W skrócie

  • AfterQuery osiągnął wycenę 3,2 miliarda dolarów, w porównaniu z 300 milionami dolarów pięć miesięcy temu, podał Forbes, powołując się na dwie osoby z bezpośrednią wiedzą na temat transakcji.
  • Partner Y Combinator, Gustaf Alströmer, nazwał to najszybszym przejściem od startu do statusu jednorożca — w skrócie startupowym oznaczającym prywatną firmę wartą ponad miliard dolarów — w historii akceleratora.
  • Założyciele Spencer Mateega, 23 lata, i Carlos Georgescu, 22 lata, płacą lekarzom, prawnikom, inżynierom i analitykom finansowym za generowanie danych dotyczących ocen eksperckich, których laboratoria AI nie mogą już pozyskać z otwartego internetu.

AfterQuery, 18-miesięczny startup AI, osiągnął wycenę 3,2 miliarda dolarów w nowej rundzie finansowania, Forbespodał w poniedziałek. To ponad dziesięć razy więcej niż wycena 300 milionów dolarów, którą miał pięć miesięcy wcześniej, kiedy zamknął rundę serii A o wartości 30 milionów dolarów — wczesną rundę finansowania, w której startup sprzedaje część siebie w zamian za kapitał na rozwój.

Ten skok czyni AfterQuery najszybszym startupem w historii Y Combinator, który przeszedł od powstania do statusu jednorożca, według partnera YC, Gustafa Alströmera. AfterQuery odmówił komentarza w sprawie raportu. Jedno ze źródeł Forbes'a powiedziało, że firma jest już rentowna i ma już wyznaczonego głównego inwestora na tę rundę.

Myriad: Która firma wyjdzie na giełdę jako następna? Kliknij, aby dokonać prognozy.
Myriad: Która firma wyjdzie na giełdę jako następna? Kliknij, aby dokonać prognozy.

Spencer Mateega i Carlos Georgescu założyli firmę w lutym 2025 roku, 18 miesięcy po dołączeniu do kohorty Y Combinator Winter 2025 jako dwaj przyjaciele ze szkoły średniej, bez produktu i bez sprecyzowanego pomysłu. Mateega napisał na X w lipcu, że roczny przychód cykliczny—roczna wartość bieżących subskrypcji firmy—wzrósł do „setek milionów”, z 100 milionów dolarów w kwietniu.

Założyciele pierwotnie chcieli budować agentów AI dla finansów. Testy wykazały, że wiodące modele wciąż zawodzą w przypadku złożonych, profesjonalnych decyzji—nie z powodu braku surowych możliwości, ale dlatego, że nikt nigdy nie nauczył ich, jak ekspert faktycznie rozumuje podczas trudnej decyzji.

Więc zmienili kierunek. AfterQuery teraz płaci specjalistom za produkcję danych rozumowania: pisemnych, krok po kroku zapisów, jak profesjonalista rozwiązuje problem, używanych do uczenia modeli AI oceny, a nie tylko faktów. Nvidia wykorzystała te dane do trenowania swoich modeli open-source Nemotron, a AfterQuery ma również wśród klientów Thinking Machines Lab byłej CTO OpenAI Miry Murati oraz firmę prawniczą AI Legora, według Forbes.

Popyt stojący za tą zmianą jest ogólnobranżowy. Laboratoria graniczne—firmy budujące najbardziej zaawansowane systemy AI—już przetrzepały większość użytecznego tekstu w otwartej sieci, a dane syntetyczne, czyli materiały treningowe generowane przez AI, mają swoje ograniczenia. Tego, czego brakuje, to ocena, która pochodzi tylko od prawdziwych, certyfikowanych ekspertów.

Inne firmy ścigają ten sam niedobór z różnych kierunków. Południowokoreański fintech Toss niedawno otworzył swoich 30 milionów użytkowników na gospodarkę danych AI poprzez partnerstwo z firmą infrastruktury danych Poseidon, płacąc zwykłym użytkownikom za rejestrowanie danych ze świata rzeczywistego, których modele nie mogą znaleźć w sieci.

AfterQuery nie jest jedynym, który zarabia na tym niedoborze. Alexandr Wang z Scale AI stał się pierwszym miliarderem w branży etykietowania danych w 2021 roku w wieku 24 lat, zanim Meta zapłaciła 14,3 miliarda dolarów za 49% udziałów i postawiła Wanga na czele własnego laboratorium AI. Założyciele rywala, Mercor, pobili wczesny rekord Wanga w październiku ubiegłego roku, zostając miliarderami w wieku 22 lat.

Mateega powiedział, że przewaga AfterQuery nad Mercor, który polega na rozmowie kwalifikacyjnej z AI, aby obsadzić dużą pulę kontrahentów, to niestandardowe oprogramowanie, które sprawdza zgłoszenia pod kątem „złotego środka” trudności—wystarczająco trudne, aby stanowić wyzwanie dla modelu granicznego, ale nie tak trudne, aby nie mógł się nauczyć z odpowiedzi. AfterQuery trenuje również własne modele na danych przed ich sprzedażą, aby pokazać laboratoriom, że materiał faktycznie przynosi efekty, zamiast prosić je o wiarę na słowo.

Mercor ze swojej strony prowadzi obecnie rozmowy z Nvidią w sprawie rundy finansowania, która wyceniłaby go na 20 miliardów dolarów, podwajając cenę 10 miliardów dolarów z października ubiegłego roku. Runda AfterQuery nie została jeszcze zamknięta, a firma nie ujawniła swojego głównego inwestora.