Finansowanie
Noeri pozyskuje 110 mln dolarów na budowę samodoskonalącej się AI dla przedsiębiorstw

Kluczowe punktySystem Noeri ulepsza modele i narzędzia wokół przepływów pracy klientów, zamiast…
Zobacz więcej
- System Noeri ulepsza modele i narzędzia wokół przepływów pracy klientów, zamiast sprzedawać jeden model ogólnego przeznaczenia.
- Każda proponowana zmiana trafia do człowieka do zatwierdzenia w procesie przypominającym przegląd kodu.
- Założyciele twierdzą, że inteligencja powinna być rozproszona w wielu wyspecjalizowanych systemach należących do klientów, a nie w jednej scentralizowanej superinteligencji.
Noeri ogłosiła rozpoczęcie działalności i pozyskanie 110 mln dolarów finansowania 16 listopada 2026 r. Finansowaniu przewodził Menlo Ventures, a środki wesprą prace nad samodoskonalącą się AI dla przedsiębiorstw i odkryć naukowych.
W inwestycji uczestniczyły również Madrona Venture Group, Kindred Ventures, Wing Venture Capital i NEA, a Cisco Investments, NVIDIA i Snowflake dołączyły jako inwestorzy strategiczni. Profesorowie informatyki z Uniwersytetu Stanforda Yejin Choi i Carlos Guestrin założyli Noeri w 2026 r. i pełnią funkcje współdyrektorów generalnych. Siedziba firmy mieści się w Palo Alto, a jej biuro znajduje się w Zurychu.
Dostosowywanie AI do pracy klientów
Noeri chce rozwiązać problem wyboru, przed którym często stają przedsiębiorstwa: płacić więcej za najpotężniejszy model ogólnego przeznaczenia czy zaakceptować słabsze wyniki tańszej opcji. Firma twierdzi, że jej system analizuje dane i przepływy pracy organizacji, a następnie usprawnia powiązane z nimi oprogramowanie, umiejętności, instrukcje, narzędzia i dobór modelu na każdym etapie, w tym — gdy jest to uzasadnione — parametry bazowe modeli.
Opis produktu przedstawia agentów, którzy uczą się na podstawie zadań, niepowodzeń, korekt i rzeczywistego ruchu produkcyjnego bez konieczności korzystania z dużego, ręcznie oznaczonego zbioru danych. Mogą doskonalić swoje umiejętności, narzędzia i sposób koordynacji, tworzyć nowe narzędzia, gdy istniejące okazują się niewystarczające, oraz trenować modele na danych dotyczących pracy klientów. Jakość i koszty są mierzone na podstawie własnego ruchu i wskaźników klienta, a nie publicznych testów porównawczych, dzięki czemu przewidywane korzyści odnoszą się do konkretnego wdrożenia.
Noeri informuje, że każda zmiana jest wyjaśniana i przekazywana człowiekowi do zatwierdzenia w procesie podobnym do przeglądu kodu. System współpracuje z modelami zamkniętymi oraz modelami o otwartych wagach i został zaprojektowany tak, by dostosowywać się do pojawiania się nowych modeli. Klient zachowuje swoje dane i jest właścicielem przepływów pracy oraz modeli opracowanych za pomocą systemu, z zastrzeżeniem obowiązujących licencji na modele firm trzecich.
Badania ukierunkowane na ciągłe uczenie się i odkrycia
Noeri zamierza również wykorzystać te same mechanizmy do formułowania hipotez, przeprowadzania eksperymentów i uczenia się na podstawie wyników badań naukowych dotyczących cząsteczek, białek i złożonych systemów technicznych. Firma argumentuje, że otwarte poszukiwanie rozwiązań stanowi wyzwanie ekonomiczne dla dużych modeli, ponieważ długotrwałe poszukiwania wymagają znacznie większej mocy obliczeniowej niż udzielenie pojedynczej odpowiedzi; proponowanym sposobem na obniżenie kosztów takich poszukiwań jest wykorzystanie mniejszych, wyspecjalizowanych modeli.
Plan badań firmy obejmuje automatyzację rozwoju AI, wydajną specjalizację na podstawie ograniczonej ilości danych, ciągłe uczenie się bez zapominania oraz odkrywanie dzięki wyszukiwaniu, rozumowaniu i zespołom modeli. Priorytety te wynikają z prac założycieli nad treningiem w czasie wnioskowania, samodestylacją i orkiestracją agentową — podejściem, w którym modele uczą się po wdrożeniu, wyciągają wnioski z własnych błędów lub koordynują pracę innych modeli i narzędzi.
W deklaracji wizji Choi i Guestrin przekonują, że inteligencja powinna być rozproszona między wiele wyspecjalizowanych systemów należących do klientów, zamiast skupiać się w jednej scentralizowanej superinteligencji. Przedstawiają również modele dopasowane wielkością do zadania jako tańsze i mniej energochłonne, a systemy zaprojektowane do konkretnych celów — jako łatwiejsze do określenia, przetestowania i nadzorowania.
Jak podaje Noeri, jej pierwsze partnerstwa w ramach weryfikacji koncepcji obejmują sektory przedsiębiorstw i nauki. Firma współpracuje również z partnerami strategicznymi z różnych branż, w tym z niektórymi inwestorami. Wybrała zróżnicowaną grupę partnerów, aby technologia nauczyła się uogólniać, zanim zostanie dostosowana do potrzeb poszczególnych klientów.
Zespół założycielski i wczesny etap testów
Guestrin był wcześniej współzałożycielem Turi, platformy uczenia maszynowego przejętej przez Apple w 2016 r., a później zbudował i kierował centralną jednostką Apple ds. uczenia maszynowego i AI. Choi otrzymała stypendium MacArthur Fellowship, a jej badania koncentrują się na zwiększaniu możliwości mniejszych modeli AI; wcześniej była profesorką na University of Washington i starszą dyrektorką w Allen Institute for AI. Noeri rekrutuje badaczy i inżynierów w Palo Alto i Zurychu.
Bezpośrednim sprawdzianem dla nowego laboratorium będzie to, czy partnerstwa pozwolą przełożyć wyniki badań na powtarzalną poprawę jakości i kosztów mierzoną według własnych wskaźników klientów, przy jednoczesnym zachowaniu kontroli nad zatwierdzaniem zmian przez ludzi i własnością, stanowiących podstawę produktu.












