Cannes: OpenAI se pouští do reklamy, Meta do její automatizace

Cannes (I): OpenAI debutuje v Cannes a vstupuje do reklamního byznysu

Společnost OpenAI debutovala na festivalu Cannes Lions, a to ne ze střešní terasy na Croisette, ale na poloodlehlé terase, 15 minut chůze od centra festivalu. Dave Dugan, vedoucí globálních reklamních řešení a dvanáctiletý veterán ze společnosti Meta, oznámil „zcela nový reklamní produkt“. Čísla, která za tím stojí: 900 milionů uživatelů týdně, přibližně 20 procent dotazů s přímým komerčním záměrem. Podle Axiosu OpenAI investorům přislíbila, že za čtyři roky dosáhne obratu 100 miliard dolarů, což je meta, na kterou společnost Meta potřebovala 17 let. CRO Denise Dresser nechce úspěch měřit podle impresí, ale podle toho, jestli reklama „pomáhá lidem vyřizovat si věci“. Reklama má přitom dotovat bezplatný přístup a konverzační data nikdy nebudou poskytována inzerentům. S kódovacím agentem Codex si kreativní ředitelé budou moci bez znalosti programování vytvářet vlastní produkční workflow. → AI Secret

Synthszr Take: Na terase stojí bývalý manažer společnosti Meta a vysvětluje, že ChatGPT je opakem scrollování, zatímco importuje obchodní model Mety. Sam Altman se reklamě léta vyhýbal jako tomu, čím je: okamžiku, kdy zákazníkem již není uživatel, ale produkt. Teď je tady, pěkně zabalená jako „Intelligence Economy“ a mise poskytnout přístup více lidem. 100 miliard za čtyři roky je reakcí na vlastní vysoké výpočetní náklady, protože 900 milionů bezplatných uživatelů spotřebovává kyslík, který musí někdo zaplatit. Zajímavá bude otázka mantinelů: „Nikdy nesdílíme konverzační data“ zní dobře, jenže celá hodnota reklamy v ChatGPT spočívá právě v záměru, který uživatel v konverzaci prozradí. Ještě v březnu se zde tvrdilo, že pouhé škálování nevede k AGI; reklamní byznys je upřímnou odpovědí na to, jak toto škálování do té doby financovat. Kdo používá ChatGPT, měl by od nynějška počítat s tím, že každé plánování cesty do Alp je signálem z horní části prodejního trychtýře (upper-funnel).

Cannes (I): Meta automatizuje reklamu a WPP je z toho nadšená

V Cannes představila Meta novou generaci nástrojů umělé inteligence pro inzerenty a agentury, která má uzavřít takzvaný closed loop (uzavřenou smyčku): systém, který identifikuje úspěšné reklamní materiály, analyzuje jejich účinek a na základě toho samostatně vytváří nové varianty. Nicola Mendelsohn, vedoucí globálního reklamního byznysu, jej popisuje jako nástroj, který se z existujících reklam učí identitu a tonalitu značky a tyto poznatky využívá pro generativní tvorbu reklamních prostředků. WPP bude prvním agenturním partnerem, který řešení otestuje, a to s přímou integrací do WPP Open, celokoncernové platformy umělé inteligence, která v jednom systému spojuje plánování, tvorbu, produkci a řízení médií. WPP teprve na jaře oznámila prohloubení spolupráce s Adobe a centrálně zapojuje partnery jako AWS a Meta. Na festivalu se často hovořilo o přechodu od „webu vyhledávání a klikání“ ke konverzačnímu používání internetu, v němž se platformy jako Meta, Pinterest nebo OpenAI profilují jako doporučovací systémy. Kritici varují, že takové systémy především reprodukují to, co fungovalo v minulosti, a kampaně se tak stávají podobnějšími. Kreativní agentura Fifty Thousand Feet naopak zdůrazňuje představivost a kulturní porozumění jako klíčové rozlišovací znaky. → MEEDIA Daily Update

Synthszr Take: Closed loop optimalizuje každou jednotlivou kampaň a celek reklamy tak směřuje do stejného středu. Přesně to ukázal experiment s milánskými restauracemi: jakmile zmizel ChatGPT a hostinští psali sami, lexikální rozmanitost vzrostla o 15 procent. Stejný nástroj, který každému jednotlivci usnadňuje život, činí všechny dohromady zaměnitelnými. Efektivita na mikroúrovni, entropie na makroúrovni. Systém společnosti Meta se učí, co v minulosti fungovalo, a přesně to dodává zpět: osvědčené postupy (best practice) jsou novým průměrem, profesionálním a bez vášně. Pro WPP to znamená outsourcovat produkční mašinérii na Metu a položit si zásadní otázku, co zbude, když všichni budou pracovat se stejným stackem a stejným výstupem od AI. Vkus se stává posledním obranným příkopem a ten se nedá generovat v pipeline. Kdo v tomto světě produkuje pouze rychleji to samé, prohrál soutěž dříve, než je nasazen první reklamní materiál.

OpenAI vyvíjí vlastní čip a stává se nezávislejší na Nvidii

OpenAI a Broadcom představily Jalapeño, ASIC speciálně vytvořený pro inference, který má podle obou firem poskytovat lepší výkon na watt než současný špičkový hardware. Čip není upravený akcelerátor pro trénování, ale je od základu navržen pro chování velkých jazykových modelů a budoucí agentní úlohy: vysoká propustnost při nízké latenci, obrovský výpočetní chiplet se šesti moduly HBM namísto levnější DRAM. Odhad z obrazu waferu naznačuje velikost čipu (die) kolem 840 mm², což je nebezpečně blízko limitu 858 mm² pro EUV litografii. Inženýrské vzorky již běží v laboratoři a zpracovávají ML úlohy jako GPT-5.3-Codex-Spark. Pozoruhodné je tempo: tape-out za devět měsíců, nasazení od konce roku 2026. Konkrétní benchmarky, konfigurace paměti a výkonnostní cíle zůstávají nezveřejněny, proto je třeba brát sliby o efektivitě s rezervou. Zda se Jalapeño dokáže postavit proti Rubin od Nvidie a MI400 od AMD, je skutečně otevřenou otázkou, nikoli srovnání s dnes již stárnoucí generací Blackwell. → www.tomshardware.com

Synthszr Take: V únoru přišlo přiznání OpenAI, že inference bude brutálně drahá. Jalapeño je na to logickou odpovědí: kdo platí za token a denně jich protlačí miliardy, ten si dříve či později vezme marži zpět prostřednictvím vlastního křemíku. Devět měsíců od nápadu po tape-out je tempo, které si člověk z hardwarové branže přečte dvakrát, a naznačuje to, že zde při návrhu čipu silně pomáhala umělá inteligence (jinak se cyklus sotva vyplatí). Výpočetní disciplína se právě přesouvá z trénování na inference, a právě tam leží peníze, protože reasoning a agenti zdražují každý dotaz. Chybějící benchmarky jsou upřímným rizikem: 840 mm² čip blízko limitu litografie zní jako svaly, ale neříká nic o reálném vytížení. Kdo sází na OpenAI jako na platformu, měl by si nyní započítat vendor lock-in, protože vlastní hardware je nejsilnějším kotevním bodem, jaký může foundational lab vybudovat. Zajímavé to bude až koncem roku 2026, kdy se čipy postaví proti Rubin, a ne proti tiskové zprávě.

Anthropic obviňuje Alibabu z dosud největší „distillation“ kampaně proti Claude

Anthropic informoval americké senátory a Bílý dům, že provozovatelé z okruhu laboratoře Qwen společnosti Alibaba využili mezi dubnem a červnem téměř 25 000 falešných účtů, aby získali schopnosti modelu Claude. Jedná se o téměř 29 milionů interakcí, cílených na softwarové inženýrství a agentní reasoning, tedy přesně na komerčně nejcennější dovednosti modelu. Tím Alibaba sama překonává objem tří předchozích případů (DeepSeek, MiniMax, Moonshot) s celkem 16 miliony interakcí a 24 000 falešnými účty. Distillation znamená, že se frontier model krmí připravenými dotazy, shromažďují se odpovědi a s nimi se pak trénuje levnější konkurenční systém. Americké depozitní certifikáty Alibaby klesly o více než tři procenta pod 100 dolarů; Pentagon zařadil koncern 8. června na svou černou listinu čínských vojenských firem, proti čemuž Alibaba tento týden podává žalobu. Pikantní je, že Anthropic volá na pomoc stát, ale zároveň se sama pře s Trumpovou administrativou o exportní kontroly pro své modely Fable-5 a Mythos-5. Společnost, která je po Series H v hodnotě 65 miliard dolarů oceněna na 965 miliard dolarů, tento měsíc důvěrně podala žádost o IPO. → thenextweb.com

Synthszr Take: 29 milionů interakcí prostřednictvím 25 000 falešných účtů není náhoda, to je industrializovaná imitace ve velkém stylu. Zajímavá je ekonomika, která za tím stojí: Anthropic pálí miliardy na výpočetní výkon a trénování a distiller aproximuje výsledek za zlomek ceny. To je Jevonsův paradox duševního vlastnictví modelů: čím cennější jsou inženýrské dovednosti, tím usilovněji se z nich vysávají. Měli jsme to tu už v únoru, když byly jmenovány firmy jako DeepSeek a další; nyní stojí koncern s hodnotou 965 miliard dolarů před IPO a najednou potřebuje plot duševního vlastnictví kolem softwaru, který je z definice kopírovatelný. A právě zde to začíná být kafkovské: tatáž americká vláda, která má brzdit čínské laboratoře, zároveň blokuje vlastní modely Anthropicu pro zahraniční uživatele prostřednictvím Lutnickova nařízení. Kdo staví svůj obranný příkop čistě na náskoku v modelu, má příkop z vody. Poučení pro každou inženýrskou organizaci, která sází na jediný frontier model: udržitelná výhoda spočívá v nasazení a šíření znalostí v týmu, ne v síle modelu, který zítra může být destilován v cloudu konkurence.

Computer Use se stává součástí základního modelu: Gemini 3.5 Flash nyní sám ovládá obrazovku

Google včera integroval schopnost Computer Use přímo do modelu Gemini 3.5 Flash. To, co byl dříve samostatný model (Gemini 2.5 Computer Use), je nyní nativně součástí hlavního modelu a podle Googlu poskytuje dosud nejlepší výkon v agentních úlohách na počítači. Vývojáři tak mohou vytvářet agenty, kteří vidí, přemýšlejí a ovládají prohlížeč, mobilní zařízení a desktop, například pro kontinuální testování softwaru nebo znalostní práci napříč několika aplikacemi. Proti prompt injection Google nasazuje cílený adversariální trénink a dva volitelné podnikové ochranné systémy: explicitní potvrzení uživatelem pro citlivé akce a automatické zastavení úkolu při detekci injekce. Přístup je zajištěn přes Gemini API a Gemini Enterprise Agent Platform, dema hostuje Browserbase. Google doporučuje přístup „obrany do hloubky“ (defense-in-depth) se sandboxingem, lidským dohledem (human-in-the-loop) a přísnými přístupovými právy. → blog.google

Synthszr Take: Skutečná páka se skrývá ve slově „Flash“. Computer Use už není drahý specializovaný model, ale součást levného a rychlého standardního modelu, a to mění propočty pro každého, kdo plánuje automatizaci ve velkém měřítku. Připomíná to skok, který spustil Claude Code na konci roku 2025: umělá inteligence opouští chatovací okno a zasahuje tam, kde se pracuje. Pro německou firmu s 200 inženýrskými rolemi to konkrétně znamená, že noční refactoring, testování softwaru a znalostní práce přes SAP, Salesforce a Office najednou běží za ceny tokenů, které se vejdou do dashboardu finančního ředitele. Slabým místem zůstává prompt injection v živých prostředích a dva ochranné systémy Googlu jsou začátek, ale nikdo by neměl pouštět agenta na produkční systémy bez sandboxu a kontroly přístupu. Kdo teď nezačne připravovat své vlastní operační toky na takové agenty, zaplatí za tento náskok v učení později dráž. Otázka už nezní zda, ale které tři případy použití půjdou zítra ráno do pipeline.

01.AI se chce stát čínským Palantirem

Kai-Fu Lee svůj AI startup 零一万物 (01.AI) v uplynulém roce téměř potichu přebudoval a během té doby se osobně setkal s více než stovkou generálních ředitelů, napůl z Číny a ze zahraničí. Místo drahých základních modelů, které se v cenové válce o tokeny po nástupu DeepSeek staly čistě otázkou kapitálu, se firma nyní explicitně neorientuje na OpenAI nebo Anthropic, ale na Palantir: integrace dat, podpora rozhodování a exekuční systémy pro vlády a klíčová průmyslová odvětví. Lee se vyhýbá americkému trhu a místo toho cestuje do Střední Asie, jihovýchodní Asie, na Blízký východ, do Evropy a Afriky. V Kazachstánu zasedá v národní radě pro rozvoj AI, s agrárním gigantem Charoen Pokphand buduje joint venture 万蜂智能, které posílá AI na kuřecí farmy, aby zlepšilo úmrtnost a marži. Čísla zakázek hovoří pro tuto změnu: přibližně 500 milionů jüanů v roce 2025, již 1,5 miliardy jüanů v kontraktech na rok 2026, k tomu nové kolo financování a plánované IPO v roce 2027. Leeho klíčová teze zní, že skutečné zakázky nejsou servisní agenti za 200 000 jüanů, ale kompletní transformace pomocí AI, o které může rozhodnout pouze „一号位“, tedy jednička ve firmě. → Hello China Tech

Synthszr Take: Lee zde dělá jediný tah, který 65letému muži bez chuti do kapitálové války zbývá, a dělá ho chytře. Zatímco ostatní „大模型六小虎“ pálí miliardy, aby vybudovali čínské OpenAI, on jde tam, kde jsou marže: do bilance zákazníka. Jeho nejlepší věta je diagnóza, že přistupovat k projektu AI jako k IT projektu znamená namontovat do koňského povozu motor z lokomotivy. To se shoduje s tím, co jsme v březnu popsali v „CODE CRASH“: když se kódování a modely stanou zaměnitelnou komoditou, hodnota se přesouvá od modelu k transformaci organizace kolem něj. Skeptický zůstávám u suverénní AI jako obchodního modelu, protože schůzky s prezidenty v Astaně a joint ventures na kuřecích farmách se škálují hůře než SaaS produkt, a srovnání s Palantirem s sebou nese politické riziko, které Lee zlehčuje. Ale směr je správný: raději si účtovat méně než McKinsey a dodávat výsledky místo PowerPointu, než dál sedlat mrtvého koně v závodě o nejlepší základní model. Kdo nasbírá smlouvy za 1,5 miliardy jüanů, než vyhlásí IPO, ten pochopil, že udržitelnost je důležitější než vize.

L'Oréal si trénovací data píše rovnou sám

Celý průmysl se specializoval na to, aby značky zvenčí vepsal do odpovědních systémů: Generative Engine Optimization, připravená vlákna na Redditu, zpětné inženýrství toho, co model čte. L'Oréal to celé přeskakuje a předává OpenAI databázi svých produktů přímo. Virtuální zkoušení od Maybelline tak už neprobíhá oklikou přes optimalizaci, ale je přímo v systému. Kdo má telefonní kontakt na OpenAI, nemusí se už o trénovací data přetahovat z levných tribun. Na otázku „Jak ovlivním, co o mně model ví?“ L'Oréal odpovídá tím, že se sám stává zdrojem. GEO vedle toho vypadá jako SEO pro všechny, kdo nemají číslo v adresáři OpenAI. → AI Secret

Synthszr Take: V Code Crash stojí, že webové zmínky korelují s viditelností v AI zhruba třikrát silněji než zpětné odkazy (0,664 oproti 0,218) a že model nevěří stránce „O nás“, ale tomu, co říkají ostatní. L'Oréal obrátil list a sám se stal tím, co model čte. To je skutečný obranný příkop této fáze: ne chytrá taktika zvenčí, ale přímé místo u zdroje. Kdo dodává databázi, určuje podíl v modelu (Share of Model) ve své kategorii dříve, než GEO konzultanti vůbec otevřou svůj checklist. Přesně proto se soutěž právě teď posouvá od „Kdo lépe optimalizuje?“ k „Kdo bude pozván, aby přispěl?“. Pro středně velké značky bez kontaktu na OpenAI to znamená: najít neobsazená pole, která velcí hráči ještě nevyklidili, a obsadit je, dokud je model ještě nezná. Bílý prostor v modelu se uzavírá rychleji, než většina marketingových rozpočtů stihne zareagovat.

U Mety píše stavové hlášení agent, nikoliv tým

Nikhyl Singhal hovořil v podcastu Skip s Jagjitem Chawlou, viceprezidentem pro produkt ve společnosti Meta, který je zodpovědný za Feed, Reels a nově i Search. Klíčové sdělení: jakmile se nápady stanou levnými, stává se hlavní prací jejich posuzování a produktový manažer se stává největším úzkým hrdlem. Klasický PRD se v jeho týmech zmenšil na jeden odstavec plus prototyp, v oblasti ML doplněný o evaluační sadu. Stavové zprávy už neputují hierarchií vzhůru prostřednictvím prezentací: Chawlův agent v noci přečte každý code diff, každý e-mail a každý dokument a v sedm ráno mu předloží seznam bodů, projekt po projektu označený červeně, žlutě nebo zeleně. V některých částech jeho organizace agent dokonce píše dokument pro revizi, označí tři sporné otázky a jmenuje pět lidí, kteří by se měli sejít. Datový dotaz, který dříve vyžadoval 24hodinové předání datové vědě, nyní analytický agent zodpoví za pět minut. To vše nebylo nařízeno ani zakoupeno centrálně, ale vytvořily si to týmy samy, někdy za jediný večer. → Lenny's Newsletter

Synthszr Take: To, co Chawla nazývá „kompresním algoritmem“, je přesně ten posun, který popisuji v Code Crash: dříve byl kód drahý a záměr levný, teď je to naopak. Když výstup nic nestojí, stává se vzácným zdrojem vstup, a posuzování vítězí nad produkováním. Zajímavé není ani tak to, že Meta používá AI (to dělá teď každý), ale že se radikálně zhušťuje pipeline: revize začíná rozhodnutím, nikoli třicetiminutovým budováním kontextu. Organizační schéma bylo po desetiletí informačním potrubím, a noční agent ho nyní nahradí pro 50 projektů najednou. Pozoruhodný je způsob výstavby. Nikdo nespustil 18měsíční program, týmy si své systémy postavily za jeden večer s nástroji, které měly stejně po ruce. Kdo v květnu četl o 8 000 propuštěných zaměstnancích Mety a myslel si, že jde jen o snižování nákladů, vidí zde druhou polovinu účtu: samotná práce se znovu vynalézá, a s tím se dá začít zítra ráno u kávy, ne až po dalším strategickém off-site.

Serverless Postgres pro aplikace a agenty

Databricks přináší s Lakebase plně spravovanou databázi Postgres, která se přímo napojuje na Lakehouse a je přizpůsobena pro AI agenty a aplikace. Fígl je v tom, že databáze se větví jako kód. Vývojáři mohou okamžitě vytvářet větve (branches) pro testování nebo vývoj, pracovat s produkčními daty a vracet změny, aniž by se dotkli živého provozu. Výpočetní výkon a úložiště jsou oddělené a škálují se nezávisle, s možností škálování na nulu (scale-to-zero) v nečinnosti a platbou podle spotřeby. Jako prominentní případ použití je prezentována paměť agenta (Agent Memory): chatovací seance a zprávy se trvale ukládají do Lakebase, aby agent mohl i po novém nasazení přistupovat k předchozím průběhům konverzací. Prostřednictvím pgvector, PostGIS, správy Unity Catalog a Change Data Feed se provozní úložiště propojuje se světem analytiky, aniž by někdo musel stavět vlastní ETL pipelines. → Latent.Space

Synthszr Take: Postgres je po desetiletí nenápadným dělníkem ve strojovně a Databricks z něj teď dělá paměť pro agenty. V tom je ta hlavní síla. Agenti bez trvalého stavu jsou zapomnětliví stážisté, kteří po každém nasazení začínají od nuly. Větvení jako v Gitu je krok, který vývojářům zítra ráno ušetří práci, protože mohou testovat na reálných produkčních datech, aniž by něco rozbili. Otázka vendor lock-in upřímně zůstává otevřená: kdo spojí své provozní úložiště s Lakehouse od Databricks, zaplatí později cenu za migraci, a v mém vendor-rastru se to posouvá z modelového lock-in (nízký) směrem k platformovému lock-in (střední). Přesto je směr správný, protože otevřený Postgres s pgvector a stávajícím světem nástrojů (pgAdmin, DBeaver, psql) alespoň nečiní přechod slepou uličkou. Reasonable Sovereignty zde znamená: používat, ale od prvního dne myslet na cestu pro export.

ByteDance přeskakuje čtyři verze a dodává 4K video z 50 referencí

ByteDance v úterý na konferenci Volcano-Engine-FORCE v Pekingu představil Seedance 2.5, model, který z jediného promptu generuje 30sekundové klipy v nativním 4K rozlišení. Společnost přeskočila od předchůdce přímo na verzi 2.5 a vynechala čtyři meziverze, aby zdůraznila tento skok. Klíčové vylepšení spočívá v kapacitě referencí: až 50 multimodálních vstupů (obrázky, zvuk, 3D bílé modely, stylové reference), oproti 12 u předchozí verze. K tomu se přidává 10bitová barevná hloubka, o 20 procent lepší dodržování promptu, nativní synchronizace zvuku ve stejném latentním prostoru a 3D white-box náhled pro rychlé lofi animace před nákladným renderováním. CEO Liang Rubo označil zdolání vrcholu AI za nejvyšší prioritu koncernu. Enterprise beta již běží, veřejné spuštění je plánováno na začátek července, termín pro USA není stanoven. Kontext je citlivý: před třemi měsíci musel ByteDance po výzvách od Disney, Warner Bros, Paramount a Netflix doplnit vodoznaky a IP-guardrails poté, co virální deepfake Toma Cruise proti Bradu Pittovi vyvolal formální stížnost od MPA. → The Next Web

Synthszr Take: Číslo, na kterém záleží, je 50 proti 3. Veo 3.1 od Googlu přijímá tři referenční obrázky, Seedance 2.5 padesát multimodálních vstupů, a právě tento rozdíl rozhoduje o tom, zda model zůstane hračkou pro memes, nebo se zařadí do profesionální produkční pipeline. Zatímco OpenAI v březnu vypnulo Soru (milion uživatelů na vrcholu, přibližně milion dolarů provozních nákladů denně, celkové tržby přes dva miliony dolarů), čínští tvůrci své nástroje rychleji rozvíjejí ve skutečné produkční nástroje. V březnu jsme psali, že čínské talenty dominují AI scéně; zde je vidět, co to znamená v praxi, tedy distribuce přes 400 milionů měsíčních uživatelů CapCut a vertikální integrace od generování přes editaci až po sdílení. Co ByteDance chybí, je dohoda s Hollywoodem, a každá nová funkce, která model činí mocnějším, zvyšuje tlak v tomto nevyřešeném sporu. Nejupřímnější věta k situaci: technika je vyřešená, právní otázka ne, a ani sebelepší 4K nenahradí chybějící licenci. Kdo zde chce zítra ráno jednat, měl by otestovat enterprise beta pro interní pipelines a držet globální dostupnost mimo rizikovou zónu, dokud nebude vyřešena otázka duševního vlastnictví.