Fala odejść z wartego 12 miliardów dolarów przedsięwzięcia Thinking Machines byłej CTO OpenAI, Miry Murati, podkreśla zaciętą konkurencję o wykwalifikowanych specjalistów w dziedzinie AI

Kluczowe odejścia wstrząsają startupem AI Thinking Machines

Trwająca w Dolinie Krzemowej rywalizacja o najlepszych ekspertów AI nabrała w tym tygodniu tempa, gdy trzech członków założycieli Thinking Machines Lab, przedsięwzięcia AI prowadzonego przez byłą CTO OpenAI Mirę Murati, ogłosiło powrót do OpenAI. Wszyscy trzej — Brett Zoph, Luke Metz i Sam Schoenholz — wcześniej pracowali w OpenAI, zanim dołączyli do Thinking Machines.

Fidji Simo, CEO ds. aplikacji w OpenAI, przekazała tę informację w środę. Według Simo, Zoph będzie raportował bezpośrednio do niej, podczas gdy Metz i Schoenholz będą podlegać Zophowi. Zoph i Metz byli współzałożycielami Thinking Machines, natomiast Schoenholz również należał do pierwotnego zespołu badawczo-inżynieryjnego.

Kontrowersje wokół odejść

Z doniesień Core Memory wynika, że Murati poinformowała zespół o zwolnieniu Zopha z powodu rzekomo „nieetycznego zachowania”. Ani Zoph, ani OpenAI, ani Thinking Machines nie skomentowali tej sprawy. Simo stwierdziła, że rekrutacja trwała od kilku tygodni. Bloomberg poinformował, że Simo przekazała pracownikom OpenAI, iż Zoph powiadomił Murati o zamiarze odejścia, co skutkowało jego natychmiastowym zwolnieniem. Simo również odrzuciła obawy dotyczące zachowania Zopha.

W czwartek pojawiły się dodatkowe doniesienia, że jeszcze dwoje badaczy z Thinking Machines, Lia Guy oraz Ian O’Connell, również odchodzi, przy czym Guy dołącza do OpenAI. Te głośne odejścia podkreślają wyzwania, z jakimi mierzą się nowe laboratoria AI w zatrzymaniu talentów przy rywalizacji z uznanymi gigantami, takimi jak OpenAI, Anthropic i DeepMind. Podczas gdy niektóre chińskie startupy, takie jak DeepSeek i Moonshot AI, zbudowały konkurencyjne modele, nie rywalizują one o tę samą pulę talentów.

Wyzwania związane z finansowaniem i utrzymaniem talentów

Thinking Machines zebrało rekordowe 2 miliardy dolarów finansowania zalążkowego w lipcu, wyceniając firmę na 12 miliardów dolarów. Bloomberg później poinformował, że firma poszukuje kolejnej rundy inwestycji przy wycenie 50 miliardów dolarów. Pomimo imponujących wyników w pozyskiwaniu środków, startup zmaga się z utrzymaniem swoich badaczy AI. Andrew Tulloch, kolejny współzałożyciel, odszedł w zeszłym roku, by dołączyć do działu AI w Meta, która słynie z oferowania lukratywnych pakietów wynagrodzeń. Teraz, po ostatnich odejściach Zopha, Metza, Schoenholza, Guy i O’Connella, firma stoi przed dalszą niestabilnością.

Podobnie Ilya Sutskever, były główny naukowiec OpenAI, zebrał miliard dolarów na swoje nowe przedsięwzięcie Safe Super Intelligence (SSI) pod koniec 2024 roku, tylko po to, by Meta zrekrutowała jego współzałożyciela, Daniela Grossa, do własnych zaawansowanych inicjatyw AI.

Dlaczego nowe laboratoria AI mają trudności z przyciąganiem talentów

Istnieje kilka powodów, dla których powstające laboratoria AI, mimo imponujących rund finansowania, mają trudności z zatrzymaniem najlepszych badaczy:

• Ograniczenia wynagrodzenia: Te startupy często nie są w stanie dorównać wysokim wynagrodzeniom gotówkowym — czasem sięgającym siedmiocyfrowych kwot — oferowanym przez uznane firmy technologiczne, takie jak Meta, Google DeepMind czy OpenAI.
• Udziały vs. gotówka: Chociaż wczesni członkowie zespołu mogą otrzymać udziały z potencjalnie dużą wartością w przyszłości, często jest to mniej atrakcyjne niż natychmiastowe, wysokie wynagrodzenie gotówkowe dostępne w większych firmach.
• Ryzyko opcji na akcje: Udziały w młodych, prywatnych firmach są na ogół bardziej ryzykowne niż opcje na akcje od spółek publicznych lub uznanych laboratoriów. Google i Meta, na przykład, oferują hojne pakiety akcji z szybkim nabyciem uprawnień, umożliwiając pracownikom wcześniejsze zrealizowanie zysków. OpenAI i Anthropic również rozważają wejście na giełdę, co może zapewnić pracownikom duże wypłaty w najbliższej przyszłości — coś mniej prawdopodobnego w przypadku nowych startupów.

Jeden z byłych badaczy OpenAI, który pozostaje w kontakcie z pracownikami Thinking Machines, zasugerował, że głównym powodem ostatnich odejść są bodźce finansowe, a część zespołu została skuszona powrotem do OpenAI wyjątkowo korzystnymi ofertami. Osoba ta spekulowała również, że działania rekrutacyjne Simo mogły mieć na celu zakłócenie procesu pozyskiwania funduszy przez Thinking Machines, ponieważ inwestorzy są ostrożni, gdy zespół założycielski opuszcza firmę.

Dostęp do mocy obliczeniowej: kolejne wyzwanie

Kolejnym dużym wyzwaniem dla nowych laboratoriów AI jest zapewnienie sobie wystarczających zasobów obliczeniowych. Uznane laboratoria często narzekają na ograniczony dostęp do pojemności centrów danych do trenowania i wdrażania dużych modeli językowych, ale zainwestowały miliardy w budowę własnej infrastruktury. Ich skala sprawia, że są priorytetowymi klientami dla Nvidia, której układy są niezbędne do trenowania zaawansowanych modeli AI. Google opracował własne układy AI (TPU), zmniejszając swoją zależność od Nvidia, podczas gdy Meta, OpenAI i Anthropic zbudowały dedykowane centra danych i nawiązały współpracę z głównymi dostawcami chmury, takimi jak Amazon Web Services i Microsoft. W przeciwieństwie do tego, młodsze laboratoria mogą mieć trudności z pozyskaniem potrzebnych GPU i mocy obliczeniowej, nawet jeśli ich ogólne zapotrzebowanie jest mniejsze.

Niewyraźne strategie produktowe i modele biznesowe

Wiele nowych laboratoriów AI, w tym Thinking Machines, nie opracowało jeszcze jasnych ofert produktowych ani planów biznesowych. Thinking Machines jak dotąd wypuściło tylko jeden produkt — narzędzie beta o nazwie Tinker, uruchomione w październiku, które pomaga badaczom i deweloperom dostrajać otwartoźródłowe modele językowe do określonych zadań. Firma opublikowała również badania nad optymalizacją treningu modeli, ale nie podała informacji, kiedy można się spodziewać szeroko dostępnego produktu lub źródła przychodów.

Z niektórych doniesień wynika, że część pracowników była sfrustrowana brakiem jasności co do kierunku rozwoju produktu, zwłaszcza w porównaniu z szybkim tempem uznanych laboratoriów. Jednak źródła sugerują, że niektóre z tych obaw zostały ostatnio rozwiązane. Warto zauważyć, że Zoph, Metz i Schoenholz będą raportować do Simo, szefowej ds. produktu w OpenAI, a nie do szefa działu badań, co może wskazywać na ich zainteresowanie bardziej aplikacyjną pracą nad AI.

Inne nowe laboratoria stają przed podobnymi wyzwaniami. Na przykład SSI Sutskevera nie ujawniło jeszcze planów produktowych ani nie wypuściło modelu, choć ostatnie wypowiedzi sugerują, że premiera może być blisko. Sutskever wcześniej stwierdził, że SSI może poczekać na przełom w bezpieczeństwie AI, zanim udostępni jakiekolwiek produkty.

Ten artykuł został pierwotnie opublikowany na Fortune.com.