Ermira “Mira” Murati، متولد ۱۶ دسامبر ۱۹۸۸ در شهر ولورهٔ آلبانی، مدیر ارشد تکنولوژی محسوب میشود که تجربههای متعددی از جمله فعالیت در Tesla، Leap Motion و OpenAI را در کارنامه دارد.
در OpenAI از ۲۰۱۸ تا سپتامبر ۲۰۲۴ فعالیت داشت؛ ابتدا به عنوان معاون AI کاربردی و سپس CTO شد، و نقش کلیدی در توسعه محصولاتی مانند ChatGPT، DALL‑E و مدل صوتی Sora ایفا کرد.
در نوامبر ۲۰۲۳ برای چند روز بهعنوان سرپرست موقت مدیرعامل OpenAI منصوب شد به هنگام بحران مدیریتی آن شرکت.
او برای موضع محتاطانهاش درباره قانونگذاری AI و تمایل به مسئولیت اجتماعی در توسعه فناوری شناخته میشود؛ بهعنوان مثال تأکید دارد دولتها نیز باید در تنظیم هوش مصنوعی نقش داشته باشند.
در نهایت با راهاندازی Thinking Machines Lab در فوریه ۲۰۲۵، هدفش حرکت به سمت ساخت یک شرکت AI مستقل با ساختاری بهعنوان public-benefit corporation با کنترل مدیریتی قابل توجه است.
بیزینس پلن Thinking Machines Lab چگونه است؟
هدف بنیادین توسعه هوش مصنوعی چندوجهی (multimodal) که بتواند در تعامل طبیعی انسانی فعالیت کند — از طریق گفتار، تصویر و همکاری مستقیم انسان و ماشین .
ساختار محصول و تحقیق
پروژهها شامل توسعه مدلهایی خواهد بود که قابل تنظیم برای کاربردهای مختلف باشند؛ نه صرفاً مدلهای تخصصی برای برنامهنویسی یا ریاضی.
در کنار محصولات، برنامه باز شدن تحقیقات علمی و انتشار نتایج پیشرفته وجود دارد تا جامعه پژوهشی را درگیر کند .
زیرساخت و قابلیتپذیری تاکید بر زیرساخت با کیفیت بالا که بهرهوری پژوهشی را افزایش دهد؛ هدف ساخت سیستمی قابل اعتماد، مؤثر و آسان برای استفاده طولانیمدت است .
رونمایی Open Source موراتی وعده یک نسخه یا پلتفرم با جزء open-source قابل توجه برای پژوهشگران و استارتاپها را داده است — این بخش برای توسعه مدلهای سفارشی و همکاری پژوهشی تعیینکننده است .
منابع مالی گسترده بدون درآمد فعلی با جذب سرمایه اولیه ۲ میلیارد دلار (در seed round) از طریق Andreessen Horowitz و دیگر سرمایهگذاران شاخص، شرکت بدون داشتن محصول یا درآمد مشخص وارد فاز رشد شد — معمولاً چنین مدل مالی فقط در مراحل بعدی VC شکل میگیرد.
محصولات و خدمات Thinking Machines Lab
هنوز هیچ محصول عمومی منتشر نشده؛ اما موراتی خبر داده که در «چند ماه آینده» محصول اول شرکت رونمایی خواهد شد که بخشی از آن به صورت متنباز عرضه میشود و برای پژوهشگران و استارتاپها قابل استفاده خواهد بود .
تا کنون تنها برنامهها و اعلام ماموریت در دسترس است، بدون نشر نسخه آزمایشی یا نقشه راه دقیق از ویژگیها یا مشتریان احتمالی .
محصولات در دست توسعه احتمالاً شامل:
مدلهای AI چندوجهی برای تعامل طبیعی
ابزارها و زیرساخت نرمافزاری برای توسعه یا سفارشیسازی مدلها
پلتفرم Open Source برای مدلسازی، پژوهش و استفاده سفارشی
خدمات احتمالی برای پژوهشگاهها، استارتاپها و شرکتهایی که به دنبال مدلهای قابل تنظیم، تحقیق علمی قابل تکرار و همکاری امن مبتنی بر AI هستند خواهد بود.
جمعبندی در یک نگاه
سؤال
پاسخ خلاصه
Mira Murati کیست؟
مدیر تکنولوژی سابق OpenAI، بنیانگذار Thinking Machines Lab، شناختهشده برای توسعه ChatGPT و DALL‑E و تاکید بر AI مسئول
بیزینسپلن چیست؟
ساخت AI چندوجهی قابل تعامل طبیعی، با تمرکز بر قابل تنظیم بودن، پژوهش باز، زیرساخت با بهرهوری بالا و کنترل مدیریتی متمرکز
محصولات و خدمات چیست؟
هنوز محصولی منتشر نشده؛ وعده محصولی متنباز برای پژوهشگران و استارتاپها، ابزارهای سفارشیسازی AI و زیرساخت تحقیقاتی
زمینه و جزئیات خبر
ویژگی
توضیح
میزان سرمایهگذاری
جمعاً ۲ میلیارد دلار در دور اولیه تأمین سرمایه (seed round)
سرمایهگذاری اولیه ۲ میلیارد دلاری یکی از بزرگترینها در حوزه تکنولوژی است — معمولاً چنین مبلغی تنها در مراحل بعدی منتشر میشود؛ نه در مرحله اولیه .
قدرت شبکه + تجربه موراتی
مرا موراتی، که اخیراً به عنوان CTO در OpenAI خدمت کرده بود و حتی نقش موقت CEO را نیز داشت، اکنون با اعتبار حرفهای بالا و توانایی جلب اعتماد سرمایهگذاران شناخته میشود.
رقابت در صف اول هوش مصنوعی
ورود Thinking Machines Lab با چنین حمایت قدرتمندی اهمیت رقابتها در عرصه AGI، یعنی هوش عمومی مصنوعی، را نشان میدهد؛ خصوصاً در برابر رقیبانی نظیر OpenAI، Anthropic و DeepMind.
اهداف و رویکردهای شرکت
هوش مصنوعی چندوجهی (Multimodal): سامانههایی که همزمان گفتار، دید و همکاری انسانی را در بر میگیرند؛ بهجای مدلهای صرفاً متنی .
رویکرد باز و مشارکتی: موراتی وعده انتشار محصول همراه با کامپوننتهای متنباز داده است؛ هدف جلب حمایت جامعه علمی و استارتاپهاست .
گزارش و شفافیت فنی: به اشتراکگذاری مقالات و نتایج پژوهشی درباره لبههای پیشرفته AI در دستور کار قرار دارد .
تیم و نیروی انسانی
تقریباً دوسوم تیم موسس از کارمندان سابق OpenAI هستند؛ از جمله جان شولمن، بارت زوف و لیک متز .
با بهرهگیری از استعدادهای برتر مانند Meta، Google و Mistral، تیمی متکامل از پژوهشگران عالی و مهندسان خبره شکل گرفتهاست.
جوانب استراتژیک
جذب سرمایهگذاران سختافزاری: حضور Nvidia و AMD نشان میدهد که تجهیزات AI و اکوسیستم محاسباتی قسمت اصلی برنامهها خواهد بود .
فرهنگ «pre-plan venture capital»: سرمایهگذاری کلان روی شرکتهایی که هنوز محصول یا درآمد ندارند، بخشی از تحول در فرهنگ VC است؛ این امر نشانگر تمرکز بر تیم، ایده و تیم مؤسس بهجا محصول فعلی است .
مستقل در ساختار مدیریت: در ویکیپدیا ذکر شده موراتی با سهم و رأیدهی ویژه، کنترل مدیریتی خاصی دارد، که تضمین میکند راهبردهای بلندمدت لببهرونشری متمرکز باقی بمانند .
چالشها و ریسکها
عدهای معتقدند رخدادی حبابوار است؛ زیرا بدون محصول و درآمد، این حجم سرمایهگذاری غیرمعمول تلقی میشود .
رقابت با غولهای صنعت: شرکتهایی مانند OpenAI، Google DeepMind و Anthropic با میلیاردها دلار سرمایه و زیرساخت مستحکم، رقیبانی جدی خواهند بود .
آینده و تأثیرات
افزایش ساختار سرمایه AI: نشانگر حرکت سرمایهگذاریها به سمت بنیانگذاران ستارهدار و تیمهای استثنایی است؛ حتی پیش از عرضه محصول .
پرورش اکوسیستم پژوهشی متنباز: تمرکز بر ابزار ویژه برای پژوهشگران و استارتاپها، میتواند در تعامل و توسعه شبکه علمی نوین AI مؤثر باشد .
جمعبندی
دور نوآوریهای برجسته در Thinking Machines Lab برمیگردد به:
تیم: سوابق درخشان موراتی و همقطارانش؛
کالا: تمرکز بر هوش چندوجهی و همکاری انسان–ماشین؛
فرهنگ: تکیهبر باز بودن و تأثیر فنی؛
ساختار: استقلال بالا و حمایت سرمایهای عظیم.
با وجود ابهامات و نگرانیها، این ابتکار میتواند روند جدید سرمایهگذاری AI را ترسیم کرده و مسیر دسترسی پژوهشگاهها و نوآوران به فناوریهای Frontier AI را هموار کند.
تأثیرات بر بازار هوش مصنوعی
حوزه
تحلیل تأثیر
سرمایهگذاری جسورانه (Venture Capital)
سرمایهگذاری ۲ میلیارد دلاری در مرحله seed برای شرکتی که هنوز محصولی عرضه نکرده، نقطه عطفی در فرهنگ سرمایهگذاری است. این موضوع، احتمال شکلگیری موج جدیدی از “Team-First, Product-Later” را در AI افزایش میدهد.
اعتماد به چهرههای برند
تأکید بیش از حد سرمایهگذاران به شخصیتهایی مانند Mira Murati میتواند باعث بازارگرایی چهرهمحور (Founder-Driven Valuation) شود و مدلهای سنتی ارزیابی (مانند Traction یا Product-Market Fit) را به چالش بکشد.
رقابت جذب استعداد
حضور تیمی متشکل از مهندسان سابق OpenAI، DeepMind و Meta باعث افزایش رقابت شرکتها برای جذب استعدادهای AI شده و احتمالاً منجر به افزایش دستمزدها، بستههای سهامی و مهاجرت نخبگان خواهد شد.
شکلگیری نسل جدید محصولات AGI
وعده تمرکز Thinking Machines بر مدلهای چندوجهی قابل تعامل (Multimodal + Collaborative AI) ممکن است مسیر جدیدی برای طراحی AGI باز کند، خارج از متنمحوری صرف. این میتواند استانداردهای آینده را بازتعریف کند.
رقبای اصلی Thinking Machines Lab
در حال حاضر، بازار AI پیشرفته (frontier AI) در اختیار بازیگران زیر است:
شرکت
تمرکز
وضعیت فعلی
OpenAI
GPT-4، ChatGPT، DALL·E، Sora
با پشتیبانی Microsoft، تمرکز بر مدلهای همهکاره با اپلیکیشنسازی قوی
Anthropic
Claude AI
تمرکز شدید روی AI اخلاقی، مدلهای متنمحور + رویکرد constitutional AI
Google DeepMind
Gemini
دسترسی به دادههای عظیم Google، تمرکز بر مدلهای multi-modal و بلندمدت AGI
Mistral AI (فرانسه)
مدلهای open-source سبکوزن
توسعه مدلهای متنباز با عملکرد بالا، در حال رقابت با GPT-3.5
xAI (ایلان ماسک)
ادغام مستقیم با X (توییتر سابق)
تمرکز بر ادغام هوش مصنوعی در شبکههای اجتماعی، امنیت و ایدئولوژی خاص
✅ وجه تمایز Thinking Machines:
تمرکز شدید بر همکاری انسان–ماشین (نه فقط پاسخگویی)
وعده زیرساخت پژوهشی قابل توسعه
ساختار Public-Benefit Corporation که میخواهد “فناوری مسئول” بسازد، نه صرفاً سودمحور.
تحلیل ارزیابی سرمایهگذاری (Valuation Analysis)
مقایسه ارزشگذاری با سایر شرکتهای مشابه:
شرکت
مرحله جذب سرمایه
ارزشگذاری (valuation)
فاصله زمانی تا عرضه محصول
Thinking Machines Lab
Seed (اولیه)
$12B
هنوز بدون محصول نهایی
Anthropic
Series C
$15B
Claude 3 در بازار
xAI (ایلان ماسک)
Pre-Series A
$24B
فقط Grok منتشر شده
Mistral
Series A
$6B
مدلهای open-source منتشر شدهاند
OpenAI
Pre-profit stage
$90B (Secondary)
GPT-4 و محصولات عملیاتی فعال
نتیجه:
Thinking Machines با بالاترین ارزشگذاری در بین شرکتهایی قرار دارد که هنوز محصول عملیاتی ندارند.
دلیل این ارزش بالا:
تیم مؤسس فوقالعاده قوی
اعتبار میراثی مرا موراتی از OpenAI
پیشبینی جهش در بازار AI طی ۲ سال آینده
ریسکهای نهفته:
نوع ریسک
شرح
فناوری
بدون محصول عملیاتی، مشخص نیست آیا وعدهها اجرایی میشوند یا خیر.
بازار
ورود سنگین رقبای دارای محصول، فرصت عرضه MVP را محدود میکند.
هزینهها
هزینه نگهداری تیمهای پژوهشی سطح بالا، بدون درآمد فعلی، فشار مالی بالایی خواهد داشت.
سرمایهگذاران ریسکگریز
چنانچه در سال آینده یک شکست فنی یا تأخیر رخ دهد، امکان سقوط ارزشگذاری (down round) وجود دارد.
جمعبندی تحلیلی
Thinking Machines Lab مانند یک “شرکت پنهان در آستانهی انقلابی” ظاهر شده است:
به بازار تلنگر میزند تا دوباره بر «آیندهنگری فنی + اخلاق مسئولانه» تمرکز کند.
سرمایهگذاران را به سمت “آینده پیش از محصول” هدایت میکند.
اما در عین حال، مواجه با انتظارات بسیار سنگین، رقابت شدید و ریسکهای اجرایی بالا است.
اگر این شرکت بتواند در ۶ تا ۹ ماه آینده، یک محصول قانعکننده عرضه کند و جامعه علمی را همراه کند، ممکن است به مهمترین رقیب OpenAI تبدیل شود — و حتی مسیر فناوری AGI را تغییر دهد.
تحلیل کامل SWOT: Thinking Machines Lab
نوع
مورد
توضیحات
✅ نقاط قوت (Strengths)
تیم مؤسس سطح بالا
حضور Mira Murati (CTO سابق OpenAI)، و استعدادهایی از OpenAI، DeepMind، Meta و Tesla
پشتیبانی سرمایهگذاران برجسته
جذب ۲ میلیارد دلار سرمایه از a16z، Nvidia، AMD، Jane Street و Accel حتی بدون محصول
تمرکز بر همکاری انسان–ماشین
برخلاف مدلهای صرفاً متنی، بر تجربه انسانی طبیعی و تعاملی تمرکز دارد
ساختار Public Benefit Corporation
جلب اعتماد بلندمدت برای توسعه مسئولانه AGI
برنامه انتشار open-source
ایجاد اکوسیستم باز و توسعه پایدار توسط جامعه پژوهشی و استارتاپها
⚠️ نقاط ضعف (Weaknesses)
فاقد محصول یا MVP تا کنون
عدم عرضه حتی یک نمونه نمایشی، ابهام در کیفیت عملیاتی
هزینه بالای نگهداری تیم
حقوق بالا، تجهیزات خاص، و زیرساخت محاسباتی بسیار گران
وابستگی به شهرت مؤسس
اعتماد بیش از حد به برند Mira Murati بدون داده عملیاتی
فرصتها (Opportunities)
نیاز جهانی به AGI امن و قابل تعامل
بازار به دنبال هوش مصنوعی انسانیتر و مشارکتیتر است
پتانسیل تبدیل به مدل استاندارد جدید AI
تمرکز بر چندوجهی بودن و تعامل ممکن است مسیر AI را تغییر دهد
همکاری با مراکز علمی و استارتاپها
ارائه API و ابزار open-source برای ورود جامعه توسعهدهنده
افزایش سرمایهگذاری جهانی در AI مسئول
تمرکز سرمایهگذاران بر ethics و AI امن در حال افزایش است
❗ تهدیدها (Threats)
رقابت بسیار سنگین با OpenAI و Anthropic
بازار در حال حاضر توسط غولهای با محصول عملیاتی اشباع شده
هزینه فرصت بالا در تاخیر عرضه
اگر محصول تا ۶–۱۲ ماه آینده عرضه نشود، ممکن است سرمایهگذاران عقبنشینی کنند
فشارهای قانونی در حوزه AGI
قوانین اتحادیه اروپا، آمریکا و چین درباره رگولاسیون AGI در حال سختتر شدن است
سیاستهای سرمایهگذاری در حال تغییر
موج جدید کاهش هزینهها در بازار VC میتواند موجب قطع تأمین مالی شود
مقایسه استراتژی Go-To-Market (ورود به بازار)
ویژگی / شرکت
Thinking Machines Lab
OpenAI
Anthropic
هدف اولیه
مدل AGI چندوجهی با همکاری انسانی
مدلهای قوی API محور (GPT)
مدلهای اخلاقمحور و قابل کنترل
روش ورود به بازار
عرضه پلتفرم open-source + ابزار تحقیقاتی
ارائه API به توسعهدهندگان + اشتراک ChatGPT
عرضه API به شرکتها و ساخت مدل برای enterprise
محصول اول
هنوز اعلام رسمی نشده؛ گفته شده بخشی open-source است
GPT-3, سپس GPT-3.5 و GPT-4 + DALL·E و ChatGPT
Claude 1 → ۲ → ۳ با تمرکز بر اخلاق و پاسخگویی دقیق
احتمالاً رایگان برای استفاده تحقیقاتی و مدل اشتراک برای ابزارهای حرفهای
API + اشتراک ماهانه + B2B سفارشی
B2B Enterprise + همکاری سازمانی (مثلاً با Notion و Slack)
زیرساخت اصلی
هنوز منتشر نشده، احتمالاً مولتیمودال + چندکامپوننتی
Azure cloud + انحصار با Microsoft
AWS cloud (Amazon سرمایهگذار کلیدی است)
استراتژی همکاری
همکاریهای open-source با محققان
همکاری با Microsoft و OpenAI startup fund
همکاری با Slack، Notion، Quora و Amazon
ساختار سازمانی
Public Benefit Corporation (با رأی مؤسس قوی)
Limited Profit Company + زیرمجموعه Microsoft
For-profit Company + مدل محدود اخلاقی
نتیجهگیری مقایسه
Thinking Machines Lab در حال حرکت به سمت مدلی منحصربهفرد است: ترکیب پژوهشمحور + open-source + اخلاق + تعامل انسانی.
در حالی که OpenAI کاملاً محصولمحور است و بازار را با پشتیبانی Microsoft قبضه کرده، Anthropic بیشتر در حوزه اخلاقی و پاسخگویی تمرکز دارد.
مزیت رقابتی Thinking Machines در زمان انتشار و سطح کیفیت اولیه محصول خواهد بود. اگر این شرکت بتواند در ۶ ماه آینده محصولی عملیاتی، قابل همکاری و کاربرپسند معرفی کند، احتمال دارد به سرعت بخشی از بازار enterprise و research را به دست آورد.
ماتریس رقابتی (Competitive Matrix)
معیار رقابتی
Thinking Machines Lab
OpenAI
Anthropic
Mistral AI
✅ تجربه بنیانگذاران
بسیار بالا (Murati + تیم OpenAI)
بسیار بالا (Altman, Brockman)
بالا (کارمندان سابق OpenAI)
بالا (DeepMind، Meta سابق)
میزان سرمایه جذبشده
✅ ۲B (Seed) / ارزش: $12B
+$13B / ارزش: $90B+
+$7B / ارزش: $۱۵–20B
~$۰.5B / ارزش: $6B
️ محصول در دسترس
❌ هنوز عرضه نشده
✅ GPT-4 / ChatGPT
✅ Claude 3
✅ Mistral 7B / Mixtral
رویکرد Open-Source
✔️ در حال توسعه متنباز اولیه
❌ غیرمتنباز
❌ غیرمتنباز
✅ کاملاً متنباز
تمرکز چندوجهی (Multimodal)
✅ بله (تمرکز اصلی)
✅ بله (Sora، DALL·E)
❌ متنمحور
❌ متنمحور
تعامل انسان–ماشین
✅ همکاری فعال + سفارشیسازی
⚠️ تعامل محدود در ChatGPT
⚠️ تعامل کنترلی / اخلاقی
❌ تعامل ساده و متنی
⚙️ تمرکز بر زیرساخت و پژوهش
✅ بله (برای جامعه علمی)
⚠️ بیشتر روی اپلیکیشن نهایی
✅ بله، ولی محدودتر
✅ برای اکوسیستم متنباز
کاربران هدف اولیه
پژوهشگران + استارتاپها
مصرفکنندگان + توسعهدهندگان
سازمانها + شرکتهای اخلاقگرا
توسعهدهندگان متنباز
نتیجه: Thinking Machines با تمرکز منحصربهفرد بر مدلهای چندوجهی، تعامل انسان-ماشین، و ساختار متنباز پژوهشمحور، در حال ایجاد تمایز جدی است — ولی عدم عرضه محصول تا کنون همچنان یک ضعف رقابتی محسوب میشود.
تحلیل مدل کسبوکار با Business Model Canvas
بخش
تحلیل Thinking Machines Lab
مشتریان هدف (Customer Segments)
پژوهشگران هوش مصنوعی، استارتاپهای AI، دانشگاهها، توسعهدهندگان مدل، سازمانهای دارای نیاز به AI سفارشی
ارزش پیشنهادی (Value Proposition)
ارائه مدلهای چندوجهی و قابل تعامل با انسان، ابزارهای متنباز پژوهشی، استقلال فنی، توسعه مسئولانه AGI
️ کانالها (Channels)
پلتفرمهای آنلاین، GitHub (برای ابزارهای متنباز)، وبسایت رسمی، مشارکت با جامعه علمی
روابط با مشتری (Customer Relationships)
رابطه تحقیقاتی و مشارکتی با پژوهشگران، مستندات و ابزارهای توسعه، جامعه متنباز (open community)
منابع درآمدی (Revenue Streams)
مدل Freemium برای API، فروش اشتراک برای خدمات حرفهای، پروژههای سفارشی برای سازمانها، همکاریهای تحقیقاتی با سرمایه مشترک (JV)
حقوق بالا برای پژوهشگران، هزینه محاسبات ابری، هزینه توسعه و تست مدلها، هزینه جذب و نگهداشت استعدادها
جمعبندی تحلیلی
Thinking Machines Lab برخلاف بسیاری از رقبا، رویکرد پژوهشمحور، چندوجهی و Open Innovation را به مرکز استراتژی خود تبدیل کرده است.
اگرچه از نظر زمانی عقبتر از OpenAI و Anthropic است، اما از طریق انتخاب هوشمندانهی مدل کسبوکار (freemium + open infra) و جذب استعدادهای ممتاز، میتواند به رقیبی جدی تبدیل شود.
در صورت تاخیر در عرضه محصول یا کاهش شفافیت، ممکن است مزیت رقابتی از دست برود — اما اگر تا پایان ۲۰۲۵ محصولی با کیفیت و متنباز منتشر کند، میتواند بخشی از بازار enterprise و research را از آن خود کند.
