Thinking Machines, AI-лаборатория, основанная в начале прошлого года Мирой Мурати после её ухода из OpenAI, ведёт переговоры о привлечении $1 млрд инвестиций при оценке не менее $40 млрд. По сообщениям, существующий инвестор Accel пытается возглавить этот раунд. Цифры звучат впечатляюще, но в них стоит разобраться внимательнее.

Сначала напомним контекст: в 2024 году Thinking Machines привлекла $2 млрд — один из крупнейших seed-раундов в истории стартапов. Тогда компанию оценили в $12 млрд, и в раунде участвовали Andreessen Horowitz, Nvidia, GV, Lightspeed и другие. Инвесторы делали ставку на имена: Мурати и её команду бывших OpenAI-исследователей. Полгода назад компания якобы искала $50 млрд. Теперь предложение — $40 млрд. Это не успех, это откат на треть от целевой оценки.

Вторая красная флажка — сама цифра годовой выручки. По информации источников, она составляет свыше $100 млн. Вспомним простую математику: $40 млрд оценка на $100 млн годовой выручки даёт множитель 400x — совершенно невообразимый даже для AI-стартапа, набирающего обороты. Для сравнения, у OpenAI, создавшей ChatGPT и доминирующей на рынке, множитель был ниже. Это либо говорит о том, что инвесторы переплачивают за пedigree Мурати, либо о серьёзном переоценивании потенциала компании.

Третья проблема — кадровый исход. Компания пережила несколько громких уходов: со-основатели Лилиан Вэнг (один из ключевых людей в области безопасности ИИ) и Люк Метц вернулись в OpenAI. Это не просто потеря имён — это потеря экспертизы на фоне того, что компания была создана исключительно на основе репутации своей команды. Если ключевые люди уходят, то на что ещё опираться при такой оценке?

Единственный конкретный продукт, о котором упоминается, — модель Inkling, представленная в июле. Компания зарабатывает на usage-based платежах за адаптацию моделей на собственных данных через платформу Tinker. Это вполне разумный бизнес-подход, но никак не оправдывает 400x множитель на выручку. Пока это выглядит как очередной AI-стартап, который пока не доказал, что может масштабироваться в действительно крупный бизнес.

Для российского бизнеса история Thinking Machines актуальна как учебный пример: когда компанию оценивают по имени основателя, а не по реальным метрикам продукта и роста, рано или поздно оценка скорректируется вниз. Российским AI-стартапам, ищущим инвестиции, стоит сосредоточиться на доказанной выручке и product-market fit, а не на résumé основателей. Для внутриорганизационной автоматизации контента есть уже проверенные решения, для платежей и смарт-контрактов — проверенные блокчейн-инструменты. Ставить на незрелый стартап с неопределённым продуктом — рисковано, даже если его основатель известен.

Ясно, что инвестиционный пузырь вокруг ИИ медленно сдувается: компании, которые полгода назад просили $50 млрд, теперь берут $40 млрд, хотя имеют годовую выручку в пять раз ниже оценки. Это здравое движение рынка, но оно говорит о переоценивании большей части AI-стартапов, существующих только благодаря хайпу вокруг больших моделей, а не благодаря реально работающему бизнесу.