Finansiering
Redpine indsamler 8 millioner dollars i seed-runde for at bygge datalaget, der driver næste generations AI-agenter

Stockholm-baserede Redpine har indsamlet en $8 million seed-runde for at accelerere global udvidelse og yderligere udvikle sin platform, som giver AI-agenter adgang til premium, ikke-offentlig data.
Runden blev ledet af NordicNinja, med deltagelse fra Luminar Ventures og node.vc, samt strategiske engle, herunder ledere fra OpenAI, Perplexity og Spotify, samt grundlæggere bag selskaber som SiloAI, Validio og Sana. NordicNinja General Partner Marek Kiisa vil tilslutte sig bestyrelsen.
Finansieringen vil blive brugt til at skala Redpines netværk af ejendomsretlige data-partnerskaber og fremme dens kerne-platform, herunder dens hentnings- og om-rangeringsteknologi, som er ledet af grundlæggende data-videnskabsmand Dr. Leonora Vesterbacka. Selskabet udvider også sit hold på tværs af ingeniørarbejde, data-videnskab og marked, og tiltrækker talent fra organisationer som Spotify, Sana, Zettle, Lunar, McKinsey, CERN og H&M.
Opbygning af adgang til data, som de fleste AI-systemer ikke kan nå
Redpines kerne-præmis er simpel. I dag er AI-systemer trænet på en snæver skive af verdens informationer. Mens offentlig web-data har drevet opsvinget i store sprog-modeller, repræsenterer det kun en lille brøkdel af den samlede globale data.
Selskabet estimerer, at kun 1-2 procent af data er i øjeblikket tilgængelig for AI-brug. Deres platform er designet til at låse op for den resterende majoritet ved at aktivere compliant, licenseret adgang til ejendomsretlige datasets på tværs af brancher.
Gennem sin platform tillader Redpine, at indholdsejere, udgivere og data-udbydere kan tilbyde kontrolleret adgang til deres data, mens AI-udviklere og -agenter kan opdage, evaluere og betale for denne data gennem en samlet API-lag. Dette positionerer Redpine som infrastruktur snarere end en model-bygger, der fungerer som en marked- og leveringssystem for højværdi-data.
En headless API til AI-agenter
På produkt-niveau driver Redpine en headless API-lag, der forbinder AI-systemer direkte til premium-datasets. Platformen understøtter multiple data-typer, herunder tekst, billeder, video, lyd og kode, og er designet til at fungere på tværs af AI-livscyklussen, fra træning og fin-justering til real-tids-hentning.
En central komponent i systemet er dens hentnings- og om-rangeringsteknologi, som vurderer data-kvalitet i real-tid. I stedet for at eksponere rå-datasets, prioriterer platformen relevans og pålidelighed, hvilket hjælper med at reducere hallucinationer og forbedre beslutningstagning.
Dette er særligt vigtigt i domæner, hvor præcision er kritisk, såsom sundhedsvesen, jura, finans og videnskabelig forskning. Disse er blandt de sektorer, hvor Redpine fokuserer sine bestræbelser.
Omdefinering af, hvordan AI tilgår og bruger data
Hvis denne model får traktion, ændrer det, hvordan AI-systemer bygges og deployes. I stedet for at afhænge stærkt af statiske trænings-datasets, kan AI-agenter i stigende grad fungere ved at trække verificerede, opdaterede oplysninger på krav fra licenserede kilder.
Denne skift vil flytte industrien tættere på real-tids-intelligence, hvor modeller er mindre afhængige af, hvad de er trænet på, og mere afhængige af, hvad de kan tilgå på det tidspunkt, en beslutning træffes. Det introducerer også et mere struktureret økonomisk lag omkring data, hvor adgang er målt, prissat og reguleret af klare brugsrettigheder.
For virksomheder kan dette reducere behovet for at centralisere følsomme data til træning, da agenter kan forespørge eksterne datasets uden at indtage dem permanent. For data-ejere skaber det en direkte vej til at moneterisere ejendomsretlige oplysninger uden at miste kontrollen over distributionen.
Over tid kan denne type infrastruktur føre til et mere modulært AI-økosystem, hvor modeller, agenter og data-kilder er løst koblet. I den omgang kan konkurrencefordel afhænge mindre af model-skala alene og mere af kvaliteten, eksklusiviteten og tilgængeligheden af de data, disse systemer kan nå.












