Fireworks AI объявила о закрытии раунда Series D на $1,505 млрд, который вывел оценку компании на уровень $17,5 млрд. Раунд возглавили Atreides Management, Index Ventures и TCV, в нём также приняли участие действующие инвесторы — Evantic, Lightspeed Venture Partners и Nvidia. Участие Nvidia в раунде не случайно: чипмейкер системно инвестирует в компании инференс-инфраструктуры, которые обеспечивают спрос на его вычислительные мощности. Оценка в $17,5 млрд ставит Fireworks в один ряд с наиболее дорогими частными ИИ-компаниями мира, не занимающимися напрямую разработкой собственных моделей общего назначения.
Раунд стал одним из крупнейших в инфраструктурном сегменте ИИ за последние месяцы и подтверждает, что инвесторы готовы вкладывать огромные суммы не только в лабораторные компании уровня OpenAI или Anthropic, но и в специализированные платформы «второго эшелона», которые зарабатывают на предоставлении инференса и дообучения моделей другим бизнесам.
Fireworks позиционирует себя как «платформу специализированного интеллекта» (specialized intelligence): вместо того чтобы предлагать клиентам единственную универсальную модель, компания помогает обучать, дообучать и разворачивать узкоспециализированные модели под конкретные бизнес-задачи — и обслуживать их с максимальной скоростью и минимальной стоимостью инференса. Среди клиентов компании — Uber и Shopify, которые используют платформу для внутренних ИИ-продуктов.
Такой подход отражает более широкий сдвиг на рынке: по мере того как топовые универсальные модели становятся дороже в разработке и коммодитизируются по цене, для многих бизнес-задач выгоднее использовать компактную дообученную модель, размещённую на быстрой инфраструктуре, чем платить за вызовы к самой мощной универсальной LLM. Fireworks зарабатывает именно на этом переходе — предоставляя инструменты и вычисления для тех, кто выбирает узкую модель вместо универсальной.
Финансовые показатели Fireworks иллюстрируют, насколько быстро растёт спрос на подобную инфраструктуру: выручка компании превысила $1 млрд в годовом исчислении — рост в пять раз год к году с момента предыдущего раунда финансирования. За тот же период объём токенов, обрабатываемых платформой ежедневно, вырос почти втрое — с 15 до более чем 40 трлн.
Российские компании не имеют прямого доступа к платформам вроде Fireworks — санкции ограничивают как использование Nvidia-инфраструктуры, лежащей в основе таких сервисов, так и оплату зарубежных облачных API. Это системно подталкивает отечественный рынок к развитию собственной инфраструктуры инференса: облачные мощности «Сбера» и «Яндекса», китайские чипы Huawei Ascend взамен Nvidia, а также разработка DeepSeek и других китайских лабораторий собственных чипов — тема, которая для российского рынка так же актуальна, поскольку доступ к передовым западным ускорителям закрыт.
Логика Fireworks — дообучать узкие модели под конкретную задачу вместо использования дорогой универсальной LLM — во многом совпадает с тем, к чему вынуждены приходить и российские корпоративные заказчики: при ограниченном доступе к вычислительным мощностям экономика подсказывает то же решение, что и на конкурентном западном рынке, только по другим причинам — не оптимизация затрат, а обход инфраструктурных ограничений. Разница в мотивации не отменяет схожести технического решения: узкая модель на быстрой инфраструктуре против дорогой универсальной LLM «на все случаи жизни».
Раунд Fireworks стоит рассматривать в контексте общей картины венчурного рынка ИИ-инфраструктуры 2026 года: капитал продолжает концентрироваться в небольшом числе компаний, которые обеспечивают «трубы» — вычисления, инференс, обучение — для всей остальной индустрии, а не только в компаниях, создающих сами модели. Nvidia, инвестируя в Fireworks напрямую, страхует спрос на собственные чипы вне зависимости от того, какая именно лаборатория выиграет гонку моделей.
Для отрасли в целом такие раунды подтверждают: узкое место рынка ИИ смещается от «кто обучит лучшую модель» к «кто сможет обслуживать инференс дешевле и быстрее при растущем объёме запросов» — а это как раз тот вопрос, с которым сталкиваются и российские облачные провайдеры при масштабировании собственных LLM-сервисов.