Mai briefing — 2026. július 21., kedd

AI hírek röviden

A mai hírek középpontjában az AI-infrastruktúra versenyének éleződése, a mesterséges intelligencia megbízhatóságának és elfogultságának kérdései, valamint az anyagtudomány és az ipari AI-alkalmazások összefonódása állt.

  1. Szabályozás

    Független tanúsítás hiányzik a megbízható mesterséges intelligenciához – a bizalmi szakadék okai és megoldása

    Egy nem lektorált kutatási tanulmány azt vizsgálja, miért nem jutalmazza a piac a megbízható MI-rendszereket fejlesztő vállalatokat. A szerzők szerint strukturális bizalmi szakadék áll fenn: a felelős MI-fejlesztés belső folyamatai nem válnak kívülről ellenőrizhető jelzéssé. Három egymást erősítő kudarcot azonosítanak: a piac nem képes megkülönböztetni a valóban megbízható rendszereket az utánzatoktól; az értékelések a modellekre és kimenetekre összpontosítanak, nem a telepített szociotechnikai rendszerek tényleges hatásaira; a mérési ökoszisztéma a kármegelőzésre orientált az előnyök kimutatása helyett. Az egészségügyi, fenntarthatósági és biztonsági tanúsítási rendszerek összehasonlítása alapján a szerzők független, eredményalapú tanúsítási keretrendszert javasolnak, amely a megbízhatóságot mérhetővé, összehasonlíthatóvá és piaci szempontból jutalmazottá tenné.

    Miért fontos? A tanulmány rámutat, hogy a meglévő MI-szabályozási eszközök egyike sem egyesíti a kormányzási alapvonalat, a független eredményigazolást és a piaci jelzést egyetlen keretben.

    #megbízható MI#tanúsítás
  2. Üzlet

    A Microsoft kiterjeszti AMD-partnerségét, az Nvidia chipmonopóliuma gyengül az AI-piacon

    A Microsoft hivatalosan bejelentette, hogy az Azure felhőinfrastruktúráját az AMD legújabb Helios AI-platformjával és következő generációs EPYC processzoraival bővíti. Az együttműködés keretében három új virtuálisgép-típus érkezik: HDv2 adatfeldolgozásra, HXv2 elektronikai tervezésautomatizálásra és ND MI455X v7 AI-következtetési feladatokra. A The Decoder szerint az AMD egy másik nagy ügyfelet is megszerezhet: egy nyilvános GitHub-profil arra utal, hogy az Anthropic teszteli az AMD hardverét, de ez egyelőre nem megerősített. Satya Nadella szerint az ügyfeleknek több választási lehetőségre van szükségük az AI-infrastruktúrában, míg Lisa Su mérföldkőnek nevezte a partnerséget. Az Nvidia továbbra is erős árképzési pozícióban van, de az AMD és más egyedi chipgyártók egyre komolyabb versenyt támasztanak.

    Miért fontos? A Microsoft és az AMD kibővült együttműködése az Nvidia eddigi AI-chip-dominanciáját közvetlenül kihívja, ami az egész iparág versenydinamikáját befolyásolhatja.

    #AMD#Microsoft Azure
  3. Üzlet

    Jeff Bezos és a brit kormány 450 millió dollárt fektet a mesterséges anyagkutatással foglalkozó CuspAI startupba

    A cambridge-i székhelyű CuspAI 450 millió dolláros B sorozatú tőkebevonást zárt le, amelyben többek között Jeff Bezos és a brit kormány szuverén AI-alapja is részt vett – a The Guardian beszámolója szerint a kétéves vállalat értékeltségét ezzel 2,6 milliárd dollárra taksálják. A cég az AI Materials Foundry nevű koalíciót indította el, amelyhez saját állítása szerint több mint 48 technológiai és ipari szereplő – köztük az Nvidia, a Meta és a Hyundai – csatlakozott. A CuspAI célja, hogy mesterséges intelligenciára épülő szoftverrel gyorsítsa új anyagok felfedezését, különösen a chipgyártásban használt ritka fémek kiváltására. Az alapítók szerint a következő évtizedek ipari haladását az eddig ismeretlen anyagok hiánya korlátozhatja, és ezt a problémát kívánják megoldani. A bevont tőkét nemzetközi terjeszkedésre, többek között szingapúri iroda nyitására és létszámbővítésre fordítják.

    Miért fontos? A befektetés a mesterséges intelligencia és az anyagtudomány összekapcsolását célzó, ipari léptékű kezdeményezést finanszíroz, amely a chipgyártás ellátási láncának kritikus függőségeit csökkentheti.

    #CuspAI#anyagtudomány
  4. Kutatás

    Az AI a toborzásban az embereknél is hajlamosabb sztereotípiák kialakítására – új kutatás

    A Princeton Egyetem és a Chicagói Egyetem kutatói szimulált felvételi kísérletben vizsgálták, hogyan alakítanak ki sztereotípiákat a nagy nyelvi modellek. A ChatGPT-t, a Claude-ot és a Geminit is magában foglaló tesztben a modellek fiktív etnikai csoportokba tartozó jelölteket értékeltek negyven körön át, miközben minden jelölt valójában azonos eséllyel teljesített sikeresen. Az eredmények szerint a modellek a korai tapasztalatok alapján gyorsan elkezdték szegregálni a jelölteket, és a kutatók szegregációs skáláján mintegy 65 százalékkal magasabb értéket értek el az emberi résztvevőknél – az OpenAI o3 modellje közel a maximális szintet produkálta. A kutatók szerint az LLM-ek különösen hajlamosak kevés adatból általánosítani, ami az ágens-alapú, felhasználói részleteket megjegyző modellek terjedésével fokozott kockázatot jelent a munkaerő-felvételi döntésekben.

    Miért fontos? A kutatás rámutat, hogy az AI-toborzóeszközök nemcsak átvesznek, hanem önállóan is létrehozhatnak elfogultságokat, ami milliók álláslehetőségeit érintheti.

    #LLM-elfogultság#toborzás
  5. Szabályozás

    A Trump-kormányzat fokozatosan szorítaná ki a kínai MI-modelleket szankciókkal és nyomásgyakorlással

    Az Axios értesülései szerint a Trump-kormányzat több intézménye – a Kereskedelmi Minisztérium, az NSA és a Fehér Ház – 2025 óta vizsgálja a kínai MI-modellek visszaszorítását. A tervezett eszköztár szankciós listákat, biztonsági figyelmeztetéseket és végrehajtási rendeleteket foglal magában, amelyek felelősséget rónának a kínai modelleket kiszolgáló amerikai cégekre. Közvetlen tilalom helyett a kormányzat lassú nyomásra épít: beszerzési szabályokkal és nyilvános kampányokkal kívánja elrettenteni a vállalatokat. A háttérben kereskedelmi érdekek is állhatnak, mivel az olcsóbb kínai nyílt forráskódú modellek növekvő népszerűsége fenyegeti a hazai MI-szolgáltatók piaci pozícióját.

    Miért fontos? Az amerikai szabályozási lépések globálisan meghatározhatják a kínai nyílt forráskódú MI-modellek elérhetőségét és az iparági versenyt.

    #kínai MI-modellek#Trump-kormányzat
  6. Üzlet

    A Tradeshift az Amazon Quick ágens AI-munkaterülettel váltotta le hagyományos BI-rendszerét

    A Tradeshift – több mint 70 országban működő számlakezelő platform – saját fejlesztésű üzleti intelligencia eszközét lecserélte az Amazon Quick nevű ágens alapú AI-munkaterületre. A vállalat állítása szerint a lekérdezések válaszideje akár harmincszorosan gyorsult, a teljes üzemeltetési költség negyven százalékkal csökkent, a beágyazott analitika pedig bevételtermelő termékké vált. A korábbi rendszer tízezer soros lekérdezési korláttal és hat hónapnyi előzményadat-tárolással működött, ami a növekvő adatmennyiség mellett fenntarthatatlanná vált. Az új megoldás természetes nyelvű kérdezést, kód nélküli munkafolyamat-automatizálást és többforrásos elemző jelentéseket kínál.

    Miért fontos? Gyakorlati esettanulmány arról, hogyan válthat egy nagyvállalati platform hagyományos BI-ról ágens alapú AI-analitikára mérhető költség- és teljesítményelőnyökkel.

    #Tradeshift#Amazon Quick
  7. Eszközök

    Az Adobe kísérleti kameraappja generatív AI-eszközökkel bővül, a Google modelljére támaszkodva

    Az Adobe frissítette kísérleti iOS-kameraalkalmazását, a Project Indigót, amely az 1.1-es verzióval egy AI Playground nevű eszközkészlettel egészül ki. A The Verge és a TechCrunch beszámolói szerint a funkciók négy területet fednek le: stílusszűrők, objektumeltávolítás, AI-alapú fotókritika és szabad szöveges szerkesztési utasítások. Marc Levoy, az Adobe munkatársa szerint a legtöbb funkció előre tervezett promptokat használó gombokkal működik, így a felhasználóknak nem kell saját szöveges utasításokat megfogalmazniuk. Az Adobe a Google Nano Banana modelljére támaszkodik egyelőre, de a jövőben más modellek támogatását is tervezi. A funkciót kis felhasználói csoporttal tesztelik, és sikere esetén fizetős verzió is várható.

    Miért fontos? A funkció azt mutatja, hogyan épülnek be a generatív AI-képességek a mobilos fotózás munkafolyamataiba, egyszerű gombnyomásos felülettel helyettesítve a bonyolult promptolást.

    #Adobe#mobilfotózás
  8. Eszközök

    Az NVIDIA bemutatta a hatodik generációs NVLink hálózati technológiát az AI-gyárak számára

    Az NVIDIA technikai blogján ismertette a hatodik generációs NVLink skálázási hálózatot, amelyet kifejezetten AI-gyárak számára terveztek. A vállalat szerint a technológia GPU-nként akár 3,6 TB/s sávszélességet, rack-szinten 260 TB/s összesített sávszélességet és 130 TFLOPS hálózaton belüli számítási kapacitást biztosít, jelentősen felülmúlva a hagyományos Ethernet-megoldásokat nagy méretű nyelvi modellek és MoE-architektúrák esetén. Az NVIDIA állítása alapján a Hopper-ről Blackwell-generációra való áttérés ötvenszeres javulást hozott a tokenek per watt mutatóban. A platform szoftveres integráció (Dynamo, TensorRT-LLM, NCCL, NIXL) mellett üzembiztonsági funkciókat is kínál, mint a menet közbeni frissítés, dinamikus útválasztás és melegtárolócserélhető kapcsolók. A jövőbeli bővíthetőséget az NVLink Fusion és az NVLink-C2C technológiák szolgálják.

    Miért fontos? Az AI-számítási infrastruktúra skálázási korlátait célozza meg egy dedikált, nagy sávszélességű GPU-összeköttetési technológiával.

    #NVIDIA#NVLink
  9. Eszközök

    Az NVIDIA Omniverse ovrtx szenzorszimuláció mostantól modulárisan integrálható meglévő alkalmazásokba

    Az NVIDIA bejelentette, hogy az Omniverse könyvtárak – amelyek immár az NVIDIA Agent Toolkit részét képezik – moduláris API-kat kínálnak meglévő alkalmazások bővítéséhez. Az ovrtx nevű, előzetes kiadásként GitHubon elérhető könnyűsúlyú C/Python SDK kamera-, lidar- és radarszenzor-szimulációt valósít meg RTX technológiával, OpenUSD-jelenetekből valós idejű, fizikailag megalapozott kimeneteket állítva elő. A cég szerint a rendszer integrálható CAD-, Blender-, robotikai és felhőalapú tervezési munkafolyamatokba, például a PTC Onshape Render Studióba. Az ovrtx az Omniverse többi könyvtárával – fizikai szimuláció (ovphysx), streamelés (ovstream), adatkezelés (ovstorage) és megosztott USD-jelenetkezelés (ovstage) – együttműködve többmodális szimulációs csővezetékeket támogat szintetikus adatgyártáshoz, digitális ikrekhez és fizikai AI-validációhoz.

    Miért fontos? A moduláris szenzorszimuláció lehetővé teszi, hogy ipari és robotikai fejlesztők saját eszközeikbe építsék be az RTX-alapú fizikai AI-képességeket.

    #NVIDIA Omniverse#szenzorszimuláció
  10. Eszközök

    Az Amazon Quick és az NVIDIA NeMo Agent Toolkit együttműködése ellátásilánc-kezelő ügynökfolyamatokat kínál

    Az AWS hivatalos blogján bemutatott megoldás az Amazon Quick és az NVIDIA NeMo Agent Toolkit összekapcsolásával specializált, ügynökalapú munkafolyamatokat épít ellátásilánc-kockázatok kezelésére. Az Amazon Quick egységes, beszélgetésalapú felületet biztosít strukturált és strukturálatlan vállalati adatokhoz, több mint száz előre elkészített csatlakozóval és MCP-protokollon keresztül elérhető ügynökfolyamatokkal. Az NVIDIA NeMo Agent Toolkit nyílt forráskódú, keretrendszer-független könyvtárként működik, amely LangChain, LlamaIndex, CrewAI és más eszközökkel is kompatibilis. A bemutatott példában egy ellátásilánc-elemző az irányítópult kontextusából kiindulva, a csevegőügynökön keresztül automatikusan vizsgálja a zavarokat, hívja meg az eszközöket, validálja a javaslatot, és rangsorolt kockázatcsökkentési tervet ad vissza a tervezőnek.

    Miért fontos? Vállalati felhasználók irányítópultról indulva automatizált, ügynökalapú döntéstámogatást kaphatnak ellátásilánc-zavarok kezelésére.

    #Amazon Quick#NVIDIA NeMo Agent Toolkit

Napi összegzők

A nap összképe

A Microsoft és az AMD kibővített együttműködése komoly kihívást jelent az Nvidia eddigi AI-chip-dominanciájának, miközben az Nvidia a hatodik generációs NVLink technológiával és az Omniverse moduláris szenzorszimulációval igyekszik megőrizni infrastrukturális előnyét. Eközben a szabályozási és bizalmi oldalon két fontos kutatás is figyelmeztet: az egyik a független MI-tanúsítás hiányára hívja fel a figyelmet, a másik pedig azt mutatja, hogy az AI-toborzóeszközök az embereknél is erősebb sztereotípiákat alakítanak ki. A Trump-kormányzat a kínai MI-modellek fokozatos visszaszorítását tervezi, ami kereskedelmi és geopolitikai feszültséget vetít előre. Az ipari alkalmazások terén a CuspAI 450 millió dolláros befektetése az anyagtudományi AI-t ipari léptékre emeli, míg a Tradeshift és az Amazon Quick–NVIDIA NeMo együttműködés az ágens alapú vállalati analitika gyakorlati terjedését illusztrálja.

Témaszálak

Mi köti össze a mai híreket — a nap hírei a nagyobb témák köré rendezve.

AI-infrastruktúra verseny és skálázás

A Microsoft–AMD partnerség közvetlenül kihívja az Nvidia pozícióját az AI-chip-piacon, miközben az Nvidia a hatodik generációs NVLink hálózati technológiával és az Omniverse moduláris szenzorszimulációval igyekszik infrastrukturális fölényét megtartani. Az eszközökért folyó verseny az egész iparág dinamikáját formálja.

Megbízhatóság, elfogultság és szabályozás

A független MI-tanúsítás hiányát feltáró kutatás és a toborzási AI-rendszerek sztereotípia-erősítéséről szóló eredmények egyaránt a megbízhatóság strukturális problémáira mutatnak rá, míg a Trump-kormányzat kínai MI-modellek elleni nyomásgyakorlása a szabályozási beavatkozás egy másik dimenzióját nyitja meg.

Ágens alapú AI ipari alkalmazásokban

A Tradeshift hagyományos BI-rendszerének lecserélése az Amazon Quick ágensalapú munkaterületére, valamint az Amazon Quick és az NVIDIA NeMo Agent Toolkit ellátásilánc-kezelő együttműködése azt mutatja, hogy a vállalati szektorban az ágensalapú AI-megoldások konkrét költség- és teljesítményelőnyökkel terjednek.

Összefüggések korábbi napokkal

Hol folytatódnak a korábbi szálak — a mai hírek a megelőző napok eseményeihez kötve.

Mire figyelj

  • Érdemes figyelni, hogy az Anthropic megerősíti-e az AMD hardverének tesztelését, amire a nyilvános GitHub-profil utalt – ez tovább erősítené az Nvidia-alternatívák térnyerését.
  • A Trump-kormányzat konkrét szankciós listáinak és végrehajtási rendeleteinek megjelenése meghatározó lesz a kínai nyílt forráskódú MI-modellek globális elérhetősége szempontjából.
  • A CuspAI AI Materials Foundry koalíciójának első eredményei jelzik majd, hogy az anyagtudományi AI milyen ütemben tud ipari léptékű felfedezéseket felmutatni a ritka fémek kiváltása terén.
  • A toborzási AI-elfogultságról szóló Princeton–Chicago kutatás nyomán érdemes figyelni, hogy az érintett modellek fejlesztői – különösen az OpenAI az o3 modell kapcsán – reagálnak-e a feltárt szegregációs eredményekre.