این هفته، من به عنوان مجری یک پنل درباره مدل‌های جهانی در کنفرانس All In (که هیچ ارتباطی با پادکست ندارد) حضور داشتم و این فرصت را به من داد تا به یکی از مرموزترین گوشه‌های دنیای هوش مصنوعی بپردازم. بازیگران بزرگ این حوزه، آزمایشگاه‌های AMI متعلق به یان لِکان و World Labs متعلق به فی-فی لی هستند — و در حالی که هر دو سر و صدای زیادی به پا کرده‌اند و بودجه قابل توجهی جذب کرده‌اند، اما در مقیاس تلاش برای کسب درآمد رتبه پایینی دارند.

در هسته خود، مدل‌های جهانی درباره خودکارسازی هوش فضایی هستند، بنابراین این حوزه می‌تواند به سمت‌های هیجان‌انگیز و پرسودی حرکت کند، از رباتیک گرفته تا ویدیوی تعاملی و سیستم‌های رانندگی خودکار پیچیده‌تر.

اما وقتی شروع به اصرار کردم که واقعاً این فناوری را در کجا تجاری‌سازی خواهیم دید، اوضاع مبهم شد. نزدیک‌ترین چیزی که به یک مرجع پیدا کردم، مایکل رابات، یکی از بنیان‌گذاران AMI Labs و معاون مدل‌های جهانی این شرکت بود که در پنل به من پیوست. اما وقتی از او درباره دقیقاً همان چیزی که شرکت روی آن کار می‌کند سؤال کردم، محتاط بود. «وقتی آماده باشیم درباره‌اش صحبت می‌کنیم.» او در ایمیلی توضیح داد: «ما هنوز در مرحله تحقیق و ساخت هستیم، بنابراین به‌طور عمومی درباره هیچ برنامه محصول یا جدول زمانی صحبت نمی‌کنیم.»

برای انصاف، AMI کمتر از یک سال است که تأسیس شده، پس سکوت کردن کاملاً منصفانه است. اما این نوع محتاط بودن به کل حوزه مدل‌سازی جهانی گسترش می‌یابد. Marble از World Labs احتمالاً کامل‌ترین محصول توسعه‌یافته در این حوزه است و دموهای آن از خلق رسانه ساده، ساخت محیط‌های قابل کاوش برای بازی‌های ویدیویی یا جلوه‌های CGI متغیر است. موارد استفاده رباتیک نیز وجود دارد، اما به نظر می‌رسد کل پلتفرم بیشتر برای نمایش قابلیت‌ها طراحی شده است.

این محرمانه‌بودن حتی به تأمین‌کنندگان این شرکت‌ها نیز گسترش می‌یابد. در حاشیه همان کنفرانس، با الکس دو ویگان، مدیرعامل Physicl — یک تأمین‌کننده داده برای کسب‌وکار نوپای مدل جهانی — صحبت کردم. او می‌گوید می‌داند داده‌های Physicl برای هر چیزی که می‌سازند مفید بوده، اما او همچنان از اینکه دقیقاً چیست بی‌اطلاع است. دو ویگان به من گفت: «ای کاش بیشتر به ما می‌گفتند. اگر می‌دانستیم روی چه چیزی کار می‌کنند، می‌توانستیم داده‌های مفیدتری بسازیم.»

بخشی از رمز و راز از همه‌کاره بودن مدل‌های جهانی به عنوان یک ایده ناشی می‌شود. ساده‌ترین نسخه، یک نقشه قابل پیمایش از جهان است، مشابه مدل‌های هوش مصنوعی که خودروهای خودران را هدایت می‌کنند. اما همان رویکرد مدل‌سازی که به Waymo کمک می‌کند در ترافیک حرکت کند، می‌تواند به یک ربات انسان‌نما در حمل جعبه‌ها کمک کند یا چند دقیقه فیلم ویدیویی را به یک محیط قابل کاوش تبدیل کند. AMI قبلاً پای خود را در تولید، پزشکی زیستی، رباتیک و حتی نرم‌افزار هوش مصنوعی برای پزشکان از طریق مشارکت Nabia خود گذاشته است. مطمئناً همه این‌ها را دنبال نخواهد کرد — اما شاید یکی یا دو مورد از آنها در حال برجسته شدن هستند؟

هیچ‌کس شک ندارد که کسب‌وکارهای قابل دوام زیادی می‌توان بر پایه فناوری مدل جهانی بنا کرد — و تا زمانی که جذب سرمایه آسان است، فشار خاصی برای تمرکز روی یک مورد وجود ندارد. در واقع، دلیل خوبی برای این کار وجود دارد. اگر AMI فردا اعلام کند که یک OpenClaw انسان‌نمای ساخته یا یک سیستم رندرینگ هالیوودی نسل بعدی ساخته است، ناگهان آزمایشگاه‌های زیادی به این حوزه علاقه‌مند خواهند شد. به زودی، آزمایشگاه با رقابت بالقوه از سوی سایر شرکت‌های مدل جهانی، نئولب‌ها و حتی OpenAI و Anthropic مواجه خواهد شد.

از برخی جهات، این روی دیگر سکه جذب سرمایه آسان است. رقبای شما نیز می‌توانند سرمایه جذب کنند — و همان پولی که به شما اجازه می‌دهد در سایه بسازید، همچنین بودجه رقبای بالقوه زیادی را نیز تأمین می‌کند وقتی مسیر بازار روشن شود. اما حتی اگر این رقابت اجتناب‌ناپذیر باشد، بهتر است تا جایی که ممکن است آن را به تأخیر بیندازید، که به این معنی است که درباره دقیقاً همان چیزی که می‌سازید سکوت کنید.

طرفداران لیو سی‌سین این را به عنوان سناریوی جنگل تاریک می‌شناسند: اگر نمی‌دانید چه کس دیگری در جنگل است، بهتر است توجهی جلب نکنید.