Η Google ανακοίνωσε στις 11 Ιουλίου 2025 μια στρατηγική συμφωνία ύψους 2,4 δισεκατομμυρίων δολαρίων για την απόκτηση μη αποκλειστικής άδειας χρήσης της τεχνολογίας της Windsurf, μιας ανερχόμενης startup στον χώρο της τεχνητής νοημοσύνης για προγραμματιστές. Παράλληλα, η εταιρεία προσέλαβε τον CEO της Windsurf, Varun Mohan, τον συνιδρυτή Douglas Chen και βασικά μέλη της ερευνητικής ομάδας, οι οποίοι εντάσσονται στη DeepMind, το κορυφαίο ερευνητικό τμήμα AI της Google.

Τι περιλαμβάνει η συμφωνία

Η συμφωνία δεν αφορά εξαγορά της Windsurf, αλλά την απόκτηση άδειας χρήσης συγκεκριμένων τεχνολογιών της. Η Windsurf διατηρεί την ανεξαρτησία της και μπορεί να συνεχίσει να εμπορεύεται τα προϊόντα της και σε άλλες εταιρείες. Η Google, από την πλευρά της, αποκτά πρόσβαση σε καινοτόμες λύσεις «agentic coding», δηλαδή εργαλεία τεχνητής νοημοσύνης που βοηθούν στην αυτόματη συγγραφή και βελτιστοποίηση κώδικα για μεγάλες ομάδες προγραμματιστών.

Το παρασκήνιο της συμφωνίας και ο ρόλος της OpenAI

Η συμφωνία της Google ήρθε ως αποτέλεσμα της αποτυχίας εξαγοράς της Windsurf από την OpenAI, η οποία είχε καταθέσει πρόταση ύψους 3 δισ. δολαρίων. Οι διαπραγματεύσεις με την OpenAI ναυάγησαν λόγω ανησυχιών της Windsurf για τη διαμοίραση τεχνολογίας με τη Microsoft, βασικό επενδυτή της OpenAI και ανταγωνιστή στον χώρο των εργαλείων προγραμματισμού μέσω AI.

Σημασία για το οικοσύστημα της τεχνητής νοημοσύνης

Η προσθήκη της Windsurf και των ταλαντούχων μηχανικών της στη DeepMind ενισχύει σημαντικά το ανθρώπινο δυναμικό και τις τεχνολογικές δυνατότητες της Google στον τομέα του AI. Η Windsurf έχει διακριθεί για την ανάπτυξη εργαλείων που απευθύνονται σε επαγγελματίες προγραμματιστές και μεγάλες ομάδες ανάπτυξης λογισμικού, προσφέροντας λύσεις που βελτιώνουν την παραγωγικότητα και την ποιότητα του κώδικα σε περιβάλλοντα μεγάλης κλίμακας.

Προοπτικές και επιπτώσεις

Η κίνηση αυτή αναμένεται να επιταχύνει την εξέλιξη των εργαλείων τεχνητής νοημοσύνης που προσφέρει η Google, ιδιαίτερα σε τομείς όπως το «agentic coding» και η αυτόματη συγγραφή κώδικα. Παράλληλα, αναδεικνύει τον εντεινόμενο ανταγωνισμό μεταξύ των τεχνολογικών κολοσσών για την προσέλκυση κορυφαίων ταλέντων και την εξασφάλιση πρόσβασης σε καινοτόμες τεχνολογίες AI.

Η συμφωνία μεταξύ Google και Windsurf αποτελεί χαρακτηριστικό παράδειγμα της νέας εποχής στην τεχνητή νοημοσύνη, όπου η πρόσβαση σε εξειδικευμένη τεχνογνωσία και ταλαντούχους μηχανικούς αποκτά στρατηγική σημασία για την ηγεσία στον κλάδο. Οι εξελίξεις αυτές αναμένεται να διαμορφώσουν το μέλλον του λογισμικού και της αυτοματοποίησης, με σημαντικές επιπτώσεις για επαγγελματίες και επιχειρήσεις παγκοσμίως

Η ραγδαία ανάπτυξη της τεχνητής νοημοσύνης έχει φέρει στο προσκήνιο μια ανησυχητική πραγματικότητα: η ενεργειακή της κατανάλωση αυξάνεται με ταχύτητα που μπορεί να ξεπεράσει ακόμη και τη διαβόητη κατανάλωση του Bitcoin mining, δημιουργώντας σοβαρά ερωτηματικά για τη βιωσιμότητα του πλανήτη.

Σύμφωνα με νέα έρευνα του Alex de Vries-Gao, υποψήφιου διδάκτορα στο Ινστιτούτο Περιβαλλοντικών Σπουδών του Vrije Universiteit Amsterdam, η τεχνητή νοημοσύνη μπορεί να καταλάβει σχεδόν το μισό της παγκόσμιας κατανάλωσης ηλεκτρικής ενέργειας των κέντρων δεδομένων μέχρι το τέλος του 2025 - αύξηση από το εκτιμώμενο 20% που καταγράφεται σήμερα.

Το Πρόβλημα της Διαφάνειας

Η ανάλυση του de Vries-Gao αναδεικνύει ένα κρίσιμο πρόβλημα: οι μεγάλες τεχνολογικές εταιρείες σπάνια αποκαλύπτουν τις ακριβείς ενεργειακές απαιτήσεις της τεχνητής νοημοσύνης, καθιστώντας δύσκολη την ακριβή αξιολόγηση της κατάστασης.

Συγκρίνοντας την τάση με την εξόρυξη κρυπτονομισμάτων, ο ερευνητής προειδοποιεί ότι η νοοτροπία "όσο μεγαλύτερο τόσο καλύτερο" της τεχνολογικής βιομηχανίας οδηγεί σε μη βιώσιμη χρήση ενέργειας. Οι προβλέψεις του υποδεικνύουν ότι το hardware της τεχνητής νοημοσύνης θα μπορούσε σύντομα να καταναλώνει τόση ηλεκτρική ενέργεια όση ολόκληρα έθνη, ενδεχομένως να ανταγωνίζεται τη συνολική ζήτηση ενέργειας του Ηνωμένου Βασιλείου μέχρι το 2025.

Η Έκρηξη των Κέντρων Δεδομένων

Η άνοδος της υιοθέτησης της τεχνητής νοημοσύνης έχει πυροδοτήσει ένα κύμα νέων κατασκευών κέντρων δεδομένων, ιδιαίτερα στις ΗΠΑ, όπου η ζήτηση ηλεκτρικής ενέργειας αναμένεται να αυξηθεί κατά 25% μέχρι το 2030 λόγω της τεχνητής νοημοσύνης, των παραδοσιακών κέντρων δεδομένων και της εξόρυξης Bitcoin.

Ωστόσο, ο περιβαλλοντικός αντίκτυπος ποικίλλει σημαντικά. Για παράδειγμα, ένα ερώτημα τεχνητής νοημοσύνης που επεξεργάζεται στη Δυτική Βιρτζίνια - όπου ο άνθρακας κυριαρχεί στο ηλεκτρικό δίκτυο - παράγει σχεδόν διπλάσιες εκπομπές από ένα στην Καλιφόρνια, η οποία βασίζεται περισσότερο σε ανανεώσιμες πηγές ενέργειας.

Η Μέθοδος Τριγωνισμού

Ενώ εταιρείες όπως η Google και η Microsoft αναφέρουν τις συνολικές τους εκπομπές, λίγες αναλύουν τη συγκεκριμένη συνεισφορά της τεχνητής νοημοσύνης. Η μέθοδος τριγωνισμού του de Vries-Gao - που χρησιμοποιεί δεδομένα παραγωγής τσιπ, εταιρικές αναφορές και εκτιμήσεις αναλυτών - αποκαλύπτει το εκπληκτικό ενεργειακό αποτύπωμα της τεχνητής νοημοσύνης.

Παρά τις βελτιώσεις στην αποδοτικότητα, οι ειδικοί φοβούνται ένα φαινόμενο παρόμοιο με την παράδοξο του Jevons: καθώς η τεχνητή νοημοσύνη γίνεται πιο ισχυρή, η χρήση ενέργειάς της μπορεί να εκτοξευθεί ανεξάρτητα από τις βελτιώσεις αποδοτικότητας.

Τα Αριθμητικά Δεδομένα

Τα κέντρα δεδομένων αντιπροσωπεύουν πλέον πάνω από το 1,1% της παγκόσμιας χρήσης ηλεκτρικής ενέργειας, με την επανάσταση της τεχνητής νοημοσύνης να ωθεί αυτόν τον αριθμό ακόμη ψηλότερα. Οι εκπομπές της Google έχουν αυξηθεί κατά 48% σε πέντε χρόνια, με τη Microsoft να αντιμετωπίζει παρόμοια προβλήματα στην επίτευξη των στόχων βιωσιμότητας καθώς πολλαπλασιάζονται τα φορτία εργασίας της τεχνητής νοημοσύνης.

Υπάρχουν όμως και θετικές εξελίξεις. Η ένταση άνθρακα των λειτουργιών των κέντρων δεδομένων μειώνεται καθώς οι τεχνολογικοί γίγαντες στρέφονται προς τις ανανεώσιμες πηγές - οι hyperscalers αντλούν πλέον το 91% της ενέργειάς τους από καθαρές πηγές. Τα κέρδη αποδοτικότητας είναι επίσης πραγματικά, με τους μέσους δείκτες αποδοτικότητας χρήσης ενέργειας να βελτιώνονται από 1,44 το 2019 σε 1,38 σήμερα.

Οι Προβλέψεις για το Μέλλον

Ο Διεθνής Οργανισμός Ενέργειας προβλέπει ότι η παγκόσμια ζήτηση ηλεκτρικής ενέργειας των κέντρων δεδομένων θα μπορούσε να διπλασιαστεί μέχρι το 2026, φθάνοντας σε επίπεδα συγκρίσιμα με την ετήσια κατανάλωση της Ιαπωνίας.

Οι προκλήσεις πολλαπλασιάζονται όταν λαμβάνεται υπόψη το ευρύτερο αποτύπωμα της τεχνητής νοημοσύνης. Η αυξανόμενη ζήτηση για εξειδικευμένο hardware οδηγεί στην εξόρυξη σπάνιων μετάλλων όπως το λίθιο και το κοβάλτιο. Η χρήση νερού για ψύξη έχει αυξηθεί σχεδόν κατά 10% καθώς αυξάνονται οι πυκνότητες των διακομιστών.

Το Παράδοξο της Προόδου

Το Διεθνές Νομισματικό Ταμείο εκτιμά ότι οι σωρευτικές εκπομπές της τεχνητής νοημοσύνης μέχρι το 2030 θα μπορούσαν να φθάσουν τα 1,7 γιγατόνους - ισοδύναμα με την πενταετή παραγωγή της Ιταλίας - ακόμη και καθώς ενισχύει το παγκόσμιο ΑΕΠ. Με το 40% των κέντρων δεδομένων τεχνητής νοημοσύνης να προβλέπεται ότι θα φθάσουν τα όρια ισχύος μέχρι το 2027, η πίεση στην υποδομή γίνεται αδύνατο να αγνοηθεί.

Αυτό που προκύπτει είναι ένα παράδοξο προόδου: η ίδια καινοτομία που υπόσχεται να επαναστατήσει την ενεργειακή αποδοτικότητα γίνεται η ίδια μια μεγάλη πηγή εκπομπών.

Εν Κατακλείδι

Η τεχνητή νοημοσύνη βρίσκεται σε μια κρίσιμη καμπή. Ενώ η δυναμική της να λύσει μεγάλα προβλήματα της ανθρωπότητας είναι αδιαμφισβήτητη, η ενεργειακή της πείνα απειλεί να υπονομεύσει τους κλιματικούς στόχους που τόσο απεγνωσμένα προσπαθούμε να επιτύχουμε. Η βιομηχανία χρειάζεται επειγόντως να βρει την ισορροπία μεταξύ της καινοτομίας και της βιωσιμότητας - διαφορετικά, ο τεχνολογικός μας θρίαμβος μπορεί να αποδειχθεί περιβαλλοντική καταστροφή.

Κατά την παρουσία της στην Computex 2025, η Seagate έστειλε σαφές μήνυμα: η αλματώδης αύξηση της τεχνητής νοημοσύνης επιταχύνει μια ανερχόμενη "κρίση άνθρακα" στα data centers, λόγω του υπερδιπλασιασμού της κατανάλωσης ενέργειας και του όγκου δεδομένων. Σύμφωνα με τις εκτιμήσεις της εταιρείας, ο παγκόσμιος όγκος δεδομένων θα τριπλασιαστεί μεταξύ 2023 και 2028, ξεπερνώντας το φράγμα του zettabyte, ενώ η βιομηχανία των σκληρών δίσκων παράγει μόλις 1-2 ZB χωρητικότητας ετησίως.

Η ανησυχία αυτή δεν είναι θεωρητική. Σε έρευνα της Seagate μεταξύ 1.000 επαγγελματιών IT, το 72% ήδη χρησιμοποιεί ή σχεδιάζει να χρησιμοποιήσει AI, ενώ το 90% όσων χρησιμοποιούν AI θεωρεί ότι τα ιστορικά δεδομένα ενισχύουν την ποιότητα των αποτελεσμάτων. Η τάση «δεν σβήνουμε τίποτα» δημιουργεί ένα εκρηκτικό μείγμα αυξανόμενης ενεργειακής κατανάλωσης και αποθηκευτικής ανάγκης, καθώς κάθε byte που διατηρείται απαιτεί υποδομή και ψύξη.

Η Goldman Sachs Research προβλέπει αύξηση 165% στην παγκόσμια κατανάλωση ρεύματος των data centers μέχρι το 2030, γεγονός που καθιστά την ενεργειακή αποδοτικότητα του storage κρίσιμη παράμετρο για τη βιωσιμότητα του κλάδου.

NVMe HDDs: ένας νέος ρόλος για τους "παραδοσιακούς" δίσκους

Στο περίπτερο της Seagate στην Computex παρουσιάστηκαν πρωτότυποι σκληροί δίσκοι με διεπαφή NVMe, μια τεχνολογία που παραδοσιακά συνδέεται με τα SSDs. Οι δίσκοι αυτοί επιτρέπουν αμεσότερη σύνδεση με GPUs μέσω DPUs, καθιστώντας το αποθηκευτικό μέσο πιο "κοντά" στα μοντέλα AI.

Τα πρωτότυπα καλύπτουν από απλές single-lane εκδόσεις που συνδέονται μέσω SATA έως dual-lane εκδόσεις μέσω SAS. Η Seagate δεν έχει ανακοινώσει ημερομηνία διάθεσης, δηλώνοντας ότι συλλέγει σχόλια μέσω του οργανισμού OCP για να οριστικοποιήσει τις προδιαγραφές.

Τεχνολογία HAMR σε μαζική παραγωγή

Η τεχνολογία HAMR (Heat-Assisted Magnetic Recording) με την εμπορική επωνυμία Mozaic 3+ εισέρχεται επιτέλους σε φάση μαζικής παραγωγής, μετά από 20 χρόνια ανάπτυξης και επένδυση άνω του $1 δισεκατομμυρίου. Με χρήση laser που θερμαίνει το μαγνητικό υπόστρωμα στους 800°F μέσα σε νανοδευτερόλεπτα, η HAMR υπόσχεται πολλαπλάσια πυκνότητα αποθήκευσης στον ίδιο φυσικό χώρο. Η εμπορική αποδοχή της τεχνολογίας μένει να φανεί στην πράξη.

Κυκλική οικονομία και e-waste

Σύμφωνα με τον αντιπρόεδρο Colin Presly, περίπου 200 εκατομμύρια σκληροί δίσκοι καταστρέφονται κάθε χρόνο με βιομηχανικό θρυμματισμό, λόγω ανησυχιών για την ασφάλεια δεδομένων. Αυτό δημιουργεί τεράστιο περιβαλλοντικό κόστος, καθώς λειτουργικό hardware μετατρέπεται σε άχρηστο scrap.

Η Seagate εργάζεται με οργανισμούς όπως οι NIST και ISO για πρότυπα που θα επιτρέπουν ασφαλή διαγραφή μέσω κρυπτογραφικών κλειδιών, ώστε να επιτραπεί η επαναχρησιμοποίηση των δίσκων. Μέχρι στιγμής, το πρόγραμμα ανακύκλωσης της εταιρείας έχει ανακτήσει πάνω από 1 τόνο σπάνιων μαγνητών, αλλά αυτό παραμένει σταγόνα στον ωκεανό της e-waste.

Η τεχνολογία αυτόνομης αποκατάστασης μονάδων (autonomous drive regeneration) επιτρέπει τη συνέχιση λειτουργίας ακόμα και με μερική αποτυχία εξαρτημάτων, αλλά η βιομηχανική υιοθέτηση είναι ακόμα περιορισμένη.

Το στοίχημα της ισορροπίας

Η Seagate υποστηρίζει ότι, όταν αξιολογηθεί με βάση τον πλήρη κύκλο ζωής, οι σκληροί δίσκοι έχουν το χαμηλότερο ενσωματωμένο αποτύπωμα άνθρακα από SSDs και ταινίες (tape). Ωστόσο, η βέλτιστη αρχιτεκτονική data center δεν είναι μονοδιάστατη: συνδυασμός τεχνολογιών (π.χ. SSDs για real-time AI, HDDs για αρχειοθέτηση) είναι η πιο ρεαλιστική προσέγγιση.

Οι μεγάλοι cloud πάροχοι έχουν ήδη στραφεί σε μικτές υποδομές αποθήκευσης, προσπαθώντας να εξισορροπήσουν απόδοση, κόστος και περιβαλλοντικό αποτύπωμα.

Εν Κατακλείδι

Η αποθήκευση γίνεται το πρακτικό όριο της κλιμάκωσης στην τεχνητή νοημοσύνη. Η υπολογιστική ισχύς πολλαπλασιάζεται, τα μοντέλα γίνονται πιο βαθιά και τα δεδομένα συσσωρεύονται χωρίς στρατηγική αποφόρτισης. Οι data engineers και οι αρχιτέκτονες υποδομών το έχουν ήδη εντοπίσει: δεν είναι μόνο θέμα δίσκων ή formats, είναι φυσικό όριο — ενέργεια, χώρος, ανακύκλωση, θόρυβος, ψύξη, δικτυακή διαμεταγωγή.

Προς το παρόν, αυτό καλύπτεται με περισσότερο hardware, μεγαλύτερα racks και νέες συμφωνίες με παρόχους ενέργειας. Αλλά όταν ο χώρος εξαντληθεί — φυσικός ή ενεργειακός — το ερώτημα δεν θα είναι πώς μεγαλώνουμε τα data centers. Θα είναι τι κρατάμε, γιατί, και με ποιο τεκμήριο διατήρησης. Όποιος δεν σχεδιάζει τώρα, θα βρεθεί αργότερα να επιλέγει τι να σβήσει.

Η κινεζική εταιρεία Guoxing Aerospace ανακοίνωσε την επιτυχημένη εκτόξευση δώδεκα δορυφόρων τεχνητής νοημοσύνης, οι οποίοι αποτελούν την πρώτη φάση ενός φιλόδοξου σχεδίου που προβλέπει τη δημιουργία σμήνους 2.800 δορυφόρων σε τροχιά. Κάθε δορυφόρος είναι εξοπλισμένος με υπολογιστική ισχύ 744 TOPS (Tera Operations Per Second) και συνεργάζεται με τους υπόλοιπους μέσω laser διασύνδεσης ταχύτητας 100 Gbps.

Σύμφωνα με επίσημες πληροφορίες που δημοσίευσε η εταιρεία σε κινεζικά κοινωνικά δίκτυα, το τροχιακό αυτό σύστημα εκτελεί μοντέλο τεχνητής νοημοσύνης με 8 δισεκατομμύρια παραμέτρους, σχεδιασμένο να υποστηρίζει αστρονομικές παρατηρήσεις και ειδικά όργανα όπως πολωσίμετρα ακτίνων Χ.

Edge computing από το διάστημα

Η Guoxing παρουσιάζει την πρωτοβουλία αυτή ως μια μορφή "διαστημικού edge computing", δηλαδή μεταφοράς της επεξεργασίας δεδομένων πιο κοντά στο σημείο παραγωγής τους – στη συγκεκριμένη περίπτωση, αστρονομικά όργανα ή επίγεια drones – με στόχο τη μείωση καθυστερήσεων και την εξοικονόμηση bandwidth.

Η εταιρεία υποστηρίζει πως, πέρα από την επιστημονική έρευνα, οι δορυφόροι μπορούν να συνεισφέρουν σε εφαρμογές εκτάκτου ανάγκης, όπως φυσικές καταστροφές, καθώς και στη χαρτογράφηση και υποβοήθηση drones σε δυσπρόσιτες περιοχές.

Ένα νέο υπόδειγμα υπολογιστικής υποδομής;

Το πρόγραμμα της Guoxing εντάσσεται σε μια ευρύτερη τάση μετατόπισης της υπολογιστικής ισχύος εκτός γήινων data centers, με στόχο την κάλυψη κρίσιμων εφαρμογών σε πραγματικό χρόνο και παγκόσμια κλίμακα. Αν υλοποιηθεί πλήρως, ο αστερισμός των 2.800 δορυφόρων θα αποτελέσει το πρώτο τροχιακό δίκτυο AI επεξεργασίας, ανεξάρτητο από επίγεια υποδομή cloud.

Η πρωτοβουλία αυτή συνδυάζει προηγμένες τεχνολογίες τηλεπικοινωνιών, επεξεργασίας AI και διαστημικών συστημάτων, ενώ φέρνει στο προσκήνιο ερωτήματα σχετικά με την κυριαρχία στον διαστημικό κυβερνοχώρο, την ασφάλεια των δεδομένων και την πολιτική χρήση τέτοιων υποδομών στο μέλλον.

Η Guoxing Aerospace δεν έχει αποκαλύψει επί του παρόντος λεπτομέρειες για το πλήρες χρονοδιάγραμμα ανάπτυξης, ούτε για το αν θα υπάρξει διεθνής πρόσβαση ή εμπορική εκμετάλλευση της τροχιακής υποδομής.

Η κινεζική Huawei ανακοίνωσε σήμερα την επερχόμενη κυκλοφορία ενός νέου επιταχυντή τεχνητής νοημοσύνης υψηλής απόδοσης, ο οποίος έχει σχεδιαστεί για να ανταγωνιστεί άμεσα τον κορυφαίο H100 της NVIDIA. Η αποκάλυψη έρχεται λίγες μόλις ημέρες μετά τις αναφορές ότι εταιρείες όπως η Cambricon και η Sicarrier κερδίζουν έδαφος στην εσωτερική αγορά της Κίνας, ως απάντηση στον αποκλεισμό του NVIDIA H20 λόγω αμερικανικών κυρώσεων.

Σύμφωνα με πληροφορίες που δημοσιεύθηκαν στο TechCrunch, το νέο AI chip της Huawei αποτελεί μέρος μιας ευρύτερης στρατηγικής για την εδραίωση εγχώριας υποδομής σε τομείς όπως το large-scale training και το cloud-based inference, όπου μέχρι πρότινος η NVIDIA κυριαρχούσε σχεδόν απόλυτα. Αν και η εταιρεία δεν έδωσε ακόμη πλήρη τεχνικά χαρακτηριστικά, πηγές από την Κίνα αναφέρουν ότι το chip αναμένεται να ενσωματωθεί σε εξειδικευμένα συστήματα AI clusters, με αρχιτεκτονική και αποδοτικότητα που στοχεύουν να προσεγγίσουν — αν όχι να ανταγωνιστούν — την ισχύ του H100.

Η ανακοίνωση αυτή δεν είναι απομονωμένο γεγονός. Έρχεται ως συνέχεια μιας ραγδαίας κινητοποίησης των κινεζικών εταιρειών τεχνολογίας μετά τον αποκλεισμό της πρόσβασης σε κρίσιμα αμερικανικά chips. Η Cambricon έχει ήδη αρχίσει να επεκτείνει τις παραγγελίες για τους επιταχυντές της, κυρίως σε κυβερνητικές υποδομές και πανεπιστημιακά ερευνητικά ιδρύματα, ενώ η Sicarrier αναπτύσσει μονάδες μεσαίας απόδοσης για εφαρμογές AI σε edge και mid-tier data centers.

Η Huawei όμως στοχεύει ψηλότερα. Με την τεχνογνωσία της από προηγούμενα AI chips όπως τα Ascend, και με πλήρη έλεγχο πάνω στο hardware-software οικοσύστημα, η εταιρεία επιχειρεί ένα καθετοποιημένο χτύπημα απέναντι στον H100, καλύπτοντας όχι μόνο το chip αλλά και το compiler stack, τα APIs και τις υπηρεσίες υποστήριξης. Η κίνηση αυτή αποκτά ιδιαίτερη σημασία αν λάβει κανείς υπόψη τις δυσκολίες προμήθειας εξελιγμένων chips σε περιβάλλον κυρώσεων, αλλά και την αυξανόμενη πολιτική βούληση για τεχνολογική αυτάρκεια.

Παρότι η NVIDIA διατηρεί ακόμη σαφές τεχνολογικό προβάδισμα, ειδικά σε επίπεδο οικοσυστήματος και ωριμότητας λογισμικού, η σταθερή άνοδος εναλλακτικών λύσεων εντός Κίνας διαμορφώνει πλέον μια νέα δυναμική στην αγορά. Η διακοπή της πρόσβασης στον H20 δεν οδήγησε απλώς σε προσωρινό κενό, αλλά λειτούργησε καταλυτικά για να επιταχύνει την εσωτερική καινοτομία.

Το επόμενο κρίσιμο ερώτημα είναι αν τα κινεζικά chips μπορούν να κερδίσουν πραγματικό έδαφος σε εφαρμογές παραγωγής και σε κέντρα δεδομένων που απαιτούν μέγιστη αξιοπιστία και υποστήριξη. Αν η Huawei — ή οποιαδήποτε άλλη εγχώρια εταιρεία — καταφέρει να αποδείξει ότι μπορεί να σταθεί ισότιμα απέναντι σε λύσεις της NVIDIA σε πραγματικές συνθήκες φόρτου και λειτουργίας, τότε το τοπίο της παγκόσμιας βιομηχανίας AI μπορεί να αλλάξει θεμελιωδώς.

Η Meta ανακοίνωσε ότι από αυτή την εβδομάδα θα ξεκινήσει να χρησιμοποιεί δεδομένα χρηστών από την Ευρωπαϊκή Ένωση για την εκπαίδευση των συστημάτων τεχνητής νοημοσύνης της. Η εταιρεία θα ενημερώσει τους Ευρωπαίους χρήστες μέσω email και ειδοποιήσεων στις εφαρμογές της –όπως το Facebook και το Instagram–, εξηγώντας το είδος των δεδομένων που θα αξιοποιηθούν και παρέχοντας έναν σύνδεσμο με έντυπο εξαίρεσης (opt-out).

Σύμφωνα με τη Meta, μόνο δημόσια δεδομένα, όπως δημόσιες αναρτήσεις και αλληλεπιδράσεις με το Meta AI, θα χρησιμοποιηθούν στην εκπαίδευση των μοντέλων. Εξαιρούνται ρητά τα ιδιωτικά μηνύματα καθώς και οποιοδήποτε περιεχόμενο –δημόσιο ή ιδιωτικό– από χρήστες κάτω των 18 ετών.

Η Meta δικαιολογεί τη νέα αυτή πρακτική υποστηρίζοντας πως επιθυμεί να δημιουργήσει AI που "είναι πραγματικά φτιαγμένο για τους Ευρωπαίους". Η εκπαίδευση των μοντέλων της πάνω σε ευρωπαϊκά δεδομένα, σύμφωνα με την εταιρεία, θα τα βοηθήσει να κατανοήσουν καλύτερα "τις διαλέκτους, τις ιδιωματικές εκφράσεις, την τοπική γνώση αλλά και τις ιδιαιτερότητες του ευρωπαϊκού χιούμορ και της σάτιρας".

Η πρωτοβουλία έρχεται σε μια περίοδο όπου η Meta προσπαθεί να ενισχύσει την παρουσία της στον χώρο της τεχνητής νοημοσύνης με το λανσάρισμα των νέων μοντέλων Llama 4, τα οποία προορίζονται για χρήση σε πολυτροπικά σενάρια (text, voice, video, image). Ωστόσο, η εταιρεία δέχτηκε επικρίσεις πρόσφατα, καθώς φάνηκε να «χειραγωγεί» τις δοκιμές στην πλατφόρμα LMArena, παρέχοντας ειδικά τροποποιημένη έκδοση του Llama 4, βελτιστοποιημένη για συνομιλιακή χρήση.

Τέλος, η Meta υποστηρίζει πως η φόρμα εξαίρεσης έχει σχεδιαστεί για να είναι εύκολα προσβάσιμη και φιλική προς τον χρήστη, ενώ διαβεβαιώνει ότι θα τιμήσει τόσο τις ήδη υποβληθείσες αιτήσεις όσο και τις νέες.

Η ανακοίνωση της Meta έρχεται σε συνέχεια ανάλογων ενεργειών από άλλες μεγάλες εταιρείες AI, όπως η Google και η OpenAI, οι οποίες έχουν επίσης χρησιμοποιήσει ευρωπαϊκά δεδομένα για την εκπαίδευση των συστημάτων τους – πρακτική που έχει τεθεί στο μικροσκόπιο των ευρωπαϊκών αρχών προστασίας προσωπικών δεδομένων.

Το Allen Institute for AI (Ai2) παρουσίασε ένα νέο open-source εργαλείο με στόχο να απαντήσει σε ένα κρίσιμο ερώτημα για τους προγραμματιστές, ερευνητές και κανονιστικές αρχές: «Από πού αντλεί πληροφορίες το AI;» Το εργαλείο ονομάζεται OLMoTrace και συνοδεύει τα γλωσσικά μοντέλα της οικογένειας OLMo, προσφέροντας ιχνηλασιμότητα των απαντήσεων — δηλαδή τη δυνατότητα να αναγνωρίσει κανείς από ποια ακριβώς δεδομένα εκπαίδευσης προήλθε μια απάντηση του μοντέλου.

Διαφάνεια στα μοντέλα τύπου “μαύρου κουτιού”

Ο Ali Farhadi, CEO του Ai2, δηλώνει πως το OLMoTrace επιχειρεί να μετατρέψει το AI από «μαύρο κουτί» σε «γυάλινο κουτί», παρέχοντας στους χρήστες πραγματικές ενδείξεις προέλευσης των απαντήσεων. Η διαφορά από ανταγωνιστικές προσεγγίσεις, όπως της Perplexity, είναι ότι το OLMoTrace δεν επηρεάζει την παραγόμενη απάντηση. Αντίθετα, κάνει post-hoc ανάλυση και συνδέει το παραγόμενο κείμενο με τα υποκείμενα δεδομένα εκπαίδευσης.

Πώς λειτουργεί το OLMoTrace

Στην πράξη, το εργαλείο ενεργοποιείται μέσω κουμπιού κάτω από κάθε απάντηση. Όταν ο χρήστης πατήσει πάνω του, εμφανίζονται τονισμένα αποσπάσματα (highlighted spans), τα οποία παραπέμπουν σε συγκεκριμένα έγγραφα από το training set του μοντέλου. Η διαβάθμιση χρώματος υποδεικνύει το πόσο σχετικό θεωρείται το κάθε έγγραφο με την απάντηση που δόθηκε.

Για παράδειγμα, ερώτηση γύρω από τη Celine Dion μπορεί να φέρει ως απαντήσεις links προς Wikipedia, επίσημες βιογραφίες ή ακόμα και προσωπικά blogs. Όπως εξηγούν οι ερευνητές του Ai2, οι πηγές δεν είναι πάντοτε έγκυρες ή οριστικές, αλλά παρέχουν ένα κρίσιμο πλαίσιο για να αξιολογήσει ο χρήστης την προέλευση των πληροφοριών.

Χρήση σε ευαίσθητους τομείς και ρυθμιστικά περιβάλλοντα

Η Sophie Lebrecht, COO του Ai2, τονίζει ότι εργαλεία όπως το OLMoTrace είναι καθοριστικά για τομείς που αντιμετωπίζουν έντονο ρυθμιστικό και κοινωνικό έλεγχο, όπως η υγεία, οι βιοεπιστήμες και οι χρηματοοικονομικές υπηρεσίες. Για οργανισμούς που διστάζουν να υιοθετήσουν black-box μοντέλα λόγω έλλειψης διαφάνειας, το εργαλείο αυτό προσφέρει τον απαραίτητο βαθμό λογοδοσίας.

Δεν είναι αξιολογητής, είναι καταγραφέας

Είναι σημαντικό να σημειωθεί ότι το OLMoTrace δεν κάνει αξιολόγηση ποιότητας ή ακρίβειας. Αντίθετα, καταγράφει συσχετίσεις μεταξύ απαντήσεων και πηγών. Εναπόκειται στην κοινότητα και στους developers να ερμηνεύσουν τα δεδομένα αυτά, να εντοπίσουν περιπτώσεις "hallucination" ή bias και να προβούν σε debugging, fine-tuning ή απομάκρυνση προβληματικών δεδομένων.

Ανοιχτή πρόσβαση για την κοινότητα

Το OLMoTrace είναι διαθέσιμο ως open-source εργαλείο και μπορεί να ενσωματωθεί σε custom fine-tuned μοντέλα, όχι μόνο του Ai2 αλλά και άλλων οργανισμών (π.χ. OpenAI, Anthropic, Meta) — εφόσον είναι πρόθυμοι να εκθέσουν τα δεδομένα εκπαίδευσής τους.

Το Ai2 βλέπει το εργαλείο ως ένα θεμέλιο πάνω στο οποίο η κοινότητα μπορεί να χτίσει καλύτερα, πιο αξιόπιστα μοντέλα. Ο Farhadi συνοψίζει το όραμα:

Πού είναι διαθέσιμο

Το OLMoTrace είναι ήδη ενσωματωμένο στο Ai2 Playground και υποστηρίζει τα μοντέλα:

• OLMo 2 32B Instruct

• OLMo 13B Instruct

• OLMoE 1B και 7B Instruct

Η εγκατάσταση γίνεται ως ξεχωριστό add-on. 

Το OLMoTrace φέρνει μια νέα εποχή λογοδοσίας στην τεχνητή νοημοσύνη, με πιθανές εφαρμογές από την έρευνα και την εκπαίδευση μέχρι τη φαρμακοβιομηχανία και τις νομικές υπηρεσίες. Αν η διάφανη AI είναι το ζητούμενο, τότε το Ai2 προσφέρει το πιο ρεαλιστικό εργαλείο για να το πετύχει.

Η OpenAI ανακοίνωσε ότι η δυνατότητα δημιουργίας εικόνων είναι πλέον εγγενής στο GPT‑4o, καθιστώντας το μοντέλο ικανό να κατανοεί και να παράγει εικόνες με ακρίβεια, γνώση συμφραζομένων και φωτορεαλιστικό ύφος. Η λειτουργία αυτή βασίζεται σε ενοποιημένη εκπαίδευση εικόνας και κειμένου, δίνοντας έμφαση όχι μόνο στην αισθητική, αλλά και στη χρηστικότητα—όπως διαγράμματα, λογότυπα, και οπτικά βοηθήματα επικοινωνίας.

Μια από τις βασικές καινοτομίες είναι η επαναληπτική δημιουργία μέσω διαλόγου, όπου ο χρήστης μπορεί να βελτιώνει την εικόνα με φυσικό τρόπο μέσα από συνομιλία, κρατώντας σταθερά χαρακτηριστικά μεταξύ διαφορετικών εκδοχών. Το GPT‑4o επίσης ξεχωρίζει στην απόδοση κειμένου μέσα στην εικόνα και στον χειρισμό πολλαπλών αντικειμένων με σαφείς ιδιότητες—ξεπερνώντας τους περιορισμούς προηγούμενων μοντέλων που τα έβρισκαν δύσκολα με περισσότερα από 5–8 στοιχεία.

Ωστόσο, η OpenAI αναγνωρίζει πολλαπλούς περιορισμούς στο σύστημα. Αυτοί περιλαμβάνουν προβλήματα περικοπής (cropping), λανθασμένες αποδόσεις (hallucinations), δυσκολία στην απόδοση μικρού και πυκνού κειμένου, περιορισμένη ακρίβεια σε γραφήματα, και προκλήσεις στην επεξεργασία πολύγλωσσου κειμένου. Η λεπτομερής επεξεργασία και οι συνθέσεις με πολλές πληροφορίες παραμένουν τεχνικά δύσκολες.

Η OpenAI υποστηρίζει ότι όλα τα παραγόμενα γραφικά φέρουν μεταδεδομένα C2PA για σκοπούς ιχνηλασιμότητας, ενώ εφαρμόζει αυστηρές πολιτικές ασφάλειας: μπλοκάρονται αιτήματα που σχετίζονται με παιδική κακοποίηση, deepfakes ή περιεχόμενο με πραγματικά πρόσωπα σε μη αποδεκτά πλαίσια. Η ασφάλεια ελέγχεται με τη βοήθεια ενός δεύτερου LLM που έχει εκπαιδευτεί για την κατανόηση πολιτικών και πιθανών ασαφειών.

Η λειτουργία είναι ήδη διαθέσιμη στους χρήστες των εκδόσεων Free, Plus, Pro και Team, ενώ θα ακολουθήσει υποστήριξη για Enterprise και Edu, καθώς και μέσω API για developers. Η OpenAI επισημαίνει ότι η δημιουργία εικόνας απαιτεί περισσότερο χρόνο επεξεργασίας – περίπου ένα λεπτό ανά εικόνα – λόγω της αυξημένης λεπτομέρειας.

Η ενσωμάτωση αυτής της λειτουργίας μετατρέπει τη δημιουργία εικόνας από αισθητικό εντυπωσιασμό σε ένα εργαλείο υψηλής χρησιμότητας, χωρίς όμως να κρύβει τις τεχνολογικές και δεοντολογικές προκλήσεις που τη συνοδεύουν.

Η AMD ανακοίνωσε το Gaia, ένα νέο open-source project που επιτρέπει την τοπική εκτέλεση μεγάλων γλωσσικών μοντέλων (LLMs) σε οποιοδήποτε PC με Windows, με επιπλέον βελτιστοποιήσεις για υπολογιστές που διαθέτουν Ryzen AI επεξεργαστές.

Το Gaia αξιοποιεί το Lemonade SDK, μια ανοιχτού κώδικα πλατφόρμα inference από την ONNX TurnkeyML, για να υποστηρίξει μοντέλα τεχνητής νοημοσύνης σε εργασίες όπως σύνοψη, διαλόγους, αναζήτηση και συλλογιστική. Ειδικά στους Ryzen AI Max 395+ επεξεργαστές, η εφαρμογή αξιοποιεί τον XDNA NPU και την ενσωματωμένη RDNA GPU για επιτάχυνση, προσφέροντας υψηλότερη απόδοση.

Το Gaia βασίζεται σε έναν Retrieval-Augmented Generation (RAG) agent, έναν μηχανισμό που συνδυάζει LLM με τοπική βάση γνώσης για πιο ακριβείς και προσαρμοσμένες απαντήσεις. Περιλαμβάνει τέσσερις προκαθορισμένους agents:

• Simple Prompt Completion: για απλές αλληλεπιδράσεις και δοκιμές
• Chaty: τον βασικό συνομιλητή (chatbot)
• Clip: agent που αλληλεπιδρά με YouTube για αναζήτηση και ερωταπαντήσεις
• Joker: δημιουργία χιουμοριστικών απαντήσεων με προσωπικότητα

Η εφαρμογή προσφέρει δύο εκδόσεις εγκατάστασης:

• Μια κανονική έκδοση για κάθε υπολογιστή με Windows, ανεξαρτήτως hardware
• Μια Hybrid έκδοση, ειδικά βελτιστοποιημένη για Ryzen AI, η οποία αξιοποιεί πλήρως τις εξειδικευμένες μονάδες επεξεργασίας για AI

Το Gaia μπορεί να λειτουργήσει offline, παρέχοντας χαμηλή καθυστέρηση, καλύτερη ασφάλεια, και δυνατότητα επεξεργασίας ευαίσθητων δεδομένων τοπικά. Είναι η απάντηση της AMD σε εφαρμογές όπως το LM Studio και το NVIDIA ChatRTX, σε μια εποχή που η τοπική χρήση LLM γίνεται ολοένα και πιο δημοφιλής.

Το project είναι διαθέσιμο μέσω GitHub και αποτελεί ένα ακόμα βήμα της AMD προς την προσιτή, τοπική AI επεξεργασία για όλους.