplikasi template. Ini termasuk aplikasi Pencarian Semantik Terenkripsi yang memungkinkan untuk menanyakan data sensitif berdasarkan makna, bukan pencocokan tepat. Hal ini memastikan kueri dan data pokok tetap terenkripsi sepenuhnya, menjadikannya ideal untuk beban kerja generasi augmented pengambilan yang aman.

Ada juga aplikasi Pembelajaran Federasi yang memungkinkan untuk melatih model AI pada kumpulan data terdistribusi tanpa harus mengeksposnya. Terakhir, perusahaan telah mengembangkan aplikasi Klasifikasi Pembelajaran Mesin yang dapat menganalisis informasi terenkripsi untuk mengidentifikasi pola, tren, dan ancaman keamanan.

Peluncuran The Fog mengungkap aspirasi Niobium untuk mengubah FHE dari keingintahuan matematis menjadi model standar industri yang akan membuka jalan bagi organisasi untuk berbuat lebih banyak dengan data paling sensitif mereka. Untuk itu, perusahaan telah meluncurkan kompiler khusus dan kit pengembangan perangkat lunak untuk membantu pengembang yang tidak memiliki pengetahuan tentang enkripsi dalam membangun aplikasi yang dapat berjalan di platform.

Kemampuan Fog sangat menarik bagi pengembang AI. Sistem AI hanya akan sebagus data yang mendukungnya, namun sejumlah besar kumpulan data terkaya masih terlarang untuk model AI karena masalah keamanan. Niobium membuka kemungkinan bagi perusahaan untuk melatih model AI bersama pada kumpulan data yang sangat sensitif dan berjumlah besar, karena dapat memastikan bahwa tidak ada pihak yang melihat kumpulan data sebenarnya. Hal ini juga dapat memecahkan pertanyaan tentang privasi cepat, di mana pekerja terkadang mengunggah data sensitif bersamaan dengan perintah mereka sehingga model bahasa besar dapat menganalisisnya dan menghasilkan respons.

Kedepannya, kata Niobium, hal ini akan membuat FHE semakin bertenaga. Hari ini terungkap bahwa pihaknya bekerja sama dengan pengembang silikon khusus Semifive US Inc. dan Samsung Foundry untuk membuat sirkuit terintegrasi khusus aplikasi baru yang disesuaikan untuk FHE. Startup tersebut mengatakan hal ini akan meningkatkan kinerja FHE secara dramatis, karena sirkuit ASIC dapat dioptimalkan untuk menjalankan aplikasi individual.

Gambar: Niobium

15 juta+ pemirsa video CUBEmendukung percakapan seputar AI, cloud, keamanan siber, dan banyak lagi
11.4k+ alumni CUBE — Terhubung dengan lebih dari 11.400 pemimpin teknologi dan bisnis yang membentuk masa depan melalui jaringan unik berbasis tepercaya.

Tentang Media SiliconANGLE

[ad_2]

Niobium menghadirkan beban kerja AI terenkripsi sepenuhnya ke cloud dengan The Fog

Model Gemma 4 baru dari Google menghadirkan keterampilan penalaran yang kompleks ke perangkat berdaya rendah

[ad_1]

Google LLC meningkatkan taruhannya pada model kecerdasan buatan berbobot terbuka dengan merilis Gemma 4, rangkaian model “terbuka” tercanggihnya sejauh ini.

Dibangun di atas fondasi arsitektur yang sama dengan Gemini 3, model ini dirancang untuk menangani tugas-tugas penalaran yang kompleks dan mendukung agen AI otonom yang berjalan secara lokal pada perangkat berdaya rendah seperti workstation dan ponsel pintar.

Dengan Gemma 4, peneliti Google DeepMind Clement Farabet dan Olivier Lacombe mengatakan, mereka telah berhasil menghasilkan lebih banyak “kecerdasan per parameter”, sehingga memungkinkan mereka mencapai bobot yang jauh melebihi kelas beratnya. Misalnya, varian 31B Dense saat ini menempati peringkat ketiga dalam model terbuka di papan peringkat Arena AI Text standar industri.

Model Gemma 4 hadir dalam empat varian: Effective 2B, Effective 4B, model Mixture of Experts 26B, dan model Dense 31B. Model “Efektif” yang lebih kecil dirancang untuk kasus penggunaan edge pada perangkat keras ringan seperti ponsel pintar Android atau komputer Raspberry Pi, kata para peneliti. Sementara itu, model MoE 26B memiliki trik cerdas yaitu hanya mengaktifkan 3,8 miliar parameter pada tugas inferensi, sehingga memungkinkannya bekerja dengan kecepatan tinggi tanpa mengorbankan basis pengetahuan mendalam dari model yang lebih besar.

Farabet dan Lacombe menjelaskan bahwa masing-masing model Gemma 4 lebih cocok untuk menjalankan agen AI. Jika iterasi Gemma sebelumnya memaksa pengembang untuk mengubah desain mereka sehingga mereka dapat berinteraksi dengan perangkat lunak lain, model Gemma 4 memiliki dukungan asli untuk pemanggilan fungsi dan keluaran Notasi Objek JavaScript terstruktur. Ini berarti pengembang dapat menggunakannya untuk memberdayakan agen otonom yang berinteraksi dengan alat pihak ketiga dan menjalankan rencana multi-langkah.

Keempat model tersebut memiliki kemampuan untuk memproses gambar dan video, dengan varian E2B dan E4B yang lebih kecil dilengkapi dengan dukungan input audio asli, sehingga memungkinkan pemahaman ucapan secara real-time langsung di perangkat. Google juga telah meningkatkan jendela konteks model, hingga 128K untuk model terkecil dan 256K untuk dua model besar. Ini berarti pengembang akan dapat mengunggah seluruh basis kode atau kumpulan dokumen dalam jumlah besar hanya dengan satu perintah.

Masing-masing model tersedia di bawah lisensi Apache 2.0 yang permisif, yang menghilangkan banyak batasan komersial yang diterapkan pada model AI lainnya, menjadikannya pilihan tepat bagi pengembang yang membangun aplikasi perusahaan, kata Google. Mereka dapat diakses langsung melalui Google Cloud, dan juga tersedia bersama dengan bobot terbukanya di Hugging Face, Kaggle, dan Ollama.

Rilis ini menggarisbawahi ambisi Google untuk mendominasi industri “AI lokal”. Karena model Gemma 4 yang lebih besar pun cukup kecil untuk dijalankan pada satu unit pemrosesan grafis, sehingga cocok untuk kasus penggunaan edge dan aplikasi yang mengutamakan latensi rendah dan kedaulatan digital, kata Holger Mueller, analis di Constellation Research.

“Google membangun keunggulannya dalam AI, tidak hanya dengan mendorong Gemini, tetapi juga membuka model dengan keluarga Gemma 4,” ujarnya. “Hal ini penting untuk membangun ekosistem pengembang AI, dan akan membantu perusahaan untuk memanfaatkan kasus penggunaan fungsional dan vertikal pada berbagai faktor bentuk perangkat. Google menetapkan standar yang tinggi pada rilis Gemma 3 sebelumnya, sehingga ada banyak harapan dengan rilis ini.”

Gambar: Google

15 juta+ pemirsa video CUBEmendukung percakapan seputar AI, cloud, keamanan siber, dan banyak lagi
11.4k+ alumni CUBE — Terhubung dengan lebih dari 11.400 pemimpin teknologi dan bisnis yang membentuk masa depan melalui jaringan unik berbasis tepercaya.

Tentang Media SiliconANGLE

[ad_2]

Model Gemma 4 baru dari Google menghadirkan keterampilan penalaran yang kompleks ke perangkat berdaya rendah