A mesterségesintelligencia-kutatás egyik úttörője, a gépi látás 2010-es évekbeli gyors fejlődését elindító ImageNet adatkészlet kidolgozója, Fei-Fei Li startupja, a World Labs piacra dobta a kereskedelmi forgalomban beszerezhető első generatív világmodellt, a Marble-t (Márvány).

Az MI szöveges promptokból, fényképekből, videókból, 3D elrendezésekből vagy panorámákból alakít ki szerkeszthető, letölthető 3D környezeteket. 

A versenytársakkal, mint a Decart-tal, az Odyssey-val és a Google Genie-jével, sőt a World Labs saját valósidejű RTFM-jével ellentétben, a Marble menet közbeni világgenerálás helyett tartós 3D tereket hoz létre, amelyeket a felhasználók „Gauss fröccsentésként”, hálóként vagy videókként exportálhatnak. (A Gauss-féle fröccsentés 3D jelenetet a hagyományos poligonok helyett többmillió áttetsző, ellipszoid alakú „Gauss-féle fröccs” gyűjteményeként, fotorealisztikusan ábrázol.)

A modell MI-natív editálóeszközöket és egy Chisel nevű hibrid 3D szerkesztőt tartalmaz. A Chisel lehetővé teszi a felhasználóknak, hogy szerkezeteket azt megelőzően blokkoljanak a térben, míg a mesterséges intelligencia ki nem tölti a vizuális részleteket.

 De mire jó ez? Elsősorban arra, hogy a fejlesztők így nagyobb kontrollal rendelkeznek a létrehozott környezetek felett.

„Teljesen új modellkategória. 3D világokat generál, és az idő előrehaladtával egyre jobb lesz. Már eddig sokat javítottunk rajta” – nyilatkozta Fei-Fei Li, utalva a cég tavaly decemberben bemutatott korai, egyetlen kép alapján interaktív 3D jeleneteket generáló modelljeire. A kissé rajzfilmszerű, lenyűgöző jelenetekkel nem lehetett sokat kezdeni, mert a mozgások kis területre korlátozódtak, és renderelési hibák is előfordultak.

A modell játékokhoz, filmek vizuális effektusaihoz és virtuális valósághoz (VR) használható. Fejlesztők az elemeket olyan játékmotorokba exportálhatják, mint a Unity vagy az Unreal Engine. A Marble az ingyenestől a havi kilencvenöt dollárosig, négy előfizetés-szintet kínál. Az ingyenessel havi négy generálás, a kilencvenöt dollárossal hetvenöt generálás plusz az összes funkció és kereskedelmi jog jár.

Az MI-korban a fejlődés legnagyobb akadálya nem a pénz, hanem az energia. Az Egyesült Államok számára ez azért különösen aggasztó, mert monumentális adatközpontok várják működésüket, az ország viszont nem lesz képes biztosítani a kiszolgálásukhoz szükséges folyamatos energiaellátást vagy az infrastruktúrát.

Nem volt mindig így, 2010 körül az adatközpontok még hatékonyságnöveléssel ellensúlyozták a megnőtt igényeket. A mai napi többmilliárd MI-lekérdezéssel az igény drasztikusan nő, de a hatékonyság nem tart lépést vele. Túl kevés új energiakapacitás kerül forgalomba, az adatközpontok fokozódó hálózati terhelésének ára a villanyszámlákon realizálódik.

Ha az USA az áramár súlyos emelése nélkül szeretné valóra váltani az MI-ben rejlő lehetőségeket, tanulhatna más országoktól, például Kínától, ahol 2024-ben 429 GW energiatermelő kapacitást, az amerikai hatszorosát telepítették. Kínában továbbra is, de az összképet tekintve egyre kisebb arányban dominál a szén. Az ország rekordtempóban telepít nap-, szél-, gáz- és nukleáris alapú megoldásokat.

Amerika eközben a gyengélkedő szénipar újjáélesztésére fókuszál. A széntüzelésű erőművek nemcsak nagyon környezetszennyezők, hanem a működtetésük is drága. Elöregedésükkel hatékonyságukat is elvesztik, a 2014-es 61 százalékkal összevetve, ma csak az idő 42 százalékában termelnek áramot.

Ha az amerikaiak nem változtatnak, az energetikában és az MI-ben is újítóból szimpla fogyasztóvá válnak. Kína már most többet exportál megújulókból, mint az USA olajból és gázból.

Mivel olcsóbbak és gyorsabban munkába állíthatók, megújuló energiákon alapuló új erőművek építése segíthetne, csakhogy a jelenlegi washingtoni adminisztrációnál se a szél-, se a napenergia nem népszerű, így a természetes gáz a leginkább működő opció. A szükséges felszerelések működésbe állítása viszont késik.

Rugalmasabb adatközpontok is segíthetnek, különösen, ha csúcsidőben nem az elektromos közművektől szerzik be az energiát. Ebben az esetben mindenféle új energetikai infrastruktúra nélkül is működhetne új MI-infrastruktúra. 

A Duke Egyetem tanulmánya szerint, ha az adatközpontok működtetői beleegyeznének, hogy idejük mindössze 0,25 százalékával, évi huszonkét órával csökkentsék a fogyasztást, az elektromos hálózat 76 GW pluszigényt tudna kielégíteni. Ezt úgy képzeljük el, mintha a teljes közmű hálózati kapacitását bármilyen új építés nélkül növelnénk öt százalékkal.

A rugalmasság önmagában azonban nem elegendő, sokkal átfogóbb, több területet összekapcsoló megoldásra lenne szükség.

Az MIT (Massachusetts Institute of Technology) kutatói komplex környezetek másodpercek alatti 3D feltérképezését elkészítő mesterségesintelligencia-rendszert fejlesztettek robotokhoz. A mai gépi tanulást és a klasszikus gépi látás alapelveit kombináló technológia megváltoztathatja a kutatási-mentési műveletekben résztvevő gépek munkáját.

A robot fedélzeti kamerájának korlátlan mennyiségű képét fel tudja dolgozni, pontosan rekonstruálja belőlük 3D-ben a helyszínt, miközben valósidőben becsüli meg a gép térbeli pozícióját. A technika neve szimultán lokalizálás és térképezés (simultaneous localization and mapping, SLAM), rendszerek ezzel alkotják újra környezetüket, és határozzák meg, hogy hol vannak.

Hagyományos SLAM-módszerek előre kalibrált kamerákat igényelnek, zsúfolt vagy vizuálisan komplex helyszíneken gyakran nem működnek. Gépitanulás-modellekkel egyszerűsödött a folyamat, egyszerre viszont csak hatvan kép dolgozható fel velük, ezért nem praktikusak valóvilágbeli feladatokhoz, amelyekben gyorsan kell többezer képkockát elemezni.

Az MIT-kutatók a jelenetet kisebb altérképekre szedték, amelyeket inkrementálisan összehangoltak. A rendszer koherens 3D modellben egyesíti őket. A robot így gyorsabban is mozog, és a térbeli pontosság is megmarad.

Nagyon egyszerűnek tűnt, de elsőre nem működött – vallották be a kutatók. Később rájöttek, hogy azért nem, mert a gépitanulás-modellek gyakran apró torzulásokat vezetnek be altérképeken, amely szabványos elforgató és átalakító technikákat használva, megnehezíti a pontos összehangolást.

Az altérképek minden egyes torzulását megragadó és korrigáló matematikai keretet dolgoztak ki, hogy a rendszer konzisztensen végezze az összehangolást. Gépi tanulást és klasszikus optimalizálást kombinálva, rögtön lett eredmény.

Az új technológia gyorsabb és pontosabb a mostani térképező technikáknál. Nem kell hozzá speciális kamerakalibrálás, plusz feldolgozóeszköz. Egyszerűsége miatt robotok, AR- és VR-rendszerek használhatják, de raktárak automatizálásában is fontos szerepet játszhat.

A 2012-ben alapított, ma már százmilliónál több felhasználóval rendelkező Coinbase Global a legnagyobb amerikai kriptotőzsde és a világ legnagyobb bitcoin letétkezelője. 

A több mint száz országban működő vállalat kriptovaluta termékeket és szolgáltatásokat kínál. Az ágazatban működő versenytársakkal összehasonlítva, konzervatív és törvénytisztelő kriptotőzsdeként jellemzik. Közel négyezer alkalmazottjuk kilencvenöt százaléka távmunkában dolgozik; elvileg nincs fizikai székhelyük, bár San Franciscóban tartanak fenn irodákat és az észak-karolinai Charlotte-ban is létesítenek egyet. 

Márciusban bejelentették, hogy a Coinbase az Ethereum hálózat legnagyobb csomópont-üzemeltetője, és az összes tétben lévő Ether 11,42 százalékát kontrollálja. Május nyolcadikán felvásárolták a dubai székhelyű Deribit kriptovaluta-származékos tőzsdét, május tizenkilencedikén bekerültek az S&P 500 indexbe, a Standard & Poor az Egyesült Államok tőzsdéin jegyzett ötszáz vezető vállalat részvényeinek teljesítményét követő indexébe.

November tizedikén új platform indítását jelentették be. A platform lehetővé teszi egyéni befektetőknek, hogy kriptotőzsdei jegyzésük előtt vásárolhassanak új tokeneket. A bejelentés hatására a délelőtti kereskedésben négy százalékkal emelkedtek a Coinbase-részvények.

A lakossági és intézményi befektetők növekvő érdeklődése fellendítette a digitális eszközök iránti kereskedést, ennek eredményeként az ágazat szereplői bővíteni szeretnék szolgáltatásaikat, hogy kiaknázhassák a több billió dolláros piac adta lehetőségeket.

A Coinbase havonta egy tokenértékesítést fog lebonyolítani az új platformon egy algoritmus segítségével. Az algoritmus meghatározza, hogyan osztják ki a tokeneket a befektetőknek, akik egyhetes időszakon belül küldhetnek be vételi kérelmeket.

Piacra lépő tokenkibocsátók küszködnek, hogy tokenjeik tényleges felhasználók kezébe kerüljenek, miközben komoly tőzsdei likviditást építenek ki. A Coinbase ezt az állapotot változtatja meg –állítják.

A kezdeti coin (digitális érme) kibocsátások a 2017-es kriptorobbanás idején népszerű kalapozási, adománygyűjtési módszernek számítottak vállalatok számára, új tokeneket adhattak el befektetőknek. Miután a szabályozók kifejezték a befektetők védelmével és a közzététellel kapcsolatos aggályaikat, a tendencia lelassult.

Mostanában változik a helyzet.

A Coinbase a következő hónapokban további funkciókkal bővíti a platformot. A befektetők USD Coinban, az amerikai dollárhoz kötött stablecoinban fizetnek. Elsőként a Monad blokklánc-startup kínálja tokenjét az új platformon keresztül.

A Google által bejelentett Napfogó projekt (Project Suncatcher) kutatási kezdeményezés azt vizsgálja, hogy TPU-kkal (tenzor feldolgozóegységekkel) felszerelt, napenergiával működő műholdak konstellációi képesek lesznek-e egy napon gépitanulás-számításokat végezni a világűrben.

A TPU-k meghatározott célra tervezett alkalmazásspecifikus integrált áramkörök. Az elsőket a Google fejlesztette, első generációjukat 2016-ban jelentette be, és kifejezetten a TensorFlow szoftvergyűjteményhez készültek. A cég összes gépi tanulást használó szolgáltatásának az alapjai, az MI és a robotika a legfontosabb alkalmazási területeik.

A TPU-k azért múlhatják felül a legjobb általános CPU-kat és GPU-kat, mert 8 bites adatformátumokkal dolgoznak 64 bites struktúrában, amellyel jelentősen növelik a párhuzamos feldolgozási kapacitásokat.

A vállalat közzétett tanulmányában részletesen ismerteti az olyan kihívásokkal kapcsolatos előrelépéseket, mint a műholdak közötti nagy sávszélességű kommunikáció, a pályadinamika és a sugárzás hatása a számítógépes hardverre.

Próbaüzemi demonstráció során a Google csapata másodpercenkénti 1,6 terabites átviteli sebességet ért el. Megállapították, hogy a Trillium TPU-k (a hatodik generációs TPU-k) a várt ötéves misszió közbeni dózisoknál közel háromszor magasabb sugárzási szintet bírnak ki.

A kutatás azt sugallja, hogy ha az indítási költségek továbbra is csökkennek, és a 2030-as évek közepén kilogrammonkénti kétszáz dollár körül lesznek, akkor a világűrbeli adatközpontok kilowattonkénti alapon gazdaságilag összehasonlíthatók lesznek a földi létesítményekkel.

A Google a műholdas adatokkal és elemzésükkel foglalkozó Planettel közösen két műhold-prototípus 2027. eleji indítását tervezi. Pályára téve őket igyekeznek tesztelni az elképzelést. Ha sikeresek lesznek, komoly lépést tesznek az MI környezetkárosító energiahasználatának drasztikus csökkentésére.

A norvég tömegközlekedési rendszer egyik főszereplője, a buszokat üzemeltető Ruter bejelentette, hogy a kínai buszgyártó Yutong Csoport járművein végzett teszteken kiderült, hogy a gyártó távolról leállíthatja azokat, mert a szoftverfrissítés és a diagnosztika miatt hozzáfér irányítórendszerükhöz. 

A teszteken a buszok földalatti bányákban közlekedtek, ahova nem jutnak el külső jelek. A Yutong új és a holland VDL gyártó hároméves járművei vettek részt rajta. Utóbbiak szoftverét nem lehetett vezeték nélkül frissíteni, a kínaiakét viszont igen. A cég elmondta, hogy termékeik szigorúan megfelelnek azon országok törvényeinek, ahol buszaikat használják, és az érintett járművek adatait Németországban tárolják. Egyik szóvivőjük szerint az adatok titkosítottak, és csak a jármű karbantartására, optimalizálására és javítására használhatók. Európában, Afrikában, Latin-Amerikában és az Ázsia-Csendes-óceán térségben többtízezer darabot értékesítettek az utóbbi évtizedekben.

A teszteket és a kapcsolódó kutatásokat a megfigyelés miatti növekvő aggodalom indokolja. Egyre több ország kezdi szigorítani a felhasználói adatok távoli hozzáférhetőségére vonatkozó szabályozást. Most kiderült, hogy a gyártó minden egyes buszához távolról hozzáférhet.

A félelmek nem újak. Az amerikai szabályozóknak meggyűlt már a bajuk a Teslával, amelynek járműveit a sofőr távolról, telefonos appal is irányíthatja. A Yutong-buszokat viszont a rajtuk tartózkodó humán sofőr vezeti, nem vezető nélküli járművek, mint egyes kínai és kaliforniai taxik. A Ruter tesztjeinek és kutatásának célja a hekkelés és a nem-kívánt tevékenységek elleni biztonsági rendszer kidolgozása.

A Norvégiához közeli Dániában a Movia közlekedési vállalat közölte, hogy felülvizsgálja menetrendszerinti buszai cyberbiztonságával és a lehetséges kémkedésekkel kapcsolatos kockázatértékeléseit. Fontolgatnak a feltörések, adatokkal való visszaélés és a buszok működésképtelenné tételének megelőzésére irányuló intézkedéseket. A dán hatóságok eddig egy ilyen esetről sem számoltak be, a cég viszont mindent megtesz a kockázatok további minimalizálásáért.

A norvég szakemberek hangsúlyozták, hogy a probléma nemcsak kínai buszokkal, hanem mindenfajta hasonló elektronikával rendelkező járművel és eszközzel kapcsolatban fennáll. Buszok kamerái nem kapcsolódnak az internetre, tehát a kép- és videótovábbítás kockázata nem áll fenn – emelte ki a száznál több Yutong-járművel rendelkező Ruter. A buszok nem irányíthatók távolról, a gyártó viszont mobilhálózaton hozzáfér az akkumulátorhoz és az elektromos tápegységekhez. Elvileg megállíthatja, működésképtelenné teheti a járműveket.

Többek szerint csak idő kérdése, hogy Kína mikor válik a mesterséges intelligencia huszonegyedik századi szupernagyhatalmává. Hozzászoktunk, hogy az Egyesült Államok félvezető szakértelemben betöltött vezető helyére, csúcsfejlett MI-kutatásaira és az adatközpontokba irányuló masszív befektetéseire gondoljunk.

Kínának viszont megvannak a lehetőségei és az eszközei az MI maximumra pörgetett fejlesztéséhez és alkalmazásához szükséges össztársadalmi erőforrások mobilizálásához.

Az adatokból trendek olvashatók ki. Az MI-publikációkban és szabadalmakban Kína vezet. A Stanford 2025-ös MI Indexe alapján 2023-ban a hivatkozások 22,6 százaléka kínai, 20,9 százaléka európai, 13 százaléka amerikai forrásra mutatott. 2023-ban az MI-szabadalmak 69,7 százalékát Kína jegyezte. Viszont a száz legtöbbet hivatkozott publikációban a 2025-ös mezőnyt az USA vezeti. A topkategóriás tehetségek versenyében szintén első: a Gazdasági Tanácsadók Amerikai Tanácsa alapján 2019-ben 59, 2022-ben 42 százalékuk dolgozott az Egyesült Államokban. Kínánál 42 és 28 százalék a két mutató, azaz csökken az előny.

A Trump-adminisztráció külföldi munkavállalókkal szembeni korlátozásai miatt több kínai kutató térhet haza, és az arányok tovább változhatnak az USA kárára.

Magát a technológiát illetően, 2024-ben amerikai intézmények készítették a jelentősebb MI modellek 40 százalékát, míg a kínaiak csak tizenötöt. Ők viszont kevesebből is többet képesek létrehozni, algoritmikus hatékonyságban a legjobb nagy nyelvmodelljeik (LLM), mint a DeepSeek-V3 és az Alibaba Qwen 2.5 Max rávernek a vezető amerikaiakra. Chipekben azonban tetemes az USA előnye. 

A jövőben a nyílt forrású modellek területén Kína remekelhet (Európa sajnos ebben is lemaradóban van), és már most több MI-modellt töltenek fel, mint az amerikaiak. A technológia társadalmilag elterjedtebb, mint az USA-ban. Az MI támogatta fintechben, e-kereskedelemben és logisztikában már vezetnek. Az olyan hardveres alkalmazásokban, mint a drónok és ipari robotok, a fizikai MI területén szintén szépek a kínai kilátások.

Nagy erősségük a gyártófolyamatok magasszintű ismerete, a (társadalomra alkalmazva egyébként nem kifejezetten pozitív) mérnöki mentalitás. Hosszabb távon az MI-vel gyakorolt kontroll veszélyezteti a szuperhatalom technológiai ambícióit. 

Az Artificial Analysis kétszáznál több felhasználó és szervezet bevonásával végzett felmérése alapján 2025 harmadik negyedévében a kép- és videóalkalmazások területén Google Gemini és Veo modelljei terjedtek el legjobban. A válaszadók 74 százaléka használja a Geminit (kép), 69 százalékul pedig a Veo-t (videó).

A „melyik képgeneráló modellcsaládokat használja ön/szervezete” kérdésre válaszolva Google Gemini, OpenAI GPT Image (64 százalék), BFL FLUX (nyílt súlyok, 37 százalék), Google Imagen (36 százalék), Qwen (28 százalék), Bytedance Seedream/SeedEdit (24 százalék), Stable Diffusion (22 százalék), BFL FLUX (zárt súlyok, 22 százalék), Adobe Firefly (18 százalék), Grok Imagine (18 százalék) volt az első tíz. A Midjourney 17 százalékkal a tizenegyedik, a Runway (12 százalék) tizenkettedik, a Meta Image Generator (8 százalék) tizenhatodik.

A „melyik videógeneráló modellcsaládot használja ön/szervezete” kérdésre válaszolva Google Veo (Veo 3), Kling (Kling 2.1 Master, 48 százalék), MiniMax Hailuo (Hailuo 02 Pro, 35 százalék), Runway (Runway Gen 4, 30 százalék), Alibaba WAN (WAN 2.2 A14B, 30 százalék), Bytedance Seedance (Seedance 1.0 Pro, 27 százalék), Midjourney V1 (24 százalék), Tencent Hunyuan Video (15 százalék), PixVerse (PixVerse V5, 13 százalék), Lightricks (LTX Video, 11 százalék) volt az első tíz.

Mind személyes, mind szervezeti használatra a megkérdezettek a minőséget tekintették a legfontosabb tényezőnek. A költség a videógeneráló API-kat (alkalmazásprogramozói felületeket) választó szervezetek számára bizonyult különösen kritikusnak. A hozzáférési csatornák kiválasztásakor a válaszadók 58 százaléka az alacsonyabb összköltséget jelölte meg elsődleges szempontként.

A szervezetek szinte egyenlően oszlottak meg az alkalmazásokon (65 százalék) és az API-kon (62 százalék) keresztüli modellelérésben. A személyes felhasználók viszont (érthetően) túlnyomórészt az alkalmazásokat részesítették előnyben (86 százalék).

A szervezetek 65 százaléka tizenkét hónapon belüli megtérülésről számolt be, 34 százalékuk pedig már látott befektetésarányos megtérülést (ROI, return of investment).

A felmérést az OpenAI Sora 2 videógeneráló modelljének megjelenése előtt készítették.

A banki és a pénzügyi szolgáltatások globális szereplői minden új technológia, főként a mesterséges intelligencia adta lehetőségeket kihasználva igyekeznek csökkenteni a tranzakciók hosszát, növelni az ügyfelek számára nem látható, háttérben végzett feladatok (back-office) hatékonyságát, minél több profitot hozó üzletet kötni.

2026-ot hét technológiai trend alakíthatja.

Az MI-ágensek automatizálnak rutinfeladatokat: tranzakciók egyeztetését, megfelelőség-ellenőrzéseket, rendellenes tranzakciók valósidejű jelzését, alkalmazások feldolgozását. Az ügyfél szempontjából személyes pénzügyi asszisztensekként működnek, megkeresik a legjobb árfolyamokat, harmadik féltől származó alkalmazásokkal és szolgáltatásokkal kommunikálva a nevünkben, egyensúlyoznak befektetési portfoliókat.

Az ügyfél-élmény forradalma a második: mivel egyre könnyebben válthatunk szolgáltatót, megnyerésünkhöz és megtartásunkhoz a CX (costumer experience) kulcsfontosságú. Az MI-vel a személyre szabás alkalmazásokba integrálódik, prediktív elemzések felmerülés előtt prognosztizálják a problémákat, a chatbotok teljes körű megoldásukig fejlődnek.

A fintech technikák emberek nélküli megvalósítása továbbra is álom marad. 2026-ban súlyosbodik a szakemberhiány, a csillagokba szökő fizetések ellenére bankok, fedezeti/magánbefektetési alapok (hedge funds) és biztosítók továbbra is nehezen találnak megfelelő szakembert. 2026-ban az MI, a gépi tanulás, az adattudomány, a cyberbiztonság és a blokklánc ismerete lesznek a legkeresettebb készségek, de a digitális átalakulás iparági humán hatásait kezelő képességekkel rendelkezők iránt szintén nőni fog a kereslet.

Valós eszközök, például borok tokenesítésével intézményi és lakossági befektetők anélkül invesztálhatnak és kereskedhetnek velük, hogy foglalkozni kellene a fizikai kezelésükkel, tárolásukkal, vagy közvetítőkkel kellene tárgyalniuk. Mivel pénzügyi eszközök, mint a kötvények, értékpapírok és adósságok szintén egyre inkább tokenizáltak, lehetővé válik a zökkenőmentesebb intézményi kereskedelem és befektetés. 2026-ban a trend felerősödik.

A kvantumszámítások pénzügyi szolgáltatásokban történő alkalmazásai idén jelentek meg, a JP Morgan, a Goldman Sachs és a HSBC kockázatelemzésre és portfolió-optimalizálásra használja a technológiát. A tendencia 2026-ban folytatódik, a klasszikus és a kvantumszámítási feldolgozást ötvöző hibrid munkafolyamatok jelennek meg, maga a kvantumszámítás pedig a legkomplexebb kalkulációs és optimalizációs problémákra fog összpontosulni.

Mainstreammé válnak a stablecoinok, a hagyományos valuták, például az amerikai dollár értékéhez kötött kriptovaluták. Duplán, kriptóként és klasszikus fizetőeszközként is profitálhatunk belőlük: egyrészt országhatárokon átnyúlva is könnyedén kereskedhetünk velük, nincsenek közvetítők, másrészt stabilabb az értékük. Jövőre több ország hozhat kriptovaluta-barát szabályozást, és több intézmény fogja érteni a használatukat.

A gazdasági és geopolitikai bizonytalanság marad 2026-ban is. A változó kereskedelmi szövetségek, a vámok és a konfliktusok veszélye továbbra is megzavarják az iparágakat alátámasztó ellátási láncokat, az üzleti, banki és befektetési tevékenységet működtető tőkeáramlást. Kormányok és pénzügyi szolgáltatók változatlanul az ellenállóképesség fejlesztésére fognak összpontosítani. és az USA után globálisan is egyszerűsítik a szabályozást.

Mi történne, ha jövő számítástudománya nem egyre gyorsabb digitális chipekről, hanem a pár évtizede túlhaladott analóg technológia felélesztéséről szólna?

A Pekingi Egyetem kutatói ebbe az irányba tettek fontos lépést: analóg chipjük az Nvidia H100 GPU-jánál (grafikus feldolgozóegységénél) akár ezerszer gyorsabb és ezerszer kevesebb energiát fogyaszt. Sikerült megoldaniuk az analóg számítások „százéves problémáját”, adekvát választ találtak a magas szintű pontosság és a skálázhatóság szimultán elérésére.

A digitális számítástechnika úgy működik, mint egy hagyományos villanykapcsoló: egyesekkel és nullákkal jelölt be- vagy kikapcsolt állapotban van. Az analóg ezzel szemben fényerőszabályzó-kapcsolóhoz hasonló, amelynek a tárcsája különböző szintekre állítható, és az információkat egy adott tartományon belül folyamatosan változó értékek alapján dolgozza fel.

A kínai eszköz az adatokat az elektródák közötti anyag elektromos ellenállásának változtatásával tároló rezisztív memóriatömböket használ. Az architektúrával a chip komplex matematikai problémákat lépésről lépésre haladó algoritmusok helyett fizikai mennyiségekkel (feszültség, áramerősség) old meg. Digitális számítógépek különösen természetes rendszerek, például időjárási mintázatok szimulálásával vagy az MI működtetéséhez használt mátrixalapú számításokkal küszködnek. Mivel a feldolgozás és a memória továbbra is elkülönül, a fizikai számítások határához közeledve, egyre inkább nő a felhasznált idő és az energiafogyasztás.

Mivel a problémák közvetlen megoldására fizikai mennyiségeket használ, dinamikus rendszerek szimulálása vagy az MI-számítások sokkal gyorsabban és energiahatékonyabban megoldhatók analóg számítástechnikával. 

Az elképzelés nem új, a pontatlanság és a skálázhatatlanság viszont történelmi relikviává tette. A kínai kutatók most életet igyekeznek lehelni bele. Eszközük digitális rendszerekhez hasonló pontosságot ért el MI és 6G számítási kihívásokban. A GPU-k felső harmadát lekörözték közepes léptékű mátrix-számításokban, és a chip finomhangolásával növelhetik a teljesítményt. Ha beválik, az MI jövője nem a tranzisztorok folyamatos csökkentésén vagy az áramfogyasztás növelésén áll vagy bukik.