Бывший руководитель Neural Band в Meta ищет деньги для Flourish при оценке $2,5 млрд
Томас Рирдон, который руководил проектом Neural Band в Meta, запускает новый AI-стартап Flourish и обсуждает раунд при оценке $2,5 млрд. По словам знакомых с пе

Томас Рирдон, один из ключевых людей за проектом Neural Band в Meta, привлекает деньги в новый стартап Flourish. Компания хочет заняться энергоэффективным искусственным интеллектом и обсуждает раунд при оценке в $2,5 млрд.
Раунд и оценка
По словам людей, знакомых с переговорами, Flourish ведет обсуждения с инвесторами о новом привлечении капитала. Речь идет об оценке в $2,5 млрд, но сама сделка еще не закрыта, поэтому условия могут измениться. Для молодого проекта это очень амбициозная планка: рынок фактически ставит на команду и на идею, а не на публично показанный масштабный продукт.
Пока о самом продукте известно немного, но сам стартап уже пытается занять одну из самых дорогих и болезненных тем AI-индустрии. Flourish описывают как компанию, которая будет делать энергоэффективный AI. Публично не раскрывается, идет ли речь о новой архитектуре моделей, инструментах оптимизации, программном стеке для инференса или связке со специализированным железом.
Но сам фокус уже понятен: это не история про еще один интерфейс к чужому API, а попытка снизить цену вычислений. В момент, когда модели становятся сильнее, а их обслуживание обходится все дороже, такой тезис сам по себе выглядит инвестиционно привлекательным.
Кто такой Рирдон Фигура основателя здесь не менее важна, чем сама идея.
Томас Рирдон руководил работой над Neural Band в Meta — нейроинтерфейсом в формате браслета, который считывает мышечные сигналы и переводит их в команды для компьютера. До этого он основал CTRL-Labs, компанию на стыке нейронаук и вычислений, которую позже купила Meta. После сделки Рирдон отвечал в Reality Labs за направление нейромоторных интерфейсов и взаимодействия с устройствами.
Сейчас Рирдон также работает venture partner в Lux Capital. Это объясняет, почему у Flourish с самого старта сильный доступ к deep tech-инвесторам и почему проект выглядит не как очередное AI-приложение поверх чужой модели, а как попытка зайти в более фундаментальный слой рынка. Когда стартапом занимается человек с опытом в интерфейсах, нейронауке и вычислительных системах, инвесторы готовы смотреть на него иначе и терпимее относиться к ранней неопределенности продукта.
Почему это интересно
Собеседники утверждают, что крупными инвесторами в сделке уже согласились стать Lux Capital и Google Ventures. Даже без множества публичных деталей это важный сигнал: на ранней стадии стартап может получить не просто деньги, а подтверждение интереса со стороны фондов, которые обычно смотрят на сложные технологические ставки. Для рынка это выглядит как проверка гипотезы о том, что тема энергопотребления AI уже превратилась в самостоятельный инвестиционный тезис, а не остается просто красивым словом в презентациях.
проект с ранней стадии претендует на оценку уровня позднего единорога основатель идеально попадает в тему сложной технической области инвесторы делают ставку не на чат-бота, а на инфраструктурную или модельную эффективность тема энергопотребления AI становится самостоятельным инвестиционным тезисом На фоне бума генеративного AI это выглядит логично. Самые очевидные идеи уже заняты крупными игроками, а новые деньги все чаще идут в компании, которые решают узкие, но дорогие ограничения рынка: вычисления, пропускную способность, стоимость запуска моделей и устойчивость инфраструктуры. Еще недавно инвесторы охотнее вкладывались в прикладные AI-сервисы с быстрым выходом на выручку, но теперь внимание сдвигается в сторону базовых технологий.
Если Flourish сможет показать реальную технологическую новизну, оценка в $2,5 млрд перестанет казаться чистой ставкой на имя.
Что это значит
История Flourish показывает, куда смещается интерес инвесторов: от еще одного AI-сервиса к технологиям, которые делают сам AI дешевле и практичнее. Если проект Рирдона действительно найдет способ заметно повысить энергоэффективность, это станет выигрышем не только для отдельных моделей, но и для всей AI-цепочки — от инфраструктуры до конечных продуктов, где стоимость вычислений все сильнее и напрямую влияет на стратегию и маржинальность бизнеса.