18. June 2026
AMD har i stillhet fjernet funksjonen for minnekryptering (SME/TSME) fra sine Ryzen-prosessorer for forbrukere gjennom en fersk oppdatering av AGESA-fastvaren. Dette har skjedd helt uten forvarsel, og selskapets ingeniører har foreløpig valgt å ikke kommentere saken overfor teknologipressen, rapporterer Tom's Hardware.
Bakgrunnen berører den pågående bølgen av såkalte "AI-PC-er" i næringslivet. For å beskytte sensitive forretningsdata mot å havne i skyen, velger stadig flere selskaper å kjøre mindre språkmodeller (LLMer) lokalt på de ansattes kraftige bærbare maskiner. Men for at dette skal være en sikker strategi, er man helt avhengig av at dataene som behandles i maskinens fysiske arbeidsminne (RAM) er kryptert. Uten denne barrieren kan ondsinnede aktører som får tilgang til maskinen – enten fysisk eller via målrettet skadevare – hente ut rådataene direkte fra minnet.
For IT-innkjøpere og sikkerhetsansvarlige som har satset på å rulle ut lokale AI-løsninger på standard bærbare datamaskiner for å kutte kostnader, skaper dette en ny og uoversiktlig sårbarhet. Sensitive prompt-data eller selve AI-modellens opphavsrettslig beskyttede vekter ligger nå i praksis ubeskyttet i minnet under kjøring. Selskaper som håndterer sensitive personopplysninger eller forretningshemmeligheter via lokale AI-modeller må heretter være ekstremt påpasselige med å spesifisere og investere i enterprise-maskinvare (som Ryzen Pro eller Intel vPro), der disse sikkerhetsfunksjonene fortsatt holdes aktive. Å spare noen tusenlapper på rimeligere maskinvare kan i verste fall føre til alvorlige lekkasjer av sensitiv intern AI-bruk.
Diskusjonen går nå varmt i utvikler- og teknologimiljøer om hvordan morgendagens "forges" (kodeplattformer som GitHub og GitLab) må se ut. En fersk og mye diskutert analyse publisert på nettstedet btao.org peker på at dagens verktøy er fundamentalt feilbygget for en verden der autonome AI-agenter gjør mesteparten av programmeringsjobben.
De tradisjonelle verktøyene vi bruker for versjonskontroll og samarbeid i dag, ble designet tidlig på 2000-tallet for å hjelpe mennesker med å samarbeide via trege, manuelle prosesser som "pull requests" og koderevisjoner. Når autonome AI-agenter (som Devin eller andre spesialiserte AI-utviklere) plutselig kan spytte ut hundrevis av feilfrie kodelinjer i sekundet og kontinuerlig teste og feilsøke i sanntid, blir disse tradisjonelle menneskesentrerte godkjenningssløyfene en massiv flaskehals.
For teknologiledere og CTO-er som nå investerer tungt i AI-generert kode, betyr dette at verktøystakken må moderniseres for å hente ut det fulle potensialet av teknologien. Hvis de lynraske AI-utviklerne dine tvinges til å jobbe innenfor rammene av eldre, trege godkjenningsprosesser, spises store deler av effektivitetsgevinsten opp. Selskaper som klarer å rigge utviklingsløpet sitt med API-første, agent-vennlige plattformer som tillater kontinuerlig, automatisert integrasjon, vil kunne skalere programvareutviklingen sin i et helt annet tempo enn konkurrentene som holder fast ved gårsdagens prosesser.