AfterQuery تصبح أسرع يونيكورن في Y Combinator بتقييم $3.2 مليار دولار

ثمانية عشر شهراً من دفعة YC إلى تقييم بقيمة 3.2 مليار دولار. هذا ليس خطأ طباعي. AfterQuery تصبح أسرع يونيكورن في Y Combinator — وهي علامة فارقة تخبرك شيئاً مهماً عن اتجاه استثمارات الذكاء الاصطناعي، وعن سبب أن الفئة المحددة التي تعمل فيها AfterQuery تستحق فجأة مليارات الدولارات.

بالنسبة للمطورين والمؤسسين في جميع أنحاء آسيا، هذه القصة أكثر من مجرد عنوان عن شابين في سان فرانسيسكو. إنها إشارة حول أي رهانات الذكاء الاصطناعي تحقق نتائج، وكيف يبدو الجيل القادم من البنية التحتية لتدريب النماذج، وعن سبب أن السباق لتشفير الخبرة المهنية في أنظمة الذكاء الاصطناعي لم يبدأ إلا للتو.

ما الذي حدث

وفقاً لتقرير TechCrunch، جمعت AfterQuery جولة تمويل جديدة بتقييم الشركة بـ 3.2 مليار دولار — بعد خمسة أشهر فقط من إغلاق جولة Series A بقيمة 30 مليون دولار بتقييم 300 مليون دولار في أبريل 2026. هذا قفزة بمعامل 10x في أقل من نصف سنة. أكد شريك Y Combinator Gustaf Alströmer أنها الأسرع التي وصلت فيها أي شركة ناشئة من YC من الإطلاق إلى مركز اليونيكورن.

مؤسسا AfterQuery يبلغان من العمر 22 و23 سنة. مرا عبر دفعة YC في Winter 2025 — قبل حوالي 18 شهراً من علامة التقييم هذه. بحلول أبريل، كانت الشركة قد وصلت بالفعل إلى معدل إيرادات سنوي بقيمة 100 مليون دولار، وتعمل مع بعض أكبر الأسماء في البنية التحتية للذكاء الاصطناعي. تشمل قائمة العملاء المعلنة عنها Nvidia و Legora ومختبر الذكاء الاصطناعي الكوري Motif Technologies.

ماذا تفعل AfterQuery بالفعل؟ تقع في فئة إلى جانب Mercor و Scale AI، لكن بزاوية مختلفة. بدلاً من توظيف متخصصي المعرفة للتحقق من أن نماذج الذكاء الاصطناعي تنتج إجابات دقيقة، تدرب AfterQuery النماذج والوكلاء على العمل بالطريقة التي يعمل بها المتخصصون الماهرون فعلاً — حيث تلتقط ما تصفه الشركة بأنه "تشفير الأنماط والقرارات والمنطق لأفضل الممارسين في العالم." الأطباء والمحامون والمتخصصون: تصبح سير عملهم في صنع القرار إشارة تدريب.

هذا التمييز مهم. فحص الدقة هو طبقة مراقبة جودة. تشفير سير العمل هو قيمة مقترحة مختلفة تماماً — واحدة تستهدف أنظمة الذكاء الاصطناعي الوكيلة التي تحتاج إلى إكمال مهام مهنية متعددة الخطوات، وليس فقط الإجابة على الأسئلة. السوق يسعر بوضوح هذا الفرق بقوة.

أفادت Forbes أولاً عن الجولة. لم تستجب AfterQuery لطلبات التعليق في وقت نشر TechCrunch.

لماذا يهم لآسيا

تنزل قصة AfterQuery بشكل مختلف عندما تقرأها من جنوب شرق آسيا أو كوريا الجنوبية أو اليابان أو الهند. بعض الأشياء تبرز على الفور.

أولاً، Motif Technologies — مختبر ذكاء اصطناعي كوري — هو بالفعل عميل مسمى. هذا ليس عرضياً. تحركت مختبرات الذكاء الاصطناعي الكورية بسرعة في تطوير النماذج الحدودية، وحقيقة أن شركة ناشئة متخصصة في بيانات التدريب بهذا التقييم مدمجة بالفعل في النظام البيئي الكوري تشير إلى أن مختبرات الذكاء الاصطناعي الآسيوية تشتري نفس مكدس البنية التحتية الذي تستخدمه المختبرات الأمريكية. هذا ليس حالة انتظار الشركات الآسيوية لاعتماد التكنولوجيا بعد نضجها في الغرب.

ثانياً، الفئة التي تعمل فيها AfterQuery — تشفير المعرفة المهنية لتدريب النموذج — لديها إمكانات هائلة غير مستغلة في آسيا على وجه التحديد. تتمتع المنطقة بتركيزات عميقة من الخبرة المهنية المتخصصة: مهندسو التصنيع في تايوان واليابان، والمتخصصون القانونيون الذين يتنقلون عبر أطر عمل معقدة متعددة الاختصاصات عبر رابطة دول جنوب شرق آسيا، والمحللون الماليون في هونج كونج وسنغافورة، والمتخصصون الطبيون عبر نظام الرعاية الصحية الهندي. هذه الخبرة لم يتم تشفيرها إلى حد كبير. فرصة بيانات التدريب ضخمة.

ثالثاً، يجب أن تعيد سرعة مسار التقييم هذا معايرة كيفية تفكير المؤسسين الآسيويين حول توقيت الدخول إلى السوق. لم تنتظر AfterQuery نضج المنتج قبل الذهاب إلى عملاء المؤسسات. حققوا 100 مليون دولار ARR على منتج كان، بأي معيار، لا يزال مبكراً. الدرس ليس "شحن الأشياء المكسورة" — بل أنه في البنية التحتية للذكاء الاصطناعي، سيدفع عملاء المؤسسات مقابل القدرة التي تتجه في الاتجاه الصحيح حتى عندما لا تكون مصقولة تماماً، لأن البديل هو التخلف عن الركب في جودة النموذج.

بالنسبة للمؤسسين في النظام البيئي التكنولوجي الآسيوي الذين يبنون أي شيء مجاور لتدريب الذكاء الاصطناعي أو تسمية البيانات أو أدوات سير العمل الوكيلة، فإن مسار AfterQuery هو نقطة إثبات تستحق الدراسة بعناية. النافذة لإنشاء الفئة في هذا المجال مفتوحة — لكنها لن تبقى مفتوحة إلى الأبد.

ما يعنيه هذا للمطورين

إذا كنت مطوراً — ليس مؤسساً، ليس مستثمراً، فقط شخص يبني باستخدام الذكاء الاصطناعي — فإن قصة AfterQuery لا تزال تحمل إشارة عملية. إليك كيفية قراءتها.

الذكاء الاصطناعي الوكيل هو الحدود الحقيقية، وبيانات التدريب هي القيد. الأطروحة الكاملة لـ AfterQuery هي أن الوكلاء يحتاجون إلى تعلم كيفية العمل مثل المتخصصين، وليس فقط استرجاع المعلومات مثل محركات البحث. إذا كنت تبني وكلاء اليوم، فإن العامل المحدد للجودة ليس النموذج الأساسي — بل ما إذا تم تدريب النموذج على نوع منطق إكمال المهام الذي يتطلبه مجالك. هذا الفجوة هي ما تبيعه AfterQuery للمختبرات. كمطور، يساعدك فهم هذا على تقييم سبب ضعف أدائك للوكلاء في المهام المعقدة متعددة الخطوات، وما هي أساليب الضبط الدقيق أو RAG التي قد تغلق هذه الفجوة فعلاً مقابل ما لن تغلقه.

نموذج "متخصص المعرفة كمساهم في التدريب" سيتوسع. في الوقت الحالي، المساهمون في AfterQuery هم أطباء ومحامون وغيرهم من المتخصصين المعتمدين. لكن نفس المنطق ينطبق على أي مجال حيث تهم الخبرة الضمنية: المهندسون الأكبر سناً الذين يصححون الأنظمة الموزعة، ومحللو البيانات ذوو الخبرة الذين يبنون النماذج المالية، وممارسو DevOps الذين يصممون البنية التحتية المرنة. إذا كان لديك خبرة عميقة في المجال، فهناك سوق حقيقي ومتنام لأنماط تفكيرك — وليس فقط مخرجاتك.

بيانات التدريب الخاصة بآسيا ممثلة بشكل ناقص وقيمتها تتزايد. تم تدريب معظم النماذج الحدودية بشكل أساسي على البيانات باللغة الإنجليزية والسياق الغربي. المطورون الذين يبنون للأسواق الآسيوية — سواء كانت سير عمل قانونية تايلاندية أو عمليات تصنيع يابانية أو تمويل المشاريع الصغيرة والمتوسطة الإندونيسية — يعملون مع نماذج لديها نقاط عمياء كبيرة. الشركات الناشئة التي يمكنها تشفير الخبرة المهنية الآسيوية على نطاق واسع ستحصل على ميزة هيكلية لا يمكن لهندسة الطلب البحتة أن تكررها.

في MonstarX، نرى هذا الديناميكي يتكشف مباشرة مع المطورين الذين يبنون على منصتنا. الفرق التي تحقق أكثر التقدم ليست فقط ربط استدعاءات API — إنهم يفكرون بجدية حول السياق الخاص بالمجال الذي تحتاجه نماذجهم فعلاً، وبناء الأنظمة التي يمكنها التقاط وتطبيق هذا السياق في وقت التشغيل. قصة AfterQuery هي تذكير بأن الفرق التي تفكر في السياق في وقت التدريب، وليس فقط السياق في وقت الاستدلال، تلعب لعبة أطول وأكثر دفاعاً.

النقاط الرئيسية

دعنا نكون مباشرين حول ما تخبرنا به هذه القصة فعلاً، بدون الضجة.

• سرعة خلق القيمة في البنية التحتية للذكاء الاصطناعي لا مثيل لها في دورات البرمجيات السابقة. قفزة من 300 مليون دولار إلى 3.2 مليار دولار في خمسة أشهر ليست طبيعية حتى بمعايير الذكاء الاصطناعي الحديثة. إنها تعكس طلباً حقيقياً من المؤسسات على البنية التحتية لبيانات التدريب، وليس فقط الحماس المضاربة. عندما تدفع المختبرات، تتبع التقييمات.
• التمييز بين "التحقق من الدقة" و"تشفير سير العمل" هو تمييز منتج حقيقي. AfterQuery لا تتنافس مع Scale AI على نفس المحور — إنهم يراهنون على أن تدريب الوكلاء على التفكير مثل الخبراء هي مشكلة أصعب وأكثر قيمة من تدريب النماذج على الإجابة على الأسئلة بشكل صحيح. يبدو أن هذا الرهان