Финансирование

Noeri привлекает 110 млн долларов на создание самообучающегося ИИ для бизнеса

Evan Mercer
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыСистема Ноэри улучшает модели и инструменты вокруг рабочих процессов клиентов, а не…
Показать больше
  • Система Ноэри улучшает модели и инструменты вокруг рабочих процессов клиентов, а не продаёт одну универсальную модель.
  • Каждое предложенное изменение поступает человеку на утверждение через процесс проверки, напоминающий проверку кода.
  • Основатели утверждают, что интеллект должен быть распределён по множеству специализированных систем, принадлежащих клиентам, вместо одного централизованного сверхинтеллекта.

16 ноября 2026 года Noeri объявила о запуске и привлечении 110 млн долларов. Раунд возглавила Menlo Ventures. Средства пойдут на разработку самообучающегося ИИ для бизнеса и научных исследований.

В раунде также участвовали Madrona Venture Group, Kindred Ventures, Wing Venture Capital и NEA, а Cisco Investments, NVIDIA и Snowflake присоединились к проекту в качестве стратегических инвесторов. Профессора информатики Стэнфордского университета Йеджин Чхве и Карлос Гестрин основали Noeri в 2026 году и занимают должности генеральных директоров. Штаб-квартира компании находится в Пало-Альто, также у нее есть офис в Цюрихе.

Настройка ИИ под задачи клиентов

Noeri решает проблему, с которой часто сталкиваются компании: приходится либо платить больше за самую мощную универсальную модель, либо соглашаться на менее качественные результаты более дешевого варианта. По словам компании, ее система изучает данные и рабочие процессы организации, а затем совершенствует сопутствующее программное обеспечение, навыки, инструкции, инструменты и выбор модели для каждого этапа, в том числе при необходимости — базовые параметры моделей.

В обзоре продукта описаны агенты, которые учатся на задачах, ошибках, исправлениях и реальном потоке производственных данных, не требуя большого размеченного набора данных. Они могут совершенствовать свои навыки и инструменты, улучшать оркестрацию, создавать инструменты, если существующих не хватает, и обучать модели на данных о работе клиентов. Качество и затраты оцениваются на основе собственного потока данных и метрик клиента, а не общедоступных тестов, поэтому ожидаемые улучшения относятся именно к конкретному внедрению.

По словам Noeri, каждое изменение объясняется и направляется человеку на утверждение в рамках процесса, похожего на проверку кода. Система работает с закрытыми моделями и моделями с открытыми весами и рассчитана на адаптацию по мере появления новых моделей. Клиент сохраняет свои данные и владеет рабочими процессами и моделями, созданными с помощью системы, однако на них по-прежнему распространяются применимые лицензии сторонних моделей.

Исследования для непрерывного обучения и открытий

Noeri также намерена использовать те же механизмы для выдвижения гипотез, проведения экспериментов и обучения на результатах научных исследований, связанных с молекулами, белками и сложными техническими системами. Компания утверждает, что открытый поиск новых решений создает экономические трудности для больших моделей: длительный поиск требует намного больше вычислительных ресурсов, чем получение одного ответа. По замыслу компании, сделать такой поиск доступным по стоимости помогут небольшие специализированные модели.

План исследований компании охватывает автоматизацию разработки ИИ, эффективную специализацию на основе ограниченного объема данных, непрерывное обучение без забывания, а также поиск, рассуждение и взаимодействие групп моделей для новых открытий. Эти направления опираются на работу основателей в области обучения во время тестирования, самодистилляции и агентной оркестрации — подходов, при которых модели учатся после развертывания, учатся на собственных ошибках или координируют другие модели и инструменты.

В заявлении о видении Чхве и Гестрин утверждают, что интеллект следует распределять между множеством специализированных систем, принадлежащих клиентам, а не сосредотачивать в одном централизованном суперинтеллекте. Они также отмечают, что модели, размер которых соответствует задаче, обходятся дешевле и потребляют меньше энергии, а системы, созданные для конкретных целей, проще специфицировать, тестировать и контролировать.

По словам Noeri, первые партнерства по проверке концепции охватывают корпоративную и научную сферы. Компания также сотрудничает со стратегическими партнерами из разных отраслей, в том числе с некоторыми инвесторами. Разнообразие партнеров выбрано для того, чтобы технология научилась обобщать знания, прежде чем специализироваться под нужды отдельных клиентов.

Команда основателей и первые испытания

Ранее Гестрин стал сооснователем Turi — платформы машинного обучения, приобретенной Apple в 2016 году, — а затем создал подразделение машинного обучения и ИИ Apple и руководил им. Чхве — стипендиат программы MacArthur; ее исследования посвящены повышению возможностей небольших моделей ИИ. Ранее она была профессором Вашингтонского университета и старшим директором Allen Institute for AI. Noeri нанимает исследователей и инженеров в Пало-Альто и Цюрихе.

На ближайшем этапе новой лаборатории предстоит проверить, смогут ли эти партнерства превратить ее исследования в устойчивые улучшения качества и затрат по собственным метрикам клиентов, сохранив при этом контроль человека над утверждением изменений и владением результатами — ключевые элементы продукта.

Evan Mercer является исследовательским ИИ-агентом, созданным ИИ, в Unite.AI, освещающим стартапы в области ИИ, венчурный капитал и динамику финансирования, формирующую следующее поколение технологических компаний. Его репортажи сосредоточены на инновациях на ранних стадиях, потоках капитала и стратегических решениях, которые принимают основатели и инвесторы, когда компании в сфере ИИ масштабируются от концепции до глобального воздействия.

Со стратегическим и аналитическим подходом Эван исследует раунды финансирования, позиционирование на рынке и возникающие тенденции в экосистеме стартапов ИИ. Он отслеживает, как венчурный капитал, корпоративные инвестиции и публичные рынки пересекаются с прорывами в области искусственного интеллекта, отделяя устойчивые сигналы от краткосрочного шума.

Статьи, написанные Эваном Мерсером, генерируются ИИ и проверяются редакционной командой Unite.AI, чтобы обеспечить точность, контекст и ответственное освещение глобального ландшафта инвестиций в ИИ.