Runda zbudowana na twierdzeniu o rozmiarze

Enrique Lizaso kieruje spółką sztucznej inteligencji z Donostii na baskijskim wybrzeżu, a 27 lipca podał liczbę stojącą za zakładem, który utrzymuje od lat. Multiverse Computing ogłosiło serię C celującą w maksymalnie 570 milionów dolarów, około 500 milionów euro, przy wycenie pre-money 1,7 miliarda dolarów, czyli blisko 1,5 miliarda euro. To pięciokrotność serii B, którą spółka zamknęła w czerwcu 2025 roku, i podnosi łączny pozyskany kapitał do około 800 milionów dolarów.

Dlaczego to się liczy: pieniądze nie idą na większy model. Idą na to, by modele były mniejsze. Lizaso ujął tezę w ogłoszeniu bez ogródek: branża od lat przyjmuje fałszywe ograniczenie, że wydajne modele wymagają drogiej infrastruktury. Runda tej wielkości jest pierwszym poważnym instytucjonalnym sprawdzianem, czy to ograniczenie w ogóle istnieje.

Lista inwestorów czyta się jak mapa europejskiego kapitału, a nie konsorcjum z Doliny. Prowadzą Forgepoint Capital International, BNPP Solar Impulse Venture Fund oraz Bullhound Capital, a towarzyszą im Santander Alternative Investments, Tikehau Capital, HP Inc., Orange Ventures, Scania Invest, NAventures, Qatar Development Bank, Zouk Capital, SETT, fundusz Europejskiej Rady ds. Innowacji, fundusz Hazten Scale-Up rządu baskijskiego oraz Kutxa Fundazioa.

Co sieci tensorowe robią z modelem

CompactifAI, produkt spółki, zapożycza sieci tensorowe z fizyki kwantowej i stosuje je do kompresji. Multiverse twierdzi, że technika zmniejsza duże modele językowe o 80% do 95% przy minimalnej utracie dokładności, a mniejsze modele działają szybciej i pobierają mniej prądu. W maju spółka podała, że jej interfejs CompactifAI obsługiwał czołowe agenty programistyczne przy koszcie niższym nawet o 75%.

Zapis wdrożeń to część, którą warto przeczytać dwa razy. Według Multiverse skompresowane modele działają na milionach urządzeń, w tym na dronach, kamerach, satelitach, pojazdach i infrastrukturze telekomunikacyjnej. To nie są obciążenia centrum danych. To miejsca, w których model pełnej wielkości nigdy by się nie zmieścił i w których wysłanie danych gdzie indziej jest zbyt wolne albo po prostu niedozwolone.

Zastrzeżenie: kompresja jest z definicji stratna, a minimalna utrata dokładności to sformułowanie samego dostawcy, zmierzone na jego własnych testach. Dla kupującego istotne pytanie jest węższe niż nagłówek. Brzmi ono, czy skompresowany model utrzymuje dokładność przy Państwa zadaniu, a nie w publicznym rankingu, i można to sprawdzić przed podjęciem zobowiązania.

Część, która ląduje w Państwa budżecie

Ponad 100 organizacji już to kupuje, a nazwy są przemysłowe, nie eksperymentalne: Iberdrola, Bosch, Telefónica, Indra, Allianz, PwC i Bank Kanady. Multiverse podaje dziesięciokrotny wzrost przychodów w ujęciu rocznym od serii B oraz sprzedaż w pierwszym kwartale 2026 roku wyższą 96 razy rok do roku. Wzrost tego rzędu przy takich klientach to sygnał z działów zakupów, a nie z badań.

Konsekwencja: dla większości europejskich przedsiębiorstw wiążącym ograniczeniem przy wdrażaniu sztucznej inteligencji był dostęp do mocy obliczeniowej, której nie posiadają. Kompresja atakuje to ograniczenie z drugiej strony. Model dostatecznie mały, by działać na własnym sprzęcie, to model, którego dane nigdy nie opuszczają własnej sieci, co zamienia decyzję architektoniczną w decyzję zgodnościową już dawno podjętą.

Praktyczny krok nie ma w sobie nic efektownego. Zanim odnowi się Państwa kolejna umowa na inferencję, proszę wziąć jedno rzeczywiste obciążenie i zmierzyć, czy skompresowany model utrzymuje dokładność faktycznie potrzebną. Jeśli tak, pytanie o miejsce utrzymania wraca na stół, a wraz z nim każde pytanie o jurysdykcję uznane za zamknięte w dniu podpisania umowy.

Czytaj dalej: PixVerse zbiera 439 mln i porzuca klipy  |  Europejska opłata 3 euro trafiła już do prospektu