Ang pag-alis ng maraming empleyado mula sa $12 bilyong proyekto ng dating OpenAI CTO na si Mira Murati, ang Thinking Machines, ay nagpapakita ng matinding kompetisyon para sa mga bihasang propesyonal sa AI

Malalaking Pag-alis ang Yumanig sa AI Startup na Thinking Machines

Lalong tumindi ngayong linggo ang kompetisyon sa Silicon Valley para sa mga nangungunang eksperto sa AI matapos ianunsyo ng tatlong founding members ng Thinking Machines Lab, ang AI venture na pinangungunahan ng dating OpenAI CTO na si Mira Murati, ang kanilang pagbabalik sa OpenAI. Ang tatlong ito—sina Brett Zoph, Luke Metz, at Sam Schoenholz—ay dati ring nagtrabaho sa OpenAI bago sumali sa Thinking Machines.

Ibinunyag ni Fidji Simo, CEO ng Applications ng OpenAI, ang balita nitong Miyerkules. Ayon kay Simo, si Zoph ay direktang mag-uulat sa kanya, habang sina Metz at Schoenholz ay mag-uulat kay Zoph. Sina Zoph at Metz ay mga cofounder ng Thinking Machines, at si Schoenholz ay bahagi rin ng orihinal na research at engineering team.

Kontrobersya sa mga Pag-alis

Ipinahayag ng mga ulat mula sa Core Memory na ipinabatid ni Murati sa mga empleyado ang pagtanggal kay Zoph dahil umano sa “hindi etikal na asal.” Walang komento mula kina Zoph, OpenAI, o Thinking Machines ukol dito. Sinabi ni Simo na matagal nang isinasagawa ang proseso ng pagkuha. Iniulat ng Bloomberg na sinabi ni Simo sa mga empleyado ng OpenAI na ipinaalam ni Zoph kay Murati ang kanyang balak na umalis, dahilan upang agad siyang tanggalin. Pinabulaanan din ni Simo ang mga alalahanin ukol sa asal ni Zoph.

Pagsapit ng Huwebes, lumabas pa ang mga ulat na dalawang karagdagang researcher mula Thinking Machines, sina Lia Guy at Ian O’Connell, ay aalis din, at si Guy ay sasali sa OpenAI. Ang mga prominenteng pag-alis na ito ay nagpapakita ng mga hamon na kinahaharap ng mga bagong AI lab sa pagpapanatili ng talento sa harap ng kumpetisyon mula sa mga higanteng gaya ng OpenAI, Anthropic, at DeepMind. Bagamat ang ilang Chinese startup, gaya ng DeepSeek at Moonshot AI, ay nakabuo ng mga kompetitibong modelo, hindi sila nakikipag-agawan sa parehong talent pool.

Mga Hamon sa Pondo at Pagpapanatili ng Talento

Nakakuha ang Thinking Machines ng record-breaking na $2 bilyon bilang seed funding noong Hulyo, na nagkakahalaga ng kumpanya sa $12 bilyon. Iniulat ng Bloomberg na humahanap pa ang kumpanya ng karagdagang investment sa halagang $50 bilyon. Sa kabila ng mga kahanga-hangang fundraising, nahirapan ang startup na mapanatili ang kanilang mga AI researcher. Si Andrew Tulloch, isa pang cofounder, ay umalis noong nakaraang taon upang sumali sa AI division ng Meta, na kilala sa pagbibigay ng mataas na compensation packages. Ngayon, dahil sa sunod-sunod na pag-alis nina Zoph, Metz, Schoenholz, Guy, at O’Connell, lalo pang nagkaroon ng kawalang-tatag ang kumpanya.

Kawangis din, si Ilya Sutskever, dating chief scientist ng OpenAI, ay nakalikom ng $1 bilyon para sa kanyang bagong venture na Safe Super Intelligence (SSI) noong huling bahagi ng 2024, ngunit agad namang na-recruit ng Meta ang cofounder niyang si Daniel Gross para sa kanilang sariling advanced AI initiatives.

Bakit Nahihirapan ang mga Bagong AI Labs na Makipagsabayan sa Pagkuha ng Talento

May ilang dahilan kung bakit kahit malalaking pondo ang nakukuha ng mga umuusbong na AI lab, nahihirapan pa rin silang mapanatili ang mga nangungunang researcher:

• Limitasyon sa Kabayaran: Madalas na hindi kayang tapatan ng mga startup ang malalaking suweldo—na minsan ay umaabot ng pitong numero—na iniaalok ng mga matatag nang kumpanya tulad ng Meta, Google DeepMind, at OpenAI.
• Equity kumpara sa Cash: Bagamat maaaring makatanggap ng equity na may potensyal na malaking halaga sa hinaharap ang mga unang empleyado, mas kaakit-akit pa rin kadalasan ang agarang, malaking cash package mula sa malalaking kumpanya.
• Panganib sa Stock Option: Mas mapanganib ang equity ng mga batang, pribadong kumpanya kumpara sa stock options ng mga public company o established na lab. Halimbawa, nag-aalok ang Google at Meta ng malalaking stock package na mabilis ang vesting, kaya madaling makuha ng mga empleyado ang kanilang kita. Ang OpenAI at Anthropic ay nag-iisip ding mag-IPO, na maaaring magdala ng malaking payout sa mga empleyado sa malapit na hinaharap—isang bagay na malabong asahan sa mga bagong startup.

Isang dating researcher mula OpenAI, na may komunikasyon pa rin sa mga empleyado ng Thinking Machines, ang nagsabi na ang pangunahing dahilan ng mga pag-alis kamakailan ay mga insentibong pinansyal, kung saan may ilan sa staff ang naakit pabalik sa OpenAI ng napakahigpit na alok. Iminungkahi rin ng indibidwal na ito na maaaring layunin ng recruitment efforts ni Simo na guluhin ang fundraising ng Thinking Machines, dahil nagdadalawang-isip ang mga investors kapag umaalis ang mga founding team member.

Pagkuha ng Sapat na Computing Power: Isa pang Balakid

Isa pang malaking hamon para sa mga bagong AI lab ay ang pagkakaroon ng sapat na computing resources. Habang ang mga established na lab ay madalas magreklamo tungkol sa limitadong access sa data center capacity para sa pag-train at pag-deploy ng malalaking language model, nag-invest na sila ng bilyon-bilyon para palaguin ang kanilang infrastructure. Dahil sa laki nila, sila ang pangunahing customer ng Nvidia, na ang mga chips ay mahalaga sa pag-train ng advanced na AI models. Nakagawa na rin ang Google ng sarili nitong AI chips (TPUs), kaya’t hindi na sila ganoon kaasa sa Nvidia, habang ang Meta, OpenAI, at Anthropic ay nagtayo ng dedikadong data centers at nakipag-partner sa malalaking cloud provider gaya ng Amazon Web Services at Microsoft. Sa kabilang banda, maaaring mahirapan ang mga bagong lab na makuha ang GPUs at computing power na kailangan nila, kahit na mas maliit ang kanilang kabuuang demand.

Hindi Malinaw na Estratehiya ng Produkto at Modelo ng Negosyo

Maraming bagong AI lab, kasama ang Thinking Machines, ay hindi pa nagkakaroon ng malinaw na alok ng produkto o plano sa negosyo. Isang produkto pa lang ang inilalabas ng Thinking Machines—isang beta tool na tinatawag na Tinker, na inilunsad noong Oktubre, na tumutulong sa mga researcher at developer na i-fine-tune ang open source language models para sa partikular na gawain. Nag-publish na rin ang kumpanya ng research tungkol sa pag-optimize ng model training, ngunit wala pang indikasyon kung kailan magkakaroon ng produktong malawakang magagamit o kita.

Ayon sa mga ulat, may ilang empleyado ang nainip sa kawalan ng linaw tungkol sa direksyon ng produkto, lalo na kung ikukumpara sa mabilis na pag-usad sa mga mas matatag na lab. Gayunpaman, sinasabi ng ilang source na kamakailan ay nalutas na ang ilan sa mga alalahaning ito. Kapansin-pansin, sina Zoph, Metz, at Schoenholz ay mag-uulat kay Simo, ang product chief ng OpenAI, imbes na sa head ng research, na maaaring nagpapakita ng kanilang interes sa mas applied na gawain sa AI.

Karamihan sa mga bagong lab ay may kaparehong hamon. Halimbawa, ang SSI ni Sutskever ay hindi pa naglalantad ng plano ng produkto o naglalabas ng modelo, bagamat may mga komentaryo kamakailan na malapit na silang maglunsad. Dati nang sinabi ni Sutskever na maaaring maghintay muna ang SSI ng malaking breakthrough sa AI safety bago maglabas ng produkto.

Ang artikulong ito ay orihinal na nailathala sa Fortune.com.