چرا استارتاپ‌های حوزه مدل‌های جهانی درباره محصولات خود پنهان‌کاری می‌کنند؟

در هفته جاری، نشستی با موضوع مدل‌های جهانی (World Models) در کنفرانس All In برگزار شد که فرصتی را برای بررسی یکی از مرموزترین بخش‌های دنیای هوش مصنوعی فراهم کرد. بازیگران بزرگ این فضا شامل AMI Labs متعلق به یان لکون (Yann LeCun) و World Labs به مدیریت فی‌فی لی (Fei-Fei Li) هستند. با وجود اینکه هر دو شرکت سروصدای زیادی به پا کرده و سرمایه‌های کلانی جذب کرده‌اند، اما به نظر می‌رسد در زمینه درآمدزایی و تجاری‌سازی در جایگاه پایینی قرار دارند.

در هسته اصلی خود، مدل‌های جهانی به دنبال خودکارسازی هوش فضایی (Spatial Intelligence) هستند. بنابراین، این حوزه می‌تواند به مسیرهای هیجان‌انگیز و سودآوری از رباتیک گرفته تا ویدیوهای تعاملی و سیستم‌های خودران پیچیده‌تر ختم شود.

اما زمانی که درباره زمان و نحوه تجاری‌سازی این فناوری سوالاتی مطرح شد، اوضاع کمی مبهم به نظر می‌رسید. مایکل ربات (Michael Rabbat)، هم‌بنیان‌گذار و معاون بخش مدل‌های جهانی در AMI Labs که در این پنل حضور داشت، در برابر پرسش‌هایی پیرامون پروژه‌های دقیق این شرکت، محتاطانه پاسخ داد. او صرفاً به گفتن این جمله بسنده کرد: «هر زمان که آماده باشیم، درباره آن صحبت خواهیم کرد.» وی بعدها در ایمیلی توضیح داد: «ما هنوز در مرحله تحقیق و توسعه هستیم، بنابراین به صورت عمومی درباره برنامه‌های محصول یا زمان‌بندی آن صحبت نمی‌کنیم.»

البته باید منصف بود؛ شرکت AMI Labs کمتر از یک سال قدمت دارد و سکوت آن‌ها توجیه‌پذیر است. با این حال، این نوع پنهان‌کاری در تمام فضای مدل‌های جهانی دیده می‌شود. در حال حاضر، پروژه Marble از شرکت World Labs احتمالاً توسعه‌یافته‌ترین محصول در این حوزه است و دموهای آن شامل تولید رسانه‌های ساده، ساخت محیط‌های قابل جستجو برای بازی‌های ویدیویی یا جلوه‌های ویژه کامپیوتری (CGI) می‌شود. کاربردهایی در زمینه رباتیک نیز وجود دارد، اما به نظر می‌رسد کل پلتفرم بیشتر برای نمایش قابلیت‌ها طراحی شده است تا یک محصول نهایی.

این پنهان‌کاری حتی به تامین‌کنندگان این شرکت‌ها نیز سرایت کرده است. الکس دی ویگان (Alex de Vigan)، مدیرعامل Physicl، که یک تامین‌کننده داده برای کسب‌وکارهای نوپای مدل‌های جهانی است، در حاشیه همین کنفرانس گفت که می‌داند داده‌های شرکتش برای محصولات آن‌ها مفید بوده است، اما هنوز دقیقاً نمی‌داند آن‌ها چه چیزی می‌سازند. دی ویگان در این باره توضیح داد: «ای کاش اطلاعات بیشتری به ما می‌دادند. اگر می‌دانستیم آن‌ها روی چه چیزی کار می‌کنند، می‌توانستیم داده‌های مفیدتری تولید کنیم.»

بخشی از این رازآلودگی به دلیل تطبیق‌پذیری بالای ایده مدل‌های جهانی است. ساده‌ترین نسخه آن یک نقشه قابل پیمایش از جهان است، مشابه مدل‌های هوش مصنوعی که خودروهای خودران را هدایت می‌کنند. اما همان رویکرد مدل‌سازی که به خودروهای Waymo کمک می‌کند تا در ترافیک حرکت کنند، می‌تواند به یک ربات انسان‌نما در حمل جعبه‌ها یاری برساند، یا چند دقیقه ویدیوی ضبط‌شده را به یک محیط قابل تعامل تبدیل کند. شرکت AMI Labs پیش از این از طریق همکاری با Nabla، وارد حوزه‌های تولید، زیست‌پزشکی، رباتیک و حتی نرم‌افزارهای هوش مصنوعی برای پزشکان شده است. قطعا این شرکت تمام این مسیرها را به طور همزمان دنبال نخواهد کرد، اما شاید یک یا دو مورد از آن‌ها اهمیت بیشتری داشته باشند.

هیچ‌کس تردید ندارد که کسب‌وکارهای پایدار و قدرتمندی می‌توانند بر پایه فناوری مدل‌های جهانی ساخته شوند و تا زمانی که جذب سرمایه آسان است، فشار خاصی برای تمرکز روی یک محصول واحد وجود ندارد. در واقع، دلایل منطقی برای این عدم تمرکز وجود دارد. اگر فردا AMI Labs اعلام کند که یک ربات انسان‌نما به نام OpenClaw یا یک سیستم رندرینگ نسل بعدی برای هالیوود ساخته است، بسیاری از آزمایشگاه‌های دیگر ناگهان به این فضا علاقه‌مند خواهند شد. در نتیجه، این شرکت به زودی با رقابت بالقوه‌ای از سوی سایر شرکت‌های مدل‌های جهانی، آزمایشگاه‌های نوپا و حتی غول‌هایی مانند OpenAI و Anthropic مواجه خواهد شد.

از جهاتی، این روی دیگر سکه جذب سرمایه آسان است. رقبای شما نیز می‌توانند سرمایه جذب کنند؛ و همان پولی که به شما اجازه می‌دهد در سکوت و پنهانی محصول خود را بسازید، به محض روشن شدن مسیر بازار، می‌تواند روی رقبای بالقوه شما نیز سرمایه‌گذاری شود. بنابراین، حتی اگر این رقابت اجتناب‌ناپذیر باشد، بهترین استراتژی به تاخیر انداختن آن تا حد امکان است؛ و این یعنی پنهان نگه داشتن دقیق محصولی که در حال ساخت آن هستید.

این وضعیت یادآور نظریه «جنگل تاریک» (Dark Forest) است: وقتی نمی‌دانید چه کسانی در جنگل حضور دارند، بهترین کار این است که توجه کسی را به خود جلب نکنید.