Maak je gratis Charmloop-account aan — geen creditcard, onbeperkt rondkijken. Binnen enkele minuten maak je AI-kunst.
Andrew Dai, een voormalig DeepMind-onderzoeker wiens werk bijdroeg aan de fundamenten die later werden gebruikt in ChatGPT, heeft een pre-seedronde van $300 miljoen afgesloten voor een stealth visuele AI-startup — zonder tot nu toe ook maar één product te hebben uitgebracht.
Pre-seedronden worden doorgaans gemeten in de lage miljoenen. Een ronde van $300 miljoen in dat stadium — vóór een product bestaat — is vrijwel zonder precedent, en het zegt iets specifieks over waar institutioneel geld denkt dat de volgende capaciteitssprong vandaan komt. Volgens TechCrunch positioneert Dai visuele AI als een grens die qua schaal vergelijkbaar is met de golf van grote taalmodellen die ChatGPT voortbracht.
De inzet is in wezen deze: hetzelfde soort fundamentele onderzoeksinvestering dat GPT-4 heeft gebouwd, moet nu plaatsvinden voor systemen die afbeeldingen en video begrijpen, genereren en beredeneren — en het venster om die race te leiden staat nu open.
Voor AI-kunstcreators is die framing belangrijk. Het suggereert dat de volgende generatie beeld- en videogeneratie niet slechts iteratieve upgrades van bestaande diffusiepipelines zal zijn. Investeerders op deze schaal steunen het idee dat visuele AI zijn eigen fundamentele architectuur nodig heeft — niet een wrapper bovenop huidige modellen.
Dai werkte meer dan tien jaar bij DeepMind aan enkele van de meest invloedrijke AI-systemen die ooit zijn gebouwd. Onderzoek waaraan hij bijdroeg, hielp de architectuur en trainingsbenaderingen te informeren die uiteindelijk ChatGPT vormgaven. Die afkomst is precies waarom investeerders bewogen vóór ze een product zagen: ze kopen de onderzoeker, niet de roadmap.
Dit patroon — de persoon en de these financieren vóór de demo — heeft precedent in fundamentele AI. Zo begon Anthropic, en zo verkregen verschillende van de meest capabele modellabs vroeg kapitaal. Het verschil hier is de expliciete focus op visuele modaliteiten in plaats van taal.
«Visuele AI is een van de volgende grote grenzen in kunstmatige intelligentie.»
— Andrew Dai
Als Dai's these klopt, kan het stroomafwaartse effect voor creators die tools gebruiken zoals Charmloop's beeldgenerator aanzienlijk zijn. Fundamenteel visueel AI-onderzoek produceert doorgaans capaciteitssprrongen — niet alleen betere afbeeldingen, maar kwalitatief andere soorten generatie: sterkere ruimtelijke redenering, consistentere personages over frames heen, beter begrip van compositie en belichting als semantische concepten in plaats van pixelpatronen.
Het bedrag van $300M vertelt ook iets over de computervereisten die Dai's team anticipeert. Fundamentele modeltraining op dit niveau vindt niet plaats op een bescheiden GPU-cluster. De ronde suggereert pre-trainingssessies op een schaal die competitief zou zijn met de grootste labs — wat betekent dat alle modellen die uit dit werk voortkomen het capaciteitsplafond voor visuele generatie daadwerkelijk kunnen verschuiven.
Voor creators die bijhouden welke modellen het waard zijn om naar over te stappen, is dat het getal om in de gaten te houden: niet de productaankondiging, maar of de resulterende architectuur het soort kwalitatieve sprong produceert die je huidige workflow verouderd doet aanvoelen. Ontwikkelingen in wereldmodellen — AI-systemen die simuleren hoe visuele omgevingen zich in de loop van de tijd ontwikkelen — wijzen al in deze richting, zoals behandeld in Charmloop's uitleg over wereldmodellen voor beeld- en videocreators.
Er is geen lanceringsdatum bekendgemaakt. Gezien de omvang van de ronde en de stealthstatus is de meest waarschijnlijke tijdlijn een onderzoekspublicatie of technisch preview vóór een consumentenproduct — hetzelfde pad dat DeepMind zelf volgde bij zijn meest invloedrijke werk. Houd de preprintservers in de gaten.
