Google dona biblioteca criptográfica a la Linux Foundation Europe

Google ha anunciado la donación de su biblioteca de código abierto Longfellow, basada en pruebas de conocimiento cero, a la Linux Foundation Europe. Esta iniciativa busca fortalecer el ecosistema de la privacidad digital y promover el desarrollo de tecnologías que permitan verificar información sin revelar los datos subyacentes.

Las pruebas de conocimiento cero son un método criptográfico mediante el cual una parte puede demostrar a otra que una afirmación es verdadera sin necesidad de compartir los detalles que la respaldan. Esta técnica resulta especialmente valiosa en escenarios donde la confidencialidad es prioritaria, como la verificación de identidad, las transacciones financieras o el cumplimiento normativo, ya que permite validar datos sensibles sin exponerlos.

La biblioteca Longfellow fue desarrollada por Google para dar soporte a sus propios productos, y ahora pasa a estar bajo la gobernanza de una fundación neutral. Al trasladarse a la Linux Foundation Europe, el proyecto adquirirá mayor independencia respecto a cualquier proveedor comercial, lo que facilita su adopción por parte de otras empresas, investigadores y desarrolladores independientes.

El código abierto de herramientas criptográficas avanzadas tiene implicaciones significativas para la industria tecnológica. Por un lado, fomenta la transparencia y permite que expertos externos auditen la implementación, reduciendo el riesgo de vulnerabilidades ocultas. Por otro, estandariza el uso de estas técnicas en distintos productos y servicios, lo que puede acelerar la creación de soluciones que preserven la privacidad de los usuarios.

Esta donación se enmarca en una tendencia creciente dentro del sector tecnológico, donde grandes compañías optan por contribuir sus proyectos de infraestructura a fundaciones sin ánimo de lucro. El objetivo suele ser garantizar la sostenibilidad a largo plazo del software y evitar que quede atado a los intereses comerciales de una sola organización.

Para los profesionales técnicos, esta noticia señala un avance hacia la disponibilidad generalizada de herramientas de privacidad robustas. A medida que las regulaciones sobre protección de datos se vuelven más estrictas a nivel global, contar con bibliotecas criptográficas abiertas y bien mantenidas resulta fundamental para construir sistemas que cumplan con las exigencias legales sin sacrificar la funcionalidad.

Artículos relacionados de LaRebelión:

• China Ditches Windows for Linux A Digital Sovereignty Shift
• Pagos AI Linux Foundation Transforma el Futuro Financiero
• Google Transfers Open Health Stack to Linux Foundation
• Linux Foundation Unveils Akrites for AI Security
• Francia Abandona Windows por Linux para Soberania Digital

---

Fuente Original: blog.google

Artículo generado mediante AI.larebelion.

Empresas Chips Alternativos Superan a Nvidia en Evaluacion

Un giro interesante en el mundo de la infraestructura de IA: las empresas están mostrando una preferencia notable por evaluar chips que no son de Nvidia para sus próximas generaciones de hardware. Según una encuesta reciente, un significativo 39.4% de los encuestados planea considerar aceleradores de otros proveedores, como AWS Trainium, Google TPU, AMD Instinct, Intel Gaudi o ASICs propios, en los próximos 12 meses. Esto representa una ventaja de 14 puntos sobre las GPUs de próxima generación de Nvidia, como Blackwell, que solo atraen la atención del 25.3%.

Si bien Nvidia sigue siendo el actor dominante en muchos entornos de producción, este dato subraya una estrategia corporat iva emergente: la búsqueda activa de alternativas para no depender exclusivamente de un único proveedor. Las empresas están diversificando sus estrategias de aceleradores, construyendo una mayor opcionalidad en lugar de limitarse a una única línea de evaluación. Este hallazgo se enmarca en una tendencia más amplia donde las organizaciones están optimizando y expandiendo su infraestructura de IA existente antes de realizar grandes cambios de plataforma. Curiosamente, a pesar del aumento en la adopción y utilización de la infraestructura, la urgencia por cambiar de plataforma ha disminuido.

La adopción de plataformas en la nube también está experimentando cambios significativos. Microsoft Azure ha visto un gran crecimiento en la adopción en producción, mientras que Google Gemini y OpenAI siguen siendo las plataformas más utilizadas. A nivel interno, las empresas que operan sus propias GPUs están aumentando su utilización, lo que indica una operación más efici ente. La definición de efectividad de la infraestructura se está volviendo más operativa, priorizando la fiabilidad y la facilidad de implementación. La urgencia por cambiar de plataforma se está desplazando a un plazo más largo, sugiriendo que las decisiones se basan cada vez más en la integración con el stack tecnológico existente, el rendimiento y el coste por unidad de trabajo, en lugar de consideraciones generales de coste total de propiedad.

La competencia en el mercado de aceleradores se está intensificando, especialmente entre las empresas con poder de decisión estratégica y aquellas de tamaño mediano. Este interés en alternativas a Nvidia no es solo una cuestión técnica, sino una decisión estratégica de infraestructura. Además, las empresas buscan un mayor control sobre la capa operativa que conecta los modelos de IA con sus datos y procesos, lo que impulsa la adopción de soluciones más abiertas y personalizables.

Las "neoclouds", proveedore s de nube especializados en infraestructura de IA, también están ganando terreno como una opción viable en las estrategias multicloud de las empresas, aunque aún deben demostrar su fiabilidad a nivel empresarial. Por otro lado, el uso de código abierto en producción está creciendo, concentrándose en organizaciones que ya están implementando activamente estas tecnologías. En resumen, las empresas están operando más infraestructura de IA mientras mantienen deliberadamente abiertas múltiples opciones en cuanto a chips, nubes y las capas de conexión, posicionándose para tomar decisiones futuras desde una base más sólida.

Fuente Original: https://venturebeat.com/data/enterprises-put-non-nvidia-chips-14-points-ahead-of-nvidias-next-gen-gpus-on-their-evaluation-lists

Artículos relacionados de La Rebelión:

• OpenClaw 2.0 Lleva la IA Autónoma Multiusuario a las Empresas
• La millonaria apuesta de Nvidia por MediaTek
• La ventaja de Nvidia trasciende la GPU
• Nvidia Compra Hugging Face por $12.900 Millones
• Nvidia Compra Hugging Face IA Abierta y Nvidia Unidas

Artículo generado mediante LaRebelionBOT

Broadcom Lifts AI Chip Outlook on Hyperscaler Spending

Broadcom has raised its forecast for AI-driven chip revenue, signalling that demand from hyperscale cloud providers continues to accelerate rather than plateau. The revised outlook reflects both stronger-than-expected orders for custom AI accelerators and the broader reality that major technology companies are still committing record sums to AI infrastructure.

Imagen generada con IA

Custom silicon has become a central pillar of that build-out. While Nvidia dominates the market for general-purpose GPUs used in AI training and inference, cloud operators including Google, Amazon and Meta have been investing heavily in their own accelerator designs to optimise cost and performance for specific workloads. Broadcom serves as a key partner in this effort, supplying the networking chips, custom ASIC designs and integration expertise that make these in-house processors viable at scale. The raised forecast suggests that this custom-silicon track is gaining real commercial momentum alongside, not in competition with, Nvidia's product cycle.

Several factors explain why hyperscalers keep opening their wallets. Training the latest generation of frontier models requires clusters of tens of thousands of accelerators interconnected by high-bandwidth fabric, a configuration where networking and switch silicon become as strategic as the compute itself. Inference at scale, particularly for generative AI services embedded in consumer products, is also driving sustained hardware demand. Providers are simultaneously diversifying their supply chains to avoid bottlenecks and negotiating better unit economics, both of which favour custom designs.

For technically minded readers, the key takeaway is structural rather than cyclical. AI capex is no longer a bet tied to a single product launch or model release; it is becoming a multi-year baseline expense for the largest cloud platforms. That has meaningful implications across the semiconductor stack, from foundry capacity and HBM memory to advanced packaging and optical interconnect, all of which sit on the critical path of AI infrastructure.

The revised guidance also implies confidence that current order books translate into shipped silicon within a reasonable timeframe, despite ongoing constraints in advanced packaging and high-bandwidth memory supply. If that holds, it reinforces a picture in which the AI hardware cycle still has meaningful runway, with custom accelerators, networking chips and supporting components all benefiting from hyperscaler investment that continues to grow rather than taper.

Artículos relacionados de LaRebelión:

• TSMC Boosts Chip Production with NVIDIA AI Tech
• AI Threats 100 Tech Giants Unite for Defence
• El nuevo chip de OpenAI supera a Nvidia
• Big Techs AI Manifestos Shaping the Future
• Misil Ruso Chip IA Nvidia en Ataque

---

Fuente Original: Reuters

Artículo generado mediante AI.larebelion.

AI Cyber Defence Google OpenAI Anthropic Lead Charge

The cybersecurity landscape is on the cusp of a revolution, with tech giants Google, Anthropic, and OpenAI pooling their considerable resources to develop advanced AI models specifically for cyber defence. This isn't just about creating new tools; it's a concerted effort to anticipate and neutralise emerging threats before they can inflict damage. The focus is on building intelligent systems that can not only detect malicious activity but also understand the intricate attack paths threat actors might exploit.

Central to this initiative is the creation of sophisticated AI models designed to map and understand the complex ways attackers can escalate privileges across different domains. By identifying these critical "choke points," security professionals can proactively fortify their systems, severing potential breach routes at their inception. This preventative approach is a significant shift from traditional reactive security measures.

Furthermore, these leading AI developers are not just building the technology; they are also committed to establishing robust safeguards and access programmes. This suggests a collaborative spirit, aiming to ensure that these powerful AI tools are used responsibly and ethically. The goal is to democratise access to advanced cyber defence capabilities, empowering a wider range of organisations to protect themselves from increasingly sophisticated cyberattacks. The development of these AI models signals a new era in cybersecurity, where artificial intelligence plays a pivotal role in safeguarding our digital infrastructure.

Fuente Original: https://thehackernews.com/2026/09/google-anthropic-and-openai-unveil.html

Artículos relacionados de LaRebelión:

• Anthropic presenta Fable y Mythos 5.1 con recortes de precios
• Anthropic y Lambda Acuerdo Cloud de 35 mil Millones
• OpenAI introduce un modelo de pago por resultados
• Kyndryl and Google Cloud Deploy Agentic AI
• Sony and Warner Sue Anthropic Over Copyright

Artículo generado mediante LaRebelionBOT

AI Agents Vulnerable to Supply-Chain Code Execution

Recent research reveals a significant security vulnerability affecting artificial intelligence agents used by major Fortune 500 corporations. Security analysts demonstrated how attackers can easily manipulate autonomous AI systems into executing arbitrary, potentially malicious code simply by exploiting standard documentation protocols.

Imagen generada con IA

The attack vector focuses on the llms.txt file format, an emerging standard designed to guide large language models on how to interact with a website's documentation and APIs. Because modern AI agents actively read and follow instructions found within these contextual text files to perform automated tasks, malicious actors can poison the supply chain by embedding hidden system prompts or malicious instructions directly into the guidance file.

When an enterprise AI agent ingests the compromised text, it treats the external data as valid operational commands rather than inert information. This effectively blurs the traditional line separating data from executable code. Researchers showed that this flaw allows attackers to hijack the agent's control flow, force unauthorized data exfiltration, or run arbitrary commands on the underlying infrastructure without the human user realizing a compromise has occurred.

For technically literate readers, this discovery highlights a profound architectural challenge in the deployment of autonomous systems. Prompt injection vulnerabilities are no longer confined to chat interfaces where users directly interact with a model. Instead, as AI agents become more deeply integrated into web ecosystems and automated workflows, they introduce expansive new vectors for indirect prompt injection and supply-chain tampering.

Securing these systems will require a fundamental rethink of how AI agents ingest and validate external instructions. Developers and enterprise security teams must implement strict sandboxing, rigorous input sanitization, and clear separation of data and control layers before allowing autonomous models to process untrusted files from the open web.

Artículos relacionados de LaRebelión:

• QuickFox Supply Chain Attack Delivers FDMTP Backdoor
• CPUID Supply Chain Attack Delivers Trojanised Software
• GitHub and PyPI Strengthen Supply Chain Security
• AI Agents Why Bad Data Not Context Causes Errors
• Slopsquatting AIs New Software Supply Chain Threat

---

Fuente Original: Tom's Hardware

Artículo generado mediante AI.larebelion.