Finansiering

Noeri henter 110 millioner dollar for å utvikle selvforbedrende KI for virksomheter

Evan Mercer
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterNoeris system forbedrer modeller og verktøy rundt kundearbeidsflyter i stedet for å…
Vis mer
  • Noeris system forbedrer modeller og verktøy rundt kundearbeidsflyter i stedet for å selge én generell modell.
  • Hver foreslått endring når et menneske for godkjenning gjennom en gjennomgangsprosess som ligner kodegjennomgang.
  • Grunnleggerne hevder at intelligens bør fordeles på mange spesialiserte kundeeide systemer i stedet for én sentralisert superintelligens.

Noeri kunngjorde lanseringen og en finansiering på 110 millioner dollar 16. november 2026. Menlo Ventures ledet finansieringsrunden, som skal støtte selskapets arbeid med selvforbedrende KI for virksomheter og vitenskapelige oppdagelser.

Madrona Venture Group, Kindred Ventures, Wing Venture Capital og NEA deltok også, mens Cisco Investments, NVIDIA og Snowflake gikk inn som strategiske investorer. Stanford-professorene i informatikk Yejin Choi og Carlos Guestrin grunnla Noeri i 2026 og er selskapets administrerende direktører. Selskapet har hovedkontor i Palo Alto og et kontor i Zürich.

KI tilpasset kundenes arbeid

Noeri tar tak i et valg virksomheter ofte står overfor: å betale mer for den mest kapable generellmodellen eller godta svakere resultater fra et billigere alternativ. Selskapet sier at systemet analyserer en organisasjons data og arbeidsflyter, og deretter forbedrer den tilhørende programvaren, ferdighetene, instruksjonene, verktøyene og modellvalget for hvert trinn. Dette omfatter også de underliggende parameterne i modellene når det er hensiktsmessig.

Produktoversikten beskriver agenter som lærer av oppgaver, feil, korrigeringer og faktisk trafikk i produksjon, uten at det kreves et stort merket datasett. De kan videreutvikle ferdighetene og verktøyene sine og forbedre orkestreringen, lage verktøy når de eksisterende ikke strekker til, og trene modeller på kundenes arbeid. Kvalitet og kostnader måles ut fra kundens egen trafikk og egne måleverdier, ikke offentlige referansetester. Dermed er de foreslåtte forbedringene spesifikke for den aktuelle utrullingen.

Noeri sier at hver endring forklares og sendes til en person for godkjenning gjennom en prosess som ligner kodegjennomgang. Systemet fungerer med både lukkede modeller og modeller med åpne vekter, og er utviklet for å tilpasse seg etter hvert som nye modeller blir tilgjengelige. Kunden beholder dataene sine og eier arbeidsflytene og modellene som utvikles gjennom systemet, men aktuelle tredjepartslisenser for modellene gjelder fortsatt.

Forskning på kontinuerlig læring og oppdagelser

Noeri har også til hensikt å bruke den samme teknologien til å utvikle hypoteser, gjennomføre eksperimenter og lære av resultatene i vitenskapelig arbeid med molekyler, proteiner og komplekse tekniske systemer. Selskapet mener at åpen utforskning setter økonomien i store modeller under press, fordi vedvarende søk krever langt mer regnekraft enn det å gi ett enkelt svar. Selskapet foreslår mindre, spesialiserte modeller for å gjøre slik utforskning økonomisk overkommelig.

Selskapets forskningsplan omfatter automatisering av KI-utvikling, effektiv spesialisering med begrensede datamengder, kontinuerlig læring uten å glemme og oppdagelser gjennom søk, resonnering og grupper av modeller. Prioriteringene bygger på grunnleggernes arbeid med trening under inferens, selv-destillering og agentbasert orkestrering, der modeller lærer etter utrulling, lærer av egne feil eller koordinerer andre modeller og verktøy.

I en visjonserklæring hevder Choi og Guestrin at intelligens bør fordeles på mange spesialiserte systemer som eies av kundene, i stedet for å samles i én sentralisert superintelligens. De fremholder også at modeller som er tilpasset en bestemt oppgave, er billigere og krever mindre energi, og at spesialbygde systemer er enklere å spesifisere, teste og føre tilsyn med.

Noeri sier at selskapets første samarbeid om konseptutprøving dekker både næringsliv og vitenskap. Selskapet samarbeider også med strategiske partnere på tvers av bransjer, blant annet enkelte investorer. Det har valgt en variert gruppe slik at teknologien lærer å generalisere før den spesialiseres for enkeltkunder.

Gründerteamet og den første testen

Guestrin var tidligere med på å grunnlegge Turi, en plattform for maskinlæring som Apple kjøpte i 2016. Senere bygget han opp og ledet Apples sentrale organisasjon for maskinlæring og KI. Choi er MacArthur-stipendiat, og forskningen hennes handler om å gjøre mindre KI-modeller mer kapable. Hun har tidligere vært professor ved University of Washington og senior direktør ved Allen Institute for AI. Noeri ansetter forskere og ingeniører i Palo Alto og Zürich.

Den umiddelbare prøven for det nye forskningsmiljøet er om samarbeidene kan omsette forskningen til gjentakbare forbedringer målt etter kundenes egne kvalitets- og kostnadsmål, samtidig som kontrollen over menneskelig godkjenning og eierskap, som står sentralt i produktet, opprettholdes.

Evan Mercer er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-oppstartsbedrifter, venturekapital og finansieringsdynamikken som former neste generasjon av teknologiselskaper. Rapporteringen hans fokuserer på tidligfaseinnovasjon, kapitalstrømmer og de strategiske beslutningene grunnleggere og investorer tar når AI-selskaper skalerer fra konsept til global påvirkning.

Med et strategisk og analytisk perspektiv undersøker Evan finansieringsrunder, markedsposisjonering og fremvoksende trender i AI-oppstartsmiljøet. Han følger hvordan venturekapital, bedriftsinvesteringer og børsnoterte markeder krysser med gjennombrudd innen kunstig intelligens, og skiller varige signaler fra kortsiktig hype.

Artiklene skrevet av Evan Mercer er AI-genererte og gjennomgås av Unite.AI sitt redaksjonelle team for å sikre nøyaktighet, kontekst og ansvarlig dekning av det globale AI-investeringslandskapet