Nominal привлекла деньги при оценке $3 млрд: выручка выросла в 3,5 раза за 8 месяцев

Пока основное внимание уходит ИИ для кода и чат-ботам, заметные деньги идут в менее эффектную область: инженерию физических устройств. Стартап Nominal привлёк новое финансирование при оценке $3 млрд. Он строит ИИ- и дата-платформу для аппаратной инженерии.

Что известно

Источник — короткий анонс интервью Bloomberg Tech, поэтому фактов немного. СЕО и сооснователь Кэмерон Маккорд сообщил, что выручка компании за восемь месяцев выросла более чем в 3,5 раза. Среди клиентов есть пять из семи крупнейших аэрокосмических и оборонных компаний. Оценка — $3 млрд.

Чего в материале нет: размера раунда, списка инвесторов, абсолютной выручки и описания продукта. Поэтому «3,5 раза» стоит читать осторожно. Рост в 3,5 раза от небольшой базы и от крупной — совершенно разные истории. Слово «клиенты» тоже может означать как полноценные контракты, так и пилоты в отдельных подразделениях.

Какую проблему решает такая платформа

Ниже не описание продукта Nominal, а типичная картина для этой категории. Допустим, команда тестирует новый узел: привод, двигатель, элемент спутника. Данные приходят отовсюду. С испытательного стенда это логи датчиков в одном формате, из симуляции — таблицы в другом, из полевых испытаний — третий набор файлов. Часть лежит на ноутбуках инженеров, часть в самописных скриптах.

Когда нужно ответить на вопрос «почему вибрация выросла после четвёртой ревизии?», инженер тратит дни не на анализ, а на то, чтобы собрать данные и привести их к общему виду. Платформа для аппаратной инженерии пытается убрать эту рутину: собрать данные в одном месте, привязать их к конкретным испытаниям и версиям конструкции, а поверх дать ИИ-инструменты для поиска аномалий и сравнения прогонов.

Главное здесь не модель, а слой данных под ней. Без аккуратно собранных и размеченных испытаний ИИ нечего анализировать. Видимо, именно на этом слое такие компании и пытаются построить бизнес.

Почему аэрокосмос и оборона

Это отрасли, где ошибка стоит очень дорого, циклы разработки длинные, а испытаний много и они сложные. Любое ускорение анализа данных тут легко перевести в деньги: меньше итераций, быстрее сертификация, меньше сорванных сроков. Это и делает сегменты привлекательными для вертикальных ИИ-стартапов.

То, что среди клиентов Nominal пять из семи крупнейших игроков, говорит о доверии крупных заказчиков. Они известны консервативными закупками и жёсткими требованиями к безопасности. Но подтверждения в виде цифр по контрактам у нас нет, только слова СЕО в интервью.

Что с этим делать

Основателям. Вертикальный ИИ с доступом к трудно собираемым отраслевым данным выглядит сильнее, чем ещё одна универсальная обёртка над моделью. Инвесторы, судя по оценке, готовы платить за такую позицию.

Продактам. Если вы делаете ИИ-функции для сложной инженерии, начинайте не с модели, а с данных: как они собираются, как версионируются, как связаны с конкретными испытаниями. Это и есть основная часть ценности.

Командам, которые делают железо. Полезно честно проверить, сколько времени инженеры тратят на сбор и очистку данных испытаний. Если больше половины рабочей недели, такая платформа окупится быстрее, чем очередной ИИ-ассистент.

Скептикам. Оценка в $3 млрд — это ставка инвесторов, а не доказанный результат. Пока неизвестно, сколько из роста даёт ИИ, а сколько — сам по себе спрос на оборонку и аэрокосмос. Подробности стоит искать в самом интервью и в следующих публикациях о раунде.