داخل جولة تمويل Decart البالغة 300 مليون دولار ورهانها على نماذج العالم الفورية

قبل هذه الجولة، كانت الشركة قد جمعت 100 مليون دولار بتقييم يبلغ 3.1 مليار دولار تقريباً، ما يعني أن قيمتها ارتفعت بسرعة خلال فترة قصيرة نسبياً.

ويرى المستثمرون أن التحول التالي في الذكاء الاصطناعي قد يكون الانتقال من إنتاج النصوص والصور إلى أنظمة تفاعلية تعمل بشكل مستمر وتولد عوالم كاملة.

شركاء استراتيجيون: Nvidia وAmazon

وجود Nvidia بين المستثمرين ليس مفاجئاً، لأن نماذج الذكاء الاصطناعي المتقدمة تعتمد بشكل كبير على قوة الحوسبة التي توفرها وحدات معالجة الرسوميات (GPU).

أما Amazon Web Services (AWS) فتظهر في المشهد بطريقة مختلفة قليلاً؛ إذ تشير التقارير إلى أنها تشارك كعميل استراتيجي بينما تتعاون أيضاً مع Decart في البنية التحتية لتشغيل نماذجها.

جزء من هذا التعاون يتضمن تحسين نموذج Lucy للعمل على رقائق AWS Trainium، وهي معالجات ذكاء اصطناعي طورتها أمازون خصيصاً لتدريب وتشغيل نماذج التعلم الآلي.

هذه الشراكات توحي بأن Decart تحاول بناء منصة يمكن تشغيلها على عدة أنظمة عتادية مختلفة بدلاً من الاعتماد الكامل على نظام واحد مثل وحدات Nvidia فقط.

منتجات Decart الأساسية: DOS وLucy وOasis

تعتمد منصة الشركة على ثلاث طبقات رئيسية تعمل معاً.

DOS: طبقة البنية التحتية

DOS هو النظام الأساسي الذي تطوره الشركة لتشغيل نماذج الذكاء الاصطناعي بكفاءة عالية.

وهو عبارة عن منصة تدريب وتشغيل محسّنة تهدف إلى تقليل زمن الاستجابة وجعل النماذج قادرة على العمل بشكل مستمر وليس بناءً على طلب واحد فقط.

Lucy: إنشاء عوالم وفيديو في الزمن الحقيقي

نموذج Lucy هو نظام لإنشاء الفيديو والبيئات التفاعلية.

وتصفه الشركة بأنه قادر على إنتاج «فيديو لا نهائي في الزمن الحقيقي» يتطور باستمرار بدلاً من إنتاج مقاطع منفصلة.

هذا النوع من الأنظمة قد يسمح بإنشاء عوالم رقمية كاملة تتغير وتتفاعل مع المستخدم أثناء الاستخدام.

Oasis: نماذج العالم للذكاء الاصطناعي الفيزيائي

أما Oasis فيركز على محاكاة البيئات الواقعية للروبوتات والأنظمة المستقلة.

ووفقاً لوصف الشركة، يمكن للنظام إنشاء بيئات تفاعلية تستجيب فوراً لما يحدث داخلها، وهو ما قد يفيد في تدريب الروبوتات أو اختبار المركبات ذاتية القيادة في بيئات افتراضية.

كما أشارت تقارير سابقة إلى أن تقنيات الشركة تهدف أيضاً إلى خفض تكلفة استخدام وحدات GPU وتحسين تفاعل الأنظمة الذكية مع البشر.

AWS Trainium واستراتيجية تعدد المعالجات

إحدى الإشارات المهمة في استراتيجية Decart هي دعمها لمعالجات AWS Trainium.

تعمل الشركة على تحسين نموذج Lucy ليتوافق مع Trainium3، وهو الجيل الجديد من معالجات أمازون المخصصة للذكاء الاصطناعي.

هذا التوجه له دلالتان مهمتان:

• بناء أنظمة تعمل على عدة أنواع من المعالجات وليس نوعاً واحداً
• الاستفادة من منظومات حوسبة مختلفة مثل GPU من Nvidia والرقائق المخصصة من AWS

وتصف الشركة تقنيتها بأنها تمتد عبر «كامل طبقات الحوسبة، من العتاد إلى نماذج العالم».

مع ذلك، لا تتوفر حالياً بيانات عامة مفصلة حول الأداء أو التكلفة عند تشغيل نماذج الشركة على Trainium مقارنة بوحدات GPU التقليدية.

الرؤية الكبرى: نماذج العالم في الزمن الحقيقي

في قلب استراتيجية Decart يوجد مفهوم نماذج العالم (World Models).

بدلاً من إنتاج نصوص أو صور ثابتة، تهدف هذه الأنظمة إلى إنشاء عوالم رقمية مستمرة تتفاعل مع المستخدمين والأنظمة الذكية لحظة بلحظة.

التطبيقات المحتملة تشمل:

• الألعاب: عوالم يتم إنشاؤها ديناميكياً أثناء اللعب
• الإعلام وصناعة المحتوى: فيديو تفاعلي وسرد قصصي حي
• الروبوتات: بيئات محاكاة لتدريب الأنظمة الذاتية
• الذكاء الاصطناعي الفيزيائي: نمذجة تفاعلات العالم الحقيقي للسيارات والطائرات بدون طيار والمصانع

تقول الشركة إن هدفها هو تطوير ذكاء اصطناعي يمكنه العمل بشكل فوري ومستمر وفعال.

ماذا تعني جولة التمويل هذه للصناعة؟

جولة التمويل الجديدة لا تعني فقط زيادة رأس المال، بل تعكس تحولاً أوسع في طريقة تفكير المستثمرين حول مستقبل الذكاء الاصطناعي.

هناك ثلاث رسائل رئيسية في هذه الصفقة:

• البنية التحتية أصبحت مهمة بقدر النماذج نفسها — إذ تطور Decart نظام DOS إلى جانب نماذجها.
• التكامل مع العتاد عنصر أساسي — عبر شراكات مع Nvidia وAWS.
• التركيز على نماذج العالم — أي أن المرحلة التالية من الذكاء الاصطناعي قد تكون أنظمة تولد عوالم تفاعلية بالكامل.

ومع ذلك، لا تزال بعض الجوانب غير واضحة؛ فالتقارير العامة تؤكد التمويل والشراكات والاتجاه التقني، لكن بيانات الأداء الفعلية أو حالات الاستخدام التجارية الواسعة لا تزال محدودة.

رغم ذلك، يشير حجم الاستثمار وأسماء المستثمرين إلى أن كثيرين في قطاع التكنولوجيا يعتقدون أن العوالم المدعومة بالذكاء الاصطناعي في الزمن الحقيقي قد تكون الجبهة التالية الكبرى في تطور الذكاء الاصطناعي.