ошибки, измеряет производительность и автоматически переписывает код, при этом люди задают лишь общее направление работы. Эта новость подчёркивает, что, хотя обучение моделей ИИ по-прежнему в значительной степени опирается на CUDA (Compute Unified Device Architecture — платформа параллельных вычислений Nvidia), рынок инференса (вывода моделей, то есть применения уже обученных моделей) становится полем битвы, где доминирование CUDA выражено слабее. Такие компании, как d-Matrix, Rebellions и Cerebras, целятся именно в этот пробел. Однако эксперты предупреждают, что 10 часов сгенерированного кода не равнозначны 20 годам развития экосистемы CUDA, её библиотек и инструментов верификации. Бин Сюй (Bing Xu), основатель INT21, отмечает, что главным узким местом является именно верификация, а не генерация кода. Крис Латтнер (Chris Lattner) из Modular считает, что кодирующие агенты дают лишь постепенные улучшения, а ажиотаж вокруг них сильно преувеличен. Nvidia также использует ИИ-агентов для более быстрой разработки CUDA, так что итог гонки будет зависеть от того, смогут ли конкуренты догонять быстрее, чем Nvidia продолжает совершенствовать свою платформу.