###### 19 de novembro de 2024

A maioría dos modelos de intelixencia artificial están alimentados por unidades de procesamento gráfico (GPU), que son notoriamente intensivas en enerxía. [Segundo Goldman Sachs](https://www.goldmansachs.com/insights/articles/AI-poised-to-drive-160-increase-in-power-demand), para 2030, o crecente uso de GPU nos datos centros daría lugar a un aumento do 160% da necesidade de electricidade. Vishal Sarin, un experimentado deseñador de circuítos analóxicos e de memoria, estableceu Sagence AI, orixinalmente coñecida como [Analog Inference](https://www.sagence-ai.com/), despois de ver que esta tendencia era insostible. A empresa céntrase en desenvolver substitutos de GPU que consomen menos enerxía, abordando problemas tanto de rendemento como de medio ambiente.

Sagence crea sistemas e chips analóxicos para aplicacións de IA, así como o software necesario para programalos. Os chips analóxicos usan un rango de valores para representar información, en contraste cos chips dixitais estándar que almacenan datos como valores binarios. Debido a esta distinción, os circuítos analóxicos poden procesar datos directamente na memoria e completar algúns cálculos usando menos pezas, eliminando os pescozos de botella provocados polas transferencias de datos entre procesadores e memoria. Ademais, en comparación cos seus homólogos dixitais, os procesadores analóxicos proporcionan unha maior densidade de datos.

A pesar de estar dispoñible durante décadas, a tecnoloxía analóxica está volvendo porque os procesadores dixitais non poden seguir o ritmo das demandas do mundo moderno. Non obstante, os chips analóxicos tamén teñen inconvenientes, a saber, a necesidade dunha fabricación exacta e a complexidade da programación. Sagence comercializa os seus chips como complemento ás tecnoloxías dixitais, centrándose en determinadas aplicacións de servidores e dispositivos móbiles para resolver problemas como a latencia, o custo e o consumo de enerxía.

Sagence, que planea comercializar os seus chips en 2025, xa está colaborando con clientes e enfrontándose á competencia doutros fabricantes de chips analóxicos especializados en IA, como EnCharge e Mythic. Investidores como Vinod Khosla, TDK Ventures e Aramco Ventures aportaron 58 millóns de dólares á compañía e pretende buscar máis diñeiro para facer crecer o seu persoal de 75 empregados. O enfoque rendible de Sagence, que se afasta das técnicas de produción máis recentes, aumenta o seu atractivo nunha industria feroz.

As oportunidades potenciais para Sagence están indicadas polas tendencias recentes. A cantidade de diñeiro de capital risco recadado para startups de semicondutores [é en aumento](https://news.crunchbase.com/semiconductors-and-5g/chip-startup-funding-bounces-back-ai-nvda/#:~:text=Thus%20far%20this%20year%2C%20VC,%2410,9%20billion%20in%20447%20ofertas.); só no primeiro semestre de 2024 recadáronse 5.300 millóns de dólares. Aínda quedan obstáculos que superar, como a rivalidade de firmas coñecidas como Nvidia, a fabricación cara e o problema de entrar en mercados onde predominan as tecnoloxías establecidas. Os perigos son destacados polo caso de Graphcore, un fabricante de chips de intelixencia artificial que se declarou en bancarrota a pesar dun financiamento substancial.

O éxito de Sagence depende da súa capacidade para ofrecer chips de alto rendemento e eficientes enerxéticamente ao tempo que escala a produción de forma eficiente. A compañía pretende posicionarse de forma única no panorama do hardware da intelixencia artificial en progreso abordando os desafíos económicos e ambientais.

_Impulsa a innovación a través dos datos con Code Labs Academy_[Data Science & AI Bootcamp](/courses/data-science-and-ai)_._

thumbnail_boliviainteligente-5b9Lr-ggr0E-unsplash (1) (1).webp

boliviainteligente-5b9Lr-ggr0E-unsplash (1) (1).webp

A solución de Sagence AI para a crise enerxética da GPU

###### 12 de novembro de 2024

[Amazon](https://www.amazon.com/) admitiu que unha brecha de seguridade nun provedor de terceiros provocou unha fuga de datos que afecta a información dos empregados. Só se comprometeu a información de contacto empresarial dos empregados, incluídos os enderezos de correo electrónico, os números de teléfono e as localizacións dos edificios; nin os sistemas de Amazon nin de AWS se viron afectados directamente.

Segundo informes, Amazon non ten acceso a datos confidenciais, como información financeira ou números da Seguridade Social, pero négase a dicir cantos empregados foron afectados. [Segundo Amazon](https://techcrunch.com/2024/11/11/amazon-confirms-employee-data-stolen-after-hacker-claims-moveit-breach/), o provedor solucionou a falla de seguridade desde entón que provocou o hackeo.

A confirmación chega despois de que un hacker, co pseudónimo "Nam3L3ss", afirmase ter publicado datos de Amazon e doutras 24 grandes empresas no coñecido foro BreachForums. A presunta explotación masiva de [MOVEit Transfer en 2023](https://www.emsisoft.com/en/blog/44123/unpacking-the-moveit-breach-statistics-and-analysis/) (unha falla importante usando un cero vulnerabilidade dun día na solución de transferencia de ficheiros de Progress Software) deu como resultado a adquisición de máis de 2,8 millóns de filas de datos.

O grupo de ransomware Clop foi responsable do hackeo MOVEit, que afectou a máis de 1.000 empresas, entre elas o contratista do goberno dos Estados Unidos Maximus, o Departamento de Política e Financiamento da Saúde de Colorado e o Departamento de Transporte de Oregón.

Con ameazas cibernéticas en constante crecemento e cada vez máis sofisticadas, incidentes como este destacan a importancia crítica da ciberseguridade para as empresas de todo tipo. As violacións de datos son cada vez máis frecuentes e graves, o que pon de manifesto a necesidade crítica de especialistas en ciberseguridade cualificados que poidan detectar debilidades e protexer os datos privados.

Se tes un gran interese na ciberseguridade ou queres comezar nesta industria en crecemento, [Code Labs Academy](/) ofrece un [campamento de inicio de ciberseguridade] completo (https://codelabsacademy.com/courses). /ciberseguridade) que che proporcionará as habilidades e información que necesitas. Aprende a defender os datos da túa organización, defender os ciberataques e manter a túa vantaxe nun campo de alta demanda.

thumbnail_christian-wiediger-rymh7EZPqRs-unsplash-_1_ (1) (1).webp

christian-wiediger-rymh7EZPqRs-unsplash-_1_ (1) (1).webp

Amazon confirma que os datos dos empregados están comprometidos na violación de MOVEit tras as reclamacións de hackers

###### 7 de novembro de 2024

[Glint Solar](https://www.glintsolar.com/), unha empresa SaaS norueguesa, está a dar un salto no espazo das enerxías renovables mentres a enerxía solar segue a gañar forza. As principais empresas enerxéticas, como E.ON, Recurrent Energy e Statkraft, utilizan a plataforma da startup, que acelera a planificación e o deseño previo de proxectos solares e permite que as instalacións funcionen máis rápido.

Glint Solar ten a intención de utilizar o seu capital Serie A de 8 millóns de dólares para expandirse por Europa, máis aló dos seus actuais mercados principais no Reino Unido, Francia, Alemaña e a rexión nórdica. Os desenvolvedores poden avaliar posibles sitios máis rápido grazas ás capacidades da plataforma, que inclúen proxeccións de rendemento, datos SIX específicos do país e deseños flexibles. O programa tamén ofrece funcións de colaboración baseadas na nube que facilitan a comunicación perfecta entre as partes interesadas ao ofrecer aos equipos do proxecto acceso instantáneo a datos críticos e a posibilidade de crear plans de proxectos en 3D.

O CEO e cofundador Harald [Olderheim díxolle a TechCrunch](https://techcrunch.com/2024/11/07/glint-solar-grabs-8m-to-help-accelerate-solar-energy-adoption-across-europe/) que desde o seu primeiro investimento inicial de 3 millóns de dólares en 2022, Glint Solar aumentou significativamente o tamaño da súa base de clientes. Con instalacións solares terrestres que representan a maior parte da demanda do mercado, a compañía está a centrar os seus esforzos nelas. Glint Solar perfeccionou o seu enfoque ás instalacións a gran escala, que representan o 60% do mercado e son un poderoso acelerador de impacto no espazo das enerxías renovables, aínda que o software pode habilitar solar flotante.

O desenvolvemento de produtos tamén será impulsado polos fondos da Serie A, incluíndo funcións que facilitan a instalación de baterías para o almacenamento de enerxía, unha área que se espera que maximice os investimentos en enerxías renovables. Esta actualización axuda aos desenvolvedores a crear solucións enerxéticas máis completas tendo en conta variables como a capacidade da rede e as limitacións ambientais.

Olderheim sinalou que os complicados procedementos de aprobación seguen causando atrasos nos cronogramas dos proxectos, aínda que os custos das instalacións solares diminuíron significativamente durante a última década. O obxectivo de Glint Solar Accessible Design é axilizar a xestión de proxectos para que os equipos poidan traballar de forma máis produtiva na organización, avaliacións e deseño da granxa solar. A tecnoloxía pode triplicar os pipelines de proxectos e aumentar a velocidade das avaliacións do sitio, segundo os informes dos clientes.

O financiamento da Serie A foi liderado por Smedvig Ventures, co apoio de Momentum, Antler Nordic, Antler Elevate e Futurum Ventures. Jonathan Lerner, socio de Smedvig Ventures, destacou os beneficios da estratexia xeral de Glint Solar, sinalando que podería aforrar fondos significativos en iniciativas cruciais de enerxía verde.

\

*[Code Labs Academy](/) ofréceche as[últimas informacións](/news) para manterte á fronte en tecnoloxía e innovación.*

thumbnail_american-public-power-association-513dBrMJ_5w-unsplash (1) (1).webp

american-public-power-association-513dBrMJ_5w-unsplash (1) (1).webp

Glint Solar recauda 8 millóns de dólares para impulsar a expansión da enerxía solar en toda Europa

###### 5 de novembro de 2024

[ESM3](https://www.evolutionaryscale.ai/blog/esm3-release), unha nova intelixencia artificial (IA) creada por EvolutionaryScale, unha empresa estadounidense fundada por antigos traballadores de Meta, pode deseñar proteínas con propiedades especificadas, un proceso que normalmente tardarían centos de millóns de anos en evolucionar dun xeito orgánico. A compañía presentou este modelo xenerativo de linguaxe enmascarada, unha das IA biolóxicas máis grandes ata a data, nunha [preimpresión recente sobre BioRxiv](https://www.biorxiv.org/content/10.1101/2024.07.01.600583v1.full). A capacidade de ESM3 para producir simultaneamente a secuencia de aminoácidos, a estrutura tridimensional e a función dunha proteína en resposta a sinais particulares é única e abre a porta a usos na investigación de materiais, medicamentos para o desenvolvemento de fármacos e proteínas de almacenamento de carbono.

Dado que as proteínas son biomáquinas microscópicas vitais para moitos procesos corporais, incluíndo a formación de músculos, cabelos e uñas, así como a produción de hormonas e anticorpos, a súa estrutura tridimensional é de gran importancia biolóxica e farmacolóxica. Coñecer a estrutura das proteínas axuda a comprender a súa función biolóxica, avaliar a súa elixibilidade como dianas terapéuticas e determinar a súa eficacia como tratamentos. As proteínas son os bloques de construción de varios medicamentos que salvan vidas, incluíndo a insulina e os anticorpos sintéticos contra infeccións respiratorias graves como o VRS e o cancro. En lugar de buscar laboriosamente variantes naturais, a investigación médica necesita cada vez máis facer proteínas totalmente novas con certas características.

Para a síntese de proteínas, o ESM3 de EvolutionaryScale usa un modelo de linguaxe oculto que pode cubrir as lagoas en varias categorías mirando o contexto desde diferentes ángulos. O modelo utilizou un alfabeto separado para cada categoría (secuencia, estrutura 3D e función) e foi adestrado nun gran conxunto de datos que inclúe 2.800 millóns de secuencias de aminoácidos, 236 millóns de estruturas de proteínas e 539 millóns de funcións proteicas. Para que o modelo comprenda o contexto tanto dentro como a través destas moitas capas, o equipo atopou unha forma de representar cada estrutura 3D como unha serie de personaxes.

A startup encargou ao modelo o reto de crear versións sintéticas da proteína verde fluorescente (GFP), responsable da luz natural en especies mariñas como os corais e as medusas, para demostrar o potencial de ESM3. GFP, que gañou o Premio Nobel de Química 2008, é unha proteína esencial en bioloxía molecular que permite aos científicos identificar e rastrexar compoñentes das células vivas. Aínda que só tiña un 58% de semellanza xenética coa súa contraparte natural, "esmGFP", a mellor variante sintética de GFP producida por ESM3, tiña un alto brillo comparable ao da GFP natural. Segundo os investigadores, crear esta nova proteína fluorescente equivalería a imitar máis de 500 millóns de anos de evolución.

O científico xefe de EvolutionaryScale, Alex Rives, estivo implicado en iteracións anteriores do modelo ESM en Meta. O equipo decidiu continuar este estudo en solitario despois de que Meta deixase de traballar neste ámbito o ano pasado. Como resultado, a proteína fluorescente acaba de ser anunciada e investiuse 142 millóns de dólares para comercializar estes avances. Unha versión máis pequena e de acceso aberto de EvolutionaryScale tamén estivo dispoñible para a investigación científica, pero non é totalmente funcional. Aínda que estaba emocionado de probar o modelo, Martin Pacesa da Ecole Polytechnique Fédérale de Lausanne [mencionado nunha entrevista](https://www.nature.com/articles/d41586-024-02214-x) moita potencia de computación para reproducir a versión completa.

*Mantente ao día das [últimas novidades en tecnoloxía e innovación](/news) coas actualizacións de[Code Labs Academy](/).*

A solución de Sagence AI para a crise enerxética da GPU

Amazon confirma que os datos dos empregados están comprometidos na violación de MOVEit tras as reclamacións de hackers

Glint Solar recauda 8 millóns de dólares para impulsar a expansión da enerxía solar en toda Europa

Simulando a evolución: como o modelo da linguaxe ESM3 transforma o desenvolvemento das proteínas