Nicolas Sauvage satsar på den tråkiga delen av AI

Nicolas Sauvage tror att det kommer att ta fyra år innan den bästa insatsen blir klar. Jag tänker på när han sa detta förra veckan på scen vid StrictlyVC:s San Francisco-evenemang, med TDK Ventures som värd.

Det är en teori som han har försökt bevisa sedan 2019, då han grundade den japanska elektronikjättens företagsföretag, som nu förvaltar 500 miljoner dollar i fyra fonder. Groq, en AI-chipstart värd 6,9 miljarder dollar i sin senaste finansieringsrunda förra hösten, är det mest uppmärksammade exemplet på denna idé.

2020, långt innan den generativa AI-boomen gjorde sin satsning på infrastruktur tydlig, skrev Sauvage en check till företaget som grundades av Jonathan Ross. Företaget var Jonathan Ross, en av ingenjörerna som byggde Googles tensorbehandlingsenhet. Från början fokuserade Groq på inferens, det beräkningsmässiga tunga lyftet som inträffar varje gång en modell svarar på en fråga. Ross byggde först en kompilator och designade sedan chipet genom att ta bort arkitekturen till en punkt där, som Sauvage uttrycker det, ”man kunde ta bort delar och fortfarande få det att fungera.”

Det kan verka nischat för vissa, men Sauvage, som visste vad det gjorde mot moderbolagets begränsningar, insåg asymmetrin. Till skillnad från konsumenthårdvara, som har en naturlig övre gräns, fortsätter kraven på inferens att växa i komplexitet i takt med att nya applikationer och nya modeller dyker upp. Vid den tiden kunde Sauvage inte ha förutspått att efterfrågan på slutledning skulle explodera i år, tack vare alla AI-agenter som planerade och körde dussintals samtal (tidigare räckte en fråga).

Men på sätt och vis gjorde Ross också en satsning. Det japanska elektronikkonglomeratet som är mest känt för magnetband är trots allt inte den mest uppenbara investeringspartnern på ytan. Faktum är att Sauvage säger att existensen av TDK Ventures i sig är mycket osannolik. Men efter att ha hållit två på varandra följande föreläsningar vid Stanford University, en gång ställt frågan om företags VC och en gång listat alla orsaker till dess misslyckande, lade Mr Sauvage, en fransman som gick med i TDK i Silicon Valley genom ett förvärv, idén till Tokyos högkvarter, trots att han inte hade någon tydlig ståndpunkt. (”Jag är inte japansk. Jag talar inte japanska. Jag bor inte i Tokyo.”)

Efter att ha vägrat att ta nej för ett svar fick han äntligen grönt ljus att lansera fonden 2019. Dess uppdrag är att svara på en fråga: Vad är nästa stora sak för TDK, och vad kan döda den?

Portföljen som han sedan har sammanställt är beströdd med teknologier som blev av större intresse för VCs förra året, inklusive solid-state nättransformatorer, natriumjonbatterier för datacenter och alternativa batterikemi som kringgår de geopolitiska sårbarheterna hos litium och kobolt.

Disciplinen bakom allt är densamma. Identifiera flaskhalsen efter 4 år och hitta grundare som redan arbetar med den.

Frågan är förstås vad som händer härnäst. Sauvage tittar noga på fysisk AI. Allt handlar inte om robotik, utan robotar som har mycket specifika jobb att utföra. Till exempel fokuserar Agility Robotics i sin portfölj på en enda rutinuppgift: att flytta saker från en plats till en annan i lager som har brist på arbetskraft. Ett annat portföljbolag, Swiss portfolio ANYbotics, bygger robusta robotar för miljöer som är för farliga för mänskliga arbetare, platser där definitionen av arbete i sig hindrar människor från att åka. Konsekvens är klarhet i syfte. Robotarna Sauvage satsar på kommer inte att försöka göra allt. Istället ser de till att göra en svår sak.

Sauvage sa att han också väntar på ett nytt skifte i datorstacken. GPU-intensiv utbildning — massivt parallell beräkning för undervisningsmodeller. Inferenschips som Groq omformar vad som händer när deras modeller talar snabbare, billigare och i skala. Sauvage hävdar att CPU:er genomgår en renässans. Dessa är inte de mest kraftfulla eller snabbaste markerna. De är dock de mest flexibla och bäst lämpade för förgrening av beslutslogik i orkestrationer. När en AI-agent delegerar uppgifter, kontrollerar dess framsteg och går tillbaka genom dussintals steg, måste något hantera hela koreografin. Att något mer och mer ser ut som en CPU.

Och så är det Kina. En färsk rapport från Eclipse, ett företag som han följer noga, dokumenterar vad Sauvage beskriver som ”vibe manufacturing”, användningen av AI för att snabbt upprepa prototyper av fysisk hårdvara, vilket speglar vad vibe-kodning har gjort för mjukvara. Enligt rapporten förkortar kinesiska tillverkare design-, tillverknings- och testcyklerna för fysiska produkter på ett sätt som västerländska leveranskedjor ännu inte är utrustade för att matcha.

För Sauvage signalerar detta en flaskhals, och han går redan framåt med olika investeringar för TDK Ventures. En fråga som fortfarande är olöst, säger han, är skicklighet. Modeller förbättras i en sådan takt att fysik AI känns oundvikligt. Det som fortfarande saknas är ett jämförbart fysiskt flyt. Länder och företag som tar reda på hur man itererar atomer lika snabbt som andra länder och företag itererar kod kommer att ha en tillverkningsfördel.