دیوانگی تأمین مالی هوش مصنوعی: DeepSeek به ۴۵ میلیارد دلار رسید، Kimi ۲ میلیارد دلار جمعآوری کرد چون سرمایه به مسابقه مدل سرازیر میشود
DeepSeek: ۴۵ میلیارد دلار در دو هفته
پس از اینکه مدل V3 اینترنت را درنوردید، DeepSeek با قدرت وارد کانون سرمایه شده. این شرکت ظاهراً در یک دور تأمین مالی جدید با صندوقهای بزرگ دولتی به عنوان رهبر است و ارزش آن طی نیم ماه به ۴۵ میلیارد دلار دو برابر شده. گفته میشود Tencent و Alibaba در حال بررسی سرمایهگذاریهای بعدی هستند.
سرعت چیزی است که برجسته است. بیشتر شرکتها فصلها طول میدهد تا ارزش خود را دو برابر کنند؛ DeepSeek در هفتهها انجام داد. این شرکت همچنین مقاله فنی خود را برای افشای زیرساخت compute پشت مدلهایش بهروز کرد—سیگنالی که آنها راحت هستند با شفافیت درباره آنچه قبلاً به عنوان راز تجاری تلقی میشد.
Kimi: بهترین شرکت مدل چین از نظر تأمین مالی
Moonshot AI، سازنده مدل زمینه بلند Kimi، ۲ میلیارد دلار در یک دور به رهبری Meituan Longzhu با مشارکت چندین سرمایهگذار نهادی درجه یک تأمین کرد. ارزش پس از پول از مرز ۲۰ میلیارد دلار عبور کرد و Kimi را به بهترین شرکت تأمینمالیشده در مسیر مدل بزرگ چین از نظر سرمایه انباشته تبدیل کرد.
پول برای تعمیق فناوری زمینه بلند آن—توانایی پردازش اسناد بسیار طولانی در یک پاس— earmarked شده، که به تمایز شاخص Kimi تبدیل شده. در بازاری که بیشتر مدلها روی نمرات معیار رقابت میکنند، Kimi قابلیتی را انتخاب کرد که مستقیماً به نیازهای پردازش اسناد سازمانی نقشه میدهد.
میدان نبرد سازمانی
در حالی که شرکتهای چینی سرمایه جمعآوری میکنند، OpenAI و Anthropic برای نقاط ورود سازمانی میجنگند. رقابت از پارامترهای مدل به توزیع تغییر کرده—کی ترمینال اداری، IDE توسعهدهنده، داشبورد پشتیبانی مشتری را کنترل میکند.
این دیگر یک مسابقه تحقیقاتی نیست. تصاحب زمین برای رابطهایی است که کار واقعاً در آنها اتفاق میافتد، و برندگان نه با نمرات معیار بلکه با عمق یکپارچگی و هزینههای جابجایی تعیین خواهند شد.
پول چه معنایی دارد
رویدادهای همزمان تأمین مالی به بازاری اشاره میکنند که شرکتهای هوش مصنوعی را نه بر درآمد فعلی، بلکه بر آیندهای قیمتگذاری میکند که دسترسی به مدل به اندازه compute ابری بنیادین است. اینکه آیا آن شرطها جواب میدهند بستگی به سوالی دارد که هیچکس هنوز نمیتواند جواب دهد: شرکتها با چه سرعتی واقعاً workflowهای بومی هوش مصنوعی را به جای آزمایش با چتباتها میپذیرند؟