Zaloguj się 
Dzieje się!
Pathway warty 500 mln dolarów. Zebrał duże pieniądze na rewolucyjną architekturę dla AI
Pathway pozyskał dodatkowe finansowanie. Spółka zebrała już w sumie 30 mln dolarów, a jej wycena sięgnęła 500 mln dolarów. Pieniądze pójdą na dalsze prace nad technologią, która umożliwi rozwój „AI za jednego dolara" – przekonuje w rozmowie z XYZ Zuzanna Stamirowska, współtwórczyni firmy.
Z tego artykułu dowiesz się…
- Ile pieniędzy zebrał Pathway na etapie seed, na jaką kwotę wyceniono spółkę i kto ją finansuje.
- Czym BDH ma różnić się od architektury transformer i skąd bierze się deklarowana przewaga kosztowa.
- Jak Pathway chce skalować technologię, gdzie szuka pierwszych wdrożeń i czy zamierza budować własne modele.
Pathway to startup znany już od lat. Zaczynał jako firma, która korzystając z technologii uczenia maszynowego, koncentrowała się w 2020 r. na podnoszeniu efektywności w logistyce. Nic dziwnego, Zuzanna Stamirowska to naukowczyni, która uzyskała doktorat dotyczący prognozowania w handlu morskim.
Firma z biegiem lat zmieniła kierunek rozwoju. Naprawdę głośno zrobiło się o niej pod koniec września 2025 r., kiedy to zespół Pathway ze wsparciem Łukasza Kaisera (Polaka, jednego z twórców architektury transformer stojącej obecnie za każdym wielkim modelem GenAI), opublikował pracę naukową prezentującą BDH (Baby Dragon Hatchling). To zupełnie nowa architektura dla sztucznej inteligencji, pozwalająca na ominięcie dotychczasowych ograniczeń.
Osiągnięcia zespołu przekonały szerokie grono zagranicznych inwestorów. Właśnie wyłożyli oni 20 mln dolarów na wsparcie startupu na etapie rundy seed. To uzupełnienie inwestycji w wysokości 10 mln dolarów z 2024 r. Firma pozyskała więc łącznie 30 mln dolarów. Inwestorzy uważają, że założony przez Polaków startupów potrafi niskim kosztem osiągać niesamowite rezultaty w świecie AI.
Duże pieniądze dla Pathway
Finansowanie zapewniły m.in. Id4 Ventures, TQ Ventures, Red Bridge Ventures, Kadmos Capital oraz WS Investment Co., inwestycyjne ramię kancelarii Wilson Sonsini. Jako anioł biznesu do grona inwestorów dołączył Jonathan Frankle z Databricks. W efekcie wycena startupu osiągnęła 500 mln dolarów.
TQ Ventures w akcjonariacie Pathway pojawiło się nieco wcześniej. To właśnie inwestycja tego funduszu w 2024 r. uruchomiła zmianę kierunku spółki.
– W 2024 r. wraz z pozyskaniem finansowania Seed od TQ, które zgłosiło się do nas z ofertą inwestycji jeszcze przed rozpoczęciem formalnego procesu rundy (tzw. pre-emptive Term Sheet), założeniem firmy w USA i naszą własną przeprowadzką, de facto rozpoczęliśmy zupełnie nowy rozdział, który trzymaliśmy przez około rok w tajemnicy (aż do publikacji artykułu o BDH, o czym pisało „The Wall Street Journal"). To wtedy, w pierwszej połowie 2024, przekierowaliśmy wszystkie zasoby na budowę nowej architektury i modeli AI – mówi w rozmowie z XYZ Zuzanna Stamirowska.
Firmą razem z Zuzanną Stamirowską kierują Jan Chorowski, CTO i Adrian Kosowski, CSO.
Pathway sformalizował również grupę doradców. Łukasz Kaiser to współtwórca architektury transformer i współautor TensorFlow. Był researcherem w Google Brain, a następnie w OpenAI współtworzył modele o1 i o3 oraz pracował nad ChatGPT, GPT-4 i GPT-5. W Pathway doradza przy wyznaczaniu kierunku prac badawczo-rozwojowych. Do grupy dołączyli także Jonathan Frankle, Chief AI Scientist w Databricks, prof. Martín Farach-Colton z NYU Tandon oraz ekonomista Jacques Attali. Wspierają firmę w skalowaniu modeli, rozwijaniu jej wizji naukowej, strategii finansowania oraz analizie gospodarczych i społecznych konsekwencji BDH.
Inteligencja za dolara
Obok samej rundy, Pathway chwali się osiągnięciem w postaci rekordu efektywności sztucznej inteligencji liczonej jako koszty w porównaniu do jakości. W benchmarku ARC-AGI 1 stworzony przez Pathway model BDH-CQ ustanowił nowy rekord „inteligencji za dolara”. Osiągnął wynik zbliżony do GPT 5.6 Luna przy ponad 11-krotnie niższym koszcie.
Jak działa ten benchmark? System dostaje tam kilka przykładów transformacji niewielkich plansz z kolorowymi polami. Musi samodzielnie odkryć regułę i zastosować ją do nowego przypadku. Odpowiedź jest zaliczana tylko wtedy, gdy zgadza się dokładnie, pole po polu.
BDH-CQ uzyskał 29,5 proc. w publicznym zestawie 400 zadań. Pathway wylicza koszt jednego zadania na 0,0007 dolara, czyli poniżej jednej dziesiątej centa. Firma nazywa wynik rekordem „inteligencji za dolara”, ponieważ – według publicznej tablicy ARC Prize Foundation, na której oparto porównanie – żaden system o co najmniej takiej skuteczności nie działał przy równym lub niższym koszcie.
Dla porównania, wskazany przez Pathway GPT 5.6 Luna w wariancie Low osiąga 34,2 proc. To oznacza wynik wyższy o 4,7 pkt proc. Koszt wykonania zadania jest jednak około 11 razy wyższy. Dlatego mały model Pathway nie jest „lepszy” od dużego modelu ogólnego przeznaczenia. Pokazuje natomiast, że przy konkretnym typie rozumowania inna architektura może zmienić ekonomię obliczeń.
– Najbardziej ucieszyło nas połączenie rozumowania językowego i wizualnego, które jest widoczne w BDH-CQ na przykładzie ARC-AGI-1. Fakt, że osiągamy bardzo wysoką trafność przy maleńkich modelach, które od razu wychwytują reguły praktycznie bez skalowania, i to na szerokim wachlarzu różnych problemów (ARC-AGI to jeden z przykładów) było dosyć szokujące. To znaczy, że mamy ogromny margines kosztowy do skalowania – mówi Zuzanna Stamirowska.
Wynik niezależnie od zespołu Pathway odtworzyli Łukasz Kaiser oraz Richard Zhong z New York University. Współautorem publikacji technicznej jest też Remigiusz Kinas z Bielik AI.
Zdaniem eksperta
Pathway porwał się na jedno z najtrudniejszych wyzwań
Jak rozwija się Pathway
Pathway pozycjonuje się jako „neolab”, czyli laboratorium nastawione na badania nad nowym rodzajem sztucznej inteligencji i budowę jej podstawowej architektury.
– W większości przypadków wyceny spółek w tych kategoriach są głównie wynikiem nazwisk founderów. W naszym przypadku jest nieco inaczej, bo duża część prac R&D jest już za nami, dyferencjacja od transformera zaczyna być widoczna. Rundę, o której mówimy w tej chwili, zebraliśmy z inwestorami, którzy uwierzyli jako pierwsi, jeszcze na wyższym poziomie ryzyka, z przekonaniem, że BDH stanie się nową ścieżką dla AI – mówi CEO Pathway.
Pozyskany właśnie kapitał ma pójść przede wszystkim na moc obliczeniową, w tym układy Nvidia GB300, oraz trening większych modeli. Szefem produktu został Adam Kurzrok, wcześniej odpowiedzialny za Gemini w Google DeepMind. Doradcą jest m.in. Łukasz Kaiser, współtwórca transformera.
Co właściwie zbudował Pathway
Technologicznym centrum firmy jest BDH. Pathway opisuje ją jako architekturę post-transformer, w której pamięć, adaptacja i wnioskowanie są częścią jednego modelu. To inny mechanizm działania niż popularne transformery, które wymagają większego kontekstu albo nowych mechanizmów pamięciowych.
Architektura czerpie inspirację z biologii. System ma zachowywać informacje, uczyć się w kolejnych interakcjach i rozumować bez zamieniania każdego kroku na tekst.
Stąd istotne jest pojęcie „rozumowania w przestrzeni ukrytej”. Najpopularniejsze obecnie modele wykorzystujące chain-of-thought rozwijają rozumowanie sekwencyjnie, generując kolejne tokeny, które stają się trochę jakby brudnopisem. To zwiększa liczbę operacji, zużywa okno kontekstowe i podnosi koszt. BDH-CQ ma pracować inaczej.
– Chain of thought oznacza, że model rozwija swoje rozumowanie token po tokenie, na żywo, w języku naturalnym. Wyobraź sobie, że rozwiązujesz krzyżówkę i wszystko, co widzisz i czytasz, musisz opisać słowami na kartce. BDH-CQ natomiast myśli w przestrzeni abstrakcyjnej, bardziej jak szachista, który analizuje kilka możliwości naraz i nie musi przechodzić przez niewydajny etap przekładania tego rozumowania na język – tłumaczy Zuzanna Stamirowska.
Model nadal może odpowiadać w języku naturalnym. Według Pathway część rozumowania odbywa się jednak równolegle w stanie ukrytym, bez generowania i ponownego przetwarzania długiego szeregu pośrednich tokenów.
– W tej chwili inteligencja za dolara jest najważniejszą metryką dla rozwoju AI. Natomiast ostatecznie dla korporacji i użytkowników liczy się wartość wynikająca z rozwiązania problemu i bezpieczeństwo. Liczba parametrów jest tylko środkiem do celu, i to generującym koszty. Nie powiedziałabym, żeby to był element, którego maksymalizacja jest w interesie użytkownika – mówi Zuzanna Stamirowska.
Co dalej szykuje startup
Pathway przeprowadził także skalowanie BDH dla modeli od 1 mld do 600 mld parametrów.
– Zrobiliśmy eksperymenty na 600 mld parametrów w celu sprawdzenia zachowania architektury, natomiast nie trenowaliśmy go dalej na dużej ilości danych, bo nie taki jest teraz nasz cel – mówi Zuzanna Stamirowska.
Firma deklaruje, że wstępne eksperymenty pokazują prawa skalowania podobne do transformerów. Na razie chce jednak iterować na mniejszych modelach. Pathway pokazał mechanizm w określonych warunkach, ale dopiero sprawdzi, jak zachowa się on w dużym, bardziej ogólnym systemie.
Zdaniem eksperta
Dlaczego AI musi ewoluuować
Z dostępem do modeli AI przez API jest trochę tak, jak z wielkimi marketami budowlanymi. Na początku wchodziły na rynek z hasłem „nikomu nie pozwolimy pobić naszych cen”, budując nasze nawyki. Kiedy już się od nich uzależniliśmy, idziemy po sześć śrubek z kołkami i przy kasie zostawiamy 40 złotych, płacąc marżę za wygodę i zamknięty ekosystem.
Wyścig na optymalizację kosztów AI to dzisiaj być albo nie być dla wielu startupów. Jeśli firma buduje swoją wartość wyłącznie jako typowy AI wrapper na API OpenAI czy Anthropic’a, rosnące koszty tokenów zjedzą jej całą marżę, bo tego typu produkty albo tanieją, albo są zjadane przez rosnące możliwości nowych modeli.
Skalowanie biznesu wymusza ewolucję. Wygrają ci, którzy zbudują mądrą architekturę: najdroższe modele zostawią wyłącznie do najbardziej złożonych zadań, a 90 proc. powtarzalnej pracy przeniosą na mniejsze, tańsze modele open-source, nad którymi mają pełną kontrolę na własnym sprzęcie.
Gdzie BDH może pojawić się w firmach
Pathway nie planuje zaczynać od wymiany całego stosu AI w przedsiębiorstwach. Spółka pracuje z AWS i tzw. design partnerami nad małymi modelami rozumującymi, oczekując na większy model ogólnego przeznaczenia. Pierwsze zastosowania mają dotyczyć zadań wąsko zdefiniowanych, ale kosztownych i wymagających wielu kroków wnioskowania.
– Nie prosiłabym dyrektora IT o zastąpienie całego stacku opartego na Transformerach. Poprosiłabym natomiast o wskazanie najtrudniejszego procesu, w którym firma ponosi dziś wysokie koszty wynikające z ograniczeń architektury albo w którym Transformery po prostu się nie sprawdzają – mówi CEO Pathway.
Chodzi o procesy, w których system musi długo przechowywać stan, reagować na zmieniające się informacje albo korzystać z doświadczenia z poprzednich interakcji. BDH ma początkowo działać obok dzisiejszych modeli.
Zdaniem Zuzanny Stamirowskiej pierwszym elementem, który BDH może wypierać, nie musi być sam LLM. Bardziej prawdopodobne jest zastępowanie infrastruktury budowanej dziś wokół modeli. Przykładowo, wielokrotnego odtwarzania kontekstu, dodatkowych mechanizmów pamięci, powtarzanego dostrajania i specjalistycznego oprogramowania optymalizacyjnego.
Zdaniem eksperta
Inteligencja potrzebna także ludziom
Laboratoria AI chcą abyśmy myśleli o tych prestiżowych zadaniach i domyślnie wiele biznesów po prostu używa najnowszych modeli do wszystkiego, bo jesteśmy wciąż w fazie odkrywania przypadków użycia – slangowo określamy to jako tokenmaxxing, gdzie sprawdzamy szeroko użycie AI do wszystkiego, aby zebrać dane.
W momencie gdy biznes – prędzej czy później – będzie domagać się twardych danych ROI i kosztów per zadanie, to wymusi to używanie smart routerów, które potrafią dynamicznie wybierać model w zależności od skomplikowania zadania. Będą tworzone małe dedykowane modele per konkretne zadanie na podstawie logów z tego, co działało, a nie poprzez fine tuning małych modeli.
Pathway chce budować własne modele
Zuzanna Stamirowska wskazuje także na dalszy kierunek rozwoju Pathway.
– Chcemy budować własne modele – mówi Stamirowska.
Długoterminowa wizja zakłada, że model nie będzie przy każdym uruchomieniu zaczynał praktycznie od zera i ponownie odczytywał cały kontekst firmy lub użytkownika. Ma kumulować doświadczenie. W przedsiębiorstwie oznaczałoby to możliwość uczenia się terminologii, wyjątków, wzorców i reguł decyzyjnych konkretnej organizacji.
Dla zwykłego użytkownika pierwsza różnica miałaby być prostsza.
– Myślę, że pierwszym elementem widocznym dla przeciętnego użytkownika będzie jego pamięć. Taki model, który cię rozumie – dodaje Zuzanna Stamirowska.
Pathway planuje obecnie dalsze skalowanie architektury oraz testy w matematyce, ARC-AGI-2 i ARC-AGI-3. Równolegle rozwija duży model językowy, który również ma prowadzić rozumowanie w przestrzeni ukrytej.
Kapitał z rundy ma finansować większą moc obliczeniową, dalsze eksperymenty i przejście od demonstracji architektury do modeli o szerszym zastosowaniu. Za produktową część odpowiada m.in. Adam Kurzrok. Stamirowska podkreśla też partnerstwo z AWS, które ma ułatwić wyjście do klientów korporacyjnych oraz współpracę z Nvidią.
– Obecne finansowanie zebraliśmy na moc obliczeniową do skalowania, dowiedzenia i pogłębienia przewagi BDH. Prezentowany dziś benchmark, w którym ustanawiamy rekord inteligencji za dolara, jest jednym z pierwszych efektów tej rundy – mówi szefowa Pathway.
– Będziemy pokazywali więcej możliwości BDH, zwiększali dokładność i pracowali blisko z naszymi partnerami, takimi jak AWS i Nvidia, nad dostarczeniem wartości biznesowej dla korporacji – zapowiada Stamirowska.
Główne wnioski
- Pathway pozyskał 20 mln dolarów w rundzie seed, a wycena spółki sięgnęła 500 mln dolarów. Kapitał ma przede wszystkim sfinansować zakup większej mocy obliczeniowej i dalsze skalowanie architektury BDH. Startup, kierowany przez Zuzannę Stamirowską, Jana Chorowskiego i Adriana Kosowskiego, przeszedł w ostatnich latach dużą zmianę. Z firmy rozwijającej rozwiązania dla logistyki przekształcił się w laboratorium pracujące nad nową architekturą sztucznej inteligencji. Do grona inwestorów należą m.in. Id4 Ventures, TQ Ventures, Red Bridge Ventures, Kadmos Capital oraz WS Investment Co.
- Najważniejszym argumentem Pathway jest efektywność kosztowa BDH, ale przedstawione wyniki nie oznaczają jeszcze przewagi nad największymi modelami ogólnego przeznaczenia. Model BDH-CQ osiągnął 29,5 proc. w publicznym zestawie ARC-AGI-1 przy deklarowanym koszcie 0,0007 dolara na zadanie. Według firmy daje mu to rekordowy stosunek skuteczności do kosztu w tej grupie systemów. Architektura ma ograniczać potrzebę generowania długich ciągów pośrednich tokenów, ponieważ część rozumowania odbywa się w przestrzeni ukrytej. Na tym etapie są to jednak rezultaty dotyczące określonego benchmarku i wymagają potwierdzenia przy większych, bardziej uniwersalnych modelach.
- Pathway chce rozwijać własne modele i wprowadzać BDH do firm stopniowo, zaczynając od konkretnych, kosztownych procesów wymagających pamięci i wieloetapowego rozumowania. Startup nie zakłada natychmiastowego zastępowania infrastruktury opartej na transformerach. Pierwsze wdrożenia mają działać obok obecnych modeli i dotyczyć problemów, w których istotne jest przechowywanie stanu, reagowanie na zmieniające się informacje oraz wykorzystywanie doświadczeń z wcześniejszych interakcji. Firma współpracuje przy tym m.in. z AWS i Nvidią, prowadzi dalsze testy BDH oraz rozwija większy model językowy wykorzystujący rozumowanie w przestrzeni ukrytej.
