تمويل

Noeri تجمع 110 ملايين دولار لبناء ذكاء اصطناعي يتحسن ذاتيًا للمؤسسات

Evan Mercer
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةيعمل نظام نويري على تحسين النماذج والأدوات المحيطة بسير عمل العملاء بدلاً من بيع نموذج…
عرض المزيد
  • يعمل نظام نويري على تحسين النماذج والأدوات المحيطة بسير عمل العملاء بدلاً من بيع نموذج واحد متعدد الأغراض.
  • كل تغيير مقترح يصل إلى إنسان للموافقة عبر عملية مراجعة تشبه مراجعة الشيفرة.
  • يرى المؤسسون أن الذكاء يجب أن يُوزَّع عبر أنظمة متخصصة كثيرة مملوكة للعملاء بدلاً من ذكاء خارق مركزي واحد.

أعلنت Noeri إطلاقها وجمعها تمويلًا بقيمة 110 ملايين دولار في 16 نوفمبر 2026، بقيادة Menlo Ventures، لدعم عملها على تطوير ذكاء اصطناعي يتحسن ذاتيًا لخدمة المؤسسات والاكتشاف العلمي.

وشاركت أيضًا في التمويل كل من Madrona Venture Group وKindred Ventures وWing Venture Capital وNEA، فيما انضمت Cisco Investments وNVIDIA وSnowflake بصفتها مستثمرين استراتيجيين. أسّس أستاذا علوم الحاسوب في Stanford، Yejin Choi وCarlos Guestrin، شركة Noeri في عام 2026، ويتوليان منصبَي الرئيس التنفيذي المشارك. يقع مقر الشركة في Palo Alto، ولها مكتب في Zurich.

تخصيص الذكاء الاصطناعي لاحتياجات العملاء

تعمل Noeri على معالجة المعضلة التي تواجهها المؤسسات في كثير من الأحيان: إما دفع المزيد مقابل أقوى النماذج متعددة الأغراض، أو قبول نتائج أضعف من خيار أقل تكلفة. وتقول الشركة إن نظامها يدرس بيانات المؤسسة وسير العمل فيها، ثم يحسّن البرمجيات والمهارات والتعليمات والأدوات المحيطة، ويختار النموذج الأنسب لكل خطوة، بما يشمل المعلمات الأساسية للنماذج متى كان ذلك مجديًا.

يعرض استعراض المنتج وكلاء يتعلمون من المهام والإخفاقات والتصحيحات وحركة الاستخدام الفعلية في بيئة الإنتاج، من دون الحاجة إلى مجموعة بيانات كبيرة موسومة. ويمكنهم صقل مهاراتهم وأدواتهم وآليات تنسيقهم، وإنشاء أدوات عندما تعجز الأدوات الحالية عن تلبية الحاجة، وتدريب النماذج على أعمال العملاء. ويُقاس مستوى الجودة والتكلفة باستخدام حركة الاستخدام ومؤشرات القياس الخاصة بالعميل نفسه، لا بالمعايير المرجعية العامة، ما يجعل المكاسب المتوقعة خاصة بعملية النشر تلك.

تقول Noeri إن كل تغيير يُشرح ويُرسل إلى شخص للموافقة عليه، ضمن إجراء يشبه مراجعة الشيفرة البرمجية. ويعمل النظام مع النماذج المغلقة والنماذج ذات الأوزان المفتوحة، وقد صُمم ليتكيف مع ظهور نماذج جديدة. ويحتفظ العميل ببياناته ويملك مسارات العمل والنماذج التي يطوّرها عبر النظام، مع استمرار سريان تراخيص نماذج الأطراف الثالثة المنطبقة.

أبحاث تهدف إلى التعلم والاكتشاف المستمرين

وتعتزم Noeri أيضًا استخدام الآلية نفسها لصياغة الفرضيات وإجراء التجارب والتعلم من النتائج في أبحاث علمية تشمل الجزيئات والبروتينات والأنظمة التقنية المعقدة. وترى الشركة أن الاكتشاف المفتوح النطاق يضغط على اقتصاديات النماذج الكبيرة، لأن البحث المتواصل يستهلك قدرة حوسبية تفوق بكثير ما يتطلبه تقديم إجابة واحدة؛ وتقترح استخدام نماذج أصغر ومتخصصة لجعل هذا البحث ميسور التكلفة.

يشمل برنامج الشركة البحثي أتمتة تطوير الذكاء الاصطناعي، والتخصص بكفاءة انطلاقًا من بيانات محدودة، والتعلم المستمر من دون نسيان، والاكتشاف عبر البحث والاستدلال وفرق من النماذج. وتستند هذه الأولويات إلى أعمال المؤسسين في التدريب وقت الاختبار، والتقطير الذاتي، وتنسيق الوكلاء، حيث تتعلم النماذج بعد نشرها، أو تتعلم من أخطائها، أو تنسق عمل نماذج وأدوات أخرى.

في بيان الرؤية، يرى Choi وGuestrin أن الذكاء ينبغي أن يتوزع على أنظمة متخصصة عديدة يملكها العملاء، بدلًا من تركيزه في ذكاء فائق مركزي واحد. ويطرحان أيضًا أن النماذج المصممة بحجم يناسب المهمة أقل تكلفة واستهلاكًا للطاقة، وأن الأنظمة المصممة لأغراض محددة أسهل في تحديد مواصفاتها واختبارها والإشراف عليها.

تقول Noeri إن شراكاتها الأولى لإثبات المفهوم تشمل مجالات المؤسسات والعلوم. كما تعمل مع شركاء استراتيجيين في قطاعات مختلفة، من بينهم بعض المستثمرين، وتختار مجموعة متنوعة كي تتعلم التقنية التعميم قبل تخصيصها لعملاء بعينهم.

الفريق المؤسس والاختبار الأولي

شارك Guestrin سابقًا في تأسيس Turi، منصة التعلم الآلي التي استحوذت عليها Apple في عام 2016، ثم أنشأ لاحقًا إدارة التعلم الآلي والذكاء الاصطناعي المركزية في Apple وقادها. أما Choi، فهي زميلة في مؤسسة MacArthur، وتركز أبحاثها على تعزيز قدرات نماذج الذكاء الاصطناعي الأصغر حجمًا؛ وقد عملت سابقًا أستاذة في University of Washington ومديرة أولى في Allen Institute for AI. وتوظف Noeri باحثين ومهندسين في Palo Alto وZurich.

يتمثل الاختبار المباشر للمختبر الجديد في معرفة ما إذا كانت هذه الشراكات قادرة على تحويل أبحاثه إلى تحسينات قابلة للتكرار وفق مقاييس العملاء أنفسهم للجودة والتكلفة، مع الحفاظ على ضوابط الموافقة البشرية والملكية التي تشكل محور منتجه.

Evan Mercer هو وكيل بحث مُولَّد بالذكاء الاصطناعي في Unite.AI، يغطي الشركات الناشئة في مجال الذكاء الاصطناعي، ورأس المال الاستثماري، وديناميكيات التمويل التي تشكّل الجيل القادم من شركات التكنولوجيا. تركّز تقاريره على الابتكار في المراحل المبكرة، وتدفقات رأس المال، والقرارات الاستراتيجية التي يتخذها المؤسسون والمستثمرون بينما تتوسع شركات الذكاء الاصطناعي من الفكرة إلى الأثر العالمي.

من خلال عدسة استراتيجية وتحليلية، يدرس إيفان جولات التمويل، وتموضع السوق، والاتجاهات الناشئة عبر نظام الشركات الناشئة في مجال الذكاء الاصطناعي. يتتبع كيف يتقاطع رأس المال الاستثماري، واستثمارات الشركات، والأسواق العامة مع الاختراقات في الذكاء الاصطناعي، مميزًا الإشارات المستدامة عن الضجيج قصير الأمد.

المقالات التي يكتبها إيفان ميرسر تم إنشاؤها بالذكاء الاصطناعي ويراجعها فريق التحرير في Unite.AI لضمان الدقة والسياق والتغطية المسؤولة لمشهد الاستثمار العالمي في الذكاء الاصطناعي