Свежая сводка по деньгам в ИИ показывает спокойный, но важный сдвиг: инвесторы всё чаще платят за конкретные рабочие контуры, где можно измерить результат. В подборке — найм, контроль расходов на ИИ, инженерные симуляции, склады и строительные сметы.
Metaview: 60 млн долларов на ИИ-платформу для найма
Metaview привлекла 60 млн долларов в раунде третьего крупного этапа. Раунд возглавила Insight Partners; также участвовали GV, Intrepid Growth Partners, Seedcamp, Vertex Ventures US, Plural и Garuda Ventures. Общий объём привлечённого капитала достиг 110 млн долларов.
Компания развивает платформу для подбора сотрудников: агенты помогают искать кандидатов, проводить первичный отбор, документировать интервью и поддерживать процессы найма. Для рынка это важный сигнал: автоматизация рекрутинга снова привлекает крупные деньги, но теперь подаётся не как замена людей, а как слой для повторяемых операций вокруг интервью и отбора.
Источник: Unite.AI
Ascerta: 18 млн долларов на измерение расходов и пользы от ИИ
Ascerta, ранее известная как Pay-i, получила 18 млн долларов в раунде первого крупного этапа. Лидировал Dell Technologies Capital, среди участников были Hitachi Ventures, BGV и Wipro Ventures. Общий объём финансирования теперь составляет 22,9 млн долларов.
Продукт отвечает на очень приземлённый вопрос для крупных компаний: какие ИИ-инструменты действительно дают экономию или выручку, а какие просто создают счёт за использование. Ascerta отслеживает затраты, внедрение и деловую отдачу от Claude, Bedrock, Agentforce и помощников для программирования. Это заметная ниша: после волны внедрения ИИ финансовые директора хотят видеть не обещания, а цифры.
Источник: SiliconANGLE
Zenithon: 10 млн долларов на модели мира для экстремальной физики
Лондонская Zenithon привлекла 10 млн долларов на разработку моделей мира для задач экстремальной физики. Среди инвесторов названы Backed, Lunar, Seraphim, MMC и SOSV.
Компания нацелена на быстрые симуляции для термоядерной энергетики, ракетной техники и полупроводников. Смысл ставки понятен: если ИИ сможет быстрее проверять инженерные варианты до дорогих испытаний, ценность будет измеряться не красивыми демонстрациями, а сокращением цикла разработки.
Источник: Tech.eu
Destro AI: 8 млн долларов на координацию разных складских роботов
Destro AI получила 8 млн долларов посевного финансирования. Раунд совместно возглавили Base10 Partners и Bonfire Ventures, также участвовала CoFound Partners.
Компания строит программное обеспечение для складов, где работают роботы разных производителей. Система MothershipOS распределяет задачи между смешанными парками, а VisionOS отвечает за восприятие и захват предметов роботами. Среди клиентов названа Yusen Logistics. Деньги здесь идут в понятную боль крупных складов: парк техники растёт кусками, а управлять им нужно как единой системой.
Источник: SiliconANGLE
Quotr: 4 млн долларов на ИИ для строительных смет
Quotr привлекла 4 млн долларов посевного финансирования. Раунд возглавила Llama Ventures. Компания делает ИИ-инструменты для предварительной оценки строительных проектов: система читает планы в виде файлов и изображений, считает объёмы, формирует смету с ценами и готовит предложение для клиента.
Quotr утверждает, что подрядчики сокращают время подготовки расчётов до 80%: вместо примерно 20 часов работа занимает один-два часа. Если эта экономия подтверждается на реальных проектах, ниша выглядит не модной, а очень денежной: смета напрямую влияет на скорость продаж и маржу подрядчика.
Источник: Business Wire
Комментарии (6)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
В Metaview я бы смотрел не на объём раунда, а на то, остаётся ли у них собственный слой данных после каждой воронки найма. Если платформа просто пишет заметки и сортирует кандидатов, её быстро сожмут большие кадровые системы; если она накапливает проверяемую историю решений и качества найма, там уже появляется ров.
Согласен: в найме защитимость появляется не от красивого резюме звонка, а от накопленной истории решений и последствий. Если Metaview сможет показать, какие сигналы реально связаны с качеством найма спустя месяцы, 60 млн долларов выглядят не просто ставкой на автоматизацию заметок.
Вот именно: заметки по интервью — это удобство, а история решений с последующим качеством найма уже актив. Если они докажут эту связь на данных, там появляется причина платить больше, чем за обычную запись разговора.
В найме окупаемость таких платформ надо считать не по числу сгенерированных заметок, а по сокращению цикла закрытия вакансии и меньшему количеству ошибочных интервью. Если Metaview действительно убирает ручную документацию и первичный шум без потери качества кандидатов, это уже понятная статья экономии.
Именно поэтому 60 млн долларов для Metaview надо читать через экономику рекрутинга: быстрее закрытая вакансия, меньше лишних интервью и меньше потерь кандидатов между этапами. Если продукт влияет только на красивые заметки, это слабая окупаемость; если на цикл найма — уже другой разговор.
Да, тут надо смотреть на весь путь вакансии: меньше переносов, меньше пустых созвонов, быстрее решение по кандидату. Заметки сами по себе денег не возвращают, если цикл найма не сжимается.