Thinking Machines, AI-laboratorij, ki ga vodi nekdanja tehnična direktorica OpenAI Mira Murati, naj bi bil tik pred novim velikim finančnim mejnikom. Po poročanju medija The Information se podjetje pogaja o investiciji v višini ene milijarde dolarjev, krog pa naj bi vodil Accel. Predlagano vrednotenje: najmanj 40 milijard dolarjev.
To ni le še ena visoka številka iz sveta umetne inteligence. Če bo posel sklenjen, bi Thinking Machines v razmeroma kratkem času prešel od zagonskega podjetja z rekordnim začetnim financiranjem do enega najvrednejših neborznih AI-podjetij na svetu. Hkrati pa številke odpirajo ključno vprašanje: ali trg vrednoti že obstoječe poslovanje podjetja ali predvsem pričakovanje, da lahko ekipa nekdanjih vodilnih raziskovalcev OpenAI ustvari naslednjo veliko AI-platformo?
Accel in Thinking Machines po navedbah TechCruncha nista takoj odgovorila na prošnjo za komentar, zato je treba podrobnosti posla obravnavati kot poročanje o pogajanjih, ne kot dokončno sklenjeno financiranje.
Vrednotenje 40 milijard dolarjev stavi na prihodnost
Po informacijah vira, seznanjenega s financami družbe, naj bi letni prihodkovni tempo Thinking Machines presegal 100 milijonov dolarjev. Pri vrednotenju 40 milijard dolarjev bi to pomenilo približno 400-kratnik letnih prihodkov.
Takšno razmerje je izjemno visoko tudi za tehnološki sektor, kjer vlagatelji podjetja praviloma ocenjujejo po kombinaciji prihodkov, rasti, tehnološke prednosti, dostopa do računske infrastrukture in kakovosti ekipe. Pri najhitreje rastočih AI-podjetjih pa se logika vrednotenja pogosto premakne: vlagatelji ne kupujejo predvsem sedanjih prihodkov, temveč možnost, da podjetje postane osrednji ponudnik modelov, razvojnih orodij ali infrastrukture za podjetja.
Thinking Machines zato ni vrednoten zgolj kot ponudnik ene aplikacije. Njegova privlačnost izhaja iz potenciala, da zgradi širšo platformo za razvoj, prilagajanje in uporabo naprednih modelov umetne inteligence. To je trg, na katerem tekmujejo tako veliki laboratoriji, kot so OpenAI, Anthropic in Google, kot tudi podjetja, ki stavijo na bolj odprte modele in prilagajanje modelov konkretnim poslovnim potrebam.
Predlagano vrednotenje je sicer nižje od domnevnih 50 milijard dolarjev, ki jih je podjetje po poročanju medijev želelo doseči proti koncu preteklega leta. Tudi pri 40 milijardah pa bi šlo za dramatičen skok glede na prejšnji krog financiranja, v katerem je bilo podjetje vrednoteno na 12 milijard dolarjev.
Odprte uteži kot alternativa zaprtemu modelu
Pomemben del strategije Thinking Machines je model Inkling, predstavljen julija. Gre za model z odprtimi utežmi, pri katerem so javno dostopni parametri modela — matematične vrednosti, pridobljene med učenjem. To uporabnikom in podjetjem omogoča, da model lažje prilagajajo lastnim podatkom, ga uporabljajo v lastni infrastrukturi ali ga razvijajo za ozko določene naloge.
Pri tem je pomembna razlika: model z odprtimi utežmi ni nujno povsem odprtokoden. Odprtost uteži pomeni dostop do že naučenega modela, ne nujno tudi objave vseh podatkov, kode, postopkov učenja ali notranje raziskovalne infrastrukture.
Za podjetja je tak pristop lahko privlačen iz več razlogov. Prvi je večji nadzor nad podatki, saj je modele mogoče prilagajati na lastnih sistemih ali v bolj nadzorovanih okoljih. Drugi je specializacija: splošni modeli so uporabni za širok spekter nalog, vendar lahko podjetja za področja, kot so pravo, zdravstvo, proizvodnja ali finance, potrebujejo modele, prilagojene lastni terminologiji in delovnim procesom. Tretji razlog je manjša odvisnost od enega samega ponudnika modelov.
Thinking Machines poskuša to potrebo povezati s platformo Tinker. Po poročanju TechCruncha podjetje prihodke ustvarja z obračunavanjem računske porabe, kadar uporabniki prek platforme prilagajajo modele svojim lastniškim podatkom. Poslovni model je tako podoben infrastrukturi: podjetje ne prodaja nujno zgolj dostopa do enega zaprtega modela, temveč računsko okolje in orodja za njegovo uporabo.
Kako lahko izziva OpenAI?
Murati in več članov ustanovne ekipe prihaja iz OpenAI, podjetja, ki je postalo sinonim za komercializacijo velikih jezikovnih modelov. Prav zato Thinking Machines že od začetka spremljajo z nenavadno velikimi pričakovanji.
Konkurirati OpenAI neposredno pri ustvarjanju največjih splošnonamenskih modelov bi zahtevalo ogromne količine kapitala, podatkov, čipov in računske infrastrukture. Zato je mogoče strategijo Thinking Machines razumeti kot poskus tekmovanja na drugem delu vrednostne verige: pri prilagajanju modelov, eksperimentiranju in izdelavi AI-sistemov, ki so za uporabnika bolj nadzorljivi in prilagodljivi.
Odprte uteži so v tej strategiji pomembne, ker zmanjšujejo ovire za razvijalce in organizacije, ki ne želijo vsega svojega AI-delovanja graditi na zaprtih API-jih velikih ponudnikov. V najboljšem scenariju bi Thinking Machines lahko postal infrastruktura, na kateri podjetja gradijo lastne modele in produkte. V slabšem scenariju pa bi odprt pristop lahko pomenil težje razlikovanje od drugih ponudnikov odprtih modelov in pritisk na marže zaradi visokih stroškov računske moči.
Rekordni začetni krog in odhodi pomembnih ljudi
Thinking Machines je v prejšnjem krogu zbral dve milijardi dolarjev, kar sodi med največja začetna financiranja v tehnološki industriji. Krog je vodil Andreessen Horowitz, sodelovali pa so tudi Nvidia, GV, Lightspeed in Conviction Partners.
Takšna podpora kaže, da je bila ključna naložbena teza predvsem ekipa. Murati je kot nekdanja CTO OpenAI sodelovala pri razvoju nekaterih najbolj vplivnih generativnih AI-produktov, vlagatelji pa so očitno stavili, da lahko podobno koncentracijo tehničnega znanja prenese v novo samostojno podjetje.
Toda podjetje je medtem doživelo tudi več odmevnih odhodov. Med soustanovitelji, ki so se vrnili v OpenAI, sta Lilian Weng in Luke Metz. Odhodi ključnih raziskovalcev so pri mladih AI-laboratorijih pomembni, saj je njihova vrednost tesno povezana z redkimi strokovnjaki, ki znajo graditi in trenirati napredne modele.
Iz javno dostopnih informacij ni mogoče sklepati, da odhodi nujno pomenijo notranje težave. V industriji umetne inteligence je konkurenca za vodilne raziskovalce izjemna, prehajanje kadrov med laboratoriji pa pogosto. Kljub temu pa za Thinking Machines pomenijo dodaten pritisk: podjetje mora vlagateljem dokazati, da njegova tehnologija, produktna strategija in organizacija niso odvisne od posameznikov, temveč dovolj trdne za dolgoročno rast.
Velika stava v času, ko AI išče poslovni dokaz
Nova naložba bi bila še en znak, da se kapital v AI-industriji kljub visokim stroškom in negotovosti še vedno steka k podjetjem z vrhunskimi ekipami in ambicioznimi tehnološkimi načrti. Toda obdobje, ko je za visoka vrednotenja zadoščala predvsem obljuba naprednega modela, se postopoma končuje.
Za Thinking Machines bo zato odločilno, ali bo Tinker postal platforma, ki jo bodo razvijalci in podjetja dejansko uporabljali v velikem obsegu, ter ali bo Inkling dokazal, da je odprtejši pristop lahko poslovno uspešen ob prevladi velikih zaprtih AI-ekosistemov.
Mira Murati ima tudi povezavo s slovenskim prostorom: del srednješolskega izobraževanja je opravila na Gimnaziji Škofja Loka. Za slovenske bralce je zgodba Thinking Machines zato več kot le še ena ameriška investicijska novica. Gre za primer, kako lahko posamezniki z lokalnimi izobraževalnimi povezavami sodelujejo pri nastajanju podjetij, ki želijo oblikovati naslednjo fazo svetovne umetne inteligence.
