AGI και το μέλλον της AI

Η Recursive Δεσμεύει το Μεγαλύτερο Μέρος της Χρηματοδότησής της σε Υπολογιστική Χωρητικότητα AWS

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Recursive, η εταιρεία έρευνας AI που ηγείται από τον Richard Socher, έχει υπογράψει μια συνεργασία πολλών ετών, 410 εκατομμυρίων δολαρίων με την Amazon Web Services (AMZN ) για να εκτελέσει το αυτόματο σύστημα έρευνας AI, τοποθετώντας το μεγαλύτερο μέρος της χρηματοδότησής του σε μια seule σύμβαση cloud.

Η εταιρεία βγήκε από την Stealth τον Μάιο του 2026 με 650 εκατομμύρια δολάρια σε αξία 4,65 δισεκατομμυρίων δολαρίων, που καθιστά την υποχρέωση της AWS κοντά στα δύο τρίτα του συνόλου του ποσού που έχει συλλέξει. Η ιστοσελίδα της Recursive τοποθετεί την ομάδα σε περισσότερα από 25 άτομα σε Σαν Φρανσίσκο και Λονδίνο. Αυτή η αναλογία είναι η ουσία της συμφωνίας: η εταιρεία αγοράζει υπολογιστική ισχύ με όρους εργαστηρίου μετώπου ενώ προσωπικό όπως μια εταιρεία σπόρων.

Ο Socher, ο CEO και συνιδρυτής της Recursive, είπε στο TechCrunch ότι η συμφωνία είναι πιθανό να είναι μεταξύ των μικρότερων που θα υπογράψει η εταιρεία τα επόμενα χρόνια. “Για εμάς, είναι λιγότερο για τον αριθμό του προσωπικού και περισσότερο για τον αριθμό των πρακτόρων”, είπε.

Η εργασία πίσω από την δαπάνη

Το σύστημα της Recursive εκτελεί τον κύκλο έρευνας από μόνη της: προτείνει μια αλλαγή, την υλοποιεί, εκτελεί το πείραμα, επικυρώνει το αποτέλεσμα και στη συνέχεια επιλέγει την επόμενη πείραμα. Τα πρώτα δημόσια αποτελέσματα, που δημοσιεύθηκαν στις 11 Ιουνίου 2026, δείχνουν τι καταναλώνει στην πράξη. Οι τρεις αναφορές που ανέφερε η εταιρεία είναι ατομικά μικρές: ένας προϋπολογισμός εκπαίδευσης μοντέλου γλώσσας πέντε λεπτών σε ένα μόνο GPU, μια ταχύτητα εκτέλεσης που μετράται σε ένα κόμβο H100 οκτώ GPU και 235 εργασίες γραφής πυρήνα που μετράται σε Nvidia (NVDA ) B200s.

Στην ταχύτητα, η Recursive ανέφερε ότι έκοψε τον χρόνο μέχρι μια σταθερή απώλεια επικύρωσης από 79,7 δευτερόλεπτα σε 77,5 δευτερόλεπτα, έναντι ενός πίνακα που η κοινότητα ανοιχτού κώδικα είχε βελτιώσει για περισσότερα από δύο χρόνια. Στον πυρήνα, ανέφερε ότι ανέβασε το μέσο σκορ από 0,699 σε 0,754 σε μια κλίμακα όπου 1,0 αντιπροσωπεύει το ανώτατο όριο του υλικού.

Μικρές δουλειές, εκτελεσμένες χιλιάδες φορές, είναι αυτές που το κάνουν αυτό ακριβό. Κάθε πείραμα γεννάει το επόμενο και κάθε υποσχόμενος υποψήφιος χρειάζεται μια επικύρωση για να αποκλείσει τις λύσεις που παίζουν το αξιολογητή αντί να βελτιώνουν το μοντέλο. Αυτό είναι ένα διαφορετικό πρόβλημα προμήθειας από μια μακρά διαδικασία προ-εκπαίδευσης σε一个 αφοσιωμένο cluster. Αποζημιώνει την ικανότητα βουρτσών, τη γρήγορη προγραμματισμένη και υψηλή κυκλοφορία εργασιών πάνω από ένα τεράστιο μπλοκ επιταχυντών.

Η AWS πουλάει ενάντια σε αυτό το προφίλ. Ο Jason Bennett, ο αντιπρόεδρος και ο παγκόσμιος επικεφαλής των startups και του κεφαλαίου, είπε στην ανακοίνωση ότι η αυτοβελτιωμένη AI δημιουργεί μια συνδυαστική ζήτηση υπολογιστικής ισχύος επειδή κάθε κύκλος έρευνας γεννάει την επόμενη πείραμα και προώθησε την AWS για την ελαστικότητα να εκτελέσει αυτούς τους κύκλους παράλληλα. Οι δύο εταιρείες ανέφεραν επίσης ότι σχεδιάζουν να συν-αναπτύξουν υποδομή που κατασκευάζεται ειδικά για μεγάλης κλίμακας αυτόματη έρευνα, μια δέσμευση που διαρκεί περισσότερο από οποιοδήποτε単ικό μπλοκ ικανότητας.

Υπάρχει ένα δεύτερο αποτέλεσμα που αξίζει να σημειωθεί: μεγάλο μέρος του τι έχει παραχθεί μέχρι τώρα από το σύστημα της Recursive είναι αποδοτικότητα. Ταχύτεροι πυρήνες και φθηνότερες συνταγές εκπαίδευσης είναι η έξοδος, που σημαίνει ότι μέρος του λογαριασμού της AWS χρηματοδοτεί εργασία που στοχεύει στη μείωση του κόστους της υπολογιστικής ισχύος που ακολουθεί.

Τιμημένο σε δολάρια, όχι σε γιγαβάτ

Οι μεγαλύτερες δεσμεύσεις AI της AWS είναι ονομασμένες σε ισχύ αντί για νόμισμα. Στα αποτέλεσμα του πρώτου trimester στις 29 Απριλίου 2026, η Amazon ανέφερε ότι η OpenAI είχε δεσμευτεί να καταναλώσει περίπου δύο γιγαβάτ ικανότητας Trainium μέσω της υποδομής της AWS, αυξανόμενη από το 2027, και ότι η Anthropic θα εξασφαλίσει μέχρι πέντε γιγαβάτ τρέχουσας και μελλοντικών γενεών των ίδιων chip. Η είσπραξη της AWS σε αυτό το trimester ήταν 37,6 δισεκατομμύρια δολάρια, αυξημένη 28% σε σύγκριση με το προηγούμενο έτος, και η εταιρεία custom silicon της Amazon πέρασε einen ετήσιο ρυθμό 20 δισεκατομμυρίων δολαρίων.

Σε σύγκριση με αυτά, 410 εκατομμύρια δολάρια που διανέμονται σε πολλά χρόνια είναι μια μικρή γραμμή για την AWS. Είναι επίσης διαρθρωμένη διαφορετικά. Το TechCrunch ανέφερε ότι η Amazon δεν λαμβάνει κανένα μετοχικό μερίδιο μαζί με την ικανότητα, που την ξεχωρίζει από τα πακέτα υπολογιστικής και κεφαλαίου που έχουν διαμορφώσει τις πρόσφατες χρηματοδοτήσεις του μετώπου, από την παράταση 5 δισεκατομμυρίων δολαρίων της AMD στην Anthropic έως την παράταση της Anthropic στη Colossus 1 της SpaceX. Η Recursive αγοράζει ικανότητα ως πελάτης, οπότε η σύμβαση κάθεται στο δικό της ισολογισμό αντί για το εσωτερικό μιας στρατηγικής партνέρσας.

Αυτή είναι η πιο δύσκολη εκδοχή της συναλλαγής και εξηγεί την αναλογία. Μια εταιρεία που αυτοματοποιεί τη δική της διαδικασία έρευνας μετατρέπτει κεφάλαιο σε πειράματα αντί για μισθούς και το κόστος εκτέλεσης μιας ερευνητικής οργάνωσης μεταφέρεται από τον μισθό στην λογαριασμό cloud.

Τι θα ακολουθήσει

Η δηλωμένη ακολουθία της Recursive ξεκινά με έρευνα AI και διευρύνεται από εκεί: χρησιμοποιήστε τον αυτόματο κύκλο για να βελτιώσετε τα συστήματα AI πρώτα και στη συνέχεια εφαρμόστε την ίδια μέθοδο σε άλλα επιστημονικά προβλήματα. Η υπολογιστική ισχύς έχει maintenant συμβαστεί για χρόνια και η συν-εργασία με την AWS δίνει στην εταιρεία εισροή στα συστήματα στα οποία εκτελούνται τα πειράματα της.

Το κοντινότερο ορόσημο είναι εμπορικό. Ο Socher είπε στην ίδια συνέντευξη ότι τα πρώτα προϊόντα που θα μπορέσουν οι άνθρωποι να χρησιμοποιήσουν πρέπει να εμφανιστούν γύρω στο Οκτώβριο του 2026 και ότι θα έρθουν σε μήνες αντί για trimesters.

Ο Theo Nash είναι ένας ειδικός που δημιουργήθηκε από AI στο Unite.AI, που καλύπτει την υποδομή AI, τον υπολογισμό και τα συστήματα υλικού που τροφοδοτούν την σύγχρονη τεχνητή νοημοσύνη. Το έργο του επικεντρώνεται στις τεχνικές βάσεις πίσω από τις μεγάλες εργασίες AI, συμπεριλαμβανομένων των κέντρων δεδομένων, των επιταχυντών, των δικτύων και των στοιχείων λογισμικού που τα συνδέουν.
Με μια αναλυτική και μηχανική προοπτική, ο Theo εξετάζει πώς οι προόδους στις GPU, το εξειδικευμένο σιλικόνιο, τις αρχιτεκτονικές μνήμης και τα κατανεμημένα συστήματα επιτρέπουν новые γενιές μοντέλων AI. Δίνει ιδιαίτερη προσοχή στις ανταλλαγές απόδοσης, την ενεργειακή αποτελεσματικότητα, την κλιμακωσιμότητα και τις πρακτικές περιορισμοί που διαμορφώνουν την ανάπτυξη της υποδομής AI στον πραγματικό κόσμο.
Οι άρθρα που γράφονται από τον Theo Nash δημιουργούνται από AI και αναθεωρούνται από την редакτική ομάδα του Unite.AI για να διασφαλίσουν την τεχνική ακρίβεια, τη σαφήνεια και την υπεύθυνη κάλυψη του ταχέως εξελισσόμενου τοπίου υπολογισμού AI.