Потенциальное приобретение компании Decart, которая работает над повышением эффективности чипов и разработкой моделей генеративного искусственного интеллекта, станет первой сделкой по приобретению активов Anthropic в Израиле и крупнейшей на сегодняшний день.

Израильский стартап Decart, занимающийся разработкой искусственного интеллекта и основанный всего три года назад, по сообщениям, приобретается американским гигантом в области ИИ и разработчиком чат-ботов Claude, компанией Anthropic, за сумму до 6 миллиардов долларов.

О переговорах, которые еще не завершены и могут сорваться, впервые сообщило агентство Bloomberg. Если сделка состоится, это станет первым приобретением Anthropic в Израиле и крупнейшим на сегодняшний день. Компания Anthropic, основанная группой бывших исследователей OpenAI в 2021 году, является разработчиком так называемых больших языковых моделей (LLM), передовой технологии искусственного интеллекта, лежащей в основе разговорных чат-ботов, таких как Claude AI или ChatGPT.

Компания Anthropic не ответила на запрос о комментарии, а Decart также отказалась это сделать. Между тем, Илон Маск опроверг сообщение израильской финансовой газеты Calcalist о том, что SpaceX ведет переговоры о покупке Decart. Ранее сообщалось, что американский гигант по производству микросхем Nvidia претендовал на приобретение израильского стартапа в области искусственного интеллекта.

Компания Decart была основана в конце 2023 года 27-летним Дином Лейтерсдорфом и Моше Шалевым, которые познакомились во время службы в израильском подразделении военной разведки 8200.

Компания Decart разработала программную платформу для обучения масштабных моделей генеративного искусственного интеллекта в реальном времени на процессорах Nvidia, Amazon и Google. Платформа предназначена для оптимизации использования чипов, необходимых для обучения и запуска моделей ИИ. По словам представителей стартапа, технология снижает вычислительные затраты на обучение моделей ИИ, помогая чипам работать более эффективно.

Передовые системы искусственного интеллекта обучаются с использованием огромных объемов данных, что требует как сверхвысокой вычислительной мощности, так и большого объема памяти.

Согласно сообщению Bloomberg, внедрение технологии Decart может помочь Anthropic справиться с растущим спросом на свои инструменты искусственного интеллекта, такие как Claude. Компании Anthropic и OpenAI, занимающиеся разработкой ИИ, обязались потратить миллиарды долларов на центры обработки данных, оснащенные дорогостоящими чипами, чтобы удовлетворить свои стремительно растущие вычислительные потребности для создания и запуска передовых систем ИИ.

Компания Decart также разрабатывает базовые модели генеративного искусственного интеллекта, которые, как ожидается, смогут превратить человеческое воображение в видео на экране без необходимости сложного программирования. Эта передовая система ИИ, стремящаяся имитировать физический мир, позволяет пользователям редактировать и перемещаться по видеопотокам в режиме реального времени во время трансляции или записи, используя текстовые подсказки для изменения цветов, одежды, окружения сцены или удаления объектов.

Технология видеосимуляции позволяет покупателям в интернете перетаскивать предметы одежды, чтобы примерить платье и увидеть, как оно на них смотрится в реальном времени; геймеры могут менять персонажей и декорации во время игры в видеоигры.

Компания Decart делает ставку на то, что её модели, предназначенные для создания смоделированных сред, будут использоваться для более эффективного обучения и тестирования человекоподобных роботов и систем автономного вождения. Стартап с офисами в Тель-Авиве, Нью-Йорке и Сан-Франциско насчитывает 106 сотрудников, из которых 89 работают в Израиле.

В мае компания Decart привлекла 300 миллионов долларов при оценке примерно в 4 миллиарда долларов в рамках раунда финансирования, возглавляемого Radical Ventures. В нем также приняли участие Nvidia и другие инвесторы, включая Atreides Management, Valor Equity, Adobe Ventures, Toyota Ventures и eBay Ventures, наряду с уже существующими инвесторами Sequoia Capital, Benchmark и Zeev Ventures.

В число частных инвесторов стартапа входят соучредитель OpenAI Андрей Карпати, бывший генеральный директор Disney Майкл Эйснер, семья Nintendo и инвестор в игровую индустрию Мориц Байер-Ленц. На сегодняшний день Decart привлекла более 450 миллионов долларов.

P.S.

Израильский стартап Decart совершил прорыв в области Live AI (искусственного интеллекта, работающего в реальном времени без предварительного рендеринга). Их архитектура строится на трех ключевых столпах: DOS, Oasis и Lucy. [1, 2]

┌────────────────────────────────────────────────────────┐ │ Decart Optimization Stack (DOS) │ │ (Слой аппаратной и программной оптимизации) │ └───────────────┬────────────────────────┬───────────────┘ ▼ ▼ ┌────────────────────────┐ ┌────────────────────────┐ │ Oasis │ │ Lucy │ │ (Моделирование мира) │ │ (Трансформация видео) │ └────────────────────────┘ └────────────────────────┘

1. DOS (Decart Optimization Stack) — Фундамент

Это программно-аппаратный стек оптимизации. Именно этот элемент технологии больше всего интересует Anthropic. DOS позволяет чипам (таким как графические процессоры Nvidia) работать на пределе эффективности, кардинально снижая задержку (latency) вычислений и стоимость эксплуатации больших моделей. Благодаря DOS тяжелые генеративные модели могут выдавать результат со скоростью десятков кадров в секунду. [1, 2, 3, 4, 5, 6]

2. Oasis — Моделирование интерактивных миров

Первые версии Oasis прославились тем, что ИИ «на лету» генерировал играбельный физический мир, имитирующий правила игры Minecraft, основываясь только на действиях пользователя и нажатиях клавиш. [1, 2]

• В версии Oasis 3 стартап совершил важный разворот в сторону Physical AI (промышленного ИИ).

• Модель способна генерировать фотореалистичные, бесконечные дорожные сценарии и физические симуляции.

• Это симуляционная среда для обучения роботов и беспилотных автомобилей. Проект через API уже привлек таких гигантов, как Toyota, Adobe и Nvidia. [1, 2, 3, 4]

3. Lucy — Редактирование видео «на лету»

Lucy — это ИИ-модель трансформации видеопотока. В то время как обычные нейросети генерируют готовый ролик по текстовому запросу минутами, Lucy работает внутри стрима с задержкой менее 40 мс. [1, 2, 3]

• Как это работает: Вы направляете камеру на объект, пишете текстовую команду (например, «замени куртку на деловой костюм» или «сделай туманную погоду»), и картинка меняется на лету с сохранением физики движений, освещения и теней.

• В ритейле и e-commerce (проект Lucy 2.0) технология используется для «умных зеркал» и мгновенной примерки одежды в прямом эфире. [1, 2, 3]

📊 Бизнес-модель Anthropic и подготовка к IPO

Anthropic — один из главных создателей генеративного ИИ в мире, известный семейством моделей Claude. Сейчас компания находится на важнейшем этапе трансформации своей бизнес-модели, подготавливая почву для первичного публичного размещения акций (IPO) на Nasdaq.

Источники дохода и стратегия

1. B2B и корпоративный сектор: Основные деньги Anthropic зарабатывает на предоставлении доступа к своим моделям через API для крупного бизнеса, где критически важна безопасность данных (акцент на "AI Safety").

2. Платные подписки: Пользовательские тарифы (Claude Pro/Team) формируют стабильный поток регулярной выручки (ARR).

Зачем им сделка с Decart за $6 млрд?

Покупка Decart напрямую связана с экономикой Anthropic перед выходом на биржу: [1, 2]

• Борьба с дефицитом мощностей: Расходы на вычислительную инфраструктуру (чипы, дата-центры) поглощают большую часть инвестиций. Оптимизация от Decart (стек DOS) позволит Anthropic кратно снизить себестоимость каждого запроса к Claude. [1, 2]

• Улучшение маржинальности: Для инвесторов на Wall Street ключевым показателем является валовая маржа. Если Anthropic сможет тратить меньше серверной мощности на обслуживание миллионов пользователей, ценность компании в глазах инвесторов резко возрастет. [1]

• Мультимодальное будущее: Интеграция технологий Lucy и Oasis позволит Anthropic выйти далеко за рамки текста и предложить клиентам ИИ-агентов, способных управлять интерфейсами, симулировать рабочие среды и обрабатывать потоковое видео в реальном времени. [1, 2]

Частные рынки уже оценивают Anthropic в районе $1 трлн, а в ходе публичного IPO на Wall Street обсуждаются ориентиры вплоть до $2 трлн. Покупка Decart силами акций — это стратегический шаг, призванный доказать инвесторам, что Anthropic способна эффективно контролировать свои инфраструктурные расходы. [1, 2, 3]

Перевод с английского

ИСТОЧНИК

Глава 12. Разграбленная земля
...Мартин Тирони Родо, профессор Католического университета в Сантьяго и директор чилийского аналитического центра Futures of Artificial Intelligence Research, резюмирует настроения, которые он неоднократно слышал от сообществ по всей стране. Эти движения задаются вопросом о том, как представить себе новый путь развития ИИ, не основанный на добыче полезных ископаемых. Он подчеркивает, что продолжение развития этой технологии в прежнем виде нанесет вред Земле.

«Цифровые» технологии не являются исключительно цифровыми. Облако» не имеет бесплотной формы. Для обучения и использования моделей ИИ нужны физические центры обработки данных. Генеративным моделям ИИ OpenAI для обучения и работы требуется больше и больше центров обработки данных, чем когда-либо прежде.

До появления искусственного интеллекта центры обработки данных уже росли и разрастались. Раньше они были небольшими и разрозненными, спрятанными в городских районах, с несколькими компьютерами на полках в шкафу или несколькими стойками в переоборудованном здании. В 2000-х годах крупные технологические компании начали объединять свою вычислительную инфраструктуру в огромные серверные склады в сельской местности. Индустрия центров обработки данных разделилась на гипермасштабируемые компании, такие как Google, Microsoft, Amazon, Meta и другие. Эти ведущие гипермасштабируемые компании ежегодно тратят на строительство центров обработки данных больше денег, чем все менее известные девелоперы вместе взятые, такие как Equinix и Digital Realty.

Трудно представить себе гипермасштабный центр обработки данных, если вы никогда его не видели. Мел Хоган, доцент канадского Университета королевы, занимающаяся исследованиями в области искусственного интеллекта, инфраструктуры и окружающей среды, еще десять лет назад сравнивала их с футбольными полями. Однако теперь она считает, что это сравнение не отражает их реальных размеров. Гипермасштабирующие компании называют свои центры обработки данных «кампусами», которые представляют собой огромные участки земли, сравнимые с крупнейшими университетами Лиги плюща. В этих кампусах расположено несколько массивных зданий, заполненных рядами компьютерных стоек. Компьютеры выделяют значительное количество тепла, аналогичное интенсивно работающему ноутбуку, умноженному на миллион. Чтобы предотвратить перегрев, здания оснащены большими системами охлаждения, такими как вентиляторы, кондиционеры или системы испарения воды для охлаждения серверов. Коллективное оборудование производит постоянный шум, гул, жужжание и треск, слышимый за многие километры, особенно в менее развитых районах, создавая постоянное и физически неприятное шумовое загрязнение.

Теперь разработчики используют новый термин в эпоху ИИ после ChatGPT: «мегакампус». Этот термин относится не только к площади, но и к значительному количеству энергии, необходимой для их работы. Стойка графических процессоров потребляет в три раза больше энергии, чем другие компьютерные чипы. Стоимость обучения генеративных моделей ИИ высока, как и стоимость их обслуживания. По данным Международного энергетического агентства, каждый запрос ChatGPT требует примерно в десять раз больше электроэнергии, чем обычный поиск в Google. Раньше крупнейшие центры обработки данных были мощностью около 150 мегаватт, потребляя энергию, эквивалентную 122 000 американских домохозяйств в год. Сейчас разработчики и коммунальные компании готовятся к созданию мегакампусов ИИ, которым может потребоваться от 1 000 до 2 000 мегаватт энергии. Один мегакампус может потреблять столько же энергии в год, сколько полтора-три с половиной Сан-Франциско.

Немногие места на планете могут генерировать и поставлять столько энергии в одно место, как центры обработки данных. Девелоперы по всему миру сотрудничают с коммунальными компаниями, чтобы построить больше электростанций и расширить возможности. В США после десятилетия стагнации спроса на электроэнергию анализ Goldman Sachs показал, что значительное увеличение числа центров обработки данных приведет к беспрецедентному росту потребления электроэнергии. Коммунальные компании откладывают вывод из эксплуатации газовых и угольных станций и переход на возобновляемые источники энергии. Microsoft даже возобновила работу Three Mile Island, атомной станции в Пенсильвании, на которой в конце 1970-х годов произошел частичный распад. По оценкам, к 2030 году центры обработки данных будут потреблять 8 % электроэнергии в стране по сравнению с 3 % в 2022 году. В глобальном масштабе вычисления с использованием искусственного интеллекта могут превзойти по энергопотреблению Индию - третьего по величине потребителя электроэнергии в мире.

Меrа-rипермасштабы привели к значительному воздействию на окружающую среду. Однако компании все чаще скрывают эти последствия. Следуя исследованиям Эммы Струбелл и работе Гебру в «Стохастических попугаях», технологические гиганты скрывают все больше технической информации о своих моделях, что затрудняет оценку их углеродного следа. Одновременно эти компании активизируют свои усилия по воздействию на общественность и политиков с помощью контраргументов: Центры обработки данных станут более эффективными, генеративный ИИ будет стимулировать климатические инновации, а AGI в конечном итоге решит проблему изменения климата.

Если последнее утверждение невозможно доказать, то первые два вводят в заблуждение, считает Саша Лучиони, исследователь и руководитель отдела климата в компании Hugging Face, занимающейся разработкой ИИ с открытым исходным кодом. Второе утверждение особенно вредно. Некоммерческая инициатива Climate Change AI перечислила множество технологий ИИ, которые могут ускорить работу по обеспечению устойчивости, но они редко являются генеративными технологиями ИИ. Лучиони, один из основателей инициативы, подчеркивает, что для климатических целей необходимы модели контролируемого обучения, модели обнаружения аномалий или статистические модели временных рядов. Эти модели представляют собой старые поколения технологий ИИ, в основном инструменты машинного обучения, которые компактны, энергоэффективны и могут работать даже на мощном ноутбуке. «Генеративный ИИ потребляет много энергии и имеет значительный углеродный след при минимальной пользе для окружающей среды», - объясняет она.

Лучиони упоминает, что ее прежние коллеги из закрытых компаний больше не могут быть соавторами ее работ о влиянии ИИ на окружающую среду. Вместо этого она сотрудничает с внешними партнерами, такими как Струбелл, чьи исследования изначально вдохновили ее. В совместной работе с Ясином Жернитом из Hugging Face они подсчитали углеродный след генеративных моделей ИИ с открытым исходным кодом для сравнения с работой закрытых компаний. Результаты показали, что создание одной тысячи текстов потребляет столько же энергии, сколько четырехкратная зарядка обычного смартфона. Аналогично, создание одной тысячи изображений потребляло энергию, эквивалентную 242 зарядкам смартфона, то есть каждое сгенерированное ИИ изображение могло потреблять 25 % энергии смартфона. Работа Лучиони и Струбелла - редкое явление, в котором приводятся измеримые данные об углеродном следе генеративных моделей ИИ. Несмотря на трудности, Лучиони попытался связаться с более чем пятью сотнями авторов недавних работ по машинному обучению для получения базовой информации об обучении, но получил минимум ответов, причем многие из них сослались на конфиденциальность.
Ссылка