💵Google будет платить SpaceX $920 млн в месяц за вычислительные мощности

SpaceX заключила крупный контракт с Google на аренду ИИ-инфраструктуры перед своим историческим IPO. Согласно документам SEC, Google будет ежемесячно перечислять $920 млн с октября 2026 по июнь 2029 года за доступ к ~110 000 NVIDIA GPU, CPU, памяти и другим компонентам.

Сделка по объёму примерно вдвое меньше контракта Anthropic со SpaceX ($1,25 млрд/мес за дата-центр Colossus 1). Google объясняет соглашение «временным мостом» для покрытия неожиданно высокого спроса на платформу Gemini Enterprise. При этом Alphabet уже направила $180 млрд на CAPEX в 2026 году и анонсировала допэмиссию акций на $80 млрд.

Обе стороны могут расторгнуть договор с уведомлением за 90 дней после 31 декабря 2026. Если SpaceX не обеспечит оговорённое количество GPU к 30 сентября, Google вправе расторгнуть сделку или принять меньшее число чипов со снижением ежемесячной платы. Анонс прозвучал за неделю до начала торгов акциями SpaceX на Nasdaq — компания планирует привлечь ~$75 млрд при оценке $1,75 трлн.

#Business #Google #SpaceX #NVIDIA #AI #Computing

✔️ Sakana AI делает ставку на самообучающийся ИИ, чтобы обойти гонку вычислительных мощностей

Японский AI-стартап Sakana AI объявил о запуске исследовательской лаборатории RSI Lab, посвященной рекурсивному самоулучшению (RSI) — концепции, при которой ИИ-системы могут итеративно перепроектировать и улучшать себя. Компания видит в этом путь к созданию более эффективного ИИ, не требующего огромных вычислительных ресурсов.

Лаборатория опирается на предыдущие проекты Sakana: LLM-Squared (языковые модели улучшают обучение других моделей), Darwin Gödel Machine (эволюция собственного кода), The AI Scientist (автоматизация научных исследований, чья статья прошла рецензирование и была опубликована в Nature). Дорожная карта RSI включает четыре фазы: от агентно-ориентированных моделей к полному рекурсивному самоулучшению и, в перспективе, к демократизации frontier AI.

Sakana позиционирует RSI как альтернативу доминирующей парадигме масштабирования — вместо обучения гигантских моделей на кластерах GPU компания делает ставку на адаптивные системы, которые находят лучшие решения за минимальное количество попыток. Примечательно, что Anthropic ранее предупреждал о рисках RSI: после достижения полного рекурсивного самоулучшения ИИ может развиваться быстрее, чем институты успевают реагировать.

#AI #SakanaAI #RSI #SelfImprovement #Tech #Computing

🧮 Mesh LLM: распределённые AI-вычисления на базе iroh

Mesh LLM — это открытая платформа для распределённого запуска больших языковых моделей (LLM) на собственном оборудовании. Вместо аренды GPU в дата-центрах система объединяет вычислительные ресурсы нескольких машин (ноутбуки, серверы, облачные узлы) в единый mesh, доступный через OpenAI-совместимый API на localhost:9337/v1.

Под капотом — протокол iroh, обеспечивающий безопасные QUIC-соединения между узлами с NAT traversal и hole-punching. Модель может выполняться локально, маршрутизироваться на пир с уже загруженной моделью или разбиваться на стадии (режим Skippy) — слои распределяются по разным машинам, активации передаются по pipeline. Это позволяет запускать модели до 235B параметров на скромном железе.

Система поддерживает 40+ моделей, плагинную архитектуру (MCP, HTTP, inference), gossip-слой для пиринга и три типа ALPN-соединений: основной mesh, управление владельцем и транспорт для split-моделей. Размер бинарника — около 18 МБ. Планируется мобильное приложение на Swift SDK и поддержка протокола ACP.

#AI #MeshLLM #iroh #Computing #LLM #OpenCode