Стартап Flapping Airplanes, которому около года, привлёк $1 млрд в раунде Series A при оценке в $6 млрд. Деньги пойдут на попытку сделать обучение и запуск ИИ-моделей заметно экономнее по данным и загрузке GPU — задача, которая интересна не только калифорнийским инвесторам, но и командам, считающим стоимость каждого эксперимента с моделью.
Раунд совместно возглавили Index Ventures и Lux Capital, сообщает TechCrunch. Среди участников — прежние инвесторы Sequoia, GV и Kleiner Perkins, а также Valor, Atreides, A* и Nvidia. Для компании это резкий скачок: всего девять месяцев назад она вышла из скрытого режима с посевным раундом на $180 млн и оценкой $1,5 млрд. Новая оценка, о которой сообщается, вчетверо выше.
Flapping Airplanes основали Эйдан Смит и братья Ашер и Бен Спектор. Смит ранее запускал собственный проект, был стипендиатом Thiel Fellowship и во время учёбы работал в Neuralink. Ашер Спектор получил PhD по статистике в Стэнфорде, Бен Спектор учился там же в докторантуре по computer science; до этого он основал Prod — студенческий акселератор, который Sequoia называет заметным источником талантов для Кремниевой долины. Состав команды и ранние связи с инвесторами явно помогли стартапу получить кредит доверия до публичной демонстрации результата.
Ставка на один большой kernel
Техническая идея Flapping Airplanes связана не с очередным способом собрать корпус текстов, а с эффективностью вычислений. Основатели описывают свою разработку как megakernel framework — набор задач, объединённых в одну программу для GPU. По их словам, такая система способна в одном kernel выполнять полный цикл обучения, обслуживать инференс и даже запускать игры.
Заявка звучит необычно, но инженерная логика вполне понятна. Одни нагрузки упираются в доступ к памяти: ускоритель ждёт, пока будут доставлены данные. Другие почти целиком заняты вычислениями. Flapping Airplanes утверждает, что умеет перекрывать эти типы работ: пока одна задача ждёт память, чип считает другую. Если это стабильно работает на реальных тренировках и сервисной нагрузке, простой дорогостоящих GPU можно сократить без покупки нового железа.
Именно здесь находится главный коммерческий тезис компании. Вместо наращивания датасетов и числа ускорителей она хочет добиться моделей, которым нужно существенно меньше данных для обучения. Ашер Спектор ещё на старте проекта говорил TechCrunch: модель, ставшая в миллион раз эффективнее по данным, будет и в миллион раз проще для внедрения в экономику. Это не опубликованный результат и не метрика, подтверждённая независимыми тестами, а ориентир, по которому стартап предлагает оценивать свою амбицию.
Почему рынок готов платить заранее
Инвесторы вкладываются не только в красивую идею «ИИ без половины интернета». Обучение крупных моделей становится дороже, доступ к качественным данным сложнее, а стоимость инференса всё сильнее влияет на экономику продуктов. Для разработчиков это означает знакомую проблему: даже полезная модель может не пережить переход из лаборатории в продакшен, если на запрос приходится слишком много GPU-времени. Для компаний за пределами крупнейших ИИ-лабораторий эффективность часто важнее максимального размера модели.
При этом Flapping Airplanes пока предстоит доказать самое существенное. Megakernel-подход может быть выгоден для отдельных сочетаний архитектур, размеров батча и типов GPU, но индустрии нужны воспроизводимые показатели: скорость обучения, цена токена на инференсе, потребление памяти и качество модели при меньшем объёме данных. Без таких сравнений миллиардный раунд останется ставкой на команду и инфраструктурную гипотезу, а не на доказанный прорыв.
Для российского IT-рынка история полезна как напоминание: гонка за ИИ идёт не только в слое приложений и чат-ботов. Оптимизация kernel, планирования вычислений и работы памяти может изменить экономику моделей не менее заметно, чем новый архитектурный трюк. Теперь у Flapping Airplanes есть $1 млрд, чтобы превратить эту инженерную идею в измеримый продукт; главный вопрос — покажет ли компания преимущество на нагрузках, где стоимость GPU действительно определяет судьбу бизнеса.
