Miljardbud på AI-startup – därför är världsmodeller nästa stora våg

Det pratas åter miljarder i AI-branschen. Claude-skaparen Anthropic förhandlar om att förvärva den israelisk-amerikanska startupen Decart, grundad av Dean Leitersdorf och Moshe Shalev. Prislappen väntas landa runt 60 miljarder kronor.

Förhandlingarna är ännu inte i mål, och mycket kan hända innan bläcket torkat. Men budet i sig säger något viktigt om vart pengarna – och tekniken – är på väg.

Decart bygger så kallade världsmodeller. Enkelt uttryckt kan bolagets teknik göra det både enklare och mer kostnadseffektivt att träna AI – något som skulle gynna en aktör som Anthropic direkt på sista raden. Träningskostnaderna är i dag en av de tyngsta posterna i hela AI-ekonomin, och den som kan pressa dem får ett rejält försprång.

Att köpa in sig i tekniken i stället för att bygga den själv är också ett klassiskt drag när utvecklingen går snabbt. Tid är i praktiken den dyraste råvaran i branschen just nu.

För att förstå värdet behöver man förstå skillnaden mot dagens språkmodeller. En traditionell språkmodell bygger på statistik: den gissar vilket ord som rimligen kommer härnäst utifrån enorma textmängder. Den har ingen egentlig förståelse för vad orden betyder eller hur världen utanför skärmen fungerar.

En världsmodell tränas i stället för att förstå orsak och verkan. Be den simulera att en kaffekopp knuffas över en bordskant, och den ska inte bara förutspå att någon skriver ordet krasch. Tanken är att modellen förstår gravitation, friktion och materialets egenskaper – och därmed kan räkna ut hur koppen faller och går sönder.

Att detta är en framväxande trend syns tydligast på prislapparna. AI-pionjären och Metas tidigare AI-chef Yann LeCun stängde i mars Europas största såddrunda någonsin: hans franska projekt AMI Labs tog in 1 miljard dollar, över 9 miljarder kronor, med bland andra Nvidia och Jeff Bezos i ryggen. Ungefär motsvarande belopp har stjärnforskaren Fei-Fei Lis startup World Labs säkrat inför lanseringen av sin första produkt.

AMI Labs idé är att lära sin AI den fysiska världen genom video och platsdata i stället för text. Som LeCun själv uttryckt saken handlar det om att börja på en helt ny bana, snarare än att finjustera befintliga system.

Även de största bolagen ritar om kartan. I slutet av mars meddelade OpenAI att videogeneratorn Sora läggs ned – tjänsten som skapade fotorealistiska videor och fick Disney att gå in med en miljardinvestering. Tekniken bakom ska i stället användas för att träna robotar. Med andra ord: resurserna flyttas till system som förstår fysikens lagar.

Tre saker är värda att notera. För det första: värderingarna av tidiga bolag i det här segmentet är höga redan innan produkterna nått bred marknad – kapitalet betalar för position, inte för intäkter. För det andra: konsolideringen har börjat. När de stora AI-bolagen köper spetskompetens i stället för att bygga den, går utvecklingen snabbare men koncentreras till färre händer.

För det tredje, och kanske viktigast: om världsmodeller levererar det de lovar, blir effekten inte ännu en chattbott utan billigare robotik, säkrare transporter och bättre beslutsunderlag i verkliga verksamheter. Det är en teknik som lämnar skärmen och landar i lagerlokaler, verkstäder och trafikmiljöer.

Om världsmodeller bara är ett modeord som snart är passé återstår att se. Men helt klart är att de både lockar enorma mängder kapital och får stora AI-bolag att rita om sina strategier – och den här gången pekar utvecklingen mot något som faktiskt förstår den fysiska världen vi lever i.