Applied Compute нацеливается на оценку в 3 миллиарда долларов по мере роста спроса на открытые модели

Калифорнийская компания Applied Compute, которая помогает фирмам разрабатывать, развертывать и улучшать модели ИИ с открытым весом, как сообщается, ведет переговоры с инвесторами для привлечения финансирования на сумму около $3 миллиарда, согласно отчету The Information.

Если эта сумма будет привлечена, это более чем удвоит ее предыдущую оценку в 1,3 миллиарда долларов в рамках раунда финансирования, раскрытого всего четыре месяца назад, что демонстрирует изменение восприятия инвесторами в отношении инфраструктуры ИИ.

Это указывает на более широкое изменение в отрасли ИИ. С развитием открытых моделей компании постоянно ищут системы, которые они могут персонализировать для своего использования и контролировать, что приводит к растущему спросу на инфраструктуру, способную обучать, развертывать и улучшать эти модели.

Hugging Face, ведущая платформа для открытых моделей, заявила, что в 2025 году ее платформа достигла 13 миллионов пользователей и имеет более 2 миллионов публичных моделей, что служит доказательством развития экосистемы открытого исходного кода в сфере ИИ.

Удвоение с раунда серии B на $1.3 миллиарда

Applied Compute сообщила о раунде финансирования в 80 миллионов долларов в апреле, при этом Kleiner Perkins выступил основным инвестором при пост-денежной оценке в 1,3 миллиарда долларов, что увеличило общее финансирование компании до 160 миллионов долларов.

В новом раунде цифра в 3 миллиарда долларов оценивает компанию примерно в 2,3 раза выше этого уровня в течение нескольких месяцев. Финансирование все еще открыто, поэтому эта оценка может измениться.

Предлагаемая сумма также резко контрастирует с данными о финансировании от Epoch AI. Mistral AI, один из ведущих разработчиков открытых моделей, привлек 3 миллиарда долларов акционерного капитала по состоянию на сентябрь 2025 года при оценке в 13,7 миллиарда долларов согласно данным Epoch.

В отличие от этого, Applied Compute на данный момент привлекла около 160 миллионов долларов, что означает, что ее оценочная стоимость в 3 миллиарда долларов основана на значительно меньшем финансировании по сравнению с Mistral. Эти компании нельзя сравнивать напрямую, поскольку Mistral создает базовые модели, а Applied Compute предоставляет необходимую инфраструктуру, однако такое различие показывает уровень важности, который инвесторы придают инфраструктуре для моделей открытого исходного кода.

Последний раунд финансирования Mistral был почти в 25 раз больше общего финансирования, полученного Applied Compute, и имел оценку примерно в 4,6 раза выше, чем у Applied Compute. Это дает понимание роста оценки Applied Compute без необходимости полагаться на неопределенные прогнозы доходов.

Что именно продает Applied Compute

Applied Compute описывает свою платформу как облако для обучения, вывода и непрерывного улучшения открытых моделей. Ее Agent Cloud, или AC2, позволяет предприятиям обучать модели на основе собственных данных и рабочих процессов, а затем развертывать их в производстве.

Его основная идея заключается в связывании обучения моделей с развертыванием агентов. В отличие от традиционной практики разделения обучения и развертывания, Applied Compute позволяет организациям сохранять свою инфраструктуру агентов неизменной и развертывать альтернативную обученную модель, соответствующую их потребностям.

"Харнес (harness) может оставаться там, где он уже работает." — Винжай Валь, Applied Compute

Платформа использует производственные трассы, корпоративный контекст и обучение с подкреплением для улучшения специализированных моделей. Это может стать все более ценным по мере того, как компании выходят за рамки универсальных ИИ-ассистентов.

Исследования Applied Compute иллюстрируют этот подход. В недавнем эксперименте она обучила маршрутизатор распределять задачи по разработке программного обеспечения между NVIDIA Nemotron 3 Ultra, GPT-5.5 и Claude Opus 4.7. Компания заявила, что маршрутизатор достиг производительности уровня GPT-5.5 при примерно на 25% более низкой стоимости, сохраняя при этом большую часть преимуществ стратегии оракула.

Стратегия рассматривает модели ИИ как взаимозаменяемые компоненты. Вместо того чтобы отправлять каждую задачу на самую мощную модель, предприятия могут балансировать между возможностями и стоимостью.

Это становится более актуальным по мере того, как открытые модели сокращают разрыв с проприетарными системами. Cryptopolitan ранее освещал соревнование Kimi K3 с OpenAI и Anthropic, показывая, как китайские модели с открытым весом все чаще бросают вызов американским системам по возможностям и цене.

Почему время благоприятствует ставке на открытые модели

Обсуждения финансирования Applied Compute происходят на фоне сдвига расходов на инфраструктуру ИИ в сторону производственных рабочих нагрузок. Gartner ожидает, что вывод (inference) составит 55% расходов на инфраструктуру как услугу (IaaS), оптимизированную для ИИ, в 2026 году, по мере того как ИИ переходит к более реальным приложениям.

Эта тенденция соответствует модели Applied Compute. Компания не просто продает вычислительные мощности для обучения; она создает инфраструктуру, предназначенную для постоянного улучшения моделей после развертывания.

Рост Hugging Face предлагает еще один признак расширяющегося рынка. Его платформа достигла 13 миллионов пользователей и более 2 миллионов публичных моделей в 2025 году, поскольку разработчики все чаще создают дообученные модели и приложения на существующих системах.

Для предприятий модели с открытым весом также предлагают больший контроль. Компании могут настраивать их под свои проприетарные рабочие процессы и развертывать их, сохраняя больший контроль над своими данными и поведением моделей.

Это дает Applied Compute потенциально выгодное положение. Если компании все больше захотят строить ИИ на основе своих собственных данных, а не просто арендовать интеллект у закрытых провайдеров, инфраструктура, связывающая модели с проприетарными рабочими нагрузками, может стать важной частью глобального рынка ИИ.

Таким образом, предлагаемая оценка в 3 миллиарда долларов — это не просто ставка на один стартап. Это ставка на то, что компании все чаще будут использовать, обучать, настраивать и постоянно улучшать модели ИИ вокруг своих собственных бизнес-процессов.