Изкуственият интелект създава работни места, а не ги унищожава. Това заяви категорично главният изпълнителен директор на Nvidia Дженсън Хуанг по време на разговор с журналистката от MSNBC Беки Куик, организиран от икономическия институт „Милкен“.

„AI е генератор на работни места в индустриален мащаб, а не предвестник на масова безработица, в какъвто така наречените „пророци“, често го обвиняват.“,

подчерта Хуанг по време на дискусията.

Технологичният лидер се опита да разсее нарастващите страхове около изкуствения интелект и влиянието му върху пазара на труда. Беки Куик постави въпроса дали скоростта на тези промени няма да доведе до по-сериозни икономически сътресения и по-голямо неравенство в сравнение с предишни технологични революции.

Хуанг обаче запази оптимистичен тон. Според него изкуственият интелект е „най-добрият шанс на САЩ за реиндустриализация“. Той подчерта, че около AI вече се изгражда цяла нова индустриална екосистема – включително модерни фабрики за хардуер, който е в основата на технологията. А тези производства, както и разрастващият се сектор, изискват работна ръка.

По думите му автоматизацията на отделни задачи не означава, че цели професии ще изчезнат. Хората често бъркат „задачите“ с „ролята“ на дадена позиция – дори AI да поеме част от работата, по-широката функция на служителя остава.

Хуанг критикува и твърденията, че AI ще доминира над човечеството или ще унищожи цели икономически сектори. По думите му най-големият риск е, че подобни „научнофантастични“ сценарии плашат хората дотолкова, че започват да възприемат технологията като заплаха и избягват да работят с нея, вместо да се възползват от възможностите ѝ.

Интересното е, че част от апокалиптичната нагласа идва именно от самата AI индустрия, като според критици тя често служи за създаване на шум и интерес около продукти, които все още не отговарят на тези обещания.

Въпреки оптимизма , финансови и академични анализи сочат, че до 15% от работните места в САЩ могат да бъдат засегнати в следващите години. За Дженсън Хуанг обаче фокусът трябва да остане върху реалната полза от технологията, която по думите му ще остане основен двигател за откриване на нови позиции, а не инструмент за тяхното унищожаване

Nvidia предупреждава, че разходите за AI вече се превръщат в ключово ограничение за компаниите. Така при определени сценарии разходите за използването на изкуствен интелект могат да надхвърлят тези за служители – показател за това колко капиталово интензивни стават големите внедрявания. Тези предупреждения променят значително начина, по който трябва да се оценява технологията. 

Досега фокусът беше върху възможностите на моделите и скоростта на внедряване. Все по-често обаче компаниите започват да се сблъскват с друг въпрос: колко струва всъщност мащабирането на AI и дали бизнес моделът може да го издържи.

Nvidia е в центъра на този процес

Позицията на компанията не е случайна. GPU ускорителите на Nvidia стоят в основата на голяма част от съвременните AI системи, което я превръща едновременно в основен печеливш от търсенето и в ключов глас по темата за разходите и ефективността.

Това дава на Nvidia уникална перспектива: тя вижда едновременно растящото търсене и нарастващото напрежение върху бюджетите на клиентите.

Битката вече е за ефективност на долар

Компанията продължава да инвестира агресивно в ново поколение хардуер и софтуерни оптимизации, като целта е подобряване на т.нар. performance-per-dollar — метрика, която става все по-важна за корпоративните клиенти.

Това е логична еволюция. Ако първата фаза на AI беше за това кой може да изгради най-мощните модели, следващата изглежда ще бъде за това кой може да ги направи икономически устойчиви.

OpenAI постепенно променя посоката на продуктите си – от отделни инструменти към по-обединена екосистема, която все по-често се описва от анализаторите като „AI супер приложение“. Идеята е да се съберат чат, програмиране и автоматизация на задачи в единен интерфейс.

От инструменти към платформа

В последните си обновления OpenAI поставя акцент върху подобрения в мултимодалните възможности, developer инструментите и интеграциите в рамките на платформата. Компанията заявява, че целта е AI системите да станат „по-полезни в широк спектър от реални задачи“ – сигнал за преход от експериментална употреба към ежедневна продуктивност.

Това е съществена промяна. Вместо AI да бъде отделен инструмент, който се използва при нужда, OpenAI очевидно се стреми да го превърне в основен слой, върху който се случва работата.

По-малко фрагментация, повече централизирани процеси

Стратегията отразява по-широка тенденция в софтуерната индустрия: намаляване на фрагментацията. Компаниите започват да търсят начини да заменят множество специализирани инструменти с по-малък брой платформи, около които да се организират работните процеси.

В този контекст AI се превръща в естествен център. Вместо отделни решения за комуникация, код, анализ и автоматизация, идеята е тези функции да се съберат около един AI слой, който разбира контекста и координира действията.

Без официално име, но с ясна посока

OpenAI не използва официално термина „супер приложение“, но продуктовата ѝ посока ясно подсказва такава конвергенция. Документацията на компанията подчертава разширени API възможности и по-тясна интеграция между чат интерфейсите и програмируемите среди.

Това позволява на разработчиците да изграждат приложения директно върху моделите, без да се налага да скачат между различни инструменти и платформи. На практика OpenAI се позиционира не просто като доставчик на модели, а като основа за изграждане на софтуер.

Alcatraz, компанията за физическа сигурност, основана от бившия Apple инженер Винс Гайдарджиев, привлече 50 млн. долара в рунд серия B. Ходът идва в момент, когато инвеститорският интерес все по-видимо се насочва към системи с AI, предназначени да защитават центрове за данни, летища и други обекти с достъп, изискващ висока степен на сигурност.

Базираната в Купертино компания посочва, че рундът е воден от BlackPeak Capital, Cogito Capital и Taiwania Capital, с участие и на досегашни инвеститори като Almaz Capital, EBRD и Ray Stata. С новото финансиране общо привлеченият капитал на Alcatraz вече надхвърля 100 млн. долара.

Залог за по-чувствителната страна на AI бума

Основана през 2016 г., Alcatraz се позиционира като алтернатива както на традиционните системи с карти за достъп, така и на по-спорните модели на лицево разпознаване. Компанията се опитва да заеме междинна позиция: повече удобство и по-висока сигурност от стандартните “badge” системи, но без да влиза в територията на масовото наблюдение.

Според Alcatraz водещият ѝ продукт Rock използва лицева автентикация, а не лицево разпознаване в стила на системите за наблюдение. Идеята е служителите да могат да влизат в сградите без карти и кодове за достъп, без снимки и други чувствителни лични данни да се съхраняват в облака. Компанията твърди още, че платформата е създадена така, че да отговаря на изискванията на режими като GDPR, CCPA и BIPA.

С бума около AI инфраструктурата центровете за данни започват да се превръщат в едни от най-чувствителните физически обекти в икономиката. Това прави сигурността на входа не по-малко важна от сигурността на мрежата. Alcatraz очевидно се опитва да заеме точно тази ниша: физически контрол на достъпа за среди, в които самото присъствие в сградата може да бъде толкова критично, колкото и достъпът до системите вътре.

„Face ID“ за работното място

Компанията твърди, че търсенето е нараснало рязко, тъй като AI вълната превръща data center инфраструктурата в стратегически актив. По данни на Alcatraz нейни клиенти вече са големи AI центрове за данни, американски летища, енергийни компании, NFL отбори, университети и компании от Fortune 100.

Alcatraz посочва още, че през 2025 г. е отчела над 300% ръст при внедряванията в сегмента на центровете за данни, 200% ръст при новите корпоративни клиенти и петкратно увеличение на внедряванията сред компании от Fortune 500.

Главният изпълнителен директор Тина Д’Агостин описва продукта като опит логиката на смартфон идентификацията да бъде пренесена към работното място. По думите ѝ картите за достъп и кодовете вече създават твърде голям риск за съвременната работна среда.

От своя страна Винс Гайдарджиев, за когото компанията посочва, че е работил по хардуерни прототипи за iPhone и iPad по време на разработката на Face ID в Apple, казва, че целта е била да пренесе този по-защитен и ориентиран към поверителността подход и към сградите, в които хората работят.

Alcatraz посочва, че ще използва новия капитал, за да навлезе в нови индустрии, да се разшири на международни пазари и да увеличи екипа си. 

BlueRock представи Trust Context Engine – нов слой за контекст в това, което компанията нарича „Agentic Action Path“. Целта е да се даде възможност на екипите да разбират, валидират и контролират поведението на AI агентите през различни инструменти, MCP сървъри и свързани системи.

Ходът идва в точния момент. С преминаването от фиксирани кодови пътища към agent-driven изпълнение в реално време, основният проблем вече не е само писането на код, а разбирането какво точно е направил агентът, защо е взел дадено решение и дали на това поведение може да се разчита в production фаза.

Защо това е важно за потребителите

Основната полза за потребителите е по-добрата видимост, която води до по-бързи и по-сигурни решения. Според BlueRock системата класифицира всяко действие на агента – каква функционалност е използвана, кой компонент е включен и какъв е downstream ефектът – и добавя към него контекст за доверие.

Този контекст включва метаданни за компонентите, информация за собственост, класификация на инструментите, модели на достъп и наблюдавано поведение в реално време. На практика това означава, че екипите не просто наблюдават как работи агентът, а могат да оценят дали даден инструмент, сървър или workflow е подходящ за внедряване и използване в production.

BlueRock се позиционира като слой за сигурност, не като инструмент за създаване

Това е и ключовото предимство спрямо конкурентите. Голяма част от пазара в момента е фокусирана върху изграждането и оркестрацията на AI агенти. BlueRock се цели в слоя под това – в сигурността и изпълнението.

Компанията твърди, че „контролът се измества от кода към runtime“, което прави видимостта върху реалното изпълнение критична за управлението на агентите. Вместо да акцентира върху генерирането или orchestration, BlueRock позиционира trust context като липсващата връзка между експериментите и реалното внедряване.

Какво всъщност прави Trust Context Engine

Trust Context Engine добавя контекст за доверие към всяка стъпка от изпълнението – от решението на модела, през извикването на инструменти, до ефекта върху downstream системите.

Тези сигнали могат да се използват директно в работните процеси на организациите за автоматизация, одобрения, policy решения и runtime контрол. Това позволява на екипите да изграждат, валидират и внедряват agentic workflows с по-голяма увереност, както и да виждат кои компоненти са надеждни и реално използвани в екосистемата.

Това е особено полезно при оценка дали даден MCP сървър е достатъчно сигурен за интеграция или дали един агентен workflow е достатъчно стабилен, за да премине от тестова среда към реална употреба.

Насочен към разработчици, DevOps и security екипи

BlueRock ясно се опитва да достигне до няколко типа потребители в организацията. За разработчиците продуктът предлага възможност да работят с проверени MCP сървъри и да създават workflows, на които да се доверят.

За DevOps стойността е в интеграцията на trust сигналите в CI/CD процесите и използването им при решения за внедряване. За security екипите фокусът е още по-пряк: дефиниране на доверени граници, приоритизиране на риска и използване на реални данни от изпълнението за policy контрол преди да се случат потенциално опасни действия.

Комбинация от registry данни и runtime сигнали

Една от по-интересните части на продукта е, че той комбинира два типа данни. Trust Context Engine използва както curated данни от MCP Trust Registry, така и реални сигнали от изпълнение, събрани чрез BlueRock сензори.

Registry-то включва информация за публични MCP сървъри т.е. техните възможности, собственост, класификация и trust характеристики. Runtime сензорите, от своя страна, проследяват какво реално се случва по време на изпълнение – използване на инструменти, модели на достъп и ефект върху системите.

Компанията описва това като затворен „context loop“, който свързва това, което е известно за даден компонент предварително, с реалното му поведение. Според BlueRock регистърът обхваща над 10 000 публични MCP сървъра, анализирани по 22 правила за сигурност.

По-малко несигурност, повече увереност при внедряване

Архитектурата на продукта адресира конкретен проблем в enterprise AI: агентите често работят добре в демо среда, но организациите се колебаят да ги пуснат в production, защото не разбират напълно какво се случва по време на изпълнение.

Обещанието на BlueRock е, че компаниите не трябва да избират между бързина и контрол. Като предоставя trust сигнали на ниво реален workflow, продуктът цели да намали несигурността, да ускори процесите по одобрение и да даде по-ясна картина дали един агент работи достатъчно безопасно за реални натоварвания.

Видимостта като основен проблем

„AI промени начина, по който пишем софтуер. Agentic системите променят начина, по който софтуерът се държи“, 

казва главният изпълнителен директор на BlueRock Боб Тинкър.

„Разработчиците искат да се движат бързо и да използват възможности, но също така трябва да разбират към какво се свързват и как се държат тези системи. Trust Context Engine дава контекста за по-добри решения и видимостта, необходима за увереност в работата.“

Практически пример от клиент

BlueRock дава пример с Adspirer, чийто CEO Абхи Мекала посочва, че компанията използва AI агенти за performance маркетинг, които планират, стартират и оптимизират кампании в платформи като Meta и Google.

„С хиляди решения, преминаващи през нашата MCP инфраструктура, клиентите ни очакват надеждност и сигурност. BlueRock ни дава видимостта и контрола, от които се нуждаем, за да работим уверено с agentic системи“, 

казва той.

В крайна сметка

BlueRock на практика залага, че следващата категория в enterprise AI няма да бъде определена само от качеството на моделите или способността за оркестрация, а от това дали организациите могат да се доверят на поведението на агентите в реално време.

Това поставя компанията по-близо до инфраструктурния слой, отколкото до инструментите за създаване на агенти. Ако тази теза се потвърди, trust context може да се превърне в ключов контролен слой в agentic системите – особено за екипи, които търсят отговор на един базов въпрос: не какво може да направи агентът, а какво реално е направил.

Coder привлече 90 млн. долара в серия C, водена от фондове, управлявани от KKR, с участие и на QRT, Uncork Capital и други съществуващи инвеститори. Компанията използва финансирането, за да изведе по-широк аргумент: с навлизането на AI coding agents в големите организации победителите може да не бъдат най-атрактивните приложения, а платформите, които позволяват тези инструменти да бъдат управлявани, обезпечавани и използвани сигурно, и ефективно в корпоративна среда. 

Истинската полза за клиента е контролът

За клиентите обещанието тук не е толкова в нови възможности, колкото в контрола. В блога си Coder посочва, че големите организации имат нужда от постоянни и възпроизводими среди за разработка, подбрани инструменти и хранилища, audit trails, проследяване на токени, възможност за следене на prompt-овете, изолация от интернет и production системи, както и строги граници на достъп за автономни агенти. Именно този тип инфраструктура става важен, когато компаниите искат да използват инструменти като Claude Code, Cursor и други агенти, без да се подлагат на излишни рискове. 

Coder не продава просто AI асистент

Това, което отличава компанията от немалка част от конкурентите, е, че тя не се позиционира като още един AI помощник за програмисти. Вместо това Coder се представя като управляван слой за работните среди под самата AI разработка, особено за компании, които искат self-hosted внедряване, по-гъвкава инфраструктура и по-строг контрол по линия на compliance. В пазар, препълнен с direct-to-developer AI инструменти, тезата на компанията е, че enterprise клиентите все повече се интересуват не от това кой продукт изглежда най-впечатляващо в момента, а от това какво се чупи, когато агентите започнат да работят свободно вътре в организацията. 

Мнението на клиентите…

Компанията твърди, че този аргумент вече намира отзвук сред клиенти, които използват продукта в мащаб. Според Coder инженерната организация на KKR работи с платформата с над 500 инженери и планира да разшири използването на coding agents от 1000 служители, включително анализатори, разработчици и оператори. 

Централизираните guardrails може да се окажат по-важни от новите функции

Ползата за потребителите е сравнително ясна: вместо всеки разработчик, анализатор или друг служител сам да конфигурира и управлява собствена agentic coding среда, Coder предлага централизиран и контролиран модел, който е по-лесен за мащабиране между екипи. Това става още по-важно в момент, когато дефиницията за „разработчик“ излиза отвъд класическия софтуерен инженер и започва да включва нетехнически потребители, citizen developers и хибридни човеко-агентни работни процеси. В такава среда enterprise-grade guardrails престават да бъдат екстра и започват да се превръщат в самия продукт. 

Залогът е върху инфраструктура, а не върху моментния шум

Главният изпълнителен директор на Coder Роб Уайтли представя тази тенденция като пазарен сигнал, който според него много инвеститори все още подценяват. В публикацията си той пише, че интересният сигнал в enterprise AI в момента не идва от IDE-та или от така наречените vibe coding инструменти, а от инженерните организации, които се опитват да разберат как да запазят compliance и контрол, докато внедряват AI по-широко. Той също така подчертава, че инфраструктурата не се увеличава „10 пъти за година“, а се натрупва в рамките на десетилетия – формулировка, с която Coder се опитва ясно да се разграничи от по-бързо движещите се, но потенциално по-малко устойчиви AI application компании. 

Защо това е важно за регулираните индустрии?

Компанията поставя силен акцент и върху послание, което вероятно ще намери силен отзвук в регулирани сектори. Уайтли пише, че data sovereignty, control и repatriation вече се превръщат в новата норма, като дава за пример QRT и нуждата ѝ да се движи бързо по линия на AI, без да жертва guardrails. Така Coder си изгражда по-отличима позиция спрямо cloud-first или по-леки агентни платформи, с които е по-лесно да започнеш, но които по-трудно се защитават в среди с високи изисквания към сигурността или в air-gapped инфраструктура. 

“Safe Mode for AI”

Една от най-силните фрази в публикацията идва от вицепрезидента по AI, cloud и data в KKR, който описва Coder като „safe mode for AI“. Това добре събира конкурентния ъгъл на компанията: не че AI coding agents трябва да бъдат спирани, а че имат нужда от сигурна, наблюдаема и контролирана среда, за да станат реално използваеми в корпоративен мащаб. За технологичните купувачи това може да се окаже по-убедително обещание от самото генериране на код. 

Изображение: Coder, YouTube видео (скрийншот)

Тежестта на заплахата е по-голяма, защото поне един голям американски cloud оператор вече е бил засегнат. Reuters съобщи на 1 април, позовавайки се на Financial Times и източник, запознат със случая, че обект на Amazon Cloud в Бахрейн е бил повреден след ирански удар. По-ранни публикации на Reuters вече описаха щети по центрове за данни на Amazon Web Services в Обединените арабски емирства и Бахрейн след удари с дронове, което е довело до смущения на редица cloud услуги в региона. 

Конфликтът вече стига пряко до технологичната инфраструктура

Последните предупреждения показват рязко разширяване на ефекта от конфликта върху технологичния сектор. Досега рискът за Big Tech в региона се разглеждаше основно през енергията, логистиката и капиталовите разходи. Сега обаче фокусът се измества и към физическата уязвимост на самата инфраструктура, включително офиси, центрове за данни и други обекти. 

Това е особено важно, защото глобалната cloud и AI инфраструктура все повече зависи от капацитет, разположен в държавите от Залива. Така нестабилността в Близкия изток вече поставя под натиск плановете за AI разходи през 2026 г. на компании като Amazon, Microsoft, Alphabet и Meta, тъй като войната повишава енергийния и инфраструктурния риск. 

От геополитически риск към оперативен риск

За технологичните компании това е значима промяна. Доскоро войната в региона се възприемаше предимно като външен макроикономически фактор, който може да вдигне цените на енергията и да натовари веригите за доставки. Случаят с AWS в Бахрейн и ОАЕ показва, че рискът вече е и оперативен: прекъсвания, физически щети и потенциално пренасочване на натоварвания към други региони. 

Associated Press също съобщи, че американски технологични компании, работещи в региона, вече са изправени пред директни заплахи от страна на Иран. Това подсказва, че технологичната инфраструктура постепенно се превръща от косвена жертва на конфликта в една от неговите видими мишени. 

NVIDIA и глобалните лидери в индустриалния софтуер въвеждат дизайна, инженерството и производството в ерата на AI
NVIDIA обяви партньорства с Cadence, Dassault Systèmes, PTC, Siemens и Synopsys, за да вкара CUDA-X, Omniverse и GPU-ускорени инструменти в индустриалните работни процеси. Инициативата е насочена към по-бърз дизайн, инженерна разработка и оптимизация на големи производствени структури (фабрики/заводи).

Hyundai, Kia и NVIDIA разширяват партньорството си за автономното шофиране от следващо поколение
NVIDIA съобщи, че Hyundai и Kia разширяват работата си с компанията около системи за автономно управление, изградени върху платформата DRIVE Hyperion. Съобщението подсказва, че автомобилният стек на NVIDIA продължава да набира инерция при системите за следващо поколение превозни средства.

NVIDIA пуска отворен blueprint за physical AI, за да ускори роботиката и автономното управление
NVIDIA представи отворена референтна архитектура, създадена да автоматизира начина, по който се генерират, обогатяват и оценяват тренировъчните данни за physical AI. Идеята е да се намалят разходите и сложността при обучението на системи за роботика, компютърно зрение и автономно управление.

Roche разширява AI партньорството с NVIDIA в развойната дейност, диагностиката и производството
Roche разширява внедряването на NVIDIA до над 3500 Blackwell GPU-та в глобалните си операции. NVIDIA представя проекта като показателен пример за това как AI фабрики могат да се използват едновременно в развойна дейност, диагностика и производство.

NVIDIA, T-Mobile и партньори интегрират physical AI приложения върху инфраструктура, готова за AI-RAN
NVIDIA и T-Mobile съобщиха, че работят с Nokia и други разработчици, за да пренесат приложения за physical AI върху разпределени edge AI мрежи. Проектът показва, че телекомуникационната инфраструктура все повече се превръща в платформа за AI услуги в реално време.

Adobe и NVIDIA обявяват стратегическо партньорство за следващото поколение модели Firefly и за creative, marketing и agentic работни процеси
Adobe и NVIDIA представиха по-широк съюз около AI-базирано създаване, продукция и персонализация. Партньорството включва работа по бъдещите модели Firefly, както и по agentic работни процеси за творчески и маркетингови приложения.

BYD, Geely, Isuzu и Nissan приемат NVIDIA DRIVE Hyperion за Level 4 автомобили
Внедряването на DRIVE Hyperion се разширява с BYD, Geely, Isuzu и Nissan, наред с други компании от сектора на мобилността. NVIDIA  представя това като знак за нарастващо търсене на мащабируеми платформи за Level 4 автономни превозни средства.

NVIDIA дава старт на следващата индустриална революция в knowledge work с отворена платформа за разработка на агенти
NVIDIA пусна отворена платформа за разработка на агенти, изградена около Agent Toolkit и runtime средата OpenShell. Целта е компаниите да могат да създават и управляват автономни, самоусъвършенстващи се AI агенти по-безопасно и по-ефективно.

NVIDIA създава Nemotron Coalition от водещи глобални AI лаборатории, за да ускори развитието на отворени frontier модели
NVIDIA представи Nemotron Coalition – нова форма на сътрудничество между разработчици на отворени модели и AI компании. Инициативата има за цел да обедини изследвания, данни, експертиза и изчислителен ресурс, за да ускори развитието на frontier open models.

NVIDIA разширява семействата си от отворени модели, за да захрани следващата вълна от agentic, physical и healthcare AI
NVIDIA разшири портфолиото си от отворени модели с нови версии, насочени към разработчици и учени, които създават системи, способни да разсъждават и действат в корпоративна среда, роботика и здравеопазване. Компанията позиционира отворените модели като основа за по-широко внедряване на AI.

NVIDIA обявява NemoClaw за общността OpenClaw
NVIDIA представи NemoClaw – стек за агент платформата OpenClaw, който позволява разгръщане на моделите Nemotron и runtime средата OpenShell с една-единствена команда. По думите на компанията пакетът добавя механизми за поверителност и сигурност, за да направи автономните агенти по-надеждни.

NVIDIA влиза в space computing и изстрелва AI в орбита
NVIDIA платформите за ускорени изчисления се разширяват към орбитални центрове за данни, геопространствено разузнаване и автономни космически операции. Това е опит AI производителност от клас – център за данни да бъде пренесена в силно ограничени космически среди.

NVIDIA пуска референтен дизайн за Vera Rubin DSX AI Factory и blueprint за дигитален двойник Omniverse DSX с широка индустриална подкрепа
NVIDIA представи референтен дизайн за AI фабрики Vera Rubin DSX и направи общодостъпен blueprint-а за дигитален двойник Omniverse DSX. Компанията твърди, че комбинацията ще помогне на клиентите да проектират и симулират голяма AI инфраструктура още преди нейното внедряване.

NVIDIA представя Vera CPU – процесор, създаден специално за agentic AI
NVIDIA анонсира Vera CPU, който описва като първия процесор, разработен специално за agentic AI и reinforcement learning. Компанията твърди, че чипът осигурява по-висока ефективност и по-бърза производителност спрямо традиционните rack-scale CPU решения.

NVIDIA представя storage архитектурата BlueField-4 STX с широко индустриално внедряване
NVIDIA обяви BlueField-4 STX – модулна storage архитектура, създадена за long-context reasoning при agentic AI. Системата е замислена така, че да улесни компаниите и cloud доставчиците при внедряването на ускорена storage инфраструктура.

NVIDIA Vera Rubin отваря нова граница пред agentic AI
NVIDIA съобщи, че платформата Vera Rubin влиза в пълно производство със седем нови чипа, предназначени да мащабират големи AI фабрики. Компанията я представя като ключова платформа за следващия етап от инфраструктурата за agentic AI.

NVIDIA DLSS 5 носи AI пробив във визуалното качество на игрите
NVIDIA представи DLSS 5 и го определи като най-големия си графичен пробив след ray tracing в реално време. Според компанията новата версия издига още повече качеството на изображението и производителността чрез AI-базирано рендиране.

От симулация към производство: как се изграждат роботи с AI
В публикация в блога на GTC NVIDIA описва как най-новите ѝ отворени модели, симулационни инструменти и embedded изчислителни решения се комбинират, за да ускорят работните процеси от облака до робота. Основното послание е, че разработката в роботиката се движи към по-интегриран pipeline – от софтуера до реалното внедряване.

Повече, отколкото се вижда на пръв поглед: RTX-ускорени компютри на NVIDIA вече се свързват директно с Apple Vision Pro
NVIDIA съобщи, че CloudXR 6.0 вече се интегрира нативно с visionOS, което позволява на RTX-базирани симулатори и професионални 3D приложения да се свързват директно с Apple Vision Pro. Новината разширява позициите на NVIDIA в immersive enterprise и дизайн работните процеси.

NVIDIA и телеком лидери изграждат AI grids за оптимизация на inference върху разпределени мрежи
В публикация в блога си NVIDIA защитава тезата, че телеком мрежите се превръщат в нов слой за разпределен inference. Компанията посочва активността на оператори в САЩ и Азия на фона на разширяването на AI-native приложенията към все повече устройства, потребители и агенти.

GTC поставя под светлините на прожекторите RTX PC и DGX Spark системи на NVIDIA, които изпълняват локално най-новите отворени модели и AI агенти
NVIDIA съобщи, че на GTC 2026 е показала нова категория „agent computers“, включително RTX PC и DGX системи, които изпълняват локално отворени модели и AI агенти. Посланието е, че персоналните компютри навлизат в етап, в който generative и agentic AI все по-често ще работят директно на устройството.

Snap решения: как отворени библиотеки за ускорена обработка на данни ускоряват A/B тестовете в Snapchat
NVIDIA открои използването от страна на Snap на отворени библиотеки на NVIDIA за обработка на данни в Google Cloud с цел по-бърза разработка на продукти и по-ефективно експериментиране. Публикацията представя ускорената аналитика като начин A/B тестовете в голям мащаб да станат по-бързи и по-ефективни.

Плавно движение: virtual reality със 90 кадъра в секунда вече е налична в GeForce NOW
NVIDIA съобщи, че GeForce NOW вече поддържа стрийминг с 90 fps за съвместими VR headset устройства. Обновлението е насочено към по-плавно и по-завладяващо cloud gaming изживяване за потребителите на виртуална реалност.

Изображения: NVIDIA

Платформата е разработена, тъй като много корпоративни инициативи в областта на изкуствения интелект срещат затруднения въпреки наличието на технологии, тъй като моделите не отразяват специфичните нужди на бизнесите, които ги използват. Повечето системи са обучени върху обширни интернет данни, а не върху вътрешните знания, процеси и документация на компаниите.

Това представяне подчертава стратегията на Mistral, насочена към корпоративния сектор, въпреки че конкуренти като OpenAI и Anthropic водят на потребителските пазари. Главният изпълнителен директор Артър Менш заяви, че този подход дава резултати, като компанията очаква да надхвърли 1 милиард долара годишни повтарящи се приходи тази година.

Според Mistral, Forge дава на организациите по-голям контрол както върху данните им, така и върху AI системите им.

Това, което Forge прави, е да позволява на предприятия и правителства да персонализират AI модели според своите специфични нужди,

каза Елиза Саламанка, Head of Product в Mistral, пред TechCrunch.

Докато други доставчици предлагат сходни инструменти, много от тях разчитат на методи като fine-tuning или retrieval augmented generation (RAG), които адаптират съществуващи модели без да ги обучават изцяло. Mistral твърди, че техният подход отива по-далеч, като позволява на компаниите да изграждат модели от нулата.

Това може да подобри представянето при специализирани или неанглоезични данни и да даде на бизнеса повече контрол върху поведението на моделите. Също така може да подпомогне разработването на агентни системи чрез reinforcement learning, като същевременно намалява зависимостта от външни доставчици на модели.

Forge позволява на клиентите да използват библиотеката от модели с отворени тегла (open-weight) на Mistral, включително по-малки системи като Mistral Small 4. Според съоснователя и главен технолог Тимоти Лакроа, персонализацията помага да се преодолеят ограниченията на по-малките модели.

Тимоти споделя:

Компромисите, които правим при изграждането на по-малки модели, са, че те просто не могат да бъдат еднакво добри по всяка тема, както по-големите им аналози. Затова възможността да ги персонализираме ни позволява да изберем върху какво да наблегнем и какво да пренебрегнем.

Mistral предлага насоки относно избора на модели и инфраструктура, но крайното решение остава в ръцете на клиента. Платформата също така предлага подкрепа от екип инженери, които работят директно с клиентите, за да адаптират решенията, подобно на компании като IBM и Palantir Technologies.

Като продукт, Forge вече включва всички инструменти и инфраструктура, така че може да изграждате pipeline-и за синтетични данни,

споделя Елиза Саламанка.

Но разбирането как да се създадат правилните оценки и да се гарантира, че разполагате с достатъчно количество данни, е нещо, за което предприятията обикновено нямат необходимата експертиза – и именно това предоставят тези инженери.

Forge вече се използва от партньори като Ericsson, European Space Agency, Reply, както и сингапурските DSO и HTX. Сред ранните потребители е и ASML, която ръководи кръга на финансиране Series C на Mistral миналата година.

Според главния директор по приходите Марджъри Яниевич, платформата ще бъде особено полезна за правителства, които се нуждаят от локализиран AI, финансови институции със строги изисквания за съответствие, производители, които се нуждаят от персонализация, и технологични компании, адаптиращи модели към своите кодови бази.

Изображение: Elisa Salamanca LinkedIn profile; Timothee Lacroix LinkedIn profile; Arthur Mensch LinkedIn profile/ Edited 18.03.2026

За NVIDIA  това има значение далеч отвъд ефекта от едно силно заглавие. Blackwell е в центъра на сегашния тласък на компанията при AI сървърите, докато Rubin се позиционира като следващата голяма стъпка в хардуерната ѝ пътна карта. На сцената Хуанг представи промяната като отражение на това колко бързо се е изместило търсенето само за няколко месеца, докато hyperscalers, cloud доставчици и компаниите, разработващи AI модели, продължават надпреварата за осигуряване на още compute.

Не знам дали и вие го усещате така, но $500 млрд. са огромен обем приходи,

каза Хуанг по време на keynote презентацията.

Аз обаче съм тук, за да ви кажа, че от мястото, на което стоя в момента — само няколко кратки месеца след GTC DC, една година след предишното GTC — точно оттук виждам поне $1 трилион до 2027 г.

Тази прогноза идва в момент, в който NVIDIA се опитва да покаже, че историята на растежа ѝ се простира далеч отвъд един-единствен свръхуспешен цикъл при чиповете. Rubin, който компанията вече описа като своя AI архитектура от следващо поколение, се очаква да надмине Blackwell съществено както при training, така и при inference натоварвания, като увеличаването на производството е планирано за втората половина на 2026 г. Това превръща твърдението на Хуанг за трилион долара не просто в прогноза за търсенето, а в заявка колко централно място NVIDIA очаква бъдещите ѝ платформи да запазят в икономиката на AI.

Image: Keynote GTC, Screenshot