Waarom een AI-startup met 12 man miljarden ophaalt

Sophie Jansen · 2026-04-23

Een miljard dollar aan startkapitaal voor een bedrijf met twaalf medewerkers – dat klinkt als een teken dat investeerders nog steeds alles op AI zetten. Toch denkt de oprichter van AMI Labs, Yann LeCun, dat de huidige AI-technologie (grote taalmodellen) niet de weg is naar blijvend succes. LeCun verliet eind vorig jaar zijn rol als hoofd AI-wetenschapper bij Meta en richtte Advanced Machine Intelligence Labs (AMI Labs) op. Hij benadrukt dat het een onderzoeksorganisatie blijft die pas over vijf jaar een verkoopbaar product zal opleveren. Het team richt zich niet op enorme, algemene taalmodellen, maar op AI-systemen die bestaan uit modulaire onderdelen, elk getraind voor specifieke toepassingen. ### Wat maakt deze aanpak anders? LeCun stelt een AI-systeem voor dat bestaat uit deze elementen: - Een wereldmodel dat specifiek is voor het domein waarin de AI werkt – denk aan een industrie of een specifieke rol. - Een actor die de volgende stappen voorstelt, gebaseerd op klassieke reinforcement learning. - Een criticus die de opties uit het wereldmodel analyseert, korte-termijngeheugen gebruikt en de stappen beoordeelt aan de hand van vaste regels. - Een perceptiesysteem dat is afgestemd op de input van de AI: video, audio, tekst of afbeeldingen, bijvoorbeeld via deep learning voor beeldherkenning. - Een korte-termijngeheugen. - Een configurator die de informatiestroom tussen alle onderdelen regelt. In tegenstelling tot grote taalmodellen, die alleen zijn getraind op internetteksten, krijgt elke versie van LeCuns AI gerichte data die relevant is voor zijn omgeving en doel. Het belang van elke module kan per toepassing verschillen. Zo is de criticus uitgebreider in domeinen met gevoelige informatie, terwijl het perceptiesysteem essentieel is voor systemen die snel moeten reageren op gebeurtenissen in de echte wereld. ### Waarom dit een gamechanger kan zijn Elke module wordt getraind op een manier die past bij het specifieke vakgebied van de AI. Dit is niet nieuw: denk aan machine-learning-systemen die zichzelf leren schaken of een videogame spelen. Die zijn heel anders dan de grote taalmodellen waar we het nu over hebben als we over AI praten. LLM's worden getraind als generalisten. Ze geven de beste schatting op basis van wat ze hebben gelezen, waarna die antwoorden worden bijgestuurd – via prompt engineering in software zoals Claude Code, of dieper via redeneermodellen die hardop denken voordat het eindantwoord verschijnt. De financiële gevolgen van LeCuns aanpak zijn interessant voor de AI-industrie – als zijn ideeën werken. Grote taalmodellen van bedrijven als Anthropic, Meta, OpenAI en Google hebben de afgelopen vijf jaar steeds meer middelen verbruikt. Naast de groei van de modellen zelf, zorgt het herhaaldelijk aanpassen van prompts voor hogere kosten. Trainen en draaien wordt zo duur dat alleen grote ondernemingen het zich kunnen veroorloven, en dan nog met verlies. ### De kracht van kleinere, gerichte modules De kleinere, gerichte modules van AMI Labs kunnen draaien op een fractie van de GPU-kracht die nodig is voor gigantische LLM's, of zelfs op een apparaat zelf. In plaats van de honderden miljarden parameters van ChatGPT, hebben specialistische modellen – die geen generalisten hoeven te zijn – slechts een paar honderd miljoen parameters nodig. Dat betekent lagere kosten, minder energieverbruik en snellere resultaten. Voor bedrijven in Nederland die AI willen inzetten voor specifieke taken, zoals klantenservice of data-analyse, kan dit een uitkomst zijn. Geen dure clouddiensten meer, maar een eigen, op maat gemaakt systeem. ### Wat betekent dit voor de toekomst? LeCun gelooft dat de toekomst van AI niet ligt in steeds grotere modellen, maar in slimme, modulaire systemen die precies doen wat nodig is. Het is een andere visie dan die van de grote techbedrijven, maar met een miljard dollar aan vertrouwen lijkt het de moeite waard om te onderzoeken. Voor nu blijft AMI Labs een onderzoeksorganisatie. Over vijf jaar weten we of deze aanpak vruchten afwerpt. Tot die tijd is het een fascinerend experiment dat de AI-wereld op zijn kop kan zetten.