Пражская EquiLibre Technologies, основанная тремя бывшими исследователями DeepMind, получила оценку выше $500 млн после раунда Series A. Для тех, кто следит за темой AI для трейдинга, новость интересна не только цифрой: команда, когда-то обучившая ИИ побеждать людей в безлимитный покер, теперь использует похожие подходы на фондовом рынке и уже работает с миллиардами долларов дневного оборота.
О сделке сообщает TechCrunch. Раунд возглавил фонд Creandum, но ни сам объём инвестиций, ни точная постинвестиционная оценка раскрыты не были; известно только, что речь идёт о сумме, которая подняла стоимость компании выше отметки в $500 млн. Вице-президент Creandum Кэмерон Селлерс отдельно подчеркнул, что это крупнейшая разовая инвестиция фонда в одну компанию. Для стартапа из Праги с командой примерно в 25 человек это уже не просто «интересная европейская лаборатория», а игрок, на которого в венчурном рынке смотрят как на серьёзную ставку в нише прикладного reinforcement learning.
История здесь цепляет не только инвесторов. Основатели EquiLibre — Мартин Шмид, Рудольф Кадлец и Матей Моравчик — раньше работали в DeepMind и были среди создателей DeepStack, первой системы, победившей профессиональных игроков в no-limit Texas hold’em. Связка между покером и Уолл-стрит не выглядит натяжкой: и там, и там решения приходится принимать в условиях неполной информации, вероятностного шума и агрессивной среды, где стратегия живёт ровно до тех пор, пока её не разгадали. Для reinforcement learning это почти учебный полигон. Шмид формулирует ещё проще: в трейдинге метрика предельно ясна — сколько денег агент заработал. Для инженеров и продактов это важный момент: чем проще и жёстче функция награды, тем легче объяснить, за что модель вообще бьют рублём, а не метафорой.
Самое интересное начинается там, где стартап выходит из режима «мы делаем классную науку» в режим «мы уже встроены в инфраструктуру реального рынка». EquiLibre работает в партнёрстве с квантовой компанией Tower Research Capital, а её алгоритмы, по словам стартапа, торгуют на рынках S&P 500 и Nasdaq с дневным объёмом в миллиарды долларов. До этого агенты компании уже были развернуты на крипторынке в 2025 году. Ещё одно громкое заявление — «нулевое число отрицательных месяцев с момента запуска», то есть каждый месяц стратегия якобы закрывалась в плюсе. Тут полезно держать холодную голову: это утверждение исходит от самой компании, а проверяемой публичной статистики, состава стратегий, уровня риска, просадки и структуры доходности в материале нет. Но даже в таком виде сигнал сильный: венчурный капитал снова готов щедро финансировать команды, которые обещают не очередного чат-бота, а систему, напрямую привязанную к денежному результату.
Контекст для этой сделки тоже показательный. Ещё несколько лет назад reinforcement learning в стартап-среде часто воспринимали как тяжёлую академическую артиллерию: дорого, долго, трудно воспроизводимо, да и LLM на витрине выглядели куда эффектнее. Сейчас маятник качнулся. По словам Шмида, когда EquiLibre стартовала около четырёх лет назад, к подходу относились скептически, а теперь RL стал стандартом. Это не значит, что весь рынок резко разлюбил большие языковые модели. Скорее наоборот: отрасль постепенно выходит из подростковой фазы, где любая задача выглядела как повод прикрутить генерацию текста, и возвращается к более скучному, но прибыльному вопросу — где именно обучение через награду даёт измеримое преимущество. Финансовые рынки, логистика, робототехника, управление инфраструктурой — всё это снова попадает в фокус, потому что там можно считать не лайки и демо-вау-эффект, а деньги, скорость и риск.
Отдельная линия сюжета — география. EquiLibre строит компанию не в Лондоне и не в Сан-Франциско, а в Праге. По словам Шмида, это решение оказалось выгодным не только из патриотических соображений. Команда вернулась в Чехию, потому что там уже была сильная сеть контактов и знакомых инженеров из чешской диаспоры в Google и других компаниях. Но ещё важнее другая мысль: удерживать сильных специалистов в Праге проще, потому что там не появляется «новая модная AI-компания каждые два месяца». Для русскоязычной IT-аудитории из Центральной и Восточной Европы это, пожалуй, одна из самых практичных частей истории. Окно возможностей для серьёзных AI-команд давно не ограничивается Калифорнией. Если у стартапа есть исследовательская глубина, понятная прикладная задача и доступ к вычислениям, региональная локация уже не выглядит приговором. Более того, она может стать преимуществом по найму и удержанию людей.
При этом история не сводится к романтике «трое учёных переиграли Уолл-стрит». Конкуренция в этой нише жёсткая, а входной барьер быстро растёт. В материале упоминается Jane Street, которая заявляет, что уже использует RL вместе с LLM и другими моделями, а также располагает десятками тысяч высокопроизводительных GPU. На этом фоне EquiLibre делает ставку на эффективность и пытается, по словам Шмида, «выжать больше из меньшего числа чипов». Для рынка это важный маркер. Большие бюджеты на GPU сами по себе уже не звучат как устойчивое moat: если небольшая лаборатория способна добиться коммерческого результата с более компактной инфраструктурой, это меняет правила игры для стартапов, которым не по карману дата-центры размером с маленький город. Но обратная сторона очевидна: как только стратегия показывает деньги, вокруг мгновенно собирается толпа желающих сделать то же самое быстрее, агрессивнее и с большим объёмом данных.
Для разработчиков и техлидов тут сразу несколько выводов. Первый: умение работать с RL, симуляторами, офлайн-обучением и системами принятия решений снова дорожает. Второй: стык исследовательского ML и реальных бизнес-процессов выглядит куда интереснее бесконечной гонки интерфейсов вокруг LLM. Третий: рынок всё охотнее платит не за красивую модель в вакууме, а за связку из модели, инфраструктуры, дисциплины в оценке и понятной экономики. AI для трейдинга в этом смысле — не просто модный ярлык, а пример того, как фундаментальная исследовательская экспертиза превращается в продукт с прямой денежной обратной связью. Вопрос теперь в другом: сможет ли EquiLibre сохранить фору, когда против неё играют и крупнейшие квантовые фирмы, и компании с почти бездонным запасом вычислений. Первоисточник с деталями и цитатами команды — .