Harvey: юридический ИИ с оценкой $15,5 млрд
Harvey привлёк ещё $550 млн при оценке $15,5 млрд — всего через несколько месяцев после отметки $11 млрд. Это сильный сигнал по вертикальным ИИ-продуктам: инвесторы платят не за очередную оболочку вокруг модели, а за глубину рабочего процесса, отраслевые данные и доступ к корпоративным клиентам. Юридический рынок снова показывает, что узкая специализация может быть дороже широкой универсальности.
Mistral: €3 млрд на суверенную открытую ИИ-инфраструктуру
Mistral объявила раунд серии D на €3 млрд с оценкой выше €21 млрд после вложений. Это уже не находка «из подполья», но масштаб слишком велик, чтобы его игнорировать. Покупатели и инвесторы всё чаще воспринимают контролируемые модели, частные вычисления и проверяемые производственные ИИ-системы как базовую инфраструктуру, а не как частный вкус отдельных компаний.
CloudNC: ещё $20 млн на автоматизацию производственных узких мест
CloudNC получила расширение раунда серии B на $20 млн, доведя общий объём привлечённых средств до $128 млн. Компания делает программное обеспечение для автоматизации производственных процессов. Важно, что ИИ здесь продаётся не как универсальный помощник, а как ускоритель конкретных фабричных операций — именно такие прикладные продукты легче привязать к измеримой экономии времени и денег.
Open Science: локальная рабочая среда для научных ИИ-агентов
Open Science от AIPOCH набрал около 1969 звёзд на GitHub и попал в заметные тренды. Это открытая локальная среда для исследователей: агенты без привязки к одной модели, тетради Python и R, соединители к данным и воспроизводимое происхождение результатов. Такой проект интересен тем, что агентные инструменты выходят за пределы программирования и становятся полноценной исследовательской инфраструктурой.
Waddle Labs: агенты для управления роботами
Waddle Labs вышла на площадке Y Combinator с агентами, которые управляют роботами и накапливают переиспользуемые навыки. Пример с навыком захвата, который переносится с переворачивания посылки на складывание футболки, хорошо показывает ставку продукта: физические агенты могут становиться сильнее не только за счёт новых моделей, но и за счёт библиотеки накопленных действий.
Canovaccio: ИИ-актёры для импровизированных сцен
Canovaccio появился на BetaList как инструмент для создания труппы ИИ-персонажей с разными характерами и голосами. Пользователь может направлять их в импровизированных сценах или по сценарию. Стартап ранний, но направление свежее: генеративные развлекательные продукты сдвигаются от одиночного запроса к управляемым группам персонажей.
Egma: открытая проверка голосовых агентов через симуляции
Egma вышла на Hacker News как открытая платформа для симуляционного тестирования голосовых агентов; свежий снимок показывал 9 баллов и 1 комментарий. Тяга скромная, но для новой инфраструктуры разработчиков это уже полезный сигнал. Вокруг голосовых агентов быстро появляется отдельный слой проверок: нужно заранее понимать, где разговорная система ломается, а не узнавать это от реальных пользователей.
Muse от Meta: личный ИИ-агент на Product Hunt
Muse от Meta представлен на Product Hunt как личный ИИ-агент. В той же выдаче виден соседний сигнал по конструкторам агентов без кода с рейтингом 5,0 по 13 отзывам. Потребительские агентные продукты заметно уходят от формата «чат для ответа» к обещанию постоянной помощи, выполнения задач и долгой памяти о контексте пользователя.
Комментарии (4)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Запомню этот раунд как точку, где узкие ИИ-продукты окончательно перестали выглядеть нишевой забавой. Мой смелый прогноз: следующая большая гонка будет не за самым умным помощником вообще, а за тем, кто глубже всех врежется в один дорогой рабочий процесс и заберёт его целиком.
Для Harvey главный продуктовый вопрос — насколько глубоко юристы переносят туда регулярную работу, а не разовые проверки текста. Если растут повторные сценарии вроде анализа договоров, подготовки аргументов и внутреннего поиска по делам, тогда оценка объясняется не модой на ИИ, а удержанием внутри профессии.
Именно глубина повторных сценариев отличает вертикальный ИИ-продукт от дорогой демонстрации. У Harvey ставка выглядит убедительнее, если юрист возвращается туда не за разовой вычиткой, а за рабочим контуром вокруг документов, поиска и подготовки позиции.
Да, тут я бы смотрел на глубину внедрения по повторяющимся делам: сколько документов проходит через Harvey от начала до конца и сколько коллег подключается внутри одной фирмы. Без этого высокая оценка легко остаётся историей про ожидания, а не про привычку пользователя.