Nicolas Sauvage a sázka na méně okouzlující, ale klíčové části umělé inteligence

V éře, kdy se většina pozornosti soustředí na zářivé aplikace umělé inteligence jako jsou generativní modely a chatboti, existuje prostor i pro méně okouzlující, avšak zásadní oblasti, které tvoří páteř celé AI infrastruktury. Právě na tyto oblasti sází Nicolas Sauvage, který od roku 2019 vede venture kapitálovou divizi japonského giganta TDK. Se svým fondem spravujícím přes 500 milionů dolarů se zaměřuje na technologie, které často zůstávají v pozadí, ale mají obrovský dopad na efektivitu a škálovatelnost AI systémů.

Jeho nejznámějším úspěchem je investice do startupu Groq, který vyvíjí specializované čipy pro inference – výpočty, které AI provádí při odpovědi na uživatelské dotazy. Tento segment byl ještě před loňským boomem generativních modelů považován za okrajový, ale dnes je jeho význam nepopiratelný, protože s každým novým modelem a aplikací roste i poptávka po rychlém a efektivním zpracování dat.

Strategie dlouhodobého hledání úzkých míst v AI

Sauvage tvrdí, že skutečný úspěch v investování do AI technologií přichází až po čtyřech letech – právě tolik trvá, než se zjeví, které sázky byly opravdu průlomové. Jeho přístup je systematický: identifikovat dnes úzká místa a hledat zakladatele, kteří na jejich řešení už pracují.

Kromě čipů se Sauvage zajímá i o vývoj fyzické AI – robotů, kteří nejsou humanoidními superinteligentními stroji, ale spolehlivě plní konkrétní, často rutinní úkoly. Například jeho portfolio zahrnuje Agility Robotics, která vyvíjí roboty na přesun věcí ve skladech, a švýcarský startup ANYbotics, zaměřený na roboty pro nebezpečné pracovní prostředí, kam lidé nemohou. „Roboti, na které sázíme, se nesnaží zvládnout vše, ale jeden těžký úkol zvládají spolehlivě,“ říká Sauvage.

Nové trendy v AI hardwaru a globální konkurence

Zatímco tradičně dominují GPU v trénování AI modelů, nově začínají hrát důležitou roli čipy optimalizované pro inference a také procesory CPU, které jsou flexibilní a vhodné pro složitou koordinaci úkolů AI agentů. Podle Sauvage CPUs zažívají renesanci díky potřebě orchestrace a řízení více kroků v AI operacích.

Dalším zajímavým fenoménem je rychlý vývoj v Číně, kde tamní výrobci pomocí AI výrazně zrychlují prototypování fyzických produktů, čímž překonávají západní dodavatelské řetězce. Tato schopnost rychlé iterace fyzických artefaktů může přinést konkurenční výhodu firmám a zemím, které ji zvládnou nejlépe. To potvrzuje i strategie TDK Ventures, která investuje do bateriových technologií a dalších komponent, které jsou klíčové pro udržitelnost a geopolitickou nezávislost (například alternativní složení baterií bez lithia).

Investice do těchto méně okouzlujících oblastí – hardwaru, energetiky, specializované robotiky – ukazují, že skutečný pokrok v AI nepřichází jen z nových aplikací nebo modelů, ale z podpůrné infrastruktury, která umožňuje široké využití AI technologií. To je také cenná lekce pro neziskový sektor, kde se často hledají praktická řešení pro reálné problémy – AI může pomoci nejen díky sofistikovaným modelům, ale i díky optimalizaci výpočetních zdrojů a automatizaci rutinních úkolů, jak jsme psali například v článku Umělá inteligence v sociálních službách.

Závěrem lze říci, že strategie Nicolase Sauvage je příkladem, jak je důležité hledět za povrchní lesk AI a investovat do základních technologií, které položí pevné základy pro další růst a inovace v celém ekosystému umělé inteligence. V době, kdy se většina mediálních zpráv točí kolem chatovacích botů a kreativních AI nástrojů, si takové sázky zaslouží větší pozornost i u nás.