Załóż darmowe konto Charmloop — bez karty, bez limitów przeglądania. Zacznij tworzyć sztukę AI w kilka minut.
Andrew Dai, były badacz DeepMind, którego praca przyczyniła się do stworzenia fundamentów wykorzystanych później w ChatGPT, zamknął rundę pre-seed o wartości 300 milionów dolarów dla tajnego startupu wizualnej AI — nie wysyłając jeszcze ani jednego produktu.\n\n## Najważniejsze wnioski\n\n- Bezimienny startup wizualnej AI Andrew Daia zebrał 300 mln dolarów na etapie pre-seed — to jedna z największych rund finansowania przed wprowadzeniem produktu w historii AI.\n- Dai spędził ponad dekadę w DeepMind, przyczyniając się do badań, które wpłynęły na rozwój ChatGPT.\n- Deklarowana teza firmy głosi, że wizualna AI stanowi jedną z kolejnych głównych granic sztucznej inteligencji.\n- Wycena pre-seed na poziomie 300 mln dolarów sygnalizuje, że inwestorzy traktują infrastrukturę wizualnej AI jako zakład fundamentalny, a nie grę o pojedynczą funkcję.\n- Żaden produkt nie został jeszcze wypuszczony, co czyni tę rundę czystym zakładem na założyciela i tezę.\n\n## Dlaczego 300 mln dolarów przed pierwszym demo\n\nRundy pre-seed mierzone są zazwyczaj w niskich milionach. Zebranie 300 milionów dolarów na tym etapie — zanim produkt istnieje — jest niemal bez precedensu i mówi coś konkretnego o tym, skąd pieniądze instytucjonalne spodziewają się kolejnego skoku możliwości. Według TechCrunch Dai pozycjonuje wizualną AI jako granicę porównywalną skalą do fali dużych modeli językowych, która wydała na świat ChatGPT.\n\nZakład jest w istocie następujący: ten sam rodzaj fundamentalnych inwestycji badawczych, który zbudował GPT-4, musi teraz nastąpić dla systemów rozumiejących, generujących i rozumujących o obrazach i wideo — a okno na prowadzenie w tym wyścigu jest otwarte właśnie teraz.\n\nDla twórców sztuki AI to ujęcie ma znaczenie. Sugeruje, że kolejna generacja generowania obrazów i wideo nie będzie jedynie iteracyjnymi ulepszeniami istniejących potoków dyfuzji. Inwestorzy na tej skali stawiają na to, że wizualna AI potrzebuje własnej fundamentalnej architektury — a nie nakładki na obecne modele.\n\n## Rodowód badawczy Daia i co sygnalizuje\n\nDai spędził ponad dekadę w DeepMind, pracując nad niektórymi z najbardziej przełomowych systemów AI zbudowanych gdziekolwiek. Badania, do których się przyczynił, pomogły ukształtować architekturę i podejścia do trenowania, które ostatecznie wpłynęły na ChatGPT. Ten rodowód jest dokładnie powodem, dla którego inwestorzy ruszyli przed zobaczeniem produktu: kupują badacza, nie mapę drogową.\n\nTen wzorzec — finansowanie osoby i tezy przed demo — ma precedens w fundamentalnej AI. Tak zaczęło się Anthropic i tak kilka z najbardziej zdolnych laboratoriów modelowych zabezpieczyło wczesny kapitał. Różnica polega tu na wyraźnym skupieniu na modalności wizualnej, a nie językowej.\n\n> „Wizualna AI jest jedną z kolejnych głównych granic sztucznej inteligencji."\n>\n> — Andrew Dai\n\n## Co w praktyce oznacza granica wizualnej AI\n\nJeśli teza Daia jest słuszna, efekt dla twórców korzystających z narzędzi takich jak generator obrazów Charmloop może być znaczący. Fundamentalne badania nad wizualną AI mają tendencję do wywoływania skoków możliwości — nie tylko lepszych obrazów, ale jakościowo odmiennych rodzajów generowania: silniejszego rozumowania przestrzennego, bardziej spójnych postaci między klatkami, lepszego rozumienia kompozycji i oświetlenia jako pojęć semantycznych, a nie wzorców pikselowych.\n\nLiczba 300 mln dolarów mówi też coś o wymaganiach obliczeniowych, jakich spodziewa się zespół Daia. Trenowanie modeli fundamentalnych na tym poziomie nie odbywa się na skromnym klastrze GPU. Runda sugeruje przebiegi pre-treningu na skali, która byłaby konkurencyjna z największymi laboratoriami — co oznacza, że modele wyłaniające się z tej pracy mogłyby realnie przesunąć sufit możliwości generowania wizualnego.\n\nDla twórców śledzących, które modele warto przełączyć, to jest liczba do obserwowania: nie ogłoszenie produktu, lecz to, czy wynikająca architektura przyniesie jakościowy skok, który sprawi, że obecny przepływ pracy poczuje się przestarzały. Postępy w modelach świata — systemach AI symulujących ewolucję środowisk wizualnych w czasie — już wskazują w tym kierunku, co omówiono w artykule Charmloop o modelach świata dla twórców obrazów i wideo.\n\nNie ujawniono daty premiery. Biorąc pod uwagę skalę rundy i status tajności, bardziej prawdopodobny harmonogram to publikacja badawcza lub techniczny podgląd przed produktem konsumenckim — ta sama ścieżka, którą sam DeepMind podążał przy swojej najbardziej przełomowej pracy. Miej oko na serwery preprintów.
