อาลีบาบาเป็นผู้นำการลงทุน 290 ล้านเหรียญสหรัฐสำหรับโมเดลโลก Shengshu Vidu AI

ปักกิ่ง — อาลีบาบา คลาวด์กำลังลงทุนในปัญญาประดิษฐ์รูปแบบใหม่ที่ได้รับการออกแบบมาเพื่อจำลองโลกแห่งความเป็นจริงได้ดีขึ้นโดยใช้แนวทางที่แตกต่างจากแชทบอท เช่น ChatGPT ของ OpenAI

การเปลี่ยนแปลงนี้ตระหนักถึงขีดจำกัดของ “โมเดลภาษาขนาดใหญ่” ที่ฝึกฝนเกี่ยวกับข้อความเป็นหลัก นักพัฒนาเริ่มให้ความสำคัญกับ “โมเดลโลก” ที่สร้างจากวิดีโอและสถานการณ์ทางกายภาพในชีวิตจริงมากขึ้น

เพื่อก้าวตามเทรนด์ดังกล่าว อาลีบาบาได้นำเงินลงทุน 2 พันล้านหยวน (290 ล้านดอลลาร์) ใน ShengShu ซึ่งเป็นสตาร์ทอัพที่อยู่เบื้องหลังเครื่องมือสร้างวิดีโอ AI Vidu บริษัทประกาศเมื่อวันศุกร์ TAL Education และ Baidu Ventures ได้เข้าร่วมในการระดมทุนรอบ Series B ด้วยเช่นกัน

การลงทุนดังกล่าวเกิดขึ้นประมาณสองเดือนหลังจากที่ ShengShu ระดมทุน 600 ล้านหยวนจาก Qiming Venture Partners และผู้สนับสนุนรายอื่นๆ การเริ่มต้นปฏิเสธที่จะเปิดเผยการประเมินมูลค่า

ShengShu กล่าวว่าการระดมทุนครั้งล่าสุดจะสนับสนุนการพัฒนา “โมเดลโลกทั่วไป” ที่ใช้ AI เพื่อเชื่อมโยงโดเมนที่แยกจากกันในปัจจุบัน 2 โดเมน ได้แก่ โลกดิจิทัลของเกมและวิดีโอที่สร้างโดย AI และโลกทางกายภาพของการขับขี่อัตโนมัติและหุ่นยนต์

“ShengShu เชื่อว่าแบบจำลองโลกทั่วไปที่สร้างขึ้นจากข้อมูลหลายรูปแบบ เช่น การมองเห็น เสียง และการสัมผัส สามารถจับภาพวิธีการทำงานของโลกทางกายภาพได้อย่างเป็นธรรมชาติมากกว่าแบบจำลองภาษาขนาดใหญ่” สตาร์ทอัพอายุ 3 ปีกล่าวในแถลงการณ์

“เรามุ่งมั่นที่จะเชื่อมโยงการรับรู้และการกระทำ” Zhu Jun ผู้ก่อตั้ง ShengShu กล่าวเสริมในแถลงการณ์ ซึ่งช่วยให้ระบบ AI สามารถสร้างแบบจำลองและทำนายพฤติกรรมในโลกแห่งความเป็นจริงได้ดีขึ้นอย่างสม่ำเสมอ

โมเดล Vidu Q3 Pro ล่าสุดของ ShengShu ซึ่งเปิดตัวในเดือนมกราคม ติดอันดับหนึ่งในโมเดล AI 10 อันดับแรกสำหรับการสร้างวิดีโอจากข้อความและรูปภาพ ตามการวิเคราะห์เชิงประดิษฐ์

บริษัทเปิดตัว Vidu ทั่วโลกหลายเดือนก่อนที่ OpenAI จะเปิดตัวเครื่องมือ Sora สำหรับการสร้างวิดีโอ AI ที่ถูกปิดให้บริการในปัจจุบัน บริษัทวิดีโอสั้นของจีน ไควโชว และ ByteDance ได้เปิดตัวเครื่องมือ AI ที่แข่งขันกันคล้ายกันสำหรับการสร้างวิดีโอ

อาลีบาบาได้ขยายการลงทุนในสตาร์ทอัพที่เกี่ยวข้อง

เมื่อเดือนที่แล้วยักษ์ใหญ่ด้านเทคโนโลยีของจีนและ Baidu Ventures นำเงินลงทุน 50 ล้านดอลลาร์ใน Tripo AI ซึ่งเป็นแพลตฟอร์มที่ใช้ AI เพื่อสร้างโมเดล 3 มิติดิจิทัลจากภาพถ่ายอย่างรวดเร็ว Tripo กล่าวว่าบริษัทกำลังเปลี่ยนจากเทคนิคที่ใช้โดยโมเดลภาษาไปสู่เครื่องมือ AI ที่มีพื้นฐานอยู่ในพื้นที่ทางกายภาพ และกำลังพัฒนาโมเดลโลกของตัวเอง

ในเดือนกันยายน อาลีบาบายังนำการลงทุน 60 ล้านดอลลาร์ใน PixVerse ซึ่งเปิดตัวโมเดลโลก AI เมื่อต้นปีนี้ ซึ่งช่วยให้ผู้ใช้สามารถกำหนดวิธีการเผยแพร่วิดีโอในขณะที่กำลังสร้างได้

อาลีบาบาซึ่งเริ่มต้นธุรกิจอีคอมเมิร์ซ ได้เปิดตัวโมเดล AI แบบโอเพ่นซอร์สฟรีสำหรับการสร้างวิดีโอ และในเดือนกุมภาพันธ์ก็ได้เปิดตัวโมเดลสำหรับขับเคลื่อนหุ่นยนต์

Shengshu กล่าวเมื่อวันศุกร์ว่า บริษัทมีความร่วมมือเชิงกลยุทธ์กับบริษัทต่างๆ ที่พัฒนาระบบ AI เช่น หุ่นยนต์ฮิวแมนนอยด์ที่มีปฏิสัมพันธ์กับโลกทางกายภาพ เพื่อใช้งานในภาคอุตสาหกรรม เชิงพาณิชย์ และในบ้าน

โมเดลโลกมีความสำคัญอย่างยิ่งต่อวิทยาการหุ่นยนต์เนื่องจากเทคโนโลยีต้องการมากกว่า LLM ในการทำงาน Kevin Kelly ผู้ร่วมก่อตั้งนิตยสารเทคโนโลยีของสหรัฐอเมริกา Wired เขียนเมื่อเดือนที่แล้วใน Substack ของเขา

ท้ายที่สุดแล้ว เพื่อจำลองความฉลาดของมนุษย์ AI จำเป็นต้องมีสามสิ่ง: การใช้เหตุผล ความเข้าใจในโลกทางกายภาพ และการเรียนรู้อย่างต่อเนื่อง Kelly กล่าว ในขณะที่ AI สำหรับหมวดหมู่การเรียนรู้ยังไม่ได้รับการพัฒนา แต่แชทบอทที่ขับเคลื่อนด้วย LLM ได้สร้างองค์ประกอบความรู้ เขากล่าว ซึ่งทำให้แบบจำลองโลกเป็นพื้นที่สำคัญที่ต้องอาศัยการพัฒนา