Applied Compute mit Sitz in Kalifornien, einem Unternehmen, das Firmen bei der Entwicklung, Bereitstellung und Optimierung von Open-Weight-KI-Modellen unterstützt, verhandelt Berichten zufolge mit Investoren über eine Finanzierung zu einer Bewertung von rund 3 Milliarden Dollar, wie The Information meldet.

Sollte die Runde abgeschlossen werden, würde sie die vorherige Bewertung von 1,3 Milliarden Dollar des Unternehmens mehr als verdoppeln, die erst vor vier Monaten festgelegt wurde – ein Sprung, der den Wandel in der Haltung der Investoren gegenüber KI-Infrastruktur unterstreicht. Applied Compute ist nicht das einzige Unternehmen, das in diesem Bereich Kapital anzieht: Together AI, Fireworks AI und Anyscale haben jeweils bedeutende Finanzierungen zur Bedienung des Open-Modell-Ökosystems eingeworben, was eine breitere „Picks and Shovels“-These widerspiegelt, bei der Investoren Exposure gegenüber Infrastruktur suchen, die unabhängig davon profitiert, welche einzelnen Modelle sich durchsetzen.

Der Schritt spiegelt einen branchenweiten Trend in der KI-Industrie wider. Mit dem Fortschritt offener Modelle suchen Unternehmen zunehmend nach Systemen, die sie anpassen und kontrollieren können, was die Nachfrage nach Infrastruktur treibt, die diese Modelle trainieren, bereitstellen und kontinuierlich verbessern kann. Hugging Face, die führende Open-Modell-Plattform, berichtete, dass sie im Jahr 2025 die Marke von 13 Millionen Nutzern und über 2 Millionen öffentlichen Modellen erreichte – ein Beleg für die rasante Reifung des Open-Source-KI-Ökosystems.

Verdopplung gegenüber einer 1,3-Milliarden-Dollar-Series-B-Finanzierung

Applied Compute gab im April eine Finanzierungsrunde von 80 Millionen Dollar bekannt, angeführt von Kleiner Perkins bei einer Post-Money-Bewertung von 1,3 Milliarden Dollar. Diese Runde brachte die Gesamtmittel des Unternehmens auf rund 160 Millionen Dollar.

Unter den vorgeschlagenen neuen Bedingungen entspricht die Zahl von 3 Milliarden Dollar etwa dem 2,3-Fachen der April-Bewertung – erreicht innerhalb von Monaten. Die Finanzierungsrunde ist noch offen, was bedeutet, dass sich die endgültige Bewertung noch ändern könnte.

Der vorgeschlagene Wert steht auch in scharfem Kontrast zu den Finanzierungsdaten von Epoch AI. Mistral AI, ein führender Open-Modell-Entwickler, hatte bis September 2025 3 Milliarden Dollar an Eigenkapital eingeworben bei einer Bewertung von 13,7 Milliarden Dollar, laut dem Epoch-Datensatz. Applied Compute hat im Vergleich dazu bisher rund 160 Millionen Dollar aufgenommen – das bedeutet, dass die geschätzte Bewertung von 3 Milliarden Dollar auf einem Bruchteil des von Mistral eingesetzten Kapitals beruht.

Die beiden Unternehmen sind nicht direkt vergleichbar: Mistral entwickelt Foundation Models, während Applied Compute die Infrastrukturschicht bereitstellt. Dennoch verdeutlicht die Diskrepanz die Prämie, die Investoren auf Infrastruktur für Open-Source-KI legen. Mistrals jüngste Finanzierungsrunde war fast 25-mal so hoch wie die Gesamtmittel von Applied Compute, bei einer Bewertung, die etwa 4,6-mal höher lag – ein Kontext für die Bewertungsteigerung von Applied Compute, ohne auf unsichere Umsatzprognosen angewiesen zu sein.

Was Applied Compute anbietet

Applied Compute beschreibt seine Plattform als eine Cloud-Umgebung für das Training, die Inferenz und die kontinuierliche Verbesserung offener Modelle. Sein Agent Cloud, bekannt als AC2, ermöglicht es Unternehmen, Modelle auf Basis eigener Daten und Workflows zu trainieren und gleichzeitig in der Produktion einzusetzen.

Das Kernkonzept verbindet Modelltraining direkt mit dem Einsatz von Agenten. Anders als bei herkömmlichen Ansätzen, die Training und Bereitstellung trennen, ermöglicht Applied Compute Organisationen, ihre bestehende Agenten-Infrastruktur beizubehalten und neu trainierte, auf ihre Bedürfnisse zugeschnittene Modelle einzubinden. Für regulierte Branchen wie Gesundheitswesen und Finanzdienstleistungen adressiert diese Architektur auch Vorgaben zur Datengovernance, da Unternehmen Modelle in selbst kontrollierten Umgebungen verfeinern können, anstatt proprietäre Daten an externe API-Anbieter zu übermitteln.

„Das Harness kann dort bleiben, wo es bereits läuft.“ — Vinjai Vale, Applied Compute

Die Plattform nutzt Produktionstraces, Unternehmenskontext und Reinforcement Learning, um spezialisierte Modelle zu verfeinern – Fähigkeiten, die an Wert gewinnen könnten, wenn Unternehmen über generische KI-Assistenten hinausgehen und messbare Renditen für ihre KI-Investitionen fordern.

Applied Computes eigene Forschung demonstriert den Ansatz. In einem kürzlichen Experiment trainierte das Unternehmen einen Router, der Software-Engineering-Aufgaben auf NVIDIAs Nemotron 3 Ultra, GPT-5.5 und Claude Opus 4.7 verteilte. Laut dem Unternehmen erreichte der Router GPT-5.5-Niveau bei etwa 25 % niedrigeren Kosten und erzielte dabei den größten Teil des Nutzens einer Oracle-Strategie.

Die zugrunde liegende Strategie betrachtet KI-Modelle als austauschbare Komponenten. Anstatt jede Aufgabe an das leistungsstärkste Modell zu leiten, können Unternehmen Leistung und Kosten ausbalancieren – ein Ansatz, der zunehmend relevant wird, da offene Modelle den Abstand zu proprietären Systemen verringern und kumulierte API-Ausgaben für proprietäre Anbieter zu einer wesentlichen Kostenposition für skalierende Organisationen werden. Cryptopolitan hat zuvor über den Wettbewerb von Kimi K3 mit OpenAI und Anthropic berichtet und gezeigt, wie chinesische Open-Weight-Modelle US-Systeme sowohl bei der Leistung als auch beim Preis herausfordern.

Warum der Zeitpunkt für eine Open-Modell-Wette günstig ist

Die Finanzierungsgespräche von Applied Compute finden zu einem Zeitpunkt statt, in dem die Ausgaben für KI-Infrastruktur in Richtung produktiver Workloads wandern. Gartner prognostiziert, dass Inferenz im Jahr 2026 55 % der Ausgaben für KI-optimierte Infrastructure-as-a-Service ausmachen wird, da KI in zunehmend reale Anwendungen Einzug hält.

Dieser Trend passt zum Modell von Applied Compute. Das Unternehmen verkauft nicht einfach Trainings-Compute; es baut eine Infrastruktur, die darauf ausgelegt ist, Modelle nach der Bereitstellung kontinuierlich zu verbessern.

Das Wachstum von Hugging Face ist ein weiteres Indiz für den expandierenden Markt. Die Plattform erreichte 2025 13 Millionen Nutzer und mehr als 2 Millionen öffentliche Modelle, während Entwickler zunehmend feinabgestimmte Modelle und Anwendungen auf bestehenden Systemen erstellen.

Für Unternehmen bieten Open-Weight-Modelle zudem mehr Kontrolle. Firmen können sie an proprietäre Workflows anpassen und bereitstellen und dabei mehr Einfluss über ihre Daten und das Modellverhalten behalten.

Dies bringt Applied Compute an einen potenziell kritischen Wendepunkt. Wenn Unternehmen zunehmend KI auf Basis eigener Daten entwickeln möchten, statt Intelligenz von geschlossenen Anbietern zu mieten, könnte Infrastruktur, die Modelle mit proprietären Workloads verbindet, zu einem bedeutenden Segment des globalen KI-Marktes werden. Mehrere große Cloud-Anbieter – darunter AWS, Google Cloud und Microsoft Azure – haben ihre eigenen Fähigkeiten im Bereich Open-Model-Serving ausgebaut, was darauf hindeutet, dass die Infrastrukturschicht zunehmend zu einem umkämpften Feld und nicht mehr zu einer Nische wird.

Die vorgeschlagene Bewertung von 3 Milliarden Dollar ist daher mehr als eine Wette auf ein einzelnes Start-up. Sie ist eine Wette darauf, dass Unternehmen zunehmend KI-Modelle nutzen, trainieren, anpassen und kontinuierlich verbessern werden, die auf ihre eigenen Arbeitsabläufe zugeschnitten sind – und dass die Werkzeuge, die diesen Übergang ermöglichen, eine Prämie unabhängig vom Erfolg einzelner Modelle erzielen werden.