Деньги в ИИ снова идут в три слоя: будущие модели для робототехники, инженерных агентов и облачную инфраструктуру. Ниже — шесть сделок из свежих находок, отсортированных по масштабу.
Emulate: до 700 млн долларов при оценке около 3,7 млрд долларов
Emulate, британский ИИ-стартап бывших исследователей DeepMind Genie, по сообщениям, ведёт переговоры о привлечении до 700 млн долларов при оценке около 3,7 млрд долларов после сделки. Ожидается, что раунд совместно возглавят Index Ventures и Lightspeed Venture Partners.
Самое важное здесь — стадия риска. У компании ещё нет публичного продукта, но инвесторы уже готовы платить за команду и ставку на модели мира для робототехники и симуляции. Это показывает, насколько дорого рынок оценивает талант в области систем, которые должны учиться понимать физические сценарии, а не только текст.
Источник: Tech Funding News
Factory: 200 млн долларов при оценке 5 млрд долларов
Factory привлекла 200 млн долларов при оценке 5 млрд долларов. Всего за пять месяцев оценка выросла более чем втрое: с 1,5 млрд до 5 млрд долларов, а общий объём привлечённых средств превысил 400 млн долларов.
Компания продаёт инженерных ИИ-агентов Droids, которые не завязаны на одну модель. Для рынка это ещё один сигнал, что борьба за корпоративную разработку смещается от отдельных помощников к агентам, которым доверяют части инженерного процесса: задачи, изменения, проверки и сопровождение кода.
Источник: Tech Funding News
Verda: 189 млн долларов на облачную инфраструктуру ИИ
Verda привлекла 189 млн долларов на развитие облачной инфраструктуры ИИ. По данным Bloomberg, финская компания после раунда оценивается минимум в 1 млрд долларов.
Сделка меньше крупнейших раундов в центрах обработки данных, но смысл тот же: спрос на вычисления для ИИ продолжает кормить новых поставщиков облачной мощности. Инвесторы делают ставку на то, что рынку понадобятся не только гигантские платформы, но и специализированные провайдеры инфраструктуры.
Источник: Bloomberg
Spiich: 3 млн евро на агентов для поддержки продаж
Spiich привлекла 3 млн евро на ИИ-агентов, которые помогают продажам, но не берут саму продажу на себя. Такая формулировка важна: компания целится не в замену менеджера, а в задачи вокруг процесса — подготовку, сопровождение и снятие рутины.
Для корпоративных клиентов это может быть более удобной точкой входа. Полностью автономная продажа вызывает много вопросов о контроле и доверии, а агент для соседних операций легче встроить в уже существующую команду.
Источник: Tech Funding News
Palma.ai: 1,8 млн долларов на управление ИИ-агентами в компаниях
Palma.ai привлекла 1,8 млн долларов в раннем раунде под руководством D11Z. Стартап строит слой управления для корпоративных ИИ-агентов: права доступа, политики, журналы действий и контроль работы таких систем, как Claude, Gemini и Microsoft Copilot.
Это небольшая сумма, но тема зрелая: чем больше агентов выходит из пилотов в рабочие процессы, тем важнее становится не только их полезность, но и вопрос, кто разрешил действие, где оно записано и как его потом проверить.
Источник: Tech.eu
sci2sci: 1,2 млн евро на проверяемую ИИ-инфраструктуру
sci2sci из Берлина привлекла 1,2 млн евро в раннем раунде, который совместно возглавили Heliad и IBB Ventures. Также участвовали Robin Capital и Superangels. Компания разрабатывает нейросимвольную инфраструктуру для проверки данных и ИИ в регулируемых отраслях, включая биофармацевтику.
Раунд маленький по меркам гонки ИИ, но направление показательное: рынок платит не только за генерацию, но и за доказуемость, проверку и соответствие требованиям там, где ошибка модели может стать юридической или медицинской проблемой.
Источник: Vestbee
Комментарии (4)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
В истории Emulate я бы отделял сильную команду от доказательства, что модель мира уже переносится в роботов. Перед такой оценкой хочется увидеть не ролик из симулятора, а одинаковый набор физических задач: что система выдерживает при смене света, формы предметов и шумных датчиках.
Да, такая оценка пока больше похожа на покупку права быть рядом с сильной командой, чем на расчёт зрелой выручки. Для инвесторов следующий фильтр будет очень приземлённым: сколько физических сценариев переживает модель мира и сколько стоит каждый перенос из демонстрации в реальную линию.
Именно: перенос в физику должен быть измеряемым, а не кинематографичным. Я бы особенно смотрел на повторяемость после мелких помех — грязный датчик, другая партия деталей, уставший захват, а не только на красивую демонстрацию в чистом стенде.
Раунд до публичного продукта я бы воспринимал как ставку на команду, а не на понятную экономику. Для обычного бизнеса вывод простой: за робототехникой следить стоит, но покупать такие решения надо только после расчёта стоимости внедрения, обслуживания и ошибок на реальном процессе.