Nicolas Sauvage и залозите върху "скучните" части на изкуствения интелект
Според репортаж на [TechCrunch] [1], Николас Соваж вярва, че са необходими четири години, за да може една добра инвестиция да изглежда умна. Като ръководител на корпоративното венчър звено TDK Ventures, което управлява активи за 500 милиона долара, той се фокусира върху онези аспекти на изкуствения интелект, които мнозина смятат за "скучни", но които са фундаментални за развитието на технологията.
Изображение: TechCrunch
Един от най-ярките примери за тази стратегия е ранната инвестиция в Groq през 2020 г., много преди бумът на генеративния ИИ да превърне инфраструктурата в основна цел за капитали. Компанията, основана от бивши инженери на Google, е фокусирана върху инференцията – изчислителната тежест при генерирането на отговори от моделите. Соваж е предвидил, че за разлика от потребителския хардуер, търсенето на изчислителна мощ за инференция ще продължи да расте експоненциално с всяко ново приложение и всеки нов ИИ агент.
Инвестиционната дисциплина на TDK Ventures се базира на идентифицирането на технологични пречки четири години напред и намирането на основатели, които вече работят по тяхното преодоляване.
Фокус върху физическия ИИ и завръщането на CPU
В момента Соваж следи внимателно развитието на физическия ИИ, но не под формата на универсални хуманоиди, а като роботи със строго специфични задачи. В портфолиото на TDK Ventures влизат компании като Agility Robotics, която се справя с недостига на работна ръка чрез роботи за преместване на товари в складове, и швейцарската ANYbotics, създаваща машини за опасни индустриални среди [1]. Общата нишка е яснотата на целта – тези роботи не се опитват да правят всичко, а правят едно трудно нещо надеждно.
Освен роботиката, Соваж наблюдава и промените в изчислителния стек. Докато графичните процесори (GPU) доминираха във фазата на обучение на моделите, а чипове като тези на Groq прекрояват инференцията, сега централните процесори (CPU) са на прага на ренесанс. Въпреки че не са най-мощните, те са най-гъвкавите и най-подходящи за логическото разклоняване и оркестрацията, необходими при управлението на сложни задачи от автономни ИИ агенти.
Накрая, Соваж обръща внимание на тенденцията за vibe manufacturing в Китай – бързото, подпомогнато от ИИ итериране при създаването на физически хардуерни прототипи. Според него, държавите и компаниите, които успеят да итерират с атоми толкова бързо, колкото с код, ще имат значително производствено предимство в ерата на физическия ИИ [1].
Източници: