Серия A на полмиллиарда: покерный ИИ стал финансовым активом

Трое бывших исследователей DeepMind, создавшие ИИ, победивший людей в покере, переключились на трейдинг — и ставки окупаются. Их пражская лаборатория EquiLibre Technologies привлекла раунд Series A с не раскрываемым объёмом инвестиций, а по данным TechCrunch, оценка компании составила $500 млн. Раунд возглавил венчурный фонд Creandum, причём, как подтвердил вице-президент Кэмерон Селлерс, это крупнейшая единовременная инвестиция, которую фирма когда-либо делала в одну компанию.

«Потенциальный совокупный адресуемый рынок торговли на финансовых рынках — один из крупнейших на планете, и за всю историю существовали фонды, генерировавшие кванты прибыли, перед которыми большинство успехов, подкреплённых венчурным капиталом, выглядят мелочью», — подчеркнул Селлерс. При этом он отметил, что EquiLibre определяет себя как «лаборатория прежде всего, а не финансовая фирма».

От покерного стола к бирже: технология reinforcement learning

Общим знаменателем покера и Уолл-стрит является пригодность для reinforcement learning — метода обучения ИИ, при котором Сэмообучающиеся модели получают вознаграждение за правильные решения. «Прелесть торговли и рынков в том, что оценка предельно проста: сколько денег заработал агент?» — пояснил генеральный директор EquiLibre Мартин Шмид.

В партнёрстве с квантовым хедж-фондом Tower Research Capital алгоритмы EquiLibre обеспечивают торговлю в миллиарды долларов ежедневного объёма на биржах S&P 500 и Nasdaq. Стартап утверждает, что его агенты показывают себя успешно с момента запуска на крипторынках в 2025 году, а затем и на фондовых биржах, имея «идеальную историю — ноль убыточных месяцев с момента начала работы», то есть завершая каждый месяц с ростом инвестиций.

Команда DeepMind и путь в Прагу

Основатели EquiLibre — генеральный директор Мартин Шмид, технический директор Рудольф Кадлец и директор по стратегии Матей Моравчик — не имеют бэкграунда в финансах и не движимы им. «Я занимаюсь этим не потому, что мне интересно делать рынки эффективнее. Я делаю это, потому что нам всем интересно строить то, чего ещё никогда не строили, — и это огромный удовольствие», — рассказал Шмид.

Троица познакомилась, будучи приглашёнными аспирантами в первом международном исследовательском офисе DeepMind в Эдмонтоне, Альберта, Канада (Alphabet закрыла его в 2023 году). Именно там они создали DeepStack — первую ИИ-программу, победившую профессиональных игроков в покер без ограничений (Texas hold 'em). Также они сотрудничали с профессорами, вошедшими в консультативный совет стартапа, включая Рича Саттона, получившего в 2024 году премию Тьюринга за работу в области reinforcement learning.

Для создания стартапа основатели вернулись на родину — в Чехию. «Здесь было много людей, с которыми мы работали, и существовала крупная чешская диаспора в Google и других компаниях», — вспоминает Шмид. Это помогло собрать первую команду в 2022 году; сегодня в EquiLibre работает 25 человек. По словам Шмида, выбор Праги продолжает приносить дивиденды: по сравнению с Сан-Франциско, «здесь гораздо проще удержать хороших людей, потому что каждые два месяца не появляется новая сексуальная ИИ-тема».

Перспективы: вычислительная инфраструктура и рынок RL

EquiLibre планирует масштабировать вычислительную инфраструктуру, выведя в строй один из крупнейших кластеров в Центральной и Восточной Европе (CEE). Хотя стартап отказался раскрывать общий объём привлечённого финансирования, Шмид сообщил, что ранее были проведены ещё два раунда: seed-раунд на $10 млн под руководством Blossom Capital при оценке $140 млн, а также поддержка со стороны чешского венчурного фонда Credo, инвестировавшего также в ElevenLabs и UiPath.

Селлерс подтвердил, что оценка в $500 млн по итогам Series A — это значительный скачок. Он также отметил, что сейчас ветер изменился в пользу reinforcement learning, в том числе в трейдинге: «Когда мы начинали, люди скептически относились. Сейчас RL — это стандарт. Мы начали четыре года назад, и считаем, что у нас преимущество». Вместе с тем Шмид признаёт риск того, что стартап может быть обойдён более быстрыми конкурентами.