Nominal henter inn 240 millioner dollar i serie C-runde med en verdsettelse på 3 milliarder dollar for å utvide KI-satsingen

Nominal kunngjorde 9. november 2026 at selskapet hadde hentet inn 240 millioner dollar i en serie C-runde med en verdsettelse på 3 milliarder dollar. Lightspeed Venture Partners ledet finansieringsrunden, og Insight Partners var med på å lede den. Kapitalen skal brukes til å utvide Nominals KI-plattform for maskinvareteknikk.

Finansieringen skal støtte utviklingen av mer avanserte produkter for ingeniører og ingeniørvirksomheter, ekspansjon til nye bransjer og regioner samt strategiske oppkjøp. Lux Capital, Sequoia, General Catalyst, Founders Fund, Lockheed Martin Ventures, Salesforce Ventures og DE Shaw Ventures er blant de øvrige investorene som er nevnt i kunngjøringen.

Fra testdata til ingeniørintelligens

I et tilhørende innlegg på plattformen står det at Nominal brukte fire år på å bygge opp datainfrastrukturen, utstyrstilkoblingene og kontekstinformasjonen som plattformen er avhengig av. Selskapet startet med å hjelpe maskinvareteam med testdata: De sammenlignet forventet atferd med målte resultater, undersøkte avvik og vurderte hva de skulle gjøre videre. Det overordnede argumentet er at KI trenger tilgang til disse bevisene og denne konteksten, i stedet for å generere svar ut fra isolerte instruksjoner.

Dette fundamentet skal bidra til å løse problemet med fragmentering. Ingeniørdata finnes på tvers av instrumenter, simuleringer, filer, interne verktøy og team. Derfor kan det å tolke et uventet resultat kreve at man kobler en sensoravlesning til en maskinvarekonfigurasjon, et tidligere eksperiment og en beslutning som ble tatt flere måneder tidligere. Nominals svar er en plattform for maskinvareintelligens med fire lag, utviklet for å samle disse inndataene uten å fjerne konteksten deres.

Tilkoblet styring knytter programvaren til fysisk maskinvare og testsystemer, slik at team kan styre utstyr og hente inn data direkte fra kilden. Datainfrastrukturen gir signaler, filer, konfigurasjoner og dokumenter en felles struktur, samtidig som den bevarer hva målingene representerer, hvilke systemer som produserte dem, og hvordan de henger sammen med tidligere arbeid. Til sammen leverer disse lagene de organiserte dataene som plattformens KI-komponenter bruker.

KI-agenter bygget på etterprøvbare data

Intelligenslaget kobler modeller og agenter til ingeniørfaglig kontekst, verktøy og arbeidsflyter. Det gjør systemene i stand til å undersøke spørsmål, utføre analyser, sammenligne resultater og samle dokumentasjon som ingeniørene kan kontrollere. Nominal beskriver Nominal Analyst som sin første spesialutviklede KI-agent. Den undersøker ingeniørdata og utfører komplekse analyser, og svarene kan spores tilbake til det underliggende datagrunnlaget. Ingeniørene beholder kontrollen over beslutninger, gjennomganger og godkjenninger.

Applikasjoner for ingeniørarbeid utvider plattformen til utvikling, testing, produksjon og drift. Gjennom Nominal for Developers kan kundene koble til eksisterende verktøy og bygge egne applikasjoner, arbeidsflyter og agenter på det samme fundamentet. Plattformen kan tas i bruk i skyen og på lokal infrastruktur, i miljøer uten nettverkstilkobling og på kant-enheter.

Rapportert bruk og planer om ekspansjon

Nominal opplyser at mer enn 80 kommersielle og offentlige organisasjoner bruker plattformen, deriblant fem av de sju største forsvarsleverandørene. Brukerne kommer fra luftfart og romfart, forsvar, robotikk, energi og avansert produksjon. Dette gir selskapet et etablert grunnlag for de bredere produktene for hele livssyklusen som det planlegger å utvikle.

Denne planen strekker seg utover testanalyse. Nominal utvikler agenter og applikasjoner for verifisering av krav, planlegging, tidsplanlegging og oppfølging av maskinparkers tilstand gjennom maskiners livssyklus. Medgründer og administrerende direktør Cameron McCord sa at målet er å ta i bruk flere tiår med opparbeidet ingeniørkunnskap, samtidig som ingeniørene beholder styringen.

Finansieringen knytter Nominals vekstplaner til en krevende forutsetning: KI må nå fram til fysiske systemer, arbeide ut fra strukturerte ingeniørdata og synliggjøre grunnlaget for svarene sine. Når selskapet utvider denne tilnærmingen til flere arbeidsflyter, bransjer og regioner, blir det satt på prøve om det kan utvide plattformen og samtidig bevare sporbarheten og ingeniørenes kontroll som kreves i arbeid med store konsekvenser.