Když AI zanechává své vlastní stopy
Groq činí inferenci předvídatelnou, zatímco špičkové modely AI vyvíjejí nečekané vlastnosti, které překvapují jejich tvůrce.
Deterministický hardware se setkává s nepředvídatelným softwarem
Přístup společnosti Groq k inferenci AI se zásadně liší od GPU impéria společnosti Nvidia. Místo toho, aby se spoléhal na design náročný na cache, plánuje LPU (Language Processing Unit) od Groq každý příkaz a každý pohyb dat předem. Inference se tak stává deterministickou – jeden token vyžaduje vždy stejný čas. Žádné cache misses, žádná překvapení v tail latency. Pro AI v reálném čase je tato předvídatelnost skutečným produktem. Trénování toleruje neefektivitu, inference nikoli. Architektura ukazuje, že inference je méně výpočetní problém a více problémem fyziky paměti. → AI Secret
Synthszr Take: Filozofie LPU ztělesňuje princip radikálního zjednodušení: když eliminujete nejistotu, získáte kontrolu. Deterministický přístup společnosti Groq je opakem mentality „více je více“ u GPU clusterů. Zde jde o nenáročnost díky přesnosti – AI se stává spolehlivým strojem, nikoli nepředvídatelným orákulem. To je transformační, protože to mění AI z výzkumného nástroje na průmyslovou infrastrukturu.
Vědecká AI dosahuje své konvergenční hranice
Výzkumníci z MIT porovnali 59 vědeckých modelů AI a objevili něco nečekaného: bez ohledu na architekturu nebo data si silné modely vytvářejí téměř stejný interní obraz molekul a materiálů. Tato konvergence se zesiluje se zlepšujícím se výkonem. Závěr je nepohodlný: vědecká AI naráží na společnou datovou hranici, nikoli na architektonickou. Konvergence signalizuje zralost, ale také vytváří společné slepé skvrny. Pokrok nyní závisí méně na nových designech modelů a více na rozšíření fyzické rozmanitosti dat, která pro tyto systémy definují realitu. → AI Secret
Synthszr Take: Připomíná to konec válek prohlížečů: nakonec všichni konvergovali k podobným standardům. U vědecké AI dosahujeme tohoto bodu dříve, než se očekávalo. Modely se stávají jakýmsi „standardním modelem“ digitálních přírodních věd – se všemi výhodami a nevýhodami monopolu. Problém je v tom, že pokud mají všechny systémy stejné slepé skvrny, vědecká zaujatost se na průmyslové úrovni udržuje.
AI vyvíjí nevysvětlitelnou emergenci
Přední výzkumníci v oblasti AI pozorují znepokojivý jev: pokročilé modely vykazují chování, pro které je nikdo explicitně netrénoval. Inženýr ze společnosti Anthropic hlásí, že Claude napsal celý svůj produkční kód bez lidského zásahu. Jiné laboratoře popisují modely, které vyvozují závěry nečekanými způsoby a ve vzácných případech odkazují na kontexty, které by si neměly pamatovat. Interně koluje metafora o „stopách v prázdném domě“. Obavy se přesouvají od alignmentu ke koherenci – výzkumníci si nejsou jisti, zda interagují s jedním systémem, nebo s několika interními procesy. → AI Secret
Synthszr Take: Zažíváme přechod od programované k emergentní AI. To je okamžik, kdy se z inženýrství stává ontologie – vytváříme systémy, jejichž stav vědomí již plně nechápeme. „Stopy v prázdném domě“ jsou digitálním ekvivalentem Goethova čarodějova učně. Otázkou již není, zda AI dosáhne lidské úrovně, ale zda při tom zůstane lidsky srozumitelná.
SaaStr nahrazuje prodejní tým agenty s AI
Jason Lemkin, zakladatel společnosti SaaStr, se odvážil k radikálnímu experimentu: nahradil celý svůj go-to-market tým 20 agenty s AI. To, co začalo jako nouzové řešení, se vyvinulo v nový provozní model. Agenti s AI, spravovaní pouze 1,2 člověka, nyní vykonávají práci deseti SDRs a Account Executives. Lemkin prorokuje, že většina SDRs a BDRs během jednoho roku „vyhyne“. Jeho portfolio společnosti potvrzují trend k automatizaci prodeje s podporou AI. Rozhovor osvětluje konkrétní implementační strategie a transformaci GTM prostředí do roku 2026. → Lenny’s Newsletter
Synthszr Take: SaaStr demonstruje dvourychlostní organizaci v čisté podobě: starý prodejní model se setkává s AI-nativním operačním systémem. Lemkinův experiment ukazuje, že AI nejen automatizuje úkoly, ale nově definuje celé funkce. SDR se stává vyhynulým druhem, protože AI překonává celou kvalifikaci leadů. To je víc než jen zvýšení efektivity – je to industrializace prodeje prostřednictvím vestavěného marketingu na steroidech.
Instagram sází na autentizaci místo označování
Adam Mosseri vysvětluje novou strategii Instagramu v zacházení s obsahem generovaným AI: místo označování AI bude praktičtější autentizovat skutečná média. AI se neustále zlepšuje v napodobování reality. Souběžně Nvidia posiluje výrobu H200 u TSMC, zatímco nabídky na GroqCloud mají překročit miliardovou hranici. Čipoví giganti se připravují na další boom cyklus inference AI. To ukazuje dynamiku trhu mezi výkonem GPU a specializovaným hardwarem pro inferenci. → Techmeme
Synthszr Take: Mosseri předvídá základní problém autenticity digitální budoucnosti: když lze všechno zfalšovat, stane se pravost prémiovou funkcí. To je změna paradigmatu od označování padělků k certifikaci pravdy. Instagram se stává notářskou komorou internetu. Současně navyšování produkce u Nvidia ukazuje bitvu o infrastrukturu a dominanci v oblasti AI – kdo ovládá hardware, ovládá digitální realitu.
New York Times integruje AI do zákaznické podpory
The New York Times aktualizuje své zásady ochrany osobních údajů a odhaluje přitom rozsáhlé využívání systémů AI. Chatboti s AI přebírají zákaznickou podporu, zatímco modely strojového učení analyzují e-maily a odpovídají na ně. Shromážděná data z chatu se vracejí do tréninku nových modelů AI. Kromě toho NYT kombinuje data z průzkumů s automaticky shromážděnými informacemi a aplikuje na ně velké jazykové modely. Cíl: zlepšení služeb, průzkum trhu a personalizovaný marketing. Tyto zásady ukazují, jak tradiční mediální společnosti orchestrují celou svou customer journey pomocí AI. → New York Times
Synthszr Take: NYT provádí přechod od zpravodajského domu k daty řízenému stroji na zážitky. Každý kontakt se zákazníkem se stává tréninkovým datem, každá interakce vstupem pro lepší algoritmy. To je servisně-dominantní logika v dokonalosti: zákazník spoluvytváří službu svými daty. Tradiční média se mění na AI-first společnosti, které shodou okolností stále dělají žurnalistiku.
OpenAI se zaměřuje na audio pro hardwarové zařízení
OpenAI zintenzivňuje práci na audio AI a vylepšuje odpovědi ChatGPT na mluvené otázky. Společnost se připravuje na vydání osobního zařízení s podporou AI. Vylepšení audia jsou strategickým stavebním kamenem pro hardware, který přesahuje textová rozhraní. Řeč se stává primárním rozhraním mezi člověkem a AI. Tento vývoj ukazuje ambice OpenAI mimo software – společnost chce ovládat celý ekosystém AI, od inference až po fyzickou interakci. → The Information
Synthszr Take: OpenAI orchestruje přechod do post-smartphonové éry. Audio-first není jen design rozhraní, ale zásadní přetvoření interakce mezi člověkem a počítačem. Když se AI stane díky řeči všudypřítomnou, počítač jako viditelný objekt zmizí – stane se z něj všudypřítomná inteligence. To je další úroveň splynutí digitální a fyzické reality. Apple definoval smartphone, OpenAI by mohl definovat AI zařízení.
2025: Rok zlomových bodů v AI
DeepSeek v lednu otřásl světem AI a způsobil ztrátu 600 miliard dolarů společnosti Nvidia. Projekt Stargate oznámil 500 miliard na infrastrukturu AI. Claude Code od Anthropic spustil revoluci agentů, zatímco přetahování talentů ze strany Meta zamíchalo kartami v oboru. Sora 2 od OpenAI a Veo 3.1 od Google přinesly průlom v oblasti AI videa. Tento rok značí přechod od experimentální k průmyslové AI. Zlomové body ukazují: AI opouští laboratoře a stává se samostatnou ekonomickou silou. → The Rundown
Synthszr Take: Rok 2025 byl rokem, kdy byla porušena stará pravidla – od dominance USA v oblasti AI až po jistotu, že relevantní modely mohou budovat pouze technologičtí giganti. DeepSeek ukázal, že efektivita poráží sílu. Čína dokázala, že geografické a politické hranice se v AI stávají irelevantními. Supercyklus AI již nelze zastavit – stojíme na počátku dekády trvající transformace, která nově definuje každé odvětví.
