Defense-технологическая компания Shield AI объявила о привлечении 2 млрд долларов в рамках нового раунда финансирования. Оценка стартапа после сделки составит 12,7 млрд долларов. Компания рассчитывает на расширение продуктовой линейки и ускорение разработки ИИ-ориентированного софта, на фоне того как военные все чаще делают ставку на автономные инструменты в реальных конфликтах.
Крупный раунд Series G и ключевые инвесторы
По словам компании, раунд получил статус Series G и стартовал 26 марта. Возглавляет его Advent International, а со-лидером выступает Strategic Investment Group подразделения JPMorganChase. Дополнительно в сделке участвуют действующие инвесторы, среди которых Snowpoint Ventures и Riot Ventures.
Особое внимание в структуре финансирования уделяется участию Blackstone: управляемые фондами компании средства предусматривают вхождение в виде привилегированного (preferred) капитала на сумму 500 млн долларов. Кроме того, инвестор обязуется предоставить отложенную кредитную линию (delayed draw facility) на 250 млн долларов. Такой формат означает, что часть средств может быть получена позже — по мере выполнения определенных условий или потребностей проекта. В сумме обязательства могут довести общий объем инвестиций до 750 млн долларов.
Почему спрос растет: автономные системы в «реальных» сценариях
Shield AI связывает усиление интереса к своей продукции с увеличением роли автономных технологий в США и в операциях, которые координировались Израилем при нанесении ударов по Ирану. Дополнительный фон — продолжающаяся война в Украине, где Россия проводит вторжение. В подобных условиях растет потребность в инструментах, способных выполнять задачи без постоянной опоры на внешние навигационные сигналы и устойчиво работать в условиях помех.
Под автономными технологиями в контексте оборонной сферы обычно понимают программно-аппаратные решения, которые позволяют технике самостоятельно принимать решения в рамках заданных ограничений: планировать маршрут, избегать опасных зон, выполнять боевые или разведывательные миссии, а также взаимодействовать с другими платформами.
Hivemind: работа в среде без GPS
Центральный продукт Shield AI — программная платформа Hivemind. Она предназначена для того, чтобы дроны и летательные аппараты могли действовать в так называемых GPS-denied environments — то есть в ситуациях, когда навигационные сигналы GPS недоступны или надежно подавлены. Для военных это критически важно: в условиях радиоэлектронной борьбы система должна сохранять управляемость и выполнять миссию, не полагаясь на внешнюю точную синхронизацию.
Технология уже проходила тестирование на нескольких платформах. В частности, она упоминалась в контексте применения на истребителях F-16, а также на беспилотной системе U.S. Air Force под названием Collaborative Combat Aircraft.
План расширения: покупка Aechelon Technology
Часть привлеченных средств Shield AI намерена направить на приобретение компании Aechelon Technology — разработчика ПО для симуляции. Покупка предполагается у частной инвестиционной структуры Sagewind Capital. При этом финансовые условия сделки компания не раскрыла.
Чтобы понять значимость симуляторов в оборонной отрасли: высококачественное моделирование позволяет быстрее и дешевле проверять сценарии, тестировать алгоритмы управления и тактики, а также снижать риски перед реальными испытаниями. Для ИИ-систем это особенно актуально, поскольку модели требуют множества повторяемых проверок.
Заявление гендиректора
Глава Shield AI Гэри Стил (Gary Steele) отметил, что приобретение Aechelon должно ускорить работы, связанные с Hivemind — прежде всего в части симуляций, включая JSE (Joint Simulation Environment). По его словам, речь идет о развитии возможностей программной среды для тестирования и обучения.
Что такое JSE и зачем оно нужно
JSE — это высокоточная виртуальная «полигонная» среда, которую использует американская армия для проверки авиационных платформ, автономных систем и тактических решений. Суть подхода в том, что испытания можно проводить в реалистичных условиях, приближенных к боевой обстановке, включая поведение противника и влияние среды. Это помогает быстрее выявлять слабые места и совершенствовать алгоритмы до этапа реальных полетов или стрельб.