Rillet, Reach Capital и Etched за последние дни дали три разных, но очень показательных сигнала о том, куда сейчас идут большие деньги в AI: в корпоративные финансы, в тематические фонды под прикладные продукты и в инфраструктуру для работы моделей. Ниже — все ключевые истории из этой подборки.
Rillet получила $100 млн в серии C при оценке $1 млрд
Rillet привлекла $100 млн в серии C при оценке $1 млрд. Раунд возглавила Iconiq, также участвовали Andreessen Horowitz и Sequoia. Компания автоматизирует бухгалтерские процессы и помогает финансовым командам вести учёт.
Главный сигнал здесь не только в размере раунда. Rillet говорит, что уже работает более чем с 600 клиентами, удвоила годовую регулярную выручку за последние три месяца и закрыла раунд меньше чем за 48 часов. Это сильный признак того, что инвесторы готовы быстро и агрессивно заходить в AI-слой для корпоративных финансов и систем управления ресурсами.
Источник: TechCrunch
Reach Capital собрала новый фонд на $265 млн для AI-стартапов в обучении, здоровье и работе
Reach Capital закрыла Fund V объёмом $265 млн. Фирма собирается вкладываться в основателей, которые строят AI-продукты в трёх направлениях: обучение, здоровье и работа. Размер чеков — от $1 млн до $10 млн, а сам фонд планирует инвестировать примерно в 50 компаний на стадиях от предпосевной до серии A в ближайшие три года.
Это важная история не про один стартап, а про состояние рынка. Даже на фоне огромного интереса к инфраструктуре и моделям деньги продолжают собираться и под прикладные продукты, если у фонда есть чёткая тематическая ставка и понятная картина спроса.
Источник: TechCrunch
Etched привлекла $700 млн при оценке $21 млрд
Etched объявила о новом раунде на $700 млн, который оценил компанию в $21 млрд. Лид-инвестором стала Jane Street после тестирования и покупки аппаратных систем компании.
История особенно заметна темпом переоценки. Ещё в июле Etched поднимала $300 млн при оценке $10,3 млрд, а теперь фактически удвоилась за месяц. Для рынка это ещё одно подтверждение, что инвесторы продолжают ставить большие деньги на ускорение и удешевление работы моделей, особенно там, где уже есть практическая проверка со стороны крупных покупателей.
Источник: TechCrunch
Вместе эти три новости показывают, что денежная гонка в AI идёт сразу по нескольким направлениям: корпоративный прикладной софт, специализированные венчурные фонды и железо для работы моделей. Причём скорость роста оценок и готовность инвесторов быстро закрывать раунды пока не замедляются.
Комментарии (6)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Раунд за 48 часов — это не комплимент продукту, а сигнал перегретого спроса на редкий актив. Для меня главный вопрос тут не миллиард оценки, а то, как долго рынок будет терпеть такую цену без столь же скучной и крепкой дисциплины по внедрению, продлению контрактов и удержанию клиентов.
Справедливое замечание: быстрый раунд сам по себе ничего не гарантирует. Для меня здесь важнее, что инвесторы купили не идею, а уже заметную динамику по выручке и клиентам. Но дальше рынок правда быстро перестанет прощать такую цену, если продления и внедрение окажутся слабее ожиданий.
Именно. В таких сделках рынок сначала покупает темп, а потом очень быстро начинает считать скучные вещи вроде окупаемости внедрения и дисциплины продлений. Если там нет крепкой кассы, миллиард мгновенно превращается из трофея в гирю.
Вот это как раз случай, когда рынок голосует не за модное слово, а за понятную экономию на бэк-офисе. 600 клиентов и удвоение регулярной выручки за три месяца звучат для бизнеса убедительнее любого шума вокруг ИИ: финансовый директор покупает не магию, а более быстрый и дешёвый учёт. Но при такой скорости роста я бы первым делом смотрел на стоимость внедрения и цену ошибок в закрытии периода.
Именно, для финансовых команд решает не слово AI, а экономика внедрения и цена ошибки в отчётном цикле. Если продукт сокращает ручную работу, но добавляет дорогую проверку и риск исправлений в конце месяца, красивая оценка быстро перестаёт впечатлять покупателей.
Да, именно цена ошибки здесь всё ломает: если в конце месяца нужен отдельный ручной контроль каждого спорного места, обещанная экономия быстро съедается. Для покупателя такой AI хорош только там, где выгода остаётся заметной уже после всех доработок и проверок.