AI digest · Березень: Маск будує завод, Google стискає пам'ять, а Suno співає вашим голосом

1 терават обчислювальної потужності в космосі, стиснення пам’яті в 6 разів без втрати якості, 700 годин запису рухів в одній моделі, 2 млрд параметрів і найкращий результат транскрипції на ринку. Березень у сфері штучного інтелекту був присвячений цифрам, які рік тому звучали б як фантастика… Але сьогодні – це просто новинки ринку. Як і завжди, цього місяця я відкрию вам таємниці технологічних оновлень. У вас мало часу — я це ціную, тому коротко і по суті: що насправді змінило індустрію.

1. Маск будує свій завод з виробництва чипів

Ілон Маск анонсував створення Terafab – спільного заводу Tesla, SpaceX і xAI, який має стати найбільшим виробництвом чипів в історії. Мета: 1 терават обчислювальної потужності на рік. (Для порівняння: вся існуюча глобальна індустрія чипів дає близько 2% від того, що Маску вже зараз потрібно для його проєктів).

Terafab технічно буде двома заводами, кожен з яких виробляє тільки один тип чипів. Перший – для Tesla FSD, роботаксі Cybercab і роботів Optimus. Другий – для орбітальних дата-центрів SpaceX: чипи, здатні працювати у відкритому космосі в умовах радіації та перепадів температур. 80% обчислювальної потужності Terafab планується спрямувати в космос. Бюджет – $20–25 млрд, але при цьому фінансовий директор Tesla на тій же сцені визнав, що ця сума ще не включена в капітальні витрати 2026 року, які й так вже перевищують $20 млрд. 

Але навіть якщо Terafab реалізує лише частину з обіцяного, Маск істотно вирветься вперед у гонці за дешеві чипи для космосу. Вертикальна інтеграція, від дизайну чипа до запуску супутника на Starship, — це архітектура, в якій кожен елемент підсилює інший. Якщо спрацює.

2. Suno v5.5 – тепер співає вашим голосом, у буквальному сенсі

Suno випустила версію 5.5, і головна фішка – Voices: завантажуєте запис свого співу, проходите верифікацію, і Suno генерує треки саме вашим вокалом. Не «схожим на ваш», а саме вашим.

Верифікація зроблена нетривіально: система просить заспівати випадково згенеровану фразу і звіряє живе виконання з тим, що ви завантажили. Якщо не збігається — не пройдете. Поки не ясно, чи працює спроба захиститися від клонування чужих голосів. The Verge вже зазначив, що існуючі AI-моделі голосів знаменитостей теоретично можуть обдурити систему.

Паралельно вийшли Custom Models — можна завантажити свої треки і навчити модель під свій стиль. І My Taste – система, яка з часом вчиться розуміти твої музичні вподобання. Показово, що Suno випустила v5.5 того ж дня, коли Google представила Lyria 3 Pro. 

Voices доступні тільки на платних тарифах від $10/міс. Обмін голосами з іншими користувачами поки що в планах.

Підписуйтеся на наші соцмережі

3. Cohere випустила систему транскрипції, яка перевершила Whisper, і відразу ж оприлюднила її як open source

Cohere Transcribe: 2 млрд параметрів, ліцензія Apache 2.0, 14 мов. Перше місце в рейтингу Open ASR Leaderboard із показником помилок 5,42% – краще, ніж у Whisper Large v3, ElevenLabs Scribe та Qwen3-ASR. У «сліпому» тестуванні результат також переконливий: 78% респондентів віддали перевагу Cohere Transcribe перед IBM Granite, 67% – перед NVIDIA Canary, 64% – перед Whisper.

Архітектура досить нестандартна: 90% параметрів у енкодері, декодер легкий. Мета —  знизити вартість інференсу, не втративши якості. Працює на звичайному споживчому GPU. Можна запустити у себе без підписок та API-ключів.

Для бізнесу це означає цілком конкретну річ: якісна транскрипція перестає бути платною послугою і стає інфраструктурою, яку ви контролюєте самі. Особливо актуально для тих, хто працює з чутливими даними і не хоче пропускати аудіо через чужі сервери.

4. Google зменшив «робочу пам'ять» АІ у 6 разів. І так, інтернет вже назвав це «Pied Piper»

TurboQuant стискає KV-кеш – робочу пам'ять, яку модель використовує під час генерації, щонайменше у 6 разів, без втрати якості. На H100 це ще й прискорення виведення моделей у 8 разів при 4-бітному стисненні. CEO Cloudflare Метью Прінс назвав це «моментом DeepSeek» для Google. Інтернет одразу згадав Pied Piper із «Кремнієвої долини» – серіальний стартап зі стисненням без втрат. Меми розлетілися швидше, ніж стаття…

Але є нюанс, який варто розуміти: TurboQuant працює тільки з пам’яттю інференсу, а не з навчанням. Це не вирішує глобальний дефіцит RAM у дата-центрах, але зміщує поріг ефективності. Більше того, якщо створення моделей стане дешевшим = розгорнеться більше моделей, і загальне споживання пам'яті в підсумку зросте. Так вже працювало з кожним попереднім стрибком ефективності.

Що це дає прямо зараз: моделі зможуть працювати з контекстом у 4–8 разів довше на тому ж залізі. Або стільки ж запитів на меншій кількості GPU. Офіційна бібліотека від Google очікується у другому кварталі 2026 року, поки що є community-реалізації на GitHub.

5. Google запустив Lyria 3 Pro

Lyria 3 Pro вийшла рівно через місяць після Lyria 3. Попередня версія генерувала треки тривалістю до 30 секунд. Pro вміє створювати повноцінні треки тривалістю до 3 хвилин: з інтро, куплетами, приспівами та бриджами. Модель розуміє структуру пісні, а не просто генерує звуковий потік.

Унікальна деталь, яку не помічають в оглядах: кожен трек отримує автоматично згенеровану обкладинку. Жодна інша музична АІ-платформа цього не робить. Здається дрібницею, але якщо створюєш контент для YouTube або соцмереж, це економить час.

Є й стратегічна відмінність від Suno: Google навчав Lyria 3 Pro на ліцензованих даних партнерів і YouTube. Suno та Udio у 2025 році отримали позови від великих лейблів і лише потім врегулювали їх. Для тих, хто використовує музику в комерційних проєктах, це суттєвий аргумент.

Наразі версія доступна в Gemini у платному використанні, у Vertex AI, Google AI Studio та API.

6. Nvidia Kimodo: невеликий текстовий промпт, і робот вже знає, як рухатись

Kimodo – дифузійна модель для генерації рухів, навчена на 700 годинах професійного захоплення рухів. Приблизно в 25 разів більше навчальних даних, ніж у попередніх аналогів. Просто напишіть текстовий промпт і отримайте 3D-анімацію за 2–5 секунд на одному GPU.

Ключова деталь: Kimodo навчена не тільки на людському тілі, але й на скелеті робота Unitree G1. Можна генерувати демонстраційні дані для роботів безпосередньо, що набагато швидше, ніж через дистанційне керування оператором.

Раніше, щоб навчити робота новому руху, потрібна була людина, потім години розмітки, потім фізична симуляція. Kimodo усуває кілька з цих кроків: пишете «людина піднімає коробку і розвертається» і отримуєте готові дані для тренування. Спробувати можна на Hugging Face Spaces, якщо дочекаєтеся черги, звичайно.

Яким був перший місяць весни для АІ?

Suno співає вашим голосом, Lyria 3 Pro пише за вас трихвилинні треки, Kimodo керує роботами за текстовим запитом. Межа між «я це зробив» і «АІ це зробив за мене» у березні стала ще тоншою. Коли вона зникне зовсім — питання вже не філософське, а календарне. Квітень тільки почався, і в черзі нові моделі, нові релізи і, судячи з темпу березня, ще декілька анонсів, які перепишуть те, що я щойно вам доповів…