Венчурний фонд Николая Сторонського зібрав $500 млн і використовує ШІ-модель Aleph для оцінки стартапів
Венчурний фонд QuantumLight, заснований співзасновником Revolut Николаєм Сторонським, закрив другий фонд на $500 млн. Його власний ШІ‑модель Aleph аналізує стартапи стадій Series B і C, дозволяючи приймати інвестиційні рішення з мінімальним людським udziałом та підвищуючи ефективність фонду.
💰 Солидний фінансовий інструмент. Для фінансових команд та лідерів, хто хоче автоматизувати оцінку стартапів за допомогою ШІ.
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундTL;DR
- •Перший фонд QuantumLight, запущений у 2025 р., зібрав $250 млн.
- •Модель Aleph навчена на історичних даних про венчурні угоди з 1990‑х років.
- •Портфоліо фонду включає стартапи Together AI, Fuse Energy, Function Health та Factory.
- •Середньооцінка портфельних компаній колиється від $1,5 млн до $8,3 млрд.
- •QuantumLight орієнтовано на інвестиції в ШІ, фінтех, SaaS та технології здоров’я.
Як це змінить ваш ринок?
Для венчурного ринку використання власних ШІ‑моделей, таких як Aleph, зменшує залежність від суб’єктивного людського суду на ранніх етапах відбору угоди. Це дозволяє швидше обробляти великі потоки заявок та зберігати консистентність оцінок. Основний блокер — витрати на створення та підтримку власних алгоритмів та доступ до якісних історичних даних. Після преодолення цього бар’єру фонди отримують конкурентну перевагу у швидкості та якості due diligence, що може збільшити їхню долю успішних інвестицій.
Визначення: Aleph — це власний ШІ‑модель фонду QuantumLight, що аналізує фінансові та операційні показники стартапів стадій Series B та Series C, надаючи рекомендації щодо інвестиційної привабливості з мінімальним людським втручанням.
Для кого це і за яких умов
Ідеальним користувачем є венчурний фонд або корпоративний інвестувальний підрозділ з активом під управління від $100 млн, що має доступ до багátого історичного набору даних про угоди (мінімум 5 000 записів). Для впровадження потрібна мала аналітична команда: один‑два ШІ‑інженера та дані‑саєнтист, а також бюджет на обчислювні ресурси (наприклад, GPU‑кластер або хмарні інстанси) у розмірі约 $20 000‑$50 000 на рік. Час на розробку та тестування моделі — від 3 до 6 місяців.
Альтернативи
| | PitchBook AI | CB Insights | AlphaSense | | Ціна | дані не розкриті | дані не розкриті | дані не розкриті | | Де працює | хмарна платформа | хмарна платформа | хмарна платформа | | Мін. вимоги | дані не розкриті | дані не розкриті | дані не розкриті | | Ключова різниця | фокус на публічних компаніях та ринкових даних | спеціалізований на приватних компаніях та венчурних трендах | інтеграція з новинами та аналіз настроїв |
💬 Часті запитання
Такий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
Навчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiupskill.live