Gọi vốn
Noeri huy động 110 triệu USD để xây dựng AI tự cải thiện cho doanh nghiệp

Điểm chínhHệ thống của Noeri cải thiện các mô hình và công cụ xoay quanh quy trình làm việc của…
Xem thêm
- Hệ thống của Noeri cải thiện các mô hình và công cụ xoay quanh quy trình làm việc của khách hàng thay vì bán một mô hình đa dụng duy nhất.
- Mọi thay đổi được đề xuất đều đến tay con người để phê duyệt thông qua một quy trình đánh giá giống như đánh giá mã nguồn.
- Những người sáng lập lập luận rằng trí tuệ nên được phân bổ trên nhiều hệ thống chuyên biệt thuộc sở hữu của khách hàng thay vì một siêu trí tuệ tập trung duy nhất.
Ngày 16 tháng 11 năm 2026, Noeri thông báo ra mắt và huy động được 110 triệu USD, với Menlo Ventures dẫn đầu vòng gọi vốn nhằm hỗ trợ công ty phát triển AI tự cải thiện cho doanh nghiệp và phục vụ khám phá khoa học.
Madrona Venture Group, Kindred Ventures, Wing Venture Capital và NEA cũng tham gia vòng gọi vốn, còn Cisco Investments, NVIDIA và Snowflake tham gia với tư cách nhà đầu tư chiến lược. Các giáo sư khoa học máy tính của Stanford là Yejin Choi và Carlos Guestrin thành lập Noeri vào năm 2026 và giữ chức đồng CEO. Công ty có trụ sở tại Palo Alto và văn phòng ở Zurich.
Chuyên biệt hóa AI theo công việc của khách hàng
Noeri hướng đến giải quyết lựa chọn mà các doanh nghiệp thường phải đối mặt: trả nhiều tiền hơn để sử dụng mô hình đa dụng có năng lực cao nhất, hoặc chấp nhận kết quả kém hơn với một lựa chọn rẻ hơn. Công ty cho biết hệ thống của mình nghiên cứu dữ liệu và quy trình làm việc của một tổ chức, sau đó cải thiện phần mềm hỗ trợ, kỹ năng, chỉ dẫn, công cụ và lựa chọn mô hình cho từng bước, trong đó có cả các tham số nền tảng của mô hình khi việc điều chỉnh đó mang lại lợi ích.
Tổng quan sản phẩm mô tả các tác tử có thể học từ nhiệm vụ, thất bại, điều chỉnh và dữ liệu lưu lượng thực tế trong môi trường vận hành, mà không cần một tập dữ liệu lớn đã được gắn nhãn. Chúng có thể hoàn thiện kỹ năng, công cụ và cách điều phối; tạo công cụ mới khi các công cụ hiện có chưa đáp ứng được yêu cầu; đồng thời huấn luyện mô hình bằng công việc của khách hàng. Chất lượng và chi phí được đo lường dựa trên lưu lượng thực tế và các chỉ số riêng của khách hàng, thay vì các chuẩn đánh giá công khai, nhờ đó những cải thiện dự kiến sẽ phù hợp với chính môi trường triển khai đó.
Noeri cho biết mỗi thay đổi đều được giải thích và gửi cho một người phê duyệt theo quy trình tương tự như rà soát mã. Hệ thống tương thích với các mô hình đóng và mô hình có trọng số mở, đồng thời được thiết kế để thích ứng khi có mô hình mới. Khách hàng giữ quyền kiểm soát dữ liệu của mình và sở hữu các quy trình làm việc cùng mô hình được phát triển thông qua hệ thống, dù các giấy phép áp dụng cho mô hình của bên thứ ba vẫn có hiệu lực.
Nghiên cứu hướng đến học hỏi và khám phá liên tục
Noeri cũng dự định sử dụng cùng phương pháp này để hình thành giả thuyết, tiến hành thí nghiệm và học từ kết quả trong các nghiên cứu khoa học về phân tử, protein và những hệ thống kỹ thuật phức tạp. Công ty cho rằng hoạt động khám phá mở gây áp lực lên tính kinh tế của các mô hình lớn, bởi quá trình tìm kiếm kéo dài tiêu tốn nhiều năng lực tính toán hơn hẳn so với việc đưa ra một câu trả lời đơn lẻ; theo đề xuất của công ty, các mô hình chuyên biệt nhỏ hơn sẽ giúp hoạt động tìm kiếm này có chi phí phải chăng.
Định hướng nghiên cứu của công ty tập trung vào tự động hóa quá trình phát triển AI, chuyên biệt hóa hiệu quả từ lượng dữ liệu hạn chế, học liên tục mà không quên kiến thức đã có, và khám phá thông qua tìm kiếm, suy luận cùng các nhóm mô hình. Những ưu tiên này kế thừa công trình của các nhà sáng lập về huấn luyện tại thời điểm suy luận, tự chưng cất và điều phối theo kiểu tác tử, trong đó mô hình học sau khi được triển khai, học từ chính sai lầm của mình hoặc phối hợp với các mô hình và công cụ khác.
Trong tuyên bố tầm nhìn, Choi và Guestrin cho rằng trí tuệ nên được phân bổ giữa nhiều hệ thống chuyên biệt thuộc sở hữu của khách hàng, thay vì tập trung vào một siêu trí tuệ duy nhất theo mô hình tập trung. Họ cũng cho rằng các mô hình có quy mô phù hợp với từng nhiệm vụ sẽ ít tốn kém và tiêu thụ ít năng lượng hơn, còn các hệ thống được thiết kế chuyên biệt sẽ dễ xác định yêu cầu, kiểm thử và giám sát hơn.
Noeri cho biết các quan hệ hợp tác chứng minh khái niệm đầu tiên của công ty trải rộng trên lĩnh vực doanh nghiệp và khoa học. Công ty cũng đang hợp tác với các đối tác chiến lược trong nhiều ngành, trong đó có một số nhà đầu tư; Noeri lựa chọn một nhóm đa dạng để công nghệ học cách khái quát hóa trước khi được chuyên biệt hóa cho từng khách hàng.
Đội ngũ sáng lập và thử nghiệm ban đầu
Guestrin trước đây đồng sáng lập Turi, nền tảng học máy được Apple mua lại vào năm 2016, sau đó xây dựng và lãnh đạo bộ phận học máy và AI trung tâm của Apple. Choi là thành viên MacArthur Fellow, với nghiên cứu tập trung vào việc nâng cao năng lực của các mô hình AI nhỏ hơn; trước đây, bà là giáo sư tại University of Washington và giám đốc cấp cao tại Allen Institute for AI. Noeri đang tuyển dụng các nhà nghiên cứu và kỹ sư ở Palo Alto và Zurich.
Thử thách trước mắt của phòng nghiên cứu mới là chứng minh liệu những quan hệ hợp tác này có thể chuyển hóa nghiên cứu thành những cải thiện ổn định, có thể lặp lại theo các tiêu chí riêng về chất lượng và chi phí của khách hàng hay không, đồng thời vẫn duy trì các cơ chế phê duyệt của con người và quyền sở hữu vốn là trọng tâm trong sản phẩm của công ty.












