شركة Baseten الناشئة في مجال الاستدلال الذكي تجمع 1.5 مليار دولار بعد جولة تمويل ضخمة

خمسة أشهر. زيادة تقييم بنسبة 160%. 1.5 مليار دولار. هذه الأرقام الثلاثة تخبرك بكل شيء عن اتجاه سباق البنية التحتية للذكاء الاصطناعي — وبأي سرعة. يُفيد التقرير أن شركة Baseten الناشئة في مجال الاستدلال الذكي تجمع 1.5 مليار دولار بتقييم 13 مليار دولار، وفقاً لـ تقرير وول ستريت جورنال، بعد خمسة أشهر فقط من إغلاق جولة Series E بقيمة 300 مليون دولار بتقييم 5 مليارات دولار. بالنسبة للمطورين والمؤسسين في آسيا الذين يراقبون تشكل مكدس البنية التحتية للذكاء الاصطناعي العالمي، هذه إشارة تستحق التحليل — ليس فقط كعنوان تمويل، بل كخريطة لمكان تراكم النفوذ الحقيقي في الذكاء الاصطناعي.

ما الذي حدث

Baseten، التي تأسست عام 2019، تقترب من جولة تمويل بقيمة 1.5 مليار دولار ستقيّم الشركة بـ 13 مليار دولار، وفقاً لتغطية TechCrunch لتقرير وول ستريت جورنال. تقود الجولة شركات Spark Capital و Sands Capital و Altimeter Capital و Wellington Management.

المسار مذهل. في سبتمبر 2025، جمعت Baseten 150 مليون دولار في جولة Series D. بعد تسعة أشهر، أغلقت جولة Series E بقيمة 300 مليون دولار بتقييم 5 مليارات دولار. الآن، بعد خمسة أشهر فقط من ذلك، يُفيد التقرير أنها تُنهي صفقة تضاعف تقييمها أكثر من مرة أخرى. إذا كنت تحتسب: هذا يعني حوالي 1.95 مليار دولار تم جمعها عبر ثلاث جولات في أقل من 18 شهراً.

هناك تفصيل هيكلي مهم مدفون في التقارير. يُفيد التقرير أن هذه الجولة الأخيرة هي جولة بأسعار مختلفة — آلية حيث يشتري مستثمرون مختلفون في نفس الجولة بتقييمات مختلفة. يدخل بعض المستثمرين بالرقم الرئيسي البالغ 13 مليار دولار؛ والآخرون بـ 11 مليار دولار. هذه تكتيك أصبح شائعاً بشكل متزايد في تمويل شركات الذكاء الاصطناعي الناشئة، حيث يمكن للمستثمرين الرئيسيين المطالبة بتقييم أعلى على الورق بينما يحصل المشاركون الثانويون على خصم للتعويض عن المخاطر. هذا يضخم الرقم الرئيسي ويجعل الصفقة تبدو أنظف مما قد تكون عليه فعلياً.

بغض النظر عن هذا التحفظ، فإن المنطق التجاري الأساسي حقيقي. الفكرة الأساسية لـ Baseten هي توجيه طلبات الاستدلال إلى النموذج الأنسب لمهمة معينة — بما في ذلك البدائل مفتوحة المصدر التي تكلف أقل بكثير من تشغيل كل شيء من خلال نماذج متقدمة مثل GPT-4o أو Claude. تبني الشركة طبقة التبديل بين ما يطلبه المستخدمون وأي نموذج يجيب فعلياً. هذا موضع قيّم للاحتلال حيث تصبح تكاليف الاستدلال مصدر قلق أساسي لأي شخص يبني تطبيقات ذكاء اصطناعي إنتاجية.

السياق الأوسع: ما أطلقت عليه The Next Wave "حمى الاستدلال" في ذروتها. رأس المال الاستثماري يفيض إلى الشركات التي تقف بين النموذج الخام والمستخدم النهائي — تحسين الكمون، وإدارة تكاليف الحوسبة، والتعامل مع التعقيد التشغيلي لتشغيل الذكاء الاصطناعي على نطاق واسع. Baseten هي واحدة من أوضح المستفيدين من هذا الاتجاه.

لماذا يهم ذلك لآسيا

لدى النظام البيئي للذكاء الاصطناعي في آسيا علاقة معقدة مع بنية الاستدلال. المنطقة لا تفتقر إلى طموح الذكاء الاصطناعي — من الاستراتيجية الوطنية للذكاء الاصطناعي في سنغافورة إلى هيمنة أشباه الموصلات في كوريا الجنوبية إلى مجتمع المطورين المتنامي بسرعة في الهند. لكن عندما يتعلق الأمر بطبقة الاستدلال على وجه التحديد، اعتمد المؤسسون والمطورون الآسيويون إلى حد كبير على البنية التحتية المبنية والمسعرة للأسواق الغربية.

هذا يخلق مشكلة تكلفة حقيقية. الاستدلال ليس نفقة لمرة واحدة. كل استعلام مستخدم، كل استدعاء API، كل استجابة في الوقت الفعلي في تطبيق إنتاجي يستهلك الحوسبة. بالنسبة لشركة ناشئة في جاكرتا أو مدينة هو تشي منه تعمل بالعملة المحلية مع توقعات التسعير المحلية، فإن اقتصاديات تشغيل الاستدلال على البنية التحتية السحابية الغربية المتميزة يمكن أن تكون قاسية. نموذج Baseten — التوجيه إلى بدائل مفتوحة المصدر أرخص وكفؤة بدلاً من الافتراضي للنموذج الحدودي الأغلى — هو بالضبط نوع المراجحة التكلفة التي تهم بشكل كبير في الأسواق الآسيوية الحساسة للسعر.

هناك أيضاً بُعد الكمون. بنية الاستدلال المحسّنة لمراكز البيانات في US-East تقدم تأخيراً ملحوظاً لمستخدمي جنوب شرق آسيا. مسألة المكان الذي يعمل فيه الاستدلال فعلياً — جغرافياً — هي مسألة يتعامل معها المطورون الآسيويون باستمرار. مع قيام شركات مثل Baseten بجمع التمويل بهذه التقييمات، يجب أن يكون التوقع من مجتمع المطورين أن تغطية البنية التحتية العالمية، بما في ذلك مناطق آسيا والمحيط الهادئ، تصبح أولوية منتج وليس فكرة لاحقة.

من منظور الاستثمار، جولة Baseten هي أيضاً إشارة لرأس المال الاستثماري الآسيوي. طبقة الاستدلال هي حيث تعيش الإيرادات المتكررة في بنية الذكاء الاصطناعي. يحدث التدريب مرة واحدة (أو عدة مرات). يحدث الاستدلال مليارات المرات يومياً عبر عمر تطبيق إنتاجي. المستثمرون الذين يفهمون هذا يتحركون بسرعة — والاتحاد الذي يدعم Baseten من Spark Capital و Altimeter و Wellington يعكس قناعة مؤسسية متطورة، وليس مجرد مطاردة ضجة الذكاء الاصطناعي.

بالنسبة للمؤسسين الآسيويين الذين يبنون منتجات أصلية للذكاء الاصطناعي، الدرس المستفاد استراتيجي: النموذج الذي تختار البناء عليه يهم أقل من بنية الاستدلال التي تختار تشغيلها من خلالها. المرونة في طبقة الاستدلال — القدرة على تبديل النماذج والتوجيه بذكاء والتحكم في التكاليف — هي بشكل متزايد ميزة تنافسية، وليس مجرد تفصيل بنية تحتية.

ماذا يعني هذا للمطورين

يميل المطورون إلى التفكير في الذكاء الاصطناعي من حيث النماذج: أيها الأذكى، أيها يتعامل مع حالة الاستخدام الخاصة بهم بشكل أفضل، أيها لديه أفضل API. لكن ارتفاع Baseten — والمليارات التي تتدفق إلى بنية الاستدلال بشكل عام — هو تذكير بأن النموذج هو متغير واحد فقط في معادلة أكبر بكثير.

الآثار العملية: إذا كنت تبني تطبيق ذكاء اصطناعي إنتاجي الآن، فإن استراتيجية الاستدلال تستحق نفس اهتمام الهندسة مثل اختيار النموذج الخاص بك. إليك ما يبدو عليه هذا فعلياً في الممارسة:

• التوجيه المناسب للمهمة: ليس كل استعلام يحتاج GPT-4o. قد تعمل مهمة التصنيف أو وظيفة التلخيص أو خطوة استخراج البيانات المنظمة بنفس الجودة على نموذج مفتوح المصدر أصغر بجزء من التكلفة. الفكرة الأساسية لـ Baseten هي أتمتة قرار التوجيه هذا. يمكن للمطورين تنفيذ نسخة أبسط من منطق هذا يدويًا باستخدام معايير النموذج وحاسبات التكلفة.
• ميزانية الكمون: أجزاء مختلفة من تطبيقك لها تسامحات كمون مختلفة. واجهة الدردشة في الوقت الفعلي تحتاج استجابات أقل من 500ms. وظيفة معالجة المستندات في الخلفية يمكنها تحمل عدة ثوان. تعيين استدعاءات الاستدلال الخاصة بك إلى طبقات الكمون المناسبة — واختيار البنية التحتية وفقاً لذلك — يؤثر بشكل مباشر على تجربة المستخدم والتكلفة.
• تقييم نموذج مفتوح المصدر: الفجوة بين النماذج التجارية الحدودية والبدائل مفتوحة المصدر الكفؤة قد ضاقت بشكل كبير. نماذج مثل Llama 3 و Mistral و Qwen (ذات صلة خاصة لمهام اللغات الآسيوية) تتعامل الآن مع مجموعة واسعة من حالات الاستخدام الإنتاجية بكفاءة. أي استراتيجية استدلال جادة يجب أن تتضمن دورة تقييم منتظمة للبدائل مفتوحة المصدر.
• مراقبة التكلفة كمصدر قلق من الدرجة الأولى: تكاليف الاستدلال تتسع مع الاستخدام بطرق قد تفاجئ الفرق التي بنت واختبرت بحجم منخفض. أدوات استدعاءات الاستدلال الخاصة بك مع تتبع التكلفة من اليوم الأول — وليس كفكرة لاحقة — هي انضباط يفصل الفرق التي تتسع بنظافة عن تلك التي تصطدم بجدار.

بالنسبة للمطورين الذين يبنون على منصات مثل MonstarX، منصة تطوير الذكاء الاصطناعي الأصلية في آسيا، فإن مسألة طبقة الاستدلال تصبح بشكل متزايد في الواجهة الأمامية