VC & Deals — 21 августа 2026: от числовых моделей до защиты ИИ-агентов

Может ли стартап получить преимущество не за счёт ещё одной универсальной модели, а устранив работу, которую крупные компании годами считали неизбежной: подготовку числовых данных, разбор старого кода и копирование файлов между системами? Ответ ищут сразу три команды этого выпуска. Synthefy учит модель работать с таблицами и временными рядами, Hypercubic поручает ИИ-агентам восстановление логики программ на COBOL, а Space переносит доступ к облачным данным на уровень файловой системы. Рядом с ними Fortinet приобрела разработчика средств защиты ИИ-агентов Virtue AI, а южнокорейский разработчик ИИ-чипов Rebellions готовится к выходу на биржу.

Synthefy: модель для чисел вместо ещё одного собеседника

Большие языковые модели находят закономерности в текстах. Synthefy пытается применить похожий принцип к структурированным данным: таблицам и временным рядам, где важны не формулировки, а связи между значениями и их изменение во времени. Это нужно для задач вроде обнаружения мошенничества, расчёта цен, прогноза спроса, оценки рисков и наблюдения за инфраструктурой. Обычно для каждой такой задачи компания отдельно готовит данные, обучает модель и настраивает её под конкретный набор показателей.

Synthefy привлекла $6,5 млн посевного финансирования. Раунд возглавила Wing Venture Capital, к ней присоединились Haystack, Samsung Next, Canonical Crypto и Lightscape, а также ангельские инвесторы из OpenAI, Microsoft и Meta. Деньги предназначены для исследований, найма инженеров и разработки следующего поколения открытой модели Nori. Оценка компании в материале не названа, поэтому связывать раунд с её повышением или понижением оснований нет.

Synthefy называет свой подход Structured Data Foundation Models, или фундаментальными моделями для структурированных данных. Nori предварительно обучали на миллионах синтетических наборов — искусственно созданных таблиц с разными числовыми зависимостями. Замысел состоит в том, чтобы новая задача не начиналась с нуля: команда передаёт модели незнакомую таблицу и получает первоначальный прогноз без обучения отдельной системы именно на этом наборе. По словам сооснователя и генерального директора Соми Агарвала, первичная оценка задачи благодаря этому может занимать минуты вместо недель или месяцев.

Измеренный результат пока ограничен тестированием самой компании. Версия Nori с 30 млн параметров, как утверждает Synthefy, превзошла модель Google TabFM с 1,6 млрд параметров; при включённом режиме Thinking она сохранила преимущество, имея лишь 2% от размера конкурента. В источнике нет названий тестовых наборов, абсолютных значений качества, методики сравнения или независимой проверки. Поэтому результат показывает заявленную вычислительную эффективность архитектуры, но ещё не доказывает превосходство во всех банковских, торговых или промышленных задачах.

Капитал здесь финансирует не только исследование модели. У Synthefy уже есть открытый продукт, который за несколько недель скачали более 600 тыс. раз, и три способа поставки: открытая модель, доступ через управляемый API и установка в инфраструктуре клиента. Коммерческий слой компания собирается строить вокруг платного доступа к API, закрытых функций, установок у клиентов, безопасности, управления, интеграций, поддержки и инфраструктуры для промышленной эксплуатации. Для предпринимателей это показательная конструкция: бесплатная модель упрощает знакомство с технологией, а платить клиент начинает за надёжную эксплуатацию внутри компании.

Hypercubic: сначала восстановить правила бизнеса, затем переписать COBOL

COBOL — язык, созданный в 1959 году для обработки деловых и финансовых данных. На нём до сих пор работают критические банковские, платёжные и государственные системы. По приведённой в источнике оценке, более 200 млрд строк COBOL поддерживают свыше 95% операций с банковскими картами и банкоматами. Проблема не в том, что программы перестали работать, а в том, что их устройство часто плохо задокументировано, а знающие язык инженеры уходят из профессии.

Основанная бывшими инженерами Apple Саи Гуррапу и Ааюшем Нариком Hypercubic получила $5,3 млн в посевном раунде. Его возглавила CIV, среди участников — Y Combinator, Afore Capital, Pioneer Fund, Multimodal Investors и частные инвесторы. Компания направит капитал на развитие ИИ-агентов и увеличение возможностей работы с корпоративными заказчиками. Оценка Hypercubic в источнике также не раскрыта.

Простой перевод синтаксиса с COBOL на Java не решает главной задачи. За десятилетия в старой программе накапливаются правила расчётов, обработки исключений и движения данных, которых может не быть ни в одном отдельном документе. Агент Hypercubic сначала составляет карту всей кодовой базы, извлекает из неё деловую логику и создаёт отсутствующую документацию. Только после этого система генерирует современную версию приложения, которая должна воспроизвести поведение оригинала и сохранить его исторические данные.

По утверждению Саи Гуррапу, агенты способны провести модернизацию за несколько месяцев, тогда как ручная переработка занимает годы. Однако источник не приводит сравнительных испытаний, доли автоматически переписанного кода, частоты ошибок или сведений о завершённом переводе критической системы в промышленную эксплуатацию. Известно лишь, что Hypercubic уже работает с одним из крупнейших банков Латинской Америки и крупным карибским ретейлером, обслуживающим более 50 млн клиентов в год. Это подтверждает доступ к сложным проектам, но не равнозначно доказанному безрисковому переходу.

Для инвестора ценность Hypercubic — возможность сократить дорогой этап восстановления знаний о старой системе, а не просто ускорить написание нового кода. Для заказчика результат имеет смысл лишь при доказанной эквивалентности: новая программа должна правильно работать во всех значимых сценариях. Поэтому активами Hypercubic могут стать сами агенты, процедура проверки, журналы изменений и доказательства того, что после переноса не изменились расчёты и транзакции. На этом рынке недостаточно показать скорость генерации: корпоративная продажа будет зависеть от того, насколько хорошо проверяется каждый шаг.

Space: агенту нужен доступ не ко всему файлу, а к нужным байтам

Space решает другую задачу доступа. Облачное хранилище позволяет держать данные вне компьютера, но работа часто по-прежнему начинается с загрузки, синхронизации или создания копии. ИИ-агенту файл нередко приходится целиком передавать в отдельный инструмент и индексировать, даже если для ответа нужна одна страница или один фрагмент видео. На больших кодовых базах, медиатеках, строительных моделях и наборах данных такая подготовка превращается в самостоятельную статью затрат.

Space объявила о предпосевном раунде на $2,4 млн во главе с a16z Speedrun. В нём участвовали Golden Ventures, Northside Ventures и около двенадцати ангельских инвесторов. Информация опубликована как пресс-релиз GlobeNewswire; редакции Markets Insider и Business Insider не участвовали в его подготовке. Поэтому технические характеристики и сравнения следует воспринимать как заявления самой компании.

Мэтью Ао, Арихант Бапна и Джейсон Чжао строят распределённую файловую систему, расположенную непосредственно над операционной системой. Облачные файлы видны в Finder и открываются в привычных программах так, будто находятся на локальном диске. Когда приложение или агент запрашивает данные, Space передаёт в реальном времени только требуемые диапазоны байтов — конкретные участки файла, необходимые для операции, — без постоянной полной копии на устройстве.

Это позволяет сформулировать предложение Space точнее, чем обещание «бесконечного компьютера» из пресс-релиза. Компания предлагает единый способ доступа, которым могут пользоваться видеоредактор, CAD-программа, редактор кода и ИИ-агент без отдельной интеграции для каждого инструмента. К частной бете подключены примерно 100 пользователей и команд, а совокупная аудитория проекта на разных площадках превышает 80 тыс. Источник не сообщает скорость передачи, задержки, стоимость, результаты нагрузочных испытаний или подробности разграничения прав. Пока подтверждены механизм доступа и раннее использование, но не его превосходство при массовой корпоративной нагрузке.

Для основателей важен порядок выхода на рынок. Space начинает с видео, маркетинга, архитектуры, инженерного проектирования и строительства — областей, где файлы уже превышают объём локальных дисков, а ожидание передачи данных легко заметить и посчитать. Затем компания намерена расширяться в инфраструктуру данных для обучения ИИ, компьютерное зрение, корпоративные системы и конвейеры для моделей, которые учатся представлять физическую среду. Инвесторы финансируют превращение низкоуровневой технологии в надёжный сервис; бизнес-модель такого сервиса в источнике ещё не описана.

Fortinet и Virtue AI: контролировать приходится действие, а не только ответ модели

ИИ-агент отличается от обычного чат-бота тем, что может получать данные, обращаться к программным интерфейсам, запускать процессы и действовать от имени пользователя. Ошибка поэтому не обязательно заканчивается неправильным текстом: система может отправить письмо, изменить настройку, открыть закрытые данные или инициировать финансовую операцию. Чем шире набор доступных инструментов и разрешений, тем выше возможный ущерб.

Fortinet приобрела Virtue AI. Официальное сообщение Fortinet говорит о завершённом приобретении, а не о намерении купить компанию. Virtue AI разрабатывает защиту работающих ИИ-систем, автоматизированную проверку и средства безопасности автономных агентов. Финансовые условия не раскрыты; Fortinet назвала выплаченную сумму несущественной для своего бизнеса.

В официальном описании перечислены четыре группы возможностей: проверка агентов на уязвимости, поиск неизвестных ИИ-приложений и агентов, наблюдение за их поведением с блокировкой вредоносных обращений к инструментам, а также постоянная проверка после обновления модели или дополнительной настройки политик. Fortinet также заявляет о настраиваемых ограничениях для текста, изображений, видео, аудио и созданного ИИ кода.

Для стартапов состав этой покупки показывает, какие функции крупный поставщик безопасности считает частью корпоративной защиты ИИ: учёт агентов, проверку инструментов и исходного кода, испытания на вредоносные инструкции, журналирование поведения и ограничения в реальном времени. Это не доказывает качество будущей интеграции с Security Fabric, но точно описывает технологии, которые Fortinet получила вместе с Virtue AI.

Rebellions: первый шаг к бирже

Финансовый директор Rebellions Сонгю Шин сообщил Bloomberg, что южнокорейский разработчик ИИ-чипов активно готовится к IPO, а листинг на основной бирже страны является главным приоритетом. Bloomberg не называет срок, объём предложения, оценку, банки-организаторы или уже пройденные этапы. Поэтому нельзя говорить о поданной заявке, утверждённой дате или состоявшемся размещении.

Для венчурных инвесторов это пока не выход, а только возможный следующий шаг. Из сообщения Bloomberg следует один осторожный вывод: Rebellions выбрала биржу главным приоритетом, но вероятность и параметры размещения оценивать рано. Для более подробного разбора понадобятся официальное заявление компании, биржевая заявка или раскрытые условия IPO.

От демонстрации к устойчивому продукту

В трёх ранних раундах инвесторы финансируют сокращение подготовительной работы. Synthefy хочет убрать отдельное обучение модели для каждой новой таблицы, Hypercubic — восстановить скрытые правила старых программ до их переписывания, Space — избавить человека и агента от полной передачи файла перед началом задачи. Эти обещания уже подкреплены разными сигналами: 600 тыс. скачиваний Nori, корпоративными проектами Hypercubic и примерно сотней участников частной беты Space. Но ни один из этих сигналов сам по себе не заменяет измерения качества в промышленной среде.

Здесь проходит полезная для основателей граница между демонстрацией и компанией. Быстрый прогноз должен стать воспроизводимым и управляемым сервисом; переписанный код — пройти проверку эквивалентности; удобный доступ к файлам — выдержать нагрузку и правила безопасности. Приобретение Virtue AI компанией Fortinet добавляет ещё одно требование: если продукт предоставляет агенту полномочия, покупатель захочет видеть, почему тот совершил действие и как его можно остановить. Какая часть этого пути — модель, проверка, доступ к данным или контроль действий — способна дать бизнесу самое устойчивое преимущество, когда базовые ИИ-возможности становятся доступнее всем?