Создай бесплатный аккаунт Charmloop — без карты и без ограничений на просмотр. Начни создавать ИИ-арт за пару минут.
Эндрю Дай, бывший исследователь DeepMind, чьи работы внесли вклад в основы, впоследствии использованные в ChatGPT, закрыл раунд пре-сид на $300 миллионов для стелс-стартапа в области визуального ИИ — не выпустив при этом ни единого продукта.
Раунды пре-сид, как правило, измеряются несколькими миллионами. Привлечение $300 миллионов на этой стадии — до существования продукта — практически не имеет прецедентов и говорит кое-что конкретное о том, откуда институциональные деньги ожидают следующего скачка возможностей. По данным TechCrunch, Дай позиционирует визуальный ИИ как рубеж, сопоставимый по масштабу с волной больших языковых моделей, породившей ChatGPT.
Суть ставки такова: тот же вид фундаментальных исследовательских инвестиций, который создал GPT-4, необходимо сделать сейчас для систем, способных понимать, генерировать и рассуждать об изображениях и видео, — и окно для лидерства в этой гонке открыто прямо сейчас.
Для создателей ИИ-арта эта формулировка важна. Она предполагает, что следующее поколение генерации изображений и видео будет не просто итеративным улучшением существующих диффузионных пайплайнов. Инвесторы такого масштаба делают ставку на то, что визуальному ИИ нужна собственная фундаментальная архитектура — а не обёртка поверх нынешних моделей.
Дай провёл более десяти лет в DeepMind, работая над одними из наиболее значимых систем ИИ, созданных где-либо. Исследования, в которых он участвовал, повлияли на архитектуру и подходы к обучению, которые в итоге сформировали ChatGPT. Именно эта родословная объясняет, почему инвесторы действовали до того, как увидели продукт: они покупают исследователя, а не дорожную карту.
Эта модель — финансирование человека и тезиса до демонстрации — имеет прецеденты в фундаментальном ИИ. Именно так начинала Anthropic и именно так несколько наиболее способных модельных лабораторий обеспечивали себе ранний капитал. Отличие здесь — явный акцент на визуальных модальностях, а не на языке.
«Визуальный ИИ — один из следующих крупных рубежей в области искусственного интеллекта.»
— Andrew Dai
Если тезис Дая верен, последствия для создателей, использующих такие инструменты, как генератор изображений Charmloop, могут оказаться значительными. Фундаментальные исследования в области визуального ИИ, как правило, порождают скачки возможностей — не просто более качественные изображения, но качественно иные виды генерации: более сильное пространственное мышление, более согласованные персонажи между кадрами, лучшее понимание композиции и освещения как семантических концепций, а не пиксельных паттернов.
Цифра в $300 млн также говорит кое-что о вычислительных требованиях, которые предвидит команда Дая. Обучение фундаментальных моделей на этом уровне не происходит на скромном GPU-кластере. Раунд предполагает предобучающие прогоны в масштабе, конкурентном с крупнейшими лабораториями, — а значит, любые модели, которые появятся в результате этой работы, могут реально сдвинуть потолок возможностей визуальной генерации.
Для создателей, отслеживающих, на какие модели стоит переключиться, это и есть число, за которым нужно следить: не анонс продукта, а то, создаст ли итоговая архитектура тот качественный скачок, который сделает ваш нынешний рабочий процесс устаревшим. Разработки в области мировых моделей — систем ИИ, симулирующих развитие визуальных сред во времени, — уже указывают в этом направлении, как описано в материале Charmloop о мировых моделях для создателей изображений и видео.
Дата запуска не раскрывалась. Учитывая масштаб раунда и статус стелс-режима, более вероятный сценарий — публикация исследования или технический превью до потребительского продукта: тот же путь, которым сам DeepMind следовал в своих наиболее значимых работах. Следите за серверами препринтов.
