Alibaba инвестирует в стартап бывшего сотрудника, оцененный в $2,5 млрд.

Alibaba Group намерена возглавить инвестиционный раунд объемом $300 млн. в стартап UniPat AI, специализирующийся на обучении и тестировании моделей искусственного интеллекта. Сделка оценит компанию в $2,5 млрд. и станет очередным подтверждением высокого спроса на качественные данные для разработки систем искусственного интеллекта.

Alibaba Group готовится возглавить инвестиционный раунд объемом $300 млн. в компанию UniPat AI, которая занимается созданием данных для обучения и оценки моделей искусственного интеллекта. По информации источников, знакомых с ходом переговоров, в результате сделки стоимость стартапа может достичь $2,5 млрд.

Помимо Alibaba, участие в финансировании намерена принять Tencent Holdings. К раунду также присоединятся действующие инвесторы, включая фонд HSG, ранее известный как Sequoia China. Источники отмечают, что переговоры находятся на завершающей стадии, хотя отдельные параметры сделки еще могут измениться.

UniPat AI была основана в конце 2025 года Ли Куанем, который ранее проходил стажировку и работал в лаборатории Tongyi компании Alibaba. Там он занимался анализом моделей после обучения, синтезом данных и технологиями обучения с подкреплением. После создания собственной компании предприниматель сосредоточился на разработке реалистичных сценариев для проверки качества моделей искусственного интеллекта, а также на генерации специализированных обучающих и тестовых наборов данных.

Эксперты отмечают, что сделка отражает растущую ценность качественных данных в индустрии искусственного интеллекта. По мере развития крупных языковых моделей разработчики все чаще сталкиваются с нехваткой надежных источников информации. Одновременно ограничения, связанные с авторским правом и защитой персональных данных, усложняют использование общедоступного интернет-контента для дальнейшего обучения моделей.

Еще одной проблемой отрасли становится несоответствие результатов синтетических тестов реальной эффективности моделей. Разработчики нередко получают высокие позиции в специализированных рейтингах, которые не всегда отражают качество работы систем в практических задачах. UniPat стремится решить обе проблемы одновременно, предлагая инструменты для создания качественных наборов данных и независимой оценки производительности моделей.