پرش به محتوای اصلی

موضوع

حکمرانی شرکتی

ساختارها و فرایندهای هدایت، نظارت و مدیریت شرکت‌ها برای تضمین شفافیت، پاسخگویی و حفظ منافع ذی‌نفعان

۲۸۹ مقاله منتشر شده

بلک‌راک اکثریت سهام پردازشگاه هوش مصنوعی متا در ال‌پاسو را تصاحب کرد

درون ترازنامه مالی متا؛ واگذاری زیرساخت‌ها برای کاهش هزینه‌های سرمایه‌ای

متا با واگذاری ۸۰ درصد مالکیت مرکز داده عظیم خود در تگزاس به شرکت بلک‌راک، هزینه‌های سنگین زیرساختی را به اجاره‌های بلندمدت تبدیل کرد. این اقدام استراتژیک برای تسریع دستیابی متا…

۵ دقیقه خواندن
رون استوارت، مدیر ارشد محصول، ایمنی هوش مصنوعی و پلتفرم در ترنسند - مصاحبه

چرا حاکمیت بل‌لحظه پیش‌شرط مقیاس‌پذیری عامل‌های هوشمند است؟

روآن استوارت از شرکت Transcend استدلال می‌کند که کنترل‌های دسترسی سنتی برای عامل‌های خودمختار ناکارآمد هستند. او برای جلوگیری از شکست‌های عملیاتی، مدل مجوزدهی بل‌لحظه در سطح داده…

۸ دقیقه خواندن۲
API تشخیص هویت/OCR، نه مدل زبانی بزرگ
آموزش کاربردی

«تفکیک APIها»؛ کلید جلوگیری از ورود داده‌های حساس به مدل‌های زاینده

اشتباه گرفتن نقاط اتصال (Endpoint) احراز هویت با مدل‌های زاینده، باعث ایجاد حفره‌های امنیتی در معماری داده می‌شود. تفکیک دقیق APIها بر اساس نوع داده و مدل احراز هویت برای جلوگیری…

۱۰ دقیقه خواندن
استارتاپ MCP ران‌لیر ریپلینگ را به سرقت ایده محصولش متهم کرد | تک‌کرانچ

اتهام سرقت تکنولوژی در دادگاه؛ استارتاپ Runlayer از غول نرم‌افزاری Rippling

استارتاپ Runlayer مدعی است شرکت Rippling طی یک دوره آزمایشی، تکنولوژی درگاه پروتکل زمینه مدل (MCP) آن را به سرقت برده است. این پرونده ریسک بالای همکاری استارتاپی‌های زیرساختی با…

۳ دقیقه خواندن
سام آلتمن آماده کاهش سرعت است | تک‌کرانچ

درون چرخش راهبردی OpenAI؛ از رقابت مدل‌ها تا پذیرش نظارت دولتی

مدیرعامل OpenAI پس از یک نفوذ امنیتی سطح بالا، پیشنهاد کرده است که سرعت توسعه مدل‌ها کاهش یابد تا جامعه فرصتی برای سازگاری داشته باشد. این چرخش راهبردی همزمان با درخواست کارکنان…

۳ دقیقه خواندن
گزارش: آمازون مدل‌های هوش مصنوعی نوا را کاهش می‌دهد و روی تیم تحقیقاتی مرزی جدید شرط‌بندی می‌کند
اخبار کوتاه روزانهگزارش تأییدنشده

درون تغییر استراتژی آمازون؛ جایگزینی مدل‌های Nova با پژوهش‌های مرزی

آمازون با تغییر استراتژی، توسعه اکثر مدل‌های خانواده Nova را متوقف کرد تا منابع خود را به تیم پژوهش‌های پیشرو (Frontier Model Research) منتقل کند. هدف این شرکت معرفی یک مدل بنیادی…

۱ دقیقه خواندن۱
گزارش عامل‌ها: MCP بدون‌حالت شد و امنیت هوش مصنوعی باز می‌شود

۳ گام کلیدی در مسیر ارتقای مقیاس‌پذیری و امنیت عامل‌های AI

پروتکل زمینهٔ مدل (MCP) برای افزایش مقیاس‌پذیری به ساختار بدون وضعیت (Stateless) تغییر یافت. هم‌زمان، انویدیا ائتلافی گسترده برای متن‌باز کردن ابزارهای امنیتی هوش مصنوعی تشکیل داد…

۳ دقیقه خواندن۱
میلیاردرهای بعدی عرضه اولیه سهام دره سیلیکون در راه‌اند؛ سازمان‌های غیرانتفاعی آماده‌اند.

درون تغییرات ساختاری سازمان‌های غیرانتفاعی برای جذب سهام Anthropic

عرضه عمومی سهام غول‌های هوش مصنوعی مانند OpenAI و Anthropic باعث تبدیل صدها کارمند به ثروتمندان یک‌شبه می‌شود. سازمان‌های غیرانتفاعی اکنون برای جذب این سرمایه‌ها که تحت تأثیر…

۸ دقیقه خواندن۲
کاربردهای برتر هوش مصنوعی مولد در توسعه کسب‌وکارها در ۲۰۲۶
آموزش کاربردی

۱۰ مورد کاربردی که استقرار تجاری هوش مصنوعی زاینده را در ۲۰۲۶ هدایت می‌کنند

سازمان‌ها از چت‌بات‌های ساده به سمت گردش‌کارهای عامل‌محور حرکت کرده‌اند که با داده‌های داخلی و نرم‌افزارهای موجود یکپارچه می‌شوند. تمرکز فعلی بر سیستم‌های عملیاتی با نتایج قابل…

۹ دقیقه خواندن۱
ساتیا نادلا: شرکت‌هایی که به یک هوش مصنوعی برای همه‌چیز اعتماد کنند، ممکن است دوام نیاورند | تک‌کرانچ

ساتیانادلا: شرکت‌هایی که تک‌محور با آزمایشگاه‌های AI کار می‌کنند، حذف می‌شوند

مدیرعامل مایکروسافت هشدار داد کسب‌وکارهایی که منطق مرکزی خود را به یک ارائه‌دهنده انحصاری هوش مصنوعی می‌سپارند، با خطر نابودی کامل روبرو هستند. او توصیه می‌کند شرکت‌ها با حفظ…

۴ دقیقه خواندن۱
قراردادهای ۷۵۰ میلیارد دلاری انویدیا؛ نگرانی از تأمین مالی دایره‌ای هوش مصنوعی زنده شد

تأمین مالی دوری در برابر رشد ارگانیک؛ چالش جدید بازار سخت‌افزار AI

انویدیا با تزریق ۷۵۰ میلیارد دلار سرمایه به OpenAI و SK Group، نقش خود را از فروشنده سخت‌افزار به تامین‌کننده مالی تغییر داده است. منتقدان هشدار می‌دهند این چرخه «تامین مالی…

۱ دقیقه خواندن
ساخت عامل‌های هوش مصنوعی سازمانی — راهنمای عملی
آموزش کاربردی

مکانیزم «هارنس»؛ عامل‌های هوش مصنوعی برای مقیاس سازمانی چه می‌خواهند؟

یک راهنمای جامع میدانی نشان می‌دهد که موفقیت عامل‌های هوش مصنوعی در سطح سازمان، بیش از آنکه به مدل وابسته باشد، به لایه‌های امنیتی، حافظه و ارکستراسیون یا همان «هارنس» بستگی دارد.…

۴۰ دقیقه خواندن۱