Naslov i uvod
Meta gubi ključne stručnjake za umjetnu inteligenciju u korist relativno malog laboratorija koji je upravo skočio u istu infrastrukturnu ligu kao najveće svjetske tehnološke kompanije. Thinking Machines Lab (TML) u kratkom je roku okupio tim vrhunskih istraživača i osigurao višemilijardni ugovor s Google Cloudom za pristup najnovijim Nvidijinim čipovima. To nije samo kadrovska vijest; to je signal kako će izgledati sljedeća faza AI utrke. U nastavku analiziram zašto Meta gubi privlačnost, zašto investitori toliko vjeruju TML‑u i kakve su implikacije za Europu, Hrvatsku i širu SEE regiju.
Vijest ukratko
Prema pisanju TechCruncha, istraživač Weiyao Wang, koji je proveo osam godina u Meti radeći na multimodalnim sustavima percepcije i projektima segmentacije, prošlog je tjedna napustio kompaniju i pridružio se Thinking Machines Labu. Njegov dolazak poklapa se s velikim infrastrukturnim potezom TML‑a: višemilijardnim ugovorom o računalnom oblaku s Googleom.
Taj dogovor TML‑u omogućuje rani pristup Nvidijinim čipovima najnovije generacije GB300 i po pitanju infrastrukture ga svrstava uz bok igračima poput Anthropica i same Mete. Kako podsjeća TechCrunch, ugovor nadovezuje se na ranije partnerstvo s Nvidijom i čini Thinking Machines jednim od prvih startupa koji će svoje modele trenirati na toj arhitekturi.
Istovremeno traje intenzivna borba za ljude. Pozivajući se na Business Insider, TechCrunch navodi da je Meta do sada uspjela zaposliti najmanje sedam osnivačkih članova TML‑a. S druge strane, uvid u profile na LinkedInu pokazuje da TML agresivno zapošljava stručnjake iz Mete – uključujući njihovog CTO‑a Soumitha Chintalu, suosnivača PyTorcha, te više dugogodišnjih istraživača segmentacijskih i multimodalnih modela. Startup trenutno ima oko 140 zaposlenih, a procijenjena vrijednost mu je oko 12 milijardi dolara, iako je do sada javno lansirao samo jedan proizvod.
Zašto je to važno
Na površini, riječ je o poznatoj priči: ljudi odlaze iz velikog korporativnog sustava u ambiciozni startup. No ispod toga krije se bitna promjena strukture moći u AI industriji. Umjesto modela "Big Tech protiv svih ostalih" dobivamo sloj specijaliziranih laboratorija koji, zahvaljujući strateškim savezima s cloud divovima, mogu igrati u istoj ligi kao i najveće kompanije.
Thinking Machines je ovim potezima dobio nekoliko ključnih prednosti. Ugovor s Googleom rješava najveći problem većine startupa – manjak vrhunskog računalnog kapaciteta. Ako 140‑člani laboratorij ima pristup istim GB300 čipovima kao globalni giganti, usko grlo više nije infrastruktura nego ljudi i ideje.
Istodobno, dovođenjem veterana iz Mete TML ne dobiva samo impresivne biografije, nego i dragocjenu "operativnu memoriju": znanje kako organizirati istraživanje na razini tisuća GPU‑a, kako balansirati između znanstvenog rada i proizvodnih rokova te kako održavati brz tempo iteracije modela.
Za Metu je ovo znak da ni sedmeroznamenkaste plaće, na koje podsjeća TechCrunch, nisu svemoguće. Istraživači koji vjeruju da su pred nama još veliki tehnološki skokovi radije biraju mjesto gdje mogu dobiti znatan vlasnički udio u relativno "jeftinom" laboratoriju, nego manji komad već zrelog konglomerata. Ako TML uspije lansirati prepoznatljiv model ili platformu, potencijalni povrat za rane zaposlenike višestruko je veći.
Gubitnici su, barem kratkoročno, svi ostali koji se natječu za iste ljude: manje AI tvrtke u Europi i SAD‑u, tradicionalne korporacije koje pokušavaju izgraditi vlastite AI odjele, pa i javne istraživačke institucije. U trenutku kada startup s 140 zaposlenih nudi najnovije čipove i ozbiljan equity, teško je konkurirati paketom plaća u rangu lokalnog tržišta.
Šira slika
Uspon Thinking Machinesa savršeno se uklapa u trend koji gledamo zadnjih godina: vrhunski AI laboratoriji počivaju na tri stupa – strateškom partnerstvu s hyperscalerom, povlaštenom pristupu Nvidijinoj opremi i jezgri istraživača s iskustvom u Big Techu.
Već smo vidjeli slične obrasce u prethodnim tehnološkim valovima. Bivši Googleovi i Facebookovi inženjeri pokrenuli su rani deep‑learning ekosustav; tzv. "PayPal mafija" stvorila je niz ključnih Web 2.0 tvrtki. Razlika je što danas igra u prvoj ligi zahtijeva neusporedivo veće iznose kapitala i računalnog kapaciteta. Procjena vrijednosti od 12 milijardi dolara za laboratorij s jednim proizvodom bila bi nezamisliva prije deset godina; danas investitori plaćaju mogućnost da baš taj laboratorij razvije sljedeći generacijski model.
Meta se u tom krajoliku nalazi u nezgodnoj sredini. S jedne strane stoji iza ključnih open‑source alata poput PyTorcha i niza važnih radova, s druge strane nema AI proizvod koji bi u javnosti definirao cijelu kategoriju. Za ambiciozne istraživače to znači da ne moraju nužno ostati u velikoj kompaniji da bi bili "tamo gdje se događa".
Priča o TML‑u također pokazuje koliko su krhki "rovovi" koje tvrtke grade oko talenta. Meta je godinama ulagale u svoje istraživačke timove, no kombinacija svježeg kapitala, pristupa GB300 čipovima i mogućnosti da se sudjeluje u stvaranju laboratorija od nule bila je dovoljna da dio ljudi odabere odlazak.
Europski i regionalni kut
Za Europu, uključujući Hrvatsku i širu jugoistočnu Europu, ovo je triježnjenje. Dok Europska unija uvodi Akt o umjetnoj inteligenciji, GDPR i Akt o digitalnim uslugama, najnapredniji razvoj modela i dalje se odvija u SAD‑u – sada sve više i u privatnim laboratorijima poput TML‑a koji su usko povezani s američkim cloud gigantima.
S jedne strane, to znači da će europske tvrtke i institucije u velikoj mjeri graditi svoje proizvode na modelima koje ne kontroliraju u potpunosti. S druge strane, otvara se prilika za naše stručnjake. Kako laboratoriji poput Thinking Machinesa rastu, trebat će im distribuirani timovi. Rad na daljinu iz Zagreba, Ljubljane ili Beograda na najnovijim modelima više nije znanstvena fantastika – to je sve češća praksa.
Za Hrvatsku konkretno, ovo pojačava dvije postojeće dinamike. Prva je odljev mozgova: najbolji diplomanti FER‑a, PMF‑a ili FOI‑a imat će sve više ponuda iz laboratorija poput TML‑a, često atraktivnijih od mogućnosti u domaćim tvrtkama. Druga je prilika za pozicioniranje u nišama: Infobip, Rimac, Gideon i drugi regionalni igrači mogu graditi proizvode na vrhu globalnih modela – ali će teško moći parirati TML‑u po pitanju temeljnog istraživanja.
U tom kontekstu, europske inicijative za izgradnju vlastite AI infrastrukture (npr. EuroHPC, nacionalni superračunalni centri) trebale bi se povezati s privatnim sektorom puno agresivnije. Bez laboratorija koji mogu konkurirati TML‑u barem u pojedinim segmentima, riskiramo da ostanemo samo korisnici i regulatori, a ne su‑kreatori tehnologije.
Pogled unaprijed
Pitanje sada nije hoće li Thinking Machines igrati važnu ulogu, nego može li opravdati očekivanja koja stoje iza vrijednosti od 12 milijardi dolara. U sljedećih 12 do 24 mjeseca laboratorij će morati pokazati konkretne rezultate: modele koji se ističu kvalitetom ili učinkovitošću te proizvode koji generiraju prihode, a ne samo hype.
Očekujem nekoliko trendova.
Prvo, rat za talente će se nastaviti i pojačavati. Meta će nastojati zadržati preostale ključne ljude i regrutirati nove zvijezde, dok će TML i slični laboratoriji ciljati na iskusne istraživače iz Mete, OpenAI‑ja, Anthropica, Applea, Wayma i drugih. U toj utakmici odlučivat će kombinacija plaće, vlasničkog udjela i slobode istraživanja.
Drugo, regulatorni pritisak će rasti. EU‑ov Akt o umjetnoj inteligenciji predviđa posebne obveze za "sistemske" modele opće namjene. Čim modeli laboratorija poput TML‑a uđu na europsko tržište kroz proizvode partnera, podliježu tim pravilima – od transparentnosti i testiranja rizika do nadzora nad korištenjem. To će utjecati i na strategije implementacije u europskim tvrtkama.
Treće, veza između laboratorija i cloud pružatelja postajat će sve čvršća. Ugovor TML‑a i Googlea nije samo kupnja resursa; to je strateško pozicioniranje. Ako TML sutra izgradi model koji promijeni igru, logično je očekivati da će se vrtjeti prvenstveno na Googleovoj infrastrukturi. Za hrvatske i regionalne tvrtke to znači da će izbor AI modela često implicirati i izbor clouda – s posljedicama po troškove, vendor lock‑in i podatkovni suverenitet.
Za lokalni ekosustav ključno je pitanje: pokušati ući u utrku za temeljne modele (što traži ogromne resurse) ili se fokusirati na aplikativni sloj – vertikalne rješenja, lokalizaciju i domensku stručnost iznad modela koje razvijaju laboratoriji poput TML‑a.
Donja crta
Odlazak vrhunskih AI istraživača iz Mete u Thinking Machines Lab i pristup čipovima GB300 preko Google Clouda jasno pokazuju da doba u kojem su samo najveće tehnološke kompanije mogle igrati na samoj granici mogućeg polako završava. Umjesto toga dobivamo mali broj laboratorija s ogromnom koncentracijom znanja i računske moći. Za Europu, Hrvatsku i regiju to je istovremeno prilika i upozorenje: ako želimo imati bilo kakav utjecaj na smjer u kojem se AI razvija, morat ćemo odlučiti gdje želimo igrati – u temeljnim modelima, u aplikacijama ili samo u regulaciji.
