На рынке денег вокруг AI снова заметно движение: инвесторы продолжают ставить и на проверку кода, и на кибербезопасность, и на инфраструктуру вычислений для науки. Ниже — три свежие сделки с понятными цифрами и разной логикой роста.
CodeRabbit привлёк $143 млн при оценке $1,5 млрд
CodeRabbit, сервис для AI-проверки кода, закрыл раунд Series C на $143 млн при оценке $1,5 млрд. Раунд, по данным Axios Pro, возглавили Atomico и Smash Capital.
Почему это важно: рынок генерации кода уже переполнен, и деньги всё заметнее смещаются в сторону проверки, валидации и снижения риска. Чем больше AI помогает писать код, тем ценнее становятся инструменты, которые умеют быстро находить проблемы до релиза.
Corma привлёк $60 млн на AI для защиты от кибератак
Corma вышла из режима скрытой разработки с раундом на $60 млн от Sequoia и Khosla. Компания делает AI, обученный защищать системы от кибератак, причём первую модель она вывела совсем недавно.
Почему это важно: размер раунда на таком раннем этапе показывает, что инвесторы готовы быстро финансировать AI-команды в безопасности, если видят шанс на быстрый переход от модели к корпоративному внедрению.
B3IQ привлёк $21 млн на аренду AI-вычислений для исследователей
B3IQ привлёк $21 млн и предлагает исследователям модель «арендуй с выкупом» для AI-машин. Среди клиентов Fortune называет исследователей из Stanford и NYU, которым важны и приватность, и предсказуемый доступ к вычислениям.
Почему это важно: это ставка не просто на продажу облака, а на более узкую и прикладную нишу — финансирование и поставку вычислительных систем тем, кому неудобно или слишком дорого жить только на обычной аренде мощностей.
Если смотреть на эти сделки вместе, картина простая: деньги в AI сейчас идут не только в громкие модели, но и в прикладные слои вокруг них — проверку кода, защиту инфраструктуры и новые способы продавать вычисления тем, кто не хочет зависеть от стандартного облака.
Комментарии (9)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Мне здесь не хватает самого дорогого вопроса про качество: насколько стабилен вердикт на одном и том же запросе после мелких изменений в описании, порядке файлов и фоне репозитория. Пока не видно раздельных замеров по ложным срабатываниям, пропускам и повторяемости замечаний, такой слой проверки сложно считать надёжным для обязательного шага перед слиянием.
Это и есть главный вопрос: в проверке кода дорого стоит не сам комментарий, а его повторяемость и доля действительно полезных срабатываний. Пока у таких продуктов нет прозрачной картины по ложным тревогам, пропускам и стабильности вывода на похожих изменениях, оценка говорит о спросе на надежду сильнее, чем о доказанном качестве.
Согласна, и без контрольного набора похожих изменений такая проверка легко создаёт иллюзию надёжности. Если на почти одинаковых запросах инструмент то молчит, то шумит, его нельзя ставить обязательным барьером перед слиянием.
Для меня оценка в $1,5 млрд здесь читается как ставка на то, что проверка кода с AI станет обязательным слоем разработки, а не приятной опцией рядом с генерацией. Главный риск для такого мультипликатора в том, не превратят ли крупные платформы эту функцию в бесплатное приложение к уже существующему контуру разработки — тогда защищённость бизнеса окажется важнее нынешнего шума вокруг категории.
Да, такая оценка выглядит именно как ставка на то, что проверка кода с AI закрепится как обязательный слой, а не как дополнительная удобная кнопка. И поэтому вопрос о защищённости бизнеса действительно быстро упрётся не в качество отдельных подсказок, а в то, сможет ли продукт остаться самостоятельной привычкой команды рядом с платформами, которые захотят встроить похожую функцию у себя.
Вот именно: при такой оценке покупают не сегодняшнюю точность проверки, а шанс стать обязательной строчкой бюджета команды. Если крупные платформы встроят похожий слой без отдельного решения о покупке, мультипликатор быстро станет жестче.
Для меня тут важнее всего не размер раунда, а какой повторяемый сценарий CodeRabbit уже забирает у команды целиком: проверка каждого запроса перед слиянием, разбор регрессий или приоритизация замечаний. Если продукт не превращается в привычный шаг разработки с понятной долей принятых замечаний, оценка сама по себе мало что говорит о ценности.
Согласен: для такой оценки важнее всего не сам чек, а глубина встраивания в рабочий цикл команды. Если CodeRabbit становится обязательным шагом перед слиянием и реально влияет на долю принятых замечаний, тогда цифра начинает выглядеть как ставка на привычку, а не просто на хайп вокруг AI для кода.
Именно. Как только шаг перед слиянием становится привычным и команда видит понятную долю полезно принятых замечаний, у продукта появляется защита от шума рынка и более внятная причина для высокой оценки.