SG.hu
Máris az MI-óriásokkal konkurál az alig egy éves német Black Forest Labs
Az elmúlt évben robbanásszerűen megnőtt az igény a képszerkesztő MI-rendszerek iránt, amit a technológia nagy áttörései táplálnak. Egy német startup gyorsan a képalkotó technológia egyik vezető fejlesztőjévé vált.
Egy német startup, a Black Forest Labs alapítása óta, azaz az elmúlt évben csendben több mint 450 millió dollárt vont be, miközben a csoport gyorsan a mesterséges intelligencia alapú képgenerálás egyik vezető fejlesztőjévé nőtte ki magát. A csoportot Freiburg városában alapították, és alig valamivel több mint egy év alatt megháromszorozta értékelését. A legutóbbi, 300 millió dolláros finanszírozási körében már 3,25 milliárd dollárt ért. A befektetők úgy vélik, hogy fel tudja venni a versenyt a Google-lel és a ByteDance-szel egy olyan piacon, amely az ígéretek szerint felforgatja a reklámpiacot vagy Hollywoodot.
Miközben más MI-startupok vezetői, például az OpenAI-t irányító Sam Altman, igyekeztek a reflektorfénybe kerülni, a Black Forest társalapítója és vezérigazgatója, Robin Rombach inkább „hagyná, hogy a termék beszéljen önmagáért”. Mindössze 15 hónap alatt a csoport már jövedelmező megállapodást kötött a Metával, valamint partnerségeket olyan kreatíveszköz-fejlesztőkkel, mint az Adobe és a Canva. Rombach szerint a vállalat az új befektetést arra használja majd, hogy bővítse számítási infrastruktúráját és felépítse kereskedelmi csapatát.
A Black Forest a párizsi Mistral mellett azon kevés európai vállalat egyike, amely saját MI-modelleket fejleszt. Rombach szerint az, hogy a vállalat székhelye a San Franciscó-i „szuper hype” övezetén kívül található - ahol az MI-cégek hatalmas fizetési ajánlatokkal csábítják el egymás tehetségeit -, „a legjobb dolog, amit eddig tettünk”, mert segít a csapatnak „szuper fókuszált” maradni. Sok MI-kutató úgy véli, hogy a Black Forest Flux modelljei már most egy szinten vannak a Google Nano Banana és a ByteDance Seedream képgeneráló rendszereivel, annak ellenére, hogy azoknak jóval nagyobb számítási kapacitásuk, mérnökök ezrei és hatalmas videókatalógusaik vannak, például a YouTube és a TikTok felületeiről származó tanítóadatokkal.
A befektetők szerint mindez Rombach és a Black Forest csapat szakértelmének köszönhető, akik korábban a Stable Diffusion néven ismert, áttörést hozó képgeneráló technológiát fejlesztették ki. „2022 nyarán, amikor az internet felrobbant a hiperrealisztikus képgenerálás miatt, az nagyrészt az ő munkájuk eredménye volt” – mondta Nathan Benaich, a Black Forest korai befektetője az Air Street Capitaltől. Rombach évekkel korábban, amikor a csapat tagjai még doktori tanulmányaikat folytatták az LMU Münchenen és a Heidelbergi Egyetemen, találkozott azokkal, akik később társalapítói lettek.
Több kutatási dolgozatot tettek közzé, amelyek az MI „látens diffúzió” technikájára fókuszáltak, amelyet Rombach úgy ír le, mint „lényegében annak az alapját, amire a legtöbb generatív MI technológia épül ebben a szegmensben”. Megjegyzi, hogy egyeteme korlátozott számítási eszközparkja kényszerítette őt és társait innovációra. „Nagyon apró GPU-kon, fogyasztói kategóriás hardveren futtattunk mindent” - mondta. „Ahhoz, hogy nagyon jó teljesítményt hozzunk ki ebből, egy hatékonyabb algoritmust kellett kitalálnunk.” A tudományos és kutatói közösségtől érkező korai visszajelzések ösztönözték Rombachot arra, hogy nagyobb léptékűvé tegye a technológiát kereskedelmi használatra, ezért 2022-ben csatlakozott a londoni székhelyű Stability AI-hoz, az LMU és a Heidelberg több MI-kutatójával együtt.
„Csak maroknyi ember van a bolygón, aki képes előrelépést elérni az általános MI-modellek határterületén. Robin és csapata, mint a látens diffúzió feltalálói, rendelkeznek ezzel az előnnyel” - mondta Anjney Midha, az Andreessen Horowitz egyik befektetési partnere, akinek új cége, az AMP a Salesforce Ventures-szel közösen vezette a Black Forest legutóbbi finanszírozási körét. De miután a Stability AI nehézségekbe ütközött, Rombach és több kollégája 2024-ben távozott, hogy megalapítsák a Black Forestet. A cég gyorsan vont be tőkét az olyan befektetőktől, mint az Andreessen Horowitz és a General Catalyst. Jeannette zu Fürstenberg, a General Catalyst európai üzletágának vezetője elmondta, hogy a freiburgi székhely segített a startupnak „a földön maradni”. „Nagyon különleges emberek csoportja” - mondta. „A legjobb cégek szinte kultikus, szorosan összetartó közösséggé válnak.”
A körülbelül 10 fős csapatból időközben 50 fős, főként Freiburgban dolgozó teljes munkaidős állomány lett, egyre növekvő San Franciscó-i jelenléttel. Rombach szerint a Flux modell egyes verzióinak „nyílt forráskódú” licenc alatti kiadása - ami azt jelenti, hogy bizonyos alkalmazásoknál szabadon használhatók és módosíthatók - létfontosságú volt ahhoz, hogy megnyerjék a fejlesztőket és több kontrollt adjanak az ügyfeleknek adataik és szellemi tulajdonuk felett. A Flux elérése a fejlesztők számára lényegesen olcsóbb, mint a Google Nano Banana rendszere. A Flux legújabb modelljének fejlesztései közé tartozik az egyének arcvonásainak pontosabb megőrzése, amikor a technológia őket valós vagy kitalált helyzetekbe helyezi, valamint több különböző kép kombinálása egy új kép létrehozása érdekében.
Bár a startup kis mérete kétségtelen előnyt jelent a gyorsaságban, hosszú távon hiányozhat a műszaki fölény. „Azok az emberek, akik ezt a labort vezetik, objektíven nagyon nagy hozzájárulásokat tettek ehhez a területhez. Ettől eltekintve a generatív MI-ben nehéz egy kis laborként túlélni.” - mondta az egyik befektető. Michael Ovitz, a Creative Artists Agency társalapítója segített Rombachnak és csapatának kapcsolatokat építeni Hollywoodban, noha sok stúdió továbbra is óvatos az MI-eszközökkel szemben a 2023-as írói sztrájkot követően. „A szellemi tulajdon számunkra nagyon komoly ügy” - mondta Rombach. „Célunk, hogy az alkotókkal és kreatívokkal együttműködve segítsük őket valami újat létrehozni, nem pedig lecserélni azt, ami már létezik.”
Egy német startup, a Black Forest Labs alapítása óta, azaz az elmúlt évben csendben több mint 450 millió dollárt vont be, miközben a csoport gyorsan a mesterséges intelligencia alapú képgenerálás egyik vezető fejlesztőjévé nőtte ki magát. A csoportot Freiburg városában alapították, és alig valamivel több mint egy év alatt megháromszorozta értékelését. A legutóbbi, 300 millió dolláros finanszírozási körében már 3,25 milliárd dollárt ért. A befektetők úgy vélik, hogy fel tudja venni a versenyt a Google-lel és a ByteDance-szel egy olyan piacon, amely az ígéretek szerint felforgatja a reklámpiacot vagy Hollywoodot.
Miközben más MI-startupok vezetői, például az OpenAI-t irányító Sam Altman, igyekeztek a reflektorfénybe kerülni, a Black Forest társalapítója és vezérigazgatója, Robin Rombach inkább „hagyná, hogy a termék beszéljen önmagáért”. Mindössze 15 hónap alatt a csoport már jövedelmező megállapodást kötött a Metával, valamint partnerségeket olyan kreatíveszköz-fejlesztőkkel, mint az Adobe és a Canva. Rombach szerint a vállalat az új befektetést arra használja majd, hogy bővítse számítási infrastruktúráját és felépítse kereskedelmi csapatát.
A Black Forest a párizsi Mistral mellett azon kevés európai vállalat egyike, amely saját MI-modelleket fejleszt. Rombach szerint az, hogy a vállalat székhelye a San Franciscó-i „szuper hype” övezetén kívül található - ahol az MI-cégek hatalmas fizetési ajánlatokkal csábítják el egymás tehetségeit -, „a legjobb dolog, amit eddig tettünk”, mert segít a csapatnak „szuper fókuszált” maradni. Sok MI-kutató úgy véli, hogy a Black Forest Flux modelljei már most egy szinten vannak a Google Nano Banana és a ByteDance Seedream képgeneráló rendszereivel, annak ellenére, hogy azoknak jóval nagyobb számítási kapacitásuk, mérnökök ezrei és hatalmas videókatalógusaik vannak, például a YouTube és a TikTok felületeiről származó tanítóadatokkal.
A befektetők szerint mindez Rombach és a Black Forest csapat szakértelmének köszönhető, akik korábban a Stable Diffusion néven ismert, áttörést hozó képgeneráló technológiát fejlesztették ki. „2022 nyarán, amikor az internet felrobbant a hiperrealisztikus képgenerálás miatt, az nagyrészt az ő munkájuk eredménye volt” – mondta Nathan Benaich, a Black Forest korai befektetője az Air Street Capitaltől. Rombach évekkel korábban, amikor a csapat tagjai még doktori tanulmányaikat folytatták az LMU Münchenen és a Heidelbergi Egyetemen, találkozott azokkal, akik később társalapítói lettek.
Több kutatási dolgozatot tettek közzé, amelyek az MI „látens diffúzió” technikájára fókuszáltak, amelyet Rombach úgy ír le, mint „lényegében annak az alapját, amire a legtöbb generatív MI technológia épül ebben a szegmensben”. Megjegyzi, hogy egyeteme korlátozott számítási eszközparkja kényszerítette őt és társait innovációra. „Nagyon apró GPU-kon, fogyasztói kategóriás hardveren futtattunk mindent” - mondta. „Ahhoz, hogy nagyon jó teljesítményt hozzunk ki ebből, egy hatékonyabb algoritmust kellett kitalálnunk.” A tudományos és kutatói közösségtől érkező korai visszajelzések ösztönözték Rombachot arra, hogy nagyobb léptékűvé tegye a technológiát kereskedelmi használatra, ezért 2022-ben csatlakozott a londoni székhelyű Stability AI-hoz, az LMU és a Heidelberg több MI-kutatójával együtt.
„Csak maroknyi ember van a bolygón, aki képes előrelépést elérni az általános MI-modellek határterületén. Robin és csapata, mint a látens diffúzió feltalálói, rendelkeznek ezzel az előnnyel” - mondta Anjney Midha, az Andreessen Horowitz egyik befektetési partnere, akinek új cége, az AMP a Salesforce Ventures-szel közösen vezette a Black Forest legutóbbi finanszírozási körét. De miután a Stability AI nehézségekbe ütközött, Rombach és több kollégája 2024-ben távozott, hogy megalapítsák a Black Forestet. A cég gyorsan vont be tőkét az olyan befektetőktől, mint az Andreessen Horowitz és a General Catalyst. Jeannette zu Fürstenberg, a General Catalyst európai üzletágának vezetője elmondta, hogy a freiburgi székhely segített a startupnak „a földön maradni”. „Nagyon különleges emberek csoportja” - mondta. „A legjobb cégek szinte kultikus, szorosan összetartó közösséggé válnak.”
A körülbelül 10 fős csapatból időközben 50 fős, főként Freiburgban dolgozó teljes munkaidős állomány lett, egyre növekvő San Franciscó-i jelenléttel. Rombach szerint a Flux modell egyes verzióinak „nyílt forráskódú” licenc alatti kiadása - ami azt jelenti, hogy bizonyos alkalmazásoknál szabadon használhatók és módosíthatók - létfontosságú volt ahhoz, hogy megnyerjék a fejlesztőket és több kontrollt adjanak az ügyfeleknek adataik és szellemi tulajdonuk felett. A Flux elérése a fejlesztők számára lényegesen olcsóbb, mint a Google Nano Banana rendszere. A Flux legújabb modelljének fejlesztései közé tartozik az egyének arcvonásainak pontosabb megőrzése, amikor a technológia őket valós vagy kitalált helyzetekbe helyezi, valamint több különböző kép kombinálása egy új kép létrehozása érdekében.
Bár a startup kis mérete kétségtelen előnyt jelent a gyorsaságban, hosszú távon hiányozhat a műszaki fölény. „Azok az emberek, akik ezt a labort vezetik, objektíven nagyon nagy hozzájárulásokat tettek ehhez a területhez. Ettől eltekintve a generatív MI-ben nehéz egy kis laborként túlélni.” - mondta az egyik befektető. Michael Ovitz, a Creative Artists Agency társalapítója segített Rombachnak és csapatának kapcsolatokat építeni Hollywoodban, noha sok stúdió továbbra is óvatos az MI-eszközökkel szemben a 2023-as írói sztrájkot követően. „A szellemi tulajdon számunkra nagyon komoly ügy” - mondta Rombach. „Célunk, hogy az alkotókkal és kreatívokkal együttműködve segítsük őket valami újat létrehozni, nem pedig lecserélni azt, ami már létezik.”