Google Gasta $1.2M en Protección Policial en San Francisco
Gasto en protección policial de empresas tecnológicas revelado
Registros muestran que Google gastó $1.2 millones en protección policial en San Francisco en el último trimestre, mientras que Amazon y Microsoft gastaron $900,000 y $750,000 respectivamente. Las divulgaciones se producen después de un reciente ataque a la casa de Sam Altman y las oficinas de OpenAI.
Los archivos de la ciudad enumeran pagos de varias empresas con sede en San Francisco al departamento de policía para unidades de protección en el sitio y respuesta rápida. El lanzamiento de hardware TPU Edge de Google es parte de su esfuerzo por ejecutar modelos de lenguaje grandes en dispositivos locales.
El gasto de Google en protección policial representa un aumento significativo con respecto al trimestre anterior, lo que sugiere que la empresa está adoptando un enfoque más proactivo en materia de seguridad. Este movimiento es probablemente una respuesta a la creciente preocupación por la seguridad corporativa en la industria tecnológica.
El impulso de Google en inteligencia artificial en el borde
Google anunció una nueva iniciativa de inteligencia artificial en el borde destinada a reducir la brecha con las ofertas de inteligencia artificial basadas en la nube de Amazon y Microsoft. El esfuerzo se centra en ejecutar modelos de lenguaje grandes en dispositivos locales en lugar de enrutar cada solicitud a través de centros de datos.
La estrategia promete una latencia más baja para los usuarios finales y costos de ancho de banda reducidos para las empresas. Google planea enviar silicio personalizado optimizado para cargas de trabajo de inferencia a ubicaciones en el borde, desde quioscos minoristas hasta vehículos autónomos.
Para lograr este objetivo, Google está invirtiendo mucho en el desarrollo de su hardware TPU Edge. El TPU Edge está diseñado para acelerar las cargas de trabajo de aprendizaje automático, lo que permite un procesamiento más rápido y eficiente de tareas de inteligencia artificial.
Historia de los desarrollos de inteligencia artificial en el borde
El concepto de computación de inteligencia artificial en el borde ha existido durante varios años, pero los avances recientes en hardware y software lo han hecho más factible. En 2019, Google presentó su Edge TPU, un ASIC personalizado diseñado para aplicaciones de computación en el borde.
Desde entonces, otros gigantes tecnológicos han seguido su ejemplo, anunciando sus propias iniciativas de inteligencia artificial en el borde. Amazon, por ejemplo, ha introducido sus Edge Services, que permiten a los clientes ejecutar modelos de aprendizaje automático en dispositivos en el borde.
Contexto de la industria: inteligencia artificial, seguridad y el costo de la velocidad
La aparición de herramientas de investigación impulsadas por inteligencia artificial como Deep Research agrega otra capa: el análisis automatizado puede amplificar los movimientos del mercado, lo que potencialmente puede crear escenarios de caída rápida si los datos subyacentes se ven comprometidos.
La creciente dependencia de las herramientas de investigación impulsadas por inteligencia artificial genera preocupaciones sobre la seguridad de los datos y el potencial de manipulación del mercado. A medida que la inteligencia artificial se vuelve más omnipresente en el sector financiero, los reguladores deberán adaptarse y desarrollar nuevas pautas para mitigar estos riesgos.
Mecánica técnica: cómo funciona la inteligencia artificial en el borde
La computación de inteligencia artificial en el borde implica ejecutar modelos de aprendizaje automático en dispositivos locales, como teléfonos inteligentes, dispositivos domésticos inteligentes o vehículos autónomos. Este enfoque permite un procesamiento más rápido de tareas de inteligencia artificial, reduciendo la latencia y mejorando el rendimiento general del sistema.
La clave para la computación de inteligencia artificial en el borde es el desarrollo de hardware personalizado, como el TPU Edge de Google, que está optimizado para cargas de trabajo de aprendizaje automático. Este hardware permite un procesamiento más rápido y eficiente de tareas de inteligencia artificial, lo que hace posible ejecutar modelos complejos en dispositivos en el borde.
Implicaciones posteriores
El éxito de la iniciativa de inteligencia artificial en el borde de Google dependerá de su capacidad para equilibrar el rendimiento, el consumo de energía y el costo. Si Google puede ofrecer soluciones de inteligencia artificial en el borde de alto rendimiento a un costo más bajo, podría obtener una ventaja significativa sobre sus competidores.
Sin embargo, el enfoque creciente en la computación de inteligencia artificial en el borde también genera preocupaciones sobre la seguridad de los datos y el potencial de manipulación del mercado. A medida que la inteligencia artificial se vuelve más omnipresente en el sector financiero, los reguladores deberán adaptarse y desarrollar nuevas pautas para mitigar estos riesgos.
Qué observar
Vigile el calendario de lanzamiento de hardware en el borde de Google durante los próximos seis meses; los retrasos podrían ceder ventaja a Amazon y Microsoft. Monitoree las divulgaciones de contratos policiales de San Francisco para empresas tecnológicas adicionales, lo que indicará si el gasto en seguridad se convierte en una norma sectorial.