ИИ-гиганты под микроскопом: кто реально хочет зарабатывать, а кто — только играет в науку
Новый критерий для ИИ-лабораторий: как оценить их коммерческий потенциал
Generated by DALL·E
Мы стоим на пороге необычного этапа в развитии искусственного интеллекта: многие новые лаборатории создают собственные фундаментальные модели, но уже не так просто понять, кто из них действительно нацелен на коммерческий успех, а кто сосредоточен на исследованиях.
Автор предложил шкалу из пяти уровней, которая помогает определить, насколько амбициозны ИИ-проекты именно в части попыток заработать, а не в реальных доходах. От чисто научных усилий до лабораторий, ежедневно приносящих миллионы, — цель такого подхода понять намерения, а не результаты.
Уровни мотивации ИИ-лабораторий
Предлагаемая шкала:
- Уровень 5 — публичные компании, уже генерирующие значительные доходы.
- Уровень 4 — детальные планы стать самыми богатыми в своей сфере.
- Уровень 3 — множество перспективных идей, которые ещё не оформлены.
- Уровень 2 — лишь общие наброски концепции.
- Уровень 1 — минимальная ориентация на коммерцию.
Крупнейшие игроки отрасли, такие как OpenAI, Anthropic и Gemini, очевидно находятся на вершине шкалы, но у новых стартапов с большими именами и опытом за плечами гораздо более размытые приоритеты.
Humans&
Эта лаборатория привлекла внимание свежим подходом к ИИ — вместо фокуса на росте она делает ставку на взаимодействие и координацию моделей. Несмотря на громкие обещания, компания пока не раскрывает чётких коммерческих планов. Вместе с тем основатели упоминают разработку инструмента для рабочего пространства, который должен заменить привычные корпоративные сервисы вроде Slack или Google Docs, что позволяет отнести Humans& к среднему уровню по шкале.
Thinking Machines Lab
Оценить эту команду труднее всего. На старте, с участием известных в индустрии специалистов и крупным посевным финансированием, её могли бы отнести к проектам с серьёзным планом. Однако значительная часть руководства покинула компанию всего через год, что заставляет усомниться в стабильности и чётком коммерческом маршруте. Это может указывать на более низкие уровни мотивации по шкале.
World Labs
Проект под руководством признанного исследователя Fei-Fei Li начал с относительно скромного финансирования, но за год выпустил полнофункциональную модель, на базе которой создан коммерческий продукт. Спрос на такие решения заметен в индустриях видеоигр и спецэффектов, что делает World Labs одним из сильных претендентов на высокий уровень по шкале.
Safe Superintelligence (SSI)
Основанная бывшим главным учёным OpenAI лаборатория ориентирована на глубокие научные задачи и сознательно отстраняется от давления рынка: даже предложение о покупке они отвергли. На текущем этапе здесь нет явных продуктов или циклов коммерциализации, что ставит SSI на самый низкий уровень шкалы. Тем не менее, автор отмечает, что в будущем проект может пересмотреть приоритеты, если направление исследований потребует или откроет ценность коммерческих решений.
В целом предложенная шкала помогает лучше ориентироваться в разнообразии подходов новых ИИ-проектов и отделять чисто научные инициативы от тех, кто претендует на лидерство в бизнесе.