Naslov i uvod
Dok većina AI startupa i dalje slaže sučelja preko tuđih jezičnih modela, jedan je laboratorij upravo dobio više od milijardu dolara da pokuša nešto bitno drugačije: naučiti strojeve razumjeti stvarni svijet. AMI Labs, novi projekt Yanna LeCuna i Alexandrea LeBruna, ne želi još jedan chatbot, nego svjetske modele (world models) – sustave koji modeliraju fiziku, uzročnost i dinamiku oko nas. Ako uspiju, današnji generativni hype izgledat će kao uvod. U nastavku analiziramo što AMI zapravo gradi, zašto su investitori spremni čekati godinama i kakve implikacije to ima za EU i regiju jugoistočne Europe.
Vijest ukratko
Prema pisanju TechCruncha, AMI Labs – nova AI tvrtka koju je nakon odlaska iz Mete suosnovao dobitnik Turingove nagrade Yann LeCun – prikupila je oko 1,03 milijarde američkih dolara, uz pre‑money valuaciju od 3,5 milijarde.
Tvrtka sa sjedištem u Parizu razvija tzv. world models: sustave umjetne inteligencije koji uče iz bogatih podataka stvarnog svijeta (slika, zvuk, interakcije), a ne prvenstveno iz teksta. Znanstveni smjer temelji se na arhitekturi Joint Embedding Predictive Architecture (JEPA), koju je LeCun predstavio 2022.
Kako navodi TechCrunch, rundu zajednički predvode fondovi Cathay Innovation, Greycroft, Hiro Capital, HV Capital i Bezos Expeditions. Sudjeluju i NVIDIA, Samsung, Sea, Temasek, Toyota Ventures te europski industrijski igrači poput Dassaulta, Publicisa i obitelji Mulliez. AMI Labs će se u prvim godinama fokusirati na temeljna istraživanja, bez planiranih prihoda na kratki rok, objavljujući znanstvene radove i open‑source kod. Prvi javno najavljeni partnerski projekt je s digitalno‑zdravstvenim startupom Nabla.
Zašto je to važno
Današnji val umjetne inteligencije u velikoj se mjeri svodi na jedan trik: predviđanje sljedećeg tokena u nizu. Kada se taj trik nahrani ogromnom količinom podataka i računske snage, dobivamo impresivne jezične modele – ali i dobro poznata ograničenja: halucinacije, slabo razumijevanje fizike i vremena, te nesigurno ponašanje kad AI treba djelovati u stvarnom svijetu.
AMI Labs je dobro financiran pokušaj da se izgradi nešto dublje. Umjesto da model tek imitira internet, svjetski modeli nastoje naučiti unutarnju reprezentaciju onoga što se u svijetu događa: kako se objekt kreće kad ga gurnemo, kakav je vjerojatan ishod terapije, kako će se proizvodna linija ili distribucijska mreža ponašati pod stresom. U JEPA okviru cilj nije zvučati uvjerljivo, nego popunjavati manjkajuće informacije o stanju svijeta.
Za investitore to je bitno drukčija oklada od još jedne aplikacije preko tuđeg API‑ja. Radi se o sporom, istraživački intenzivnom i skupo računalno zahtjevnom putu, bez garancije da će rezultat izgledati kao „sljedeći ChatGPT“. No ako upali, potencijal utjecaja je golem: robotika, autonomna vozila, industrijska automatizacija, energetika, zdravstvo i druge domene u kojima pogreška nije smiješan odgovor u chatu, nego stvarna šteta.
Kratkoročni dobitnici su očiti: NVIDIA i slični dobavljači računske snage, vrhunski istraživači koji dobivaju snažno financiran laboratorij izvan Big Techa, te Europa, koja na svojem tlu dobiva još jednog „teškaša“ u području temeljne AI. Potencijalni gubitnici su mnoštvo generativnih startupa čiji je glavni „proizvod“ UI oko tuđeg modela; ako world models pokažu stvarne prednosti u pouzdanosti i razmišljanju o stvarnom svijetu, tolerancija tržišta na tanke omote brzo će pasti.
Šira slika
AMI Labs se uklapa u širi pomak u industriji. Kao što piše TechCrunch, Fei‑Fei Li je s novom tvrtkom World Labs nedavno osigurala oko milijardu dolara za sličnu viziju, a europski SpAItial dobio je neuobičajeno velik seed upravo za world models. Naziv će sigurno postati buzzword, ali je trend iza njega stvaran: od prepoznavanja uzoraka prema modeliranju dinamike i uzročnosti.
Prethodnici postoje godinama: DeepMindov agent Gato, napredni robotski simulatori temeljeni na NVIDIA Isaac platformi te modelno ojačano učenje (model‑based RL) svi pokušavaju stvoriti svojevrsni „unutarnji simulator“ u AI sustavima. Novo je što se sada kapital i talent koncentriraju baš na tu ideju, a ugledni istraživači javno govore da puko skaliranje LLM‑ova nije dovoljno.
U odnosu na OpenAI, Anthropic ili Google DeepMind, AMI se razlikuje u dvije ključne točke.
Prvo, u tehničkoj poziciji: LeCun već dugo tvrdi da današnji LLM‑ovi nemaju stvarno razumijevanje svijeta ni zdravu „zdravu pamet“. AMI pretvara tu kritiku u poslovni plan i time si daje slobodu da istražuje arhitekture koje izlaze iz LLM okvira.
Drugo, u istraživačkom modelu: dok vodeći američki laboratoriji sve više zatvaraju svoje modele i nude samo API pristup, AMI najavljuje otvorene radove i značajnu količinu open‑source koda. Time nastavlja europsku tradiciju koju vidimo kod PyTorcha, Hugging Facea ili Mistrala – projekata koji su postali standard upravo zato što su bili otvoreni i dostupni zajednici.
Sve to sugerira ulazak u drugu fazu AI utrke. U prvoj je pobjeđivao onaj tko je imao najviše GPU‑a za treniranje transformera. U drugoj će ključno pitanje biti tko može izgraditi najbolji unutarnji model svijeta – i dokazati da se taj model može sigurno koristiti u bolnicama, tvornicama i prometu.
Europski i regionalni pogled
Za Europsku uniju i zemlje poput Hrvatske AMI Labs je više od francuskog unicorna. To je test može li Europa istovremeno biti regulator i izvor naprednih AI tehnologija.
AMI ima sjedište u Parizu, snažne francuske i europske ulagače (od državnih fondova do industrijskih grupacija) i planirane timove u New Yorku, Montrealu i Singapuru. Za Bruxelles, koji kroz Akt o umjetnoj inteligenciji (EU AI Act), GDPR, DSA i DMA postavlja stroga pravila, važno je da barem dio „frontier AI“ nastaje unutar istog pravnog okvira.
Svjetski modeli se pritom zanimljivo uklapaju u europsku regulativnu logiku. Sustavi koji modeliraju procese u stvarnom svijetu — zdravstvene ishode, industrijske tokove, promet — mogu se mjeriti protiv stvarnih podataka i jasno definiranih metrika rizika, što olakšava procjenu usklađenosti s propisima. U usporedbi s generičkim chatbotovima, to je plus za sektore koje EU smatra „visoko rizičnima“.
Za Hrvatsku i susjedne zemlje ključan je ekosustavni učinak. Startupi iz Zagreba, Splita ili Ljubljane, istraživačke grupe na FER‑u, FOI‑ju ili ETF‑u u Beogradu te industrijski igrači poput Rimca ili Infobipa nemaju resurse da sami treniraju modele veličine OpenAI‑jevih. Ali, ako AMI doista otvori svoje arhitekture i dio modela, mogu graditi nad njima: digitalni blizanci tvornica, sofisticirano prediktivno održavanje, modeli za upravljanje energijom ili poplavama na Jadranu.
Pogled unaprijed
U bliskoj budućnosti AMI Labs će vjerojatno podsjećati više na vrhunski istraživački institut nego na klasični startup. Ne treba očekivati „europski ChatGPT“ s njihovim logom, nego radove, kod i prototipove.
Na što vrijedi obratiti pozornost:
- Znanstveni napredak: Objavljuju li radove koji mijenjaju način na koji zajednica razmišlja o reprezentacijama i predikciji? Pojavljuju li se njihovi pristupi u alatima i bibliotekama koje drugi koriste?
- Kvaliteta ranih pilota: Hoće li suradnje s partnerima poput Nable ili industrijskih ulagača dati ozbiljne, makar uske pilot‑projekte u zdravstvu, industriji ili prometu?
- Stvarni stupanj otvorenosti: Hoće li ključne komponente doista biti open source ili će, pod pritiskom tržišta, završiti iza zatvorenih API‑ja?
Rizici su jasni: svjetski modeli će zahtijevati ogromne količine računalnih resursa, a tržište GPU‑ova i dalje je napeto. Milijarda daje nekoliko godina mira, ali ako rezultati izostanu, investitori će sve glasnije tražiti „proizvod sad i odmah“. Borba za talente je globalna: isti istraživači koje želi AMI zanimljivi su i OpenAI‑ju, Googleu, Metei i kineskim igračima.
Za tvrtke iz Hrvatske i regije u tome se krije prilika. Tko danas ima kvalitetne podatke – u energetici, turizmu, logistici, financijama, zdravstvu – i počne razmišljati o suradnjama s istraživačkim laboratorijima, može se pozicionirati za trenutak kad svjetski modeli krenu iz laboratorija prema praksi.
Zaključak
AMI Labs je rijedak primjer u današnjem AI ekosustavu: milijardna investicija u dugoročnu temeljnu znanost, a ne u brzi izlazak na tržište. Fokus na svjetske modele i otvorenu znanost iz europske baze istodobno dovodi u pitanje tehničku dogmu „samo veći LLM‑ovi“ i poslovni model zatvorenih američkih API‑ja. Hoće li uspjeti, otvoreno je pitanje, ali jedno je sigurno: industrija će morati odlučiti je li zadovoljna elokventnim, ali često halucinirajućim chatbotovima – ili želi strojeve koji doista razumiju svijet u kojem djeluju.
