Naslov in uvod
Vsi govorijo o pomanjkanju GPU‑jev, manj pa o tem, kdo bo v prihodnje sploh načrtoval čipe, na katerih teče umetna inteligenca. Ricursive stavi na odgovor: umetna inteligenca sama. Startup, star komaj dva meseca, je dosegel vrednotenje 4 milijarde dolarjev z obljubo, da bo zgradil zanko, v kateri sistemi umetne inteligence ne le tečejo na čipih, ampak jih tudi nenehno optimizirajo in preoblikujejo. Če jim uspe, se lahko desetletje tipičnega napredka v strojni opremi stisne v nekaj let – pri čemer bo dostop do takšne infrastrukture še bolj koncentriran. V nadaljevanju analiziramo, kaj Ricursive dejansko gradi, zakaj vlagatelji tako agresivno vlagajo in kaj to pomeni za slovenski in evropski tehnološki prostor.
Novica na kratko
Kot poroča TechCrunch, je Ricursive Intelligence zbral 300 milijonov dolarjev v krogu Series A pri vrednotenju 4 milijarde dolarjev, in to le dva meseca po uradnem zagonu podjetja. Krog je vodil sklad Lightspeed, sodelovali pa so še DST Global, NVentures (naložbena roka Nvidie), Felicis Ventures, 49 Palms Ventures in Radical AI. Skupno je podjetje doslej zbralo 335 milijonov dolarjev, navaja tudi The New York Times.
Ricursive razvija sistem umetne inteligence, ki načrtuje in samodejno izboljšuje čipe za umetno inteligenco. Po navedbah podjetja bo sistem sposoben generirati lastno silicijevo »substratno« plast in nato iterativno posodabljati zasnove čipov z namenom pospeševanja AI delovnih bremen. Ustanovitelja Anna Goldie in Azalia Mirhoseini, nekdanji raziskovalki pri Googlu, sta znani po metodi ojačitvenega učenja za postavitev elementov na čipu (AlphaChip), ki jo je Google uporabil v štirih generacijah svojih TPU‑jev. TechCrunch dodaja, da Ricursive ni osamljen – podobne koncepte razvijajo tudi startupi Unconventional AI in Recursive.
Zakaj je to pomembno
Na prvi pogled gre za še en »mega« krog financiranja v AI. V resnici pa kaže na to, da se bitka seli z ravni modelov na najnižjo raven – na fizično osnovo, na kateri ti modeli sploh tečejo.
Kdo ima največ od tega, če se vizija Ricursiva uresniči?
- Hiperskalni ponudniki in veliki AI laboratoriji dobijo čipe, natančno prilagojene njihovim delovnim bremenom, namesto generičnih GPU‑jev.
- Ricursive in njegovi vlagatelji si poskušajo zagotoviti vzvod na ozkem grlu AI gospodarstva: dostopu do vrhunske računske moči.
- Nvidia si z naložbo odpira možnost, da bo sodelovala s potencialnim motilcem ali dopolnilom lastnega GPU načrta.
Potencialni poraženci:
- Klasični ponudniki EDA orodij (Synopsys, Cadence, Siemens EDA), če se izkaže, da domensko specifični sistemi z ojačitvenim učenjem premagajo njihove obstoječe tokove načrtovanja za AI delovna bremena.
- Manjši cloud ponudniki in startupi, ki bodo še težje prišli do konkurenčne strojne opreme, če bo najboljša tesno vezana na zaprte so‑načrte med nekaj velikimi igralci in specializiranimi startupi.
- Regulatorji in raziskovalci varnosti, ki bodo soočeni s potencialno bistveno hitrejšimi cikli izboljšav strojne opreme, kot jih predvidevajo obstoječi okvirji upravljanja tveganj.
V kratkem roku je učinek predvsem signal: vrednotenje Ricursiva legitimizira naracijo o »samoizboljševalni infrastrukturi« kot naslednjem velikem trendu po velikih jezikovnih modelih. Vsak večji laboratorij že razmišlja o so‑načrtovanju modelov in strojne opreme; to financiranje kaže, da so vlagatelji pripravljeni takšno zgodbo plačati z zelo visokimi multiplikatorji. Pričakujte val podobnih pitch‑deckov, tudi v regiji.
Širši kontekst
Ricursive je simptom globljega trenda: vertikalne integracije AI sklada.
Najprej so tehnološki velikani ugotovili, da zgolj najem »generičnih« GPU‑jev ni dovolj, zato so začeli graditi lastne pospeševalnike (TPU, Trainium, Maia, Cobalt, MTIA …). Naslednji korak je še en nivo nižje: ne le lastni čipi, temveč učeči se sistemi, ki čipe stalno preoblikujejo.
Zgodovina avtomatizacije načrtovanja čipov (EDA) je pravzaprav zgodovina iskanja dodatnih odstotkov zmogljivosti iz istega silicija. Prehodi od ročnega risanja do avtomatske postavitve, od klasičnih logičnih vrat do visokonivojske sinteze so vedno pomenili preskok v kompleksnosti in učinkoviti rabi tranzistorjev. Ricursive in sorodni startupi predlagajo naslednji preskok: ojačitveno učenje in druge ML‑metode, tesno vezane na specifična AI bremena in, dolgoročno, celo na posamezne arhitekture modelov.
Časovnica ni naključna. Trening vrhunskih modelov že danes stane ogromne zneske v računanju, energiji in inženirskem času. Ko en sam trening porabi stotine milijonov dolarjev infrastrukture, ima že nekaj odstotkov boljša izraba ali manjša poraba energije ogromen finančni učinek. Sistem, ki lahko na podlagi dejanskih sledi delovnih bremen iterira po razporeditvi elementov, pomnilniški hierarhiji in medsebojnih povezavah, je zato izjemno privlačen.
S tem se spreminja tudi merilo tekme. Danes govorimo o številu parametrov in dolžini konteksta; jutri bo ključna metrika zmogljivost na watt in na evro, kar bo močno odvisno od tega, kako dobro so so‑optimizirani modeli, prevajalniki, runtime sistemi in čipi. Ricursive meri prav v to stičišče.
Vse to je za zdaj predvsem obljuba. Načrtovati in proizvesti konkurenčen čip je počasno, drago in polno pasti. Tudi najbolj impresiven znanstveni članek ne zagotavlja, da bo podjetje dostavilo silicij, ki se lahko kosa z Nvidio ali celo z Googlovimi interni TPU‑ji. A stava vlagateljev je jasna: naslednja »Nvidia« ne bo zgolj izdelovalec hitrejših čipov, ampak upravljalec zanke samodejnega izboljševanja strojne opreme.
Evropski in slovenski vidik
Za Evropo je ta zgodba še en opomnik, da se resnično prebojni projekti na področju AI strojne opreme še vedno rojevajo predvsem v ZDA.
EU je z Evropskim aktom o čipih in projekti IPCEI jasno izrazila ambicijo, da zmanjša odvisnost od Azije in ameriških gigantov ter poveča lastno proizvodnjo polprevodnikov. A ko pogledamo, kje nastajajo najbolj drzne vizije AI‑prilagojenih orodij za načrtovanje čipov, je fokus skoraj izključno v Silicijevi dolini.
Za digitalno suverenost to ni trivialna težava. Če bo naslednja generacija pospeševalnikov nastala z zaprtimi AI sistemi, prilagojenimi delovnim bremenom nekaj največjih hyperscalerjev, bodo evropski cloud ponudniki, raziskovalci in tudi industrija pogosto preprosto kupci črne skrinjice: ameriški modeli, orodja in čipi, so‑načrtovani kot enoten, težko nadzorovan sklad.
Slovenija je v tej sliki majhen, a ne zanemarljiv igralec. Imamo dostop do evropskih superračunalnikov (npr. Vega v Mariboru), močne raziskovalne skupine na področju AI ter aktivno startup sceno v Ljubljani, ki že gradi produkte na osnovi velikih modelov. Toda skoraj nihče se ne ukvarja z vprašanjem, kakšna strojna oprema bo čez pet let podlaga za te rešitve – in kdo jo bo načrtoval.
Regulativa, kot sta GDPR in prihajajoči AI Act, se osredotoča na podatke, modele in aplikacije, bistveno manj pa na avtomatizirane tokove načrtovanja strojne opreme. Če bodo ti postali temelj kritične infrastrukture (energetika, promet, zdravstvo), bo vprašanje preglednosti in revizije teh orodij povsem praktično. Bolje je, da se evropski in slovenski regulatorji ter raziskovalci vključijo v razpravo zdaj, ne šele, ko bodo AI‑načrtovani čipi že vgrajeni v omrežja 5G in državne računalniške gruč.
Pogled naprej
V naslednjih dveh letih bo nekaj jasnih pokazateljev, ali je Ricursive več kot zgolj dobro prodana zgodba.
- Prvi primerki silicija. Resen projekt čipa potrebuje jasno pot do proizvodnje: partnerstvo z livarnami, izbiro procesnega vozla in testne čipe.
- Merljive izboljšave. Ključni bodo rezultati na realnih AI delovnih bremenih (npr. treniranje in izvajanje velikih modelov), ne na sintetičnih benchmarkih.
- Strateška partnerstva. Ali bodo največji ponudniki oblaka in raziskovalni inštituti javno napovedali so‑načrtovanje z Ricursivom, ali pa bodo podobne tehnologije raje razvijali interno?
Za tradicionalne EDA hiše bo to alarm. Že danes vključujejo strojno učenje v postavitev, usmerjanje in preverjanje. Če bodo startupi, kot je Ricursive, dobili oprijemljiv tržni delež, lahko pričakujemo agresivnejša partnerstva z livarnami in morda tudi prevzeme manjših AI‑EDA ekip, da ostanejo v igri.
Na varnostni strani se odpre novo vprašanje: kaj pomeni, če se cikli izboljšav strojne opreme skrajšajo z let na mesece? Regulativni okviri, ki implicitno računajo na počasnejši razvoj, se lahko nenadoma izkažejo za zastarele. V igro bodo prišli tudi izvozni režimi in omejitve glede najnaprednejših AI‑čipov, kar neposredno zadeva evropske in slovenske raziskovalce ter podjetja.
Bolj verjeten scenarij je, da bo le peščica teh dobro financiranih ekip dejansko dostavila konkurenčne rešitve. A ne glede na to, kdo preživi, bo koncept so‑načrtovanja modelov in strojne opreme s pomočjo učečih se sistemov v nekaj letih postal industrijski standard – tudi v Evropi.
Sklep
Vrednotenje Ricursiva pri 4 milijardah dolarjev ni toliko zgodba o enem startupu, temveč o tem, kam se premika celotna AI industrija. Kapital se seli na najglobljo plast sklada – v orodja, ki načrtujejo čipe, na katerih tečejo modeli. Kdor bo nadzoroval to zanko, bo imel realno moč. Evropa, vključno s Slovenijo, je tu za zdaj predvsem opazovalec. Ključno vprašanje za naše bralce je: bomo sooblikovali prihodnji »inteligentni substrat«, ali bomo zgolj tekli na njem?
