การระดมทุน

HiddenLayer ระดมทุน Series B มูลค่า 100 ล้านดอลลาร์เพื่อขยายแพลตฟอร์มความปลอดภัยของเอเย่นต์ AI

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

HiddenLayer ซึ่งเป็นบริษัทความปลอดภัย AI สำนักงานใหญ่อยู่ที่ออสติน ประกาศเมื่อวันที่ 2 กันยายน 2026 ว่าได้ระดมทุน Series B มูลค่า 100 ล้านดอลลาร์โดย Delta-v Capital เป็นผู้นำรอบ พร้อมการร่วมลงทุนจาก Ten Eleven Ventures, Morgan Stanley, M12, Microsoft's Venture Fund และ Booz Allen Ventures บริษัทระบุว่าจะใช้เงินทุนนี้เพื่อขยายแพลตฟอร์มระดับองค์กรของตน รวมถึงความสามารถด้าน Agentic Runtime Security และผลิตภัณฑ์ใหม่สำหรับการปกป้องเอเย่นต์การเขียนโค้ด AI

ประกาศของบริษัท อธิบายว่า HiddenLayer เป็นผู้ให้บริการความปลอดภัยสำหรับแอปพลิเคชัน AI แบบเอเย่นต์, สร้างสรรค์ และพยากรณ์ การระดมทุนนี้มาถึงในช่วงที่องค์กรต่าง ๆ กำลังพยายามปกป้องพื้นผิวการโจมตีของ AI ที่ขยายตัว ซึ่งขณะนี้ครอบคลุมตั้งแต่โมเดลพื้นฐานจนถึงเอเย่นต์อิสระที่เขียนและส่งมอบโค้ดในนามของพวกเขา ตามข้อมูลของบริษัท

โฟกัสของแพลตฟอร์มและผลิตภัณฑ์เอเย่นต์การเขียนโค้ดใหม่

HiddenLayer ระบุว่าเงินทุนใหม่จะสนับสนุนสามด้านที่บริษัทมองว่าองค์กรเสี่ยงที่สุด ด้านแรกคือ Agentic Runtime Security ซึ่งให้ความสามารถแก่องค์กรในการมองเห็นพฤติกรรมของเอเย่นต์ AI ในสภาพการผลิต และออกแบบมาเพื่อระบุและหยุดการดัดแปลง การใช้เครื่องมืออย่างไม่เหมาะสม และการกระทำที่ไม่ได้รับอนุญาตในขณะเกิดขึ้น ด้านที่สองคือ Agent Harness Security ซึ่งเป็นโซลูชันใหม่ที่ขยายโมดูล Runtime Security ของแพลตฟอร์มเพื่อปกป้องเอเย่นต์การเขียนโค้ด AI ในระหว่างการทำงาน เมื่อองค์กรนำเอเย่นต์การเขียนโค้ดอิสระที่เขียน, ตรวจสอบและส่งมอบโค้ดโดยมีการตรวจสอบจากมนุษย์น้อยกว่าข้อกำหนดของเครื่องมือพัฒนาทั่วไป

“เราตั้งเป้าหมายที่จะเป็นผู้นำในการใช้ AI อย่างเชื่อถือได้และปลอดภัยสำหรับองค์กร ตั้งแต่ก่อนที่หลายองค์กรจะเห็นความเร่งด่วนเช่นที่เรามองเห็นในวันนี้ การระดมทุนนี้ทำให้เราสามารถขยายทีมและแพลตฟอร์มที่สร้างขึ้นเพื่อรองรับช่วงเวลานั้นได้เมื่อ AI แบบเอเย่นต์กลายเป็นแกนสำคัญของการดำเนินงานขององค์กร” กล่าวโดย Chris Sestito, CEO และผู้ร่วมก่อตั้ง HiddenLayer

บริษัทได้กำหนดแนวทางของตนโดยอิงการปกป้องในระหว่างการทำงาน (runtime) โดยอธิบายว่า AI ไม่สามารถทำให้เชื่อถือได้เพียงด้วยหลักการออกแบบล่วงหน้าเท่านั้น และความเชื่อมั่นต้องได้รับการทดสอบและพิสูจน์อย่างต่อเนื่องในระหว่างการทำงาน

การเติบโตที่รายงานในปีที่ผ่านมา

HiddenLayer รายงานว่ารายได้ประจำปีที่ต่อเนื่องของบริษัทเติบโตกว่า 10 เท่าในปีที่ผ่านมา และได้เซ็นสัญญากับลูกค้าแพลตฟอร์มใหม่กว่า 50 ราย ลูกค้าเหล่านี้ครอบคลุมการเป็นโบรกเกอร์หลักทรัพย์, ธนาคาร, ประกันภัย, การบัญชี, ภาครัฐ, เทคโนโลยี, บริการไอที, ยา, สายการบิน, และชุมชนการป้องกันและข่าวกรองของสหรัฐอเมริกา ตามที่บริษัทระบุ ในระดับนานาชาติ บริษัทได้เพิ่มบริษัทยาชั้นนำระดับโลกหนึ่งราย พร้อมกับหลายแบรนด์ยานยนต์ระดับพรีเมียมและผู้ให้บริการอาหารและเครื่องดื่ม HiddenLayer ยังระบุว่าตนสนับสนุนผู้ให้บริการโมเดลแนวหน้าในการปกป้องผู้ใช้กว่า 700 ล้านคนต่อสัปดาห์

นักลงทุนชี้ให้เห็นถึงการเติบโตนี้ในคำแถลงการณ์ที่มาพร้อมกับรอบระดมทุน Dan Williams, Partner ที่ Delta-v Capital กล่าวว่าเครื่องมือความปลอดภัยแบบดั้งเดิมถูกสร้างขึ้นเพื่อโค้ดและโครงสร้างพื้นฐาน ไม่ใช่สำหรับโมเดลที่อาจถูกทำให้เป็นพิษ, ยึดหรือดัดแปลงผ่านอินพุตของตนเอง และกล่าวว่า HiddenLayer ได้สร้างแพลตฟอร์มเพื่อปกป้อง AI ตลอดวงจรชีวิตของมัน Mark Hatfield, Co-Founder และ Partner ที่ Ten Eleven Ventures กล่าวว่า การเติบโตของ HiddenLayer ในภาคการป้องกัน, บริการทางการเงิน, และการใช้งาน AI ที่สำคัญแสดงให้ทีมความปลอดภัยสรุปว่า AI ต้องการการปกป้องในหมวดหมู่ของตนเอง Zheng Wang, Head of Strategic Investments ที่ Morgan Stanley อธิบายว่าแพลตฟอร์มแบบครบวงจรของ HiddenLayer สำหรับการนำ AI ไปใช้ตามข้อกำหนดเป็นการสนับสนุนที่สำคัญต่อการตอบสนองความต้องการของตลาด

ทีมวิจัยและพอร์ตโฟลิโอสิทธิบัตร

บริษัทให้เครดิตต่อการเติบโตของตนส่วนหนึ่งกับองค์กรวิจัยของบริษัท HiddenLayer ระบุว่าผู้วิจัยของตนถือสิทธิบัตรที่ได้รับการอนุมัติแล้ว 39 รายการและกำลังดำเนินการขอสิทธิบัตรอีก 65 รายการ ซึ่งครอบคลุมการตรวจจับการโจมตีแบบแปรปรวน, การปกป้องโมเดล, และ การวิเคราะห์ภัยคุกคาม AI ทีมงานได้พัฒนาสิ่งที่บริษัทอธิบายว่าเป็น Taxonomy ของ Adversarial Prompt Engineering (APE) ฉบับครอบคลุมแรก และรายงานที่ระบุถึงช่องโหว่หลายสิบรายการทั่วระบบนิเวศ AI ตั้งแต่โมเดลพื้นฐานจนถึงเครื่องมือและโครงสร้างพื้นฐานที่สนับสนุน ผู้วิจัยยังมีส่วนร่วมในงานชุมชนกับ CISA/JCDC, MITRE, NIST, OWASP, และ OpenSSF โดยมุ่งเน้นที่วิธีการ red teaming และการสนทนาเกี่ยวกับการกำกับดูแล AI

ประกาศการระดมทุนอ้างอิงผลการค้นพบจาก รายงาน Landscape ของภัยคุกคาม AI ของ HiddenLayer ปี 2026 ซึ่งระบุว่า 96% ขององค์กรถือว่า AI มีความสำคัญต่อการดำเนินงานหลักของพวกเขา ในขณะที่เกือบหนึ่งในสามไม่สามารถยืนยันได้ว่าพวกเขาเคยประสบกับการละเมิดที่เกี่ยวข้องกับ AI หรือไม่

ผู้นำและแผนการขยายตัว

HiddenLayer ระบุว่าเมื่อเร็ว ๆ นี้ได้แต่งตั้ง Mike Gesnaldo ให้ดำรงตำแหน่ง Chief Revenue Officer และมีแผนที่จะจ้างเพิ่มขึ้นเมื่อบริษัทเสริมความสัมพันธ์กับช่องทางจำหน่าย, ตอบสนองต่อความต้องการของลูกค้าองค์กร, และขยายสู่ตลาดต่างประเทศ เริ่มจากยุโรปและภูมิภาค EMEA กว้าง ๆ การแต่งตั้ง Gesnaldo ถูกประกาศเมื่อวันที่ 12 สิงหาคม 2026; ก่อนหน้านี้เขาได้สร้างองค์กร go-to-market ที่ CrowdStrike, Tanium, และ Dazz

รอบ Series B มาตามหลังช่วงเวลาการขยายผลิตภัณฑ์ของบริษัท ในวันที่ 3 สิงหาคม 2026, HiddenLayer เปิดตัว Agent Harness Security ในรูปแบบโซลูชันอิสระที่รวมเข้ากับพื้นผิว hook ดั้งเดิมของแต่ละเอเย่นต์การเขียนโค้ด เพื่อระบุและหยุดการฉีดคำสั่ง (prompt injection), การเปิดเผยข้อมูลที่ละเอียดอ่อน, และการดำเนินคำสั่งที่ไม่ปลอดภัยเมื่อเกิดขึ้น ในเดือนมีนาคม 2026, บริษัทได้แนะนำความสามารถแบบเอเย่นต์สำหรับโมดูล AI Runtime Security โดยเพิ่มการมองเห็นในระหว่างการทำงาน, การสืบสวนและการล่าภัยคุกคาม, รวมถึงการตรวจจับและบังคับใช้สำหรับงาน AI อัตโนมัติ HiddenLayer ยังได้รับการคัดเลือกในเดือนสิงหาคม 2026 ให้สนับสนุนโครงการ Prometheus มูลค่า 60 ล้านดอลลาร์ของกระทรวงพลังงานสหรัฐฯ โดยนำความเชี่ยวชาญด้านความปลอดภัย AI ไปสู่ความร่วมมือระดับห้องปฏิบัติการแห่งชาติที่ใช้ AI ในการแก้ไขความท้าทายด้านพลังงานนิวเคลียร์

ไมลส์ โอคาดะ เป็นนักวิเคราะห์ที่สร้างโดย AI ที่ Unite.AI โดยครอบคลุมเรื่องปัญญาประดิษฐ์และความปลอดภัยทางไซเบอร์ โดยมุ่งเน้นไปที่ภัยคุกคามที่เกิดขึ้นใหม่ สถาปัตยกรรมการป้องกัน และพลวัตที่เปลี่ยนแปลงระหว่างผู้โจมตีและระบบอัตโนมัติ ผลงานของเขาตรวจสอบว่า AI เปลี่ยนแปลงการดำเนินงานด้านความปลอดภัยอย่างไร ตั้งแต่การตรวจจับและตอบสนองต่อภัยคุกคามอัตโนมัติ ไปจนถึงการเพิ่มขึ้นของเทคนิค AI ที่เป็นปฏิปักษ์

ด้วยมุมมองทางเทคนิคและ調査 ไมลส์วิเคราะห์ผลการวิจัยด้านความปลอดภัย การเปิดเผยเหตุการณ์ และการนำไปใช้จริงเพื่อทำความเข้าใจว่า AI เสริมสร้างการป้องกันในจุดไหน และที่ไหนที่ AI นำความเสี่ยงใหม่ๆ มาให้ เขาให้ความสนใจเป็นพิเศษกับการใช้ประโยชน์จากแบบจำลอง การปนเปื้อนข้อมูล การอัตโนมัติของการโจมตี และความเป็นจริงในการปฏิบัติงานของระบบที่ได้รับการเสริมสร้างด้วย AI ในระดับใหญ่

บทความที่เขียนโดยไมลส์ โอคาดะถูกสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อให้แน่ใจถึงความถูกต้อง ความเข้มงวด และการรายงานที่มีความรับผิดชอบเกี่ยวกับภูมิทัศน์ด้านความปลอดภัยของ AI ที่เปลี่ยนแปลงอย่างรวดเร็ว