هوش مصنوعی · خبر
Flapping Airplanes 1 میلیارد دلار را در ارزیابی 6 میلیارد دلار برای تحقیقات هوش مصنوعی جمع آوری می کند
انتشار:

بهطور خلاصه
آزمایشگاه تحقیقات هوش مصنوعی Flapping Airplanes در سان فرانسیسکو، 1 میلیارد دلار در دور Series A جمع آوری کرده است، که ارزیابی آن را به 6 میلیارد دلار افزایش داده است، تقریباً چهار برابر علامت 1.5 میلیارد دلار که بعد از دور بذر 180 میلیون دلاری در ژانویه 2026 داشت. این استارتاپ یک ساله هنوز محصول تجاری ندارد و بر کاهش وابستگی آموزش مدل های هوش مصنوعی به مقادیر عظیمی از داده ها و قدرت محاسباتی متمرکز است.
این نسخه ترجمهٔ ماشینی متن اصلی (English) است. خواندن متن اصلی
Flapping Airplanes، یک شرکت استارتاپ متخصص در تحقیقات هوش مصنوعی مستقر در سان فرانسیسکو، در 21 اکتبر 2026 اعلام کرد که یک دور تامین مالی Series A به ارزش 1 میلیارد دلار را با ارزیابی 6 میلیارد دلار به پایان رسانده است، بر اساس گزارش های TechCrunch و SiliconANGLE. این دور توسط شرکت های سرمایه گذاری Index Ventures و Lux Capital به طور مشترک رهبری شد.
سایر شرکت کنندگان در این دور شامل سرمایه گذاران بذر بازگردان Sequoia Capital و GV (که قبلاً به نام Google Ventures شناخته می شد)، به همراه Kleiner Perkins، Valor Equity Partners، Atreides Management، Jump Trading، XTX Ventures و تولید کننده تراشه Nvidia بود، بر اساس گزارش SiliconANGLE. فهرست شرکت کنندگان TechCrunch نیز نام A* را ذکر کرده است.
از 1.5 میلیارد دلار به 6 میلیارد دلار در نه ماه
Flapping Airplanes با یک دور بذر به ارزش 180 میلیون دلار در ژانویه 2026 راه اندازی شد که شرکت را با ارزیابی 1.5 میلیارد دلار ارزیابی کرد، بر اساس گزارش های TechCrunch و TheNextWeb. ارزیابی جدید 6 میلیارد دلار نشان دهنده افزایش تقریباً چهار برابری در کمتر از یک سال است، با SiliconANGLE که کل تامین مالی جمع آوری شده توسط شرکت تا کنون را 1.18 میلیارد دلار برآورد می کند.
TechCrunch فاصله بین دور های بذر و Series A را نه ماه توصیف کرد، در حالی که SiliconANGLE و TheNextWeb خود شرکت را تقریباً یک سال قدیمی توصیف کردند. نه TechCrunch و نه SiliconANGLE تاریخ تاسیس دقیقی را بیان نکردند؛ چارچوب SiliconANGLE نشان می دهد که شرکت حدود یک سال قبل از اعلام اکتبر 2026 تاسیس شده بود.
بنیانگذاران شرکت
Flapping Airplanes توسط Ben Spector، Asher Spector و Aidan Smith تأسیس شد، بر اساس گزارش های TechCrunch و SiliconANGLE. Asher Spector دارای درجه دکتری در آمار از Stanford است. Aidan Smith به عنوان یک فلو Thiel سابق توصیف می شود که قبلاً در Neuralink کار کرده است.
هم TechCrunch و هم SiliconANGLE Ben Spector را به عنوان دانشجوی دکتری در رشته علوم کامپیوتر در Stanford توصیف می کنند که شتاب دهنده دانشجویی Prod را حین تحصیل در MIT تأسیس کرد. SiliconANGLE او را به عنوان مدیر اجرایی شرکت شناسایی کرد و گزارش داد که سرمایه گذار Index Ventures تیم را حدود 24 نفری توصیف کرد که به صورت شخصی در سان فرانسیسکو کار می کنند.
آنچه شرکت می گوید ساخت می دهد
Flapping Airplanes خود را به عنوان ساخت آنچه که SiliconANGLE 'جامع ترین چارچوب megakernel جهان' را برای پردازنده های گرافیکی Nvidia توصیف می کند. بر اساس TheNextWeb و TechCrunch، این چارچوب برای اجرای آموزش و استنتاج مدل هوش مصنوعی به طور همزمان روی تراشه های یکسان طراحی شده است، که زمان رایانه ای بیکار را کاهش می دهد و هدف آن اجازه دادن به مدل ها برای یادگیری از داده های بسیار کمتری است که سیستم های بزرگ فعلی نیاز دارند.
یک مدل که میلیون برابر بیشتر کارآمدی داده ای است احتمالاً میلیون برابر آسان تر برای قرار دادن در اقتصاد است.
بر اساس TheNextWeb، Asher Spector همچنین اساس منطق وسیع تر شرکت را به عنوان باور اینکه تقاضا برای هوش مصنوعی از عرضه های موجود تراشه و داده تجاوز خواهد کرد، توصیف کرد و اضافه کرد که استخراج حتی عملکرد اضافی متواضع از تراشه های موجود - حدود 10٪ بیشتر - ارزش اقتصادی قابل توجهی خواهد داشت.
موج 'AI neolabs' متمرکز بر تحقیق
TechCrunch و TheNextWeb هر دو Flapping Airplanes را در دسته ای از شرکت های استارتاپی قرار می دهند که گاهی 'AI neolabs' نام برده می شود: شرکت هایی که با تمرکز بر تحقیقات بنیادی شروع می شوند نه اینکه بلافاصله محصولی عرضه کنند یا درآمد تولید کنند. TheNextWeb دو شرکت قابل مقایسه را نام برد، AMI Labs، که گفت حدود 1 میلیارد دلار در مارس 2026 جمع آوری کرد، و Mirendil، که یک دور بذر به ارزش 200 میلیون دلار در ژوئن 2026 جمع آوری کرد.
TechCrunch توجه داشت که Flapping Airplanes در حال حاضر هیچ محصولی ندارد و درآمدی ندارد، به این معنی که ارزیابی 6 میلیارد دلار بر اساس پیشرفت تحقیقاتی آزمایشگاه نه بر فروش یا محصول عرضه شده است.
| دور | تاریخ | مبلغ | ارزیابی |
|---|---|---|---|
| بذر | ژانویه 2026 | $180 میلیون | $1.5 میلیارد |
| Series A | اکتبر 2026 | $1 میلیارد | $6 میلیارد |
آنچه هنوز مشخص نیست
شرکت تاریخ راه اندازی محصول، معیارهای عملکرد خاص برای چارچوب megakernel خود، یا نقشه های درآمد دقیق را فاش نکرده است، بر اساس گزارش های موجود. فقط SiliconANGLE یک عدد تعداد کارمندان را ارائه داد، و تاریخ تاسیس دقیق توسط هیچ یک از سه منبع مورد بررسی بیان نشده است.
پرسشها
- Flapping Airplanes چقدر جمع آوری کرد و با چه ارزیابی؟
- Flapping Airplanes 1 میلیارد دلار در یک دور Series A با ارزیابی 6 میلیارد دلار جمع آوری کرد، که در 21 اکتبر 2026 اعلام شد، بر اساس TechCrunch و SiliconANGLE.
- چه کسانی دور تامین مالی را رهبری کردند؟
- Index Ventures و Lux Capital این دور را به طور مشترک رهبری کردند، با مشارکت Sequoia Capital، GV، Kleiner Perkins، Valor Equity Partners، Atreides Management، Jump Trading، XTX Ventures و Nvidia، بر اساس SiliconANGLE.
- Flapping Airplanes را چه کسانی تأسیس کردند؟
- شرکت توسط Ben Spector، Asher Spector و Aidan Smith تأسیس شد، بر اساس TechCrunch و SiliconANGLE. Asher Spector دارای درجه دکتری در آمار از Stanford است، و Aidan Smith یک فلو Thiel سابق و کارمند سابق Neuralink است.
- Flapping Airplanes واقعاً چه می سازد؟
- یک چارچوب GPU 'megakernel' را توسعه می دهد که برای اجرای آموزش و استنتاج هوش مصنوعی با هم طراحی شده است، با هدف کاهش زمان رایانه ای بیکار و کاهش مقدار داده ای مورد نیاز برای آموزش مدل های هوش مصنوعی، بر اساس SiliconANGLE و TheNextWeb.
- آیا Flapping Airplanes محصولی در بازار دارد؟
- خیر. TechCrunch گزارش داد که از زمان اعلام تامین مالی، شرکت هیچ محصول تجاری و درآمد ندارد.
منابع
این مطلب با هوش مصنوعی آماده شده و پیش از انتشار از بررسی خودکار منابع گذشته است. اگر خطایی دیدید، درخواست اصلاح کنید. درخواست اصلاح یا حق پاسخ · چگونه کار میکنیم
مطالب مرتبط

هوش مصنوعیمقاله
نحوه کارکرد هوش مصنوعی تولیدکننده: تولید متن، تصویر و کد توضیح داده شده
ابزارهای هوش مصنوعی تولیدکننده مانند چتباتها، مولدهای تصویر و دستیاران کدنویسی، تمام ورودی را به دادههای عددی تبدیل کرده، سپس خروجی را مرحله به مرحله با استفاده از الگوهایی که از مجموعه دادههای آموزشی بزرگ یاد گرفتهاند، ساختهاند. ابزارهای متن و کد برای پیشبینی نشانه (token) بعدی در یک دنباله از مدلهای ترنسفورمر استفاده میکنند، در حالی که ابزارهای تصویری مانند Imagen به تدریج نویز را از یک الگوی تصادفی حذف میکنند تا اینکه تصویری منطبق با درخواست متنی ظاهر شود.

هوش مصنوعیمقاله
نحوه کار چت بات های هوش مصنوعی مثل ChatGPT و Claude شرح داده شده است
چت بات های هوش مصنوعی بر اساس مدل های زبان بزرگ (LLM) ساخته شده اند، که شبکه های عصبی هستند که برای پیش بینی "توکن" بعدی در دنباله ای از متن آموزش داده شده اند. آنها کلمات را به اعداد تبدیل می کنند، از یک مکانیسم توجه برای سنجش نحوه مرتبط بودن کلمات با یکدیگر استفاده می کنند، و سپس با بازخورد انسانی تنظیم دقیق می شوند تا مثل دستیاران مفید رفتار کنند نه پیش بینی کننده های متن خام.
هوش مصنوعیمقاله
چگونه الگوریتمهای توصیه شده هوش مصنوعی تصمیم میگیرند که چه چیزی را ببینید و بخرید
سیستمهای توصیه شده هوش مصنوعی خلاصات و پیشنهادات محصول را با تجزیهوتحلیل آنچه کاربران روی آن کلیک میکنند، تماشا میکنند، امتیاز میدهند و میخرند، سفارشیسازی میکنند، سپس این رفتار را با الگوهای کاربران مشابه مطابقت میدهند. پلتفرمهای مثل Netflix، YouTube و Amazon میگویند که آنها از سیگنالهای نشاط و زمینهای استفاده میکنند - و نه، در برخی موارد، دادههای جمعیتشناختی - در حالی که تنظیمکنندگان در ایالات متحده و اتحادیه اروپا نگرانیهای مربوط به شفافیت و جمعآوری داده پشت این سیستمها را مطرح کردهاند.
هوش مصنوعیمقاله
چرا مدل های زبانی هوش مصنوعی توهم می بینند: تحقیق پشت پاسخ های نادرست
"توهم های" هوش مصنوعی به این دلیل اتفاق می افتند که مدل های زبانی برای پیش بینی کلمه احتمالی بعدی آموزش داده می شوند، نه برای تأیید حقیقت، و به دلیل آزمایش هایی که برای درجه بندی آنها استفاده می شود که تخمین زدن اطمینان را بر پذیرش عدم اطمینان مستحق می کند. محققان OpenAI استدلال می کنند که مشکل تا حدی نتیجه ریاضی روش آموزش مدل ها و تا حدی نتیجه نحوه نمره دهی صنعت هوش مصنوعی است.