Flapping Airplanes: 180 milijuna dolara za AI koji ne ovisi samo o većim klasterima

Flapping Airplanes: 180 milijuna dolara za AI koji ne ovisi samo o većim klasterima

Posljednjih godina u umjetnoj inteligenciji vlada jednostavna logika: više podataka, više GPU‑ova, veći modeli. Novi laboratorij Flapping Airplanes upravo je prikupio 180 milijuna dolara da bi dokazao suprotno – da sljedeći skok možda neće doći iz još većih podatkovnih centara, nego iz boljih istraživačkih ideja. To nije akademski spin‑off s malim budžetom, već ozbiljna oklada fondova kao što su Google Ventures i Sequoia. U nastavku objašnjavamo zašto je to važno, tko bi mogao profitirati, a tko se zabrinuti – i što to znači za Europu i našu regiju.

Vijest ukratko

Kako piše TechCrunch, u srijedu je službeno pokrenut novi AI istraživački laboratorij Flapping Airplanes, uz seed ulaganje od čak 180 milijuna američkih dolara. U ranoj rundi sudjeluju Google Ventures, Sequoia Capital i Index Ventures – jedni od najutjecajnijih VC fondova iz Silicijske doline. Osnivački tim opisan je kao iznimno jak, ali detalji zasad nisu široko poznati.

Deklarirani cilj laboratorija je razviti načine treniranja velikih modela koji znatno manje ovise o golemoj količini podataka i ekstremnoj računskoj snazi. U tekstu partnera Sequoie Davida Cahna, na koji se poziva TechCrunch, Flapping Airplanes služi kao primjer „istraživački prvo“ pristupa: umjesto da se maksimalno investiraju u klastere GPU‑ova za kratkoročne pobjede u roku od godinu‑dvije, laboratorij je dizajniran za dugoročne istraživačke oklade u horizontu od pet do deset godina.

Prema ocjeni TechCruncha, to ih stavlja relativno nisko na ljestvici hitne monetizacije – više nalik na rani DeepMind nego na tipični SaaS startup koji planira skor izlazak na tržište.

Zašto je to važno

Flapping Airplanes je bitan prvenstveno zbog paradigme koju otvoreno dovodi u pitanje. Današnji glavni igrači – OpenAI, Anthropic, Google, Meta – funkcioniraju pod pretpostavkom da će bolji rezultati doći prije svega iz skaliranja: većih modela, više podataka, više računalne snage.

Laboratorij koji prikuplja 180 milijuna dolara kako bi istražio alternative toj logici šalje snažan signal.

Tko dobiva?

• Startupi i istraživačke grupe s ograničenim kapitalom. Ako se pokaže da ozbiljan napredak može doći iz učinkovitijih algoritama, a ne samo iz većih klastera, ulazna barijera značajno se spušta. To je dobra vijest za sve koji nemaju realne šanse doći do „milijardi za GPU‑ove“.
• Tradicionalne tvrtke. Industrija, banke, osiguravatelji, telekomi – svi oni bi mogli koristiti manje, ali pametnije modele koje se može trenirati na vlastitim domen­ski specifičnim podacima, bez preskupih infrastrukturnih projekata.
• Regulatori i društvo. Sustavi koji troše manje podataka i energije lakše se uklapaju u europske standarde privatnosti, okoliša i sigurnosti.

Tko potencijalno gubi?

• Hiperskalni oblak i veliki dobavljači GPU‑ova, čija se prednost temelji upravo na tome da mogu investirati u infrastrukturu koju nitko drugi ne može pratiti.
• Dionički modeli temeljeni isključivo na rastu potrošnje računalnih resursa. Ako se pokaže da je moguće postići bolje rezultate s manje hardvera, dio današnjih poslovnih planova može postati preoptimističan.

U kratkom roku, dominacija postojećih velikih modela neće nestati. No ovaj projekt otvara drugu ozbiljnu putanju razvoja AI‑ja: onu u kojoj ključni resurs nisu samo megavat‑sati i grafičke kartice, nego i kreativna istraživačka rješenja.

Šira slika

Tehnološka povijest rijetko završava onako kako izgleda u fazi „grube sile“. U procesorima je u početku sve bilo u taktu i broju tranzistora; kasnije su napredak donosile arhitekture, predmemorije i specijalizirani akceleratori. U mrežama se prvo gurala „sirova“ propusnost, a zatim su presudni postali protokoli, kompresija i pametno usmjeravanje.

U umjetnoj inteligenciji trenutno smo još u fazi grube sile, ali prijelom se već nazire. U posljednjem desetljeću:

• učinkovitost treniranja velikih modela višestruko je porasla zahvaljujući boljim optimizatorima i tehnikama regularizacije,
• pojavile su se arhitekture koje specijaliziraju dijelove modela (Mixture‑of‑Experts i slični pristupi),
• sve se više radi na kvaliteti i odabiru podataka, a ne samo na njihovoj količini.

Unatoč tome, narativ na tržištu i dalje glasi: „tko ima više parametara i veći klaster, taj pobjeđuje“.

Flapping Airplanes formalizira suprotnu tezu: da smo još uvijek nekoliko ozbiljnih istraživačkih proboja udaljeni od sasvim drugačijeg načina učenja i generalizacije, te da takve ideje vrijedi financirati čak i ako je vjerojatnost uspjeha pojedinačno mala.

Posebno je zanimljivo sudjelovanje Google Venturesa. Google već ima DeepMind i snažne interne AI timove. Kad fond povezan s Googleom podrži vanjski laboratorij koji preispituje logiku pukog skaliranja, to sugerira da i unutar samog „Big Techa“ postoji osjećaj da današnja putanja možda nije dugoročno održiva.

Europski i regionalni kontekst

Za Europu, ali i za zemlje jugoistočne Europe poput Hrvatske i Slovenije, ovo je potencijalno vrlo dobra vijest. Europska unija ima kvalitetne znanstvenike i rastuće AI startupe (Francuska, Njemačka, nordijske zemlje), ali nema vlastiti AWS ili Azure razmjera, niti je energija jeftina kao u nekim drugim regijama.

Nadolazeći Akt o umjetnoj inteligenciji EU, zajedno s GDPR‑om i Aktom o digitalnim uslugama, već gura tržište u smjeru transparentnije, kontroliranije i resursno umjerenije AI. Ako istraživački laboratoriji poput Flapping Airplanes pokažu da je moguće trenirati moćne modele na manjim, kvalitetno odabranim skupovima podataka i s razumnom infrastrukturom, to se savršeno uklapa u europske prioritete.

Za Hrvatsku i regiju to otvara nekoliko konkretnih prilika:

• Lokalni jezici. Podataka na hrvatskom, slovenskom, srpskom ili bosanskom znatno je manje nego na engleskom. Ako novi pristupi omoguće bolje modele iz manjih jezičnih korpusa, lakše ćemo dobiti kvalitetne modele prilagođene našem jeziku i kontekstu.
• Manja poduzeća i javni sektor. Većina domaćih tvrtki i institucija nema resurse za vlastite GPU klastere. Učinkovitiji modeli koji se mogu trenirati na skromnijem hardveru čine ozbiljnu primjenu AI‑ja realnijom u zdravstvu, energetici, turizmu ili javnoj upravi.
• Startupi iz Zagreba, Ljubljane, Beograda i drugih gradova mogli bi graditi konkurentne proizvode ako ključni diferencijator postane algoritamska pamet, a ne samo pristup kapitalu.

Drugim riječima, ako se industrija pomakne s paradigme „tko ima veći data centar“ prema „tko ima pametnije modele“, šanse manjih država članica EU naglo rastu.

Pogled unaprijed

Što slijedi nakon ovakvog lansiranja – i po čemu će se moći prepoznati radi li se o stvarnom zaokretu ili samo o dobro ispričanoj priči?

U sljedećih nekoliko godina ključno će biti:

1. Znanstveni rezultati. Hoće li Flapping Airplanes objavljivati radove i modele koji jasno pokazuju da se s manje podataka i manje računalne snage može postići ista ili bolja razina performansi barem u nekim domenama? Bez toga „istraživački pristup“ ostaje lijepa fraza.

2. Poslovni model. Može li laboratorij pronaći način monetizacije koji se ne svodi na isto što rade svi ostali – treniraj ogroman model i prodaj pristup? Potencijal postoji u licenciranju arhitektura, alatima za učinkovitije treniranje ili dubokim partnerstvima s industrijom.

3. Odnos prema regulativi. EU AI Act vjerojatno će tražiti veću transparentnost oko podataka za treniranje, potrošnje energije i rizika modela. Ako Flapping Airplanes već sada ugrađuje učinkovitost i objašnjivost u svoje pristupe, mogao bi u budućnosti imati regulatornu prednost – i postati poželjan partner za europske projekte.

4. Utjecaj na investitore u Europi i regiji. Ako se ova oklada pokaže razumno uspješnom, mogli bismo vidjeti više fondova spremnih financirati laboratorije s pet‑ do desetogodišnjim horizontom, i u Berlinu, i u Parizu, ali i u Zagrebu ili Ljubljani (uz kombinaciju javnog i privatnog novca).

Naravno, rizici su veliki: istraživanje može poći u krivom smjeru, tržište se može okrenuti, a hype oko skaliranja može još neko vrijeme zasjeniti sve ostalo. No alternativa je jasna: nastaviti utrku u kojoj pobjeđuju samo oni s najvećim budžetima.

Zaključak

Flapping Airplanes nije samo još jedan dobro financiran AI startup, nego 180‑milijunska poruka da se budućnost umjetne inteligencije ne mora odlučivati isključivo u utrci za najvećim podatkovnim centrom. Za Europu i države poput Hrvatske, koje imaju znanje, ali ograničene resurse, ta je poruka ključna. Ako su sljedeći veliki skokovi prije svega algoritamski, a ne hardverski, igra se otvara i za manje aktere. Ako ne, „inteligencija“ ostaje zaključana u nekoliko američkih i kineskih klastera. Pitanje za nas je jednostavno: hoćemo li aktivno graditi vlastite istraživačke kapacitete – ili ćemo ostati trajni korisnici tuđe pameti u oblaku?