هفته گذشته هفته دیگری از تأمین مالی‌های بزرگ در حوزه هوش مصنوعی بود. «میرندیل» (Mirendil)، توسعه‌دهنده هوش مصنوعی عاملمحور برای پژوهش و توسعه، با یک دور A یک میلیارد دلاری در صدر فهرست ایستاد و پس از آن «مرکور» (Mercor) قرار گرفت که ۷۵۰ میلیون دلار برای اتصال توسعهدهندگان هوش مصنوعی به متخصصان انسانی جذب کرد. در مجموع، اکثریت قاطع بزرگ‌ترین دورهای این هفته به هوش مصنوعی مربوط بود، هرچند نمونه‌هایی از زیست‌فناوری، فین‌تک و نرم‌افزار سازمانی هم در میان آن‌ها دیده می‌شود.
فهرست زیر بر پایه داده‌های کرانچ‌بیس و برای دورهای اعلام‌شده شرکت‌های مستقر در آمریکا در بازه ۷ تا ۱۳ نوامبر ۲۰۲۶ تنظیم شده است.
۱. میرندیل، یک میلیارد دلار، هوش مصنوعی برای پژوهش و توسعه: این استارتاپ سانفرانسیسکویی که فناوری هوش مصنوعی عاملمحور برای تحقیق و توسعه می‌سازد، یک میلیارد دلار در دور A جذب کرد. رهبری این دور را کلاینر پرکینز و کلیرلیک کپیتال بر عهده داشتند.
۲. مرکور، ۷۵۰ میلیون دلار، آموزش هوش مصنوعی با نیروی انسانی: مرکور پلتفرمی است که توسعهدهندگان هوش مصنوعی را برای آموزش و ارزیابی مدل به متخصصان انسانی وصل می‌کند. این شرکت در دور D خود ۷۵۰ میلیون دلار جذب کرد؛ دوری با حضور فهرست بلندی از سرمایه‌گذاران خطرپذیر که ارزش شرکت را ۲۰ میلیارد دلار تعیین کرد. مرکور کمتر از چهار سال پیش تأسیس شده است.
۳. توروس، ۵۰۰ میلیون دلار، زیرساخت هوش مصنوعی: توروس مستقر در سالت‌لیک‌سیتی، تولیدکننده زیرساخت توزیع‌شده برق و پردازش، تأمین مالی رشدی ۵۰۰ میلیون دلاری با رهبری مگنتار کپیتال اعلام کرد. این شرکت همچنین محصولی به نام «فاندری» (Foundry) معرفی کرد که زیرساخت ماژولار هوش مصنوعی برای پردازش استنتاج توصیف می‌شود.
۴ (مشترک). پث روباتیکس، ۳۰۰ میلیون دلار، هوش مصنوعی برای تولید: پث روباتیکس، توسعه‌دهنده فناوری هوش مصنوعی فیزیکی برای رباتیک و تولید با تخصص اولیه در جوشکاری، ۳۰۰ میلیون دلار در دور E جذب کرد. رهبری دور با جورجین بود و ارزش شرکت مستقر در کلمبوس اوهایو را ۲٫۴۵ میلیارد دلار تعیین کرد.
۴ (مشترک). لنگ‌چین، ۳۰۰ میلیون دلار، هوش مصنوعی عاملمحور: لنگ‌چین، توسعه‌دهنده پلتفرمی برای اجرا، بهبود و حاکمیت عامل‌های هوش مصنوعی، دور C خود را با ۳۰۰ میلیون دلار و ارزش ۳ میلیارد دلار بست. رهبری دور را کپیتال‌جی، بازوی سرمایه‌گذاری آلفابت، بر عهده داشت. این شرکت چهارساله در سانفرانسیسکو مستقر است.
۶. نومینال، ۲۴۰ میلیون دلار، ابزار مهندسی سخت‌افزار: نومینال، توسعه‌دهنده ابزارهای هوشمند برای مهندسی سخت‌افزار، ۲۴۰ میلیون دلار با ارزش ۳ میلیارد دلار جذب کرد. لایت‌اسپید ونچر پارتنرز و اینسایت پارتنرز رهبری دور را برای این استارتاپ آستین‌نشین بر عهده داشتند.
۷ (مشترک). ایمپرینت، ۱۳۰ میلیون دلار، فین‌تک: ایمپرینت، پلتفرم پرداخت، وفاداری و هوش مشتری برای برندها، ۱۳۰ میلیون دلار سرمایه تازه با ارزش ۱٫۹ میلیارد دلار جذب کرد. خسلا ونچرز رهبری این تأمین مالی را برای شرکت شش‌ساله مستقر در نیویورک بر عهده داشت.
۷ (مشترک). ماوریا، ۱۳۰ میلیون دلار، زیرساخت هوش مصنوعی: ماوریا، استارتاپی که بر استانداردسازی روش توسعه، ساخت و استقرار زیرساخت هوش مصنوعی تمرکز دارد، به‌طور عمومی رونمایی شد و اعلام کرد تا امروز ۱۳۰ میلیون دلار در دورهای پیش‌بذر و بذر جذب کرده است. آخرین دور آن با رهبری پارادایم، ارزش شرکت را یک میلیارد دلار تعیین کرد. بنیان‌گذاران این استارتاپ پیش‌تر در وزارت انرژی آمریکا کار می‌کردند.
۹ (مشترک). دلیکس تراپیوتیکس، ۱۰۰ میلیون دلار، زیست‌فناوری: دلیکس تراپیوتیکس که می‌گوید مواد روان‌گردان را برای ساخت درمان اختلالات روانی «مهندسی معکوس و بهینه» کرده است، دور C خود را با ۱۰۰ میلیون دلار بست. رهبری این تأمین مالی را نوآوری جانسون اند جانسون و صندوق کشف زوال عقل از اس‌وی هلث اینوستورز بر عهده داشتند. شرکت در بدفورد ماساچوست مستقر است.
۹ (مشترک). راکس، ۱۰۰ میلیون دلار، خودکارسازی فروش: راکس مستقر در سانفرانسیسکو، توسعه‌دهنده عامل درآمدزایی هوش مصنوعی برای فروش سازمانی، دور B خود را با ۱۰۰ میلیون دلار و رهبری جنرال کاتالیست و مارچ کپیتال اعلام کرد.
۹ (مشترک). داتابن‌تو، ۱۰۰ میلیون دلار، داده بازارهای مالی: داتابن‌تو، پلتفرم داده مالی، ۱۰۰ میلیون دلار در دور C با ارزش ۱٫۱ میلیارد دلار جذب کرد. رهبری دور را فیفث داون کپیتال برای شرکت سالت‌لیک‌سیتی بر عهده داشت.
الگوی مشترک این فهرست روشن است: سرمایه به سمت شرکت‌هایی می‌رود که یا زیرساخت اجرای مدل‌ها را می‌سازند (توروس، ماوریا)، یا نیروی انسانی لازم برای آموزش مدل‌ها را تأمین می‌کنند (مرکور)، یا ابزار ساختن و اداره عامل‌ها را در اختیار می‌گذارند (لنگ‌چین). شرکت‌هایی که فقط مدل می‌سازند در این فهرست جای کمتری دارند، چون سرمایه‌گذاران به‌سرعت دریافته‌اند که تمایز واقعی در لایه‌های بالاتر و پایین‌تر مدل شکل می‌گیرد.