Helm.ai توقّع عقودًا تجارية بقيمة 70 مليون دولار لنماذجها الأساسية

أعلنت Helm.ai أن العقود التجارية الموقّعة على نماذجها الأساسية (foundation models) بلغت 70 مليون دولار. وتطوّر الشركة، ومقرها كاليفورنيا، برمجيات للقيادة الذاتية ولفئة أوسع من المهام التي يتعيّن فيها على الذكاء الاصطناعي فهم البيئة المادية. ووفق وصفها، دُرّبت النماذج بطريقة «deep teaching»: دون إشراف وعلى بيانات غير موسومة، بهدف تعلّم بنية العالم المادي نفسها. ونقل الخبر موقع The Robot Report.

يتضمّن الإعلان رقمًا واحدًا، وهو مهم، لكنه يحتاج إلى تحفّظات. فالمبلغ البالغ 70 مليون دولار يخص العقود الموقّعة، أي التزامات العملاء المسجّلة. وهو ليس إيرادات عن فترة مالية، ولا يعني بالضرورة أن الأموال وصلت فعلًا إلى حساب الشركة. كما لا تتضمن المواد المصدرية قائمة بالعملاء، ولا آجالًا، ولا توزيعًا للمبلغ بين التراخيص والتطوير والدعم.

ما المعروف عن الصفقة

تصف Helm.ai المبلغ بأنه إجمالي، وهو أول مؤشر علني على حجم نشاطها التجاري. وفيما يلي ما يمكن عدّه مؤكدًا وما يظل مفتوحًا:

• الحجم: 70 مليون دولار في عقود تجارية موقّعة.
• موضوع العقود: النماذج الأساسية (foundation models) من Helm.ai.
• طريقة التدريب: deep teaching، دون وسم يدوي.
• الهدف المعلن: تعليم النماذج بنية العالم المادي.
• لم يُكشف عنه: العملاء، والآجال، وحصة الدفعات المقدّمة، والتوزيع حسب المنتجات.

وبحسب بيانات علنية سابقة، يضم شركاء Helm.ai ومستثمروها شركات لصناعة السيارات، منها Honda. لكن لا يمكن ربط مبلغ الـ 70 مليون دولار هذا بها تحديدًا دون تأكيد من الشركة.

لماذا تهمّ طريقة التدريب دون وسم

أكبر بند إنفاق في القيادة الذاتية التقليدية هو الوسم. فآلاف الساعات من الفيديو يجب تحويلها إلى تعليقات توضيحية: أين المسار، وأين المشاة، وأين حافة الطريق. وهذا مكلف وبطيء، وكل بيئة جديدة تتطلب بيانات جديدة موسومة. وتؤكد Helm.ai أن deep teaching يتيح تجاوز هذا العائق: إذ يتعلّم النموذج من بيانات خام ويستخرج بنفسه أنماط المشهد.

وإذا صمد هذا الادعاء أمام التحقق، تتغيّر المعادلة الاقتصادية. فتكلفة التوسع إلى مدينة أو بلد أو نوع مركبة جديد تتحدد بحجم البيانات المجمّعة، لا بميزانية المُعلِّقين. وهذا ما يفسّر أيضًا الاهتمام بالمنهج خارج النقل البري. فالنموذج الذي يفهم هندسة البيئة المادية وديناميكيتها يصلح للروبوتات وللمحاكاة أيضًا.

والجانب المتشكك واضح كذلك. فالتعلّم دون إشراف يعطي تمثيلات جيدة، لكن اعتماد الأنظمة الحرجة للسلامة يتطلب مقاييس قابلة للقياس: معدل الأخطاء، والسلوك في السيناريوهات النادرة، وقابلية إعادة الإنتاج. ولا يتضمن الإعلان أرقامًا من هذا النوع.

ما الذي ينبغي متابعته لاحقًا

بالنسبة إلى المهندسين ومشتري التقنيات، الخلاصة العملية بسيطة: حجم العقود يدل على الطلب، لا على الجودة. وقبل مقارنة Helm.ai بمنافسيها، ينبغي طلب ثلاثة أمور: نتائج مستقلة على معايير قياس مفتوحة، وشروط الترخيص (على أي فئة من الرقاقات يعمل النموذج في الزمن الفعلي)، وخطة التحقق للسلامة الوظيفية.

أما بالنسبة إلى المستثمرين والمحللين، فالسؤال الرئيسي هو التحويل. كم من الـ 70 مليون دولار سيتحول إلى إيرادات معترف بها في الأرباع القريبة، وكم عقدًا سيتبيّن أنه تجارب تجريبية مع خيارات توسّع. وإذا كشفت Helm.ai عن بنية محفظتها، فسيتضح هل تبيع الشركة منتجًا أم أنها لا تزال تبيع في الغالب خدمات تطوير. وهذا سيحدد ما إذا كان نموذج أعمالها قابلًا للتوسع بالجودة نفسها التي تدّعيها لطريقة التدريب.