การระดมทุน
Model ML ระดมทุนรอบ Series B ได้ 250 ล้านดอลลาร์ ด้วยมูลค่าประเมิน 1.5 พันล้านดอลลาร์ เพื่อขยายทีม AI

ประเด็นสำคัญModel ML ระดมทุนได้ 250 ล้านดอลลาร์ที่มูลค่า 1.5 พันล้านดอลลาร์ เพื่อขยายทีม AI…
ดูเพิ่มเติม
- Model ML ระดมทุนได้ 250 ล้านดอลลาร์ที่มูลค่า 1.5 พันล้านดอลลาร์ เพื่อขยายทีม AI ในลอนดอนและนิวยอร์ก
- เอเจนต์ของบริษัททำงานบนระบบและข้อมูลของบริษัทเอง และไม่ฝึกโมเดลด้วยข้อมูลลูกค้าเลย
- Model ML จัดเส้นทางงานข้ามผู้ให้บริการต่างๆ และรายงานว่าโมเดลของบริษัทเองมีต้นทุนเพียง 2% ของระดับโมเดลชั้นแนวหน้า
Model ML ประกาศเมื่อวันที่ 17 พฤศจิกายน 2026 ว่าบริษัทระดมทุนรอบ Series B ได้ 250 ล้านดอลลาร์ ด้วยมูลค่าประเมิน 1.5 พันล้านดอลลาร์ General Atlantic และ QED Investors ร่วมเป็นผู้นำการระดมทุนรอบนี้ ซึ่งจะนำไปใช้ขยายทีมวิจัยและวิศวกรรมในลอนดอนและนิวยอร์ก เพิ่มการพัฒนาผลิตภัณฑ์ให้ลึกซึ้งยิ่งขึ้น และขยายการนำแพลตฟอร์มไปใช้งานในวงกว้างขึ้น
Evolution Equity Partners, Airtree, Forestay Capital, Y Combinator, FT Partners, Latitude, Inception Fund และ 13Books Capital เข้าร่วมลงทุนด้วย ทำให้ยอดเงินทุนรวมที่ระดมได้เพิ่มเป็น 350 ล้านดอลลาร์ การระดมทุนรอบ Series B เกิดขึ้น 18 เดือนหลังจาก Model ML เปิดตัวจากช่วงเก็บตัว และต่อเนื่องจากการระดมทุนรอบ Series A มูลค่า 75 ล้านดอลลาร์ ซึ่งนำโดย FT Partners ในเดือนพฤศจิกายน 2025
การเติบโตที่รายงานและการขยายธุรกิจสู่ต่างประเทศ
Model ML รายงานว่ารายได้ประจำต่อปีในไตรมาส 3 ของปี 2026 เติบโต 12 เท่าเมื่อเทียบกับปีก่อน ขณะที่จำนวนผู้ใช้งานประจำวันเพิ่มขึ้น 26 เท่า ตัวเลขเหล่านี้เชื่อมโยงการระดมทุนครั้งใหม่เข้ากับการใช้งานแพลตฟอร์มที่เพิ่มขึ้น และช่วยให้เห็นบริบทเพิ่มเติมของมูลค่าประเมินและแผนการขยายธุรกิจ
บริษัทเปิดสำนักงานในปารีส มาดริด โตเกียว สิงคโปร์ และดูไบในปี 2026 เพื่อช่วยให้บริการลูกค้าในภูมิภาคต่าง ๆ ได้ สำนักงานเหล่านี้เสริมการดำเนินงานจากสำนักงานใหญ่ในลอนดอนและสำนักงานในนิวยอร์กของ Model ML ทำให้บริษัทขยายเครือข่ายธุรกิจระหว่างประเทศ ขณะเดินหน้าขยายการใช้งานแพลตฟอร์มให้ครอบคลุมยิ่งขึ้น
Paul Stamas กรรมการผู้จัดการและหัวหน้าฝ่ายบริการทางการเงินระดับโลกของ General Atlantic กล่าวว่า สถาบันในภาคบริการทางการเงินและบริการวิชาชีพกำลังเปลี่ยนจากการทดลองใช้ AI ไปสู่การใช้งานในชีวิตประจำวันอย่างรวดเร็ว เขากล่าวว่าลูกค้าของ Model ML ไว้วางใจให้แพลตฟอร์มจัดการงานที่ซับซ้อนขึ้นเรื่อย ๆ แล้ว
เอเจนต์ส่วนบุคคลสำหรับงานการเงิน
สองพี่น้อง Chaz และ Arnie Englander สร้าง Model ML ขึ้นเพื่อให้บริการเอเจนต์ AI ส่วนบุคคลแก่นายธนาคาร ที่ปรึกษา และนักลงทุน เอเจนต์เหล่านี้ทำงานบนระบบและข้อมูลของบริษัท โดยดึงบริบทจากลูกค้า ธุรกรรมที่กำลังดำเนินอยู่ และรูปแบบการทำงานเฉพาะบุคคล เมื่อมีปฏิสัมพันธ์ต่อเนื่อง เอเจนต์ก็จะปรับให้เหมาะกับผู้ใช้แต่ละคนมากขึ้น
“AI ควรทำได้มากกว่าแค่ให้คำตอบหรือการแจ้งเตือนอีกอย่างหนึ่ง แต่ควรเข้าใจงานของคุณและจัดการงานให้สำเร็จ” Chaz Englander ผู้ร่วมก่อตั้งและประธานเจ้าหน้าที่บริหารของ Model ML กล่าว
Model ML ระบุว่าเอเจนต์สามารถจัดทำบทวิเคราะห์ได้ภายในไม่กี่นาที แทนที่จะใช้เวลาหลายวัน ตัวอย่างเช่น เมื่อมีพัฒนาการที่ส่งผลต่อบริษัทในรายชื่อที่นายธนาคารรับผิดชอบดูแล เอเจนต์จะประเมินความสำคัญ พิจารณาผลกระทบ และจัดทำบทวิเคราะห์ในรูปแบบเฉพาะของบริษัท แทนที่จะแจ้งเตือนเพียงอย่างเดียว
การติดตั้งใช้งานและเศรษฐศาสตร์ของโมเดล
ลูกค้าสามารถใช้งานแพลตฟอร์มภายในโครงสร้างพื้นฐานของตนเองได้ ซึ่งเป็นทางเลือกในการติดตั้งใช้งานที่ Model ML มักใช้เพื่อเก็บข้อมูลไว้ภายในสภาพแวดล้อมของลูกค้า บริษัทระบุว่าจะไม่นำข้อมูลลูกค้าไปใช้ฝึกโมเดล AI ไม่ว่าในกรณีใด Model ML ได้รับการรับรอง ISO/IEC 27001:2022 และผ่านการตรวจสอบตามมาตรฐาน SOC 2 Type II
การเลือกโมเดลทำผ่านชั้นกำหนดเส้นทาง แทนการผูกมัดกับผู้ให้บริการ AI รายใดรายหนึ่ง Model ML ประเมินโมเดลจากการทำงานด้านการเงินจริง จากนั้นมอบหมายงานตามคุณภาพ ความเร็ว และต้นทุน โมเดลโอเพนซอร์สที่บริษัทปรับแต่งเองกำลังรับภาระงานในสัดส่วนที่เพิ่มขึ้น
สำหรับงานที่โมเดลภายในเหล่านี้รับผิดชอบ บริษัทระบุว่ามีต้นทุนอยู่ที่ 2% ของโมเดลแนวหน้าของอุตสาหกรรม ทำงานเร็วกว่า 5 เท่าในกรณีส่วนใหญ่ และมีความแม่นยำเทียบเท่าหรือดีกว่าโมเดลแนวหน้าของอุตสาหกรรม ตัวเลขเหล่านี้จำเพาะกับประเภทงาน โดยกล่าวถึงงานที่มอบหมายให้โมเดลของ Model ML เอง ไม่ใช่แพลตฟอร์มทั้งหมด
การขยายธุรกิจในระยะต่อไปขึ้นอยู่กับการรักษาส่วนผสมของการควบคุมข้อมูลโดยลูกค้า ระบบอัตโนมัติที่ปรับให้เหมาะกับแต่ละบุคคล และเศรษฐศาสตร์ของโมเดลที่จำเพาะกับประเภทงานไว้ให้ได้ ขณะที่มีการนำเอเจนต์ไปใช้งานในวงกว้างขึ้น












