দুইজন স্ট্যানফোর্ড পিএইচডি ছাত্র $10,000 গ্র্যান্ড প্রাইজসহ একটি AI ফিল্ম ফেস্টিভ্যালে অংশ নিয়েছিলেন। তারা কিছুই জিততে পারেননি। তাই তারা তাদের পিএইচডি ছেড়ে দিলেন এবং সেই জিনিসটি তৈরি করলেন যা সবাইকে হারিয়ে দিল যারা জিতেছিল। কোম্পানিটির নাম Pika, যা ২০২৩ সালের এপ্রিল মাসে Demi Guo এবং Chenlin Meng-এর দ্বারা প্রতিষ্ঠিত। Guo হার্ভার্ডে গণিত, তারপর স্ট্যানফোর্ডে কম্পিউটার সায়েন্স পড়েছেন, এবং এই পথে Facebook AI Research, Google Brain, Microsoft Bing এবং Quora-তে ইন্টার্নশিপ করেছেন। Meng, তার পিএইচডি সহপাঠী, তার সহ-প্রতিষ্ঠাতা ও CTO হওয়ার আগে অ্যানিমেটর হতে চেয়েছিলেন। Meng এছাড়াও DDIM পেপারের সহ-লেখক, একটি ভিত্তিগত পদ্ধতি যা এখন DALL-E 2 এবং Stable Diffusion-এর ভেতরে ব্যবহৃত হয়। প্রত্যাখ্যানটা বিশেষভাবে কষ্টদায়ক ছিল কারণ উপলব্ধ টুলগুলো খারাপ ছিল। বিদ্যমান AI ভিডিও জেনারেটরগুলো ছিল জটিল এবং ব্যবহার করতে কঠিন, এবং Guo ও Meng নিশ্চিত ছিলেন যে তারা আরও ভালো কিছু তৈরি করতে পারবেন—একই সঙ্গে বেস মডেল এবং তার চারপাশে মোড়ানো ইন্টারফেস দুটোই। GitHub-এর সাবেক CEO ও বর্তমানে একক বিনিয়োগকারী Nat Friedman এক GPU-তে তৈরি একটি প্রাথমিক ডেমো দেখেন এবং কোম্পানিটির প্রথম চেকটি লেখেন। তারা পাবলিক লঞ্চ করেন খুব সংকীর্ণভাবে এক বিষয়ে ফোকাস করে: অ্যানিমে-স্টাইল ভিডিও জেনারেশন, যথেষ্ট সহজ যাতে, Guo-এর ভাষায়, "আমার আর Chenlin-এর মতো মানুষ", পেশাদার না হয়েও, প্রথম চেষ্টায় ভালো কিছু বানাতে পারে। এটি খুব দ্রুত কম্পাউন্ড হতে থাকে। ২০২৩ সালের নভেম্বরে $55 মিলিয়ন রাউন্ড, Lightspeed Venture Partners এবং এক ঢেউ অ্যাঞ্জেল ইনভেস্টরের সহায়তায়। প্রায় এক বছর পর $80 মিলিয়ন রাউন্ড, Spark Capital-এর নেতৃত্বে, $700 মিলিয়ন মূল্যায়নে, সরাসরি Sora, Veo এবং RunwayML-কে টার্গেট করে। ২০২৬ সালের মাঝামাঝি সময়ে, মোট ফান্ডিং পৌঁছায় $135 মিলিয়নে, $470 মিলিয়ন মূল্যায়নে, এর সাথে ছিল একটি কনজিউমার iPhone অ্যাপ, একটি Adobe Firefly ইন্টিগ্রেশন, একটি অফিসিয়াল MCP সার্ভার, এবং Pika 2.5, যা ৯০ সেকেন্ডেরও কম সময়ে নেটিভ সাউন্ডসহ 1080p ভিডিও জেনারেট করতে সক্ষম একটি মডেল। তারপর, আট দিন আগে, Pika নিজেকে সম্পূর্ণ পুনর্গঠন করল। নতুন ভার্সনটি একক ভিডিও মডেল হওয়ার ধারণা ছেড়ে দিয়ে ক্রিয়েটিভ AI-এর জন্য অপারেটিং সিস্টেমের কাছাকাছি কিছু হয়ে উঠেছে: ভিডিও, ইমেজ এবং অডিও টুল, যা তৈরি হয়েছে সব ব্যবহারযোগ্য প্রধান মডেলের ওপর ভিত্তি করে — Seedance, MiniMax, Wan, GPT Image, Nano Banana, Grok Imagine, ElevenLabs, এবং Pika-এর নিজস্ব মডেলগুলো — সব এক ইন্টারফেসের ভেতরে, এবং ডেভেলপার-মুখী API ক্লাব, যা একসঙ্গে সবগুলোর অ্যাক্সেস দেয়। প্রতিযোগিতা সম্পর্কে Guo-এর দৃষ্টিভঙ্গি কখনো বদলায়নি। অন্য সবাই সেরা মডেল বানানোর দৌড়ে আছে। সে বাজি ধরেছে সেই কোম্পানির ওপর, যা আসলে জিতবে—যারা সৃজনশীলতাকেই এমনভাবে উপস্থাপন করতে পারবে যেন তা একেবারে নির্ঝঞ্ঝাট মনে হয়, নিচে যে-ই মডেল দিয়ে কাজ হোক না কেন।