Applied Compute, con sede in California, un'azienda che aiuta le imprese a sviluppare, distribuire e ottimizzare modelli AI open-weight, è presumibilmente in trattative con gli investitori per assicurarsi finanziamenti a una valutazione di circa 3 miliardi di dollari, secondo The Information.

Se completato, il nuovo round more than doubled raddoppierà la precedente valutazione di 1,3 miliardi di dollari dell'azienda, stabilita appena quattro mesi fa — un salto che sottolinea il cambiamento negli atteggiamenti degli investitori verso l'infrastruttura AI. Applied Compute non è sola nell'attirare capitali in questo settore: Together AI, Fireworks AI e Anyscale hanno ciascuno raccolto finanziamenti significativi per servire l'ecosistema dei modelli aperti, riflettendo una più ampia tesi dei "picconi e pale" in cui gli investitori cercano esposizione a infrastrutture che beneficiano indipendentemente da quali modelli individuali ottengano adozione.

La mossa riflette una tendenza più ampia in tutto il settore AI. Con l'avanzamento dei modelli aperti, le imprese cercano sempre più sistemi che possano personalizzare e controllare, guidando la domanda di infrastrutture in grado di addestrare, distribuire e migliorare continuamente tali modelli. Hugging Face, la piattaforma leader per modelli aperti, ha riferito di aver raggiunto 13 milioni di utenti e oltre 2 milioni di modelli pubblici nel 2025, illustrando la rapida maturazione dell'ecosistema AI open-source.

Raddoppio dalla Serie B da 1,3 miliardi di dollari

Applied Compute ha comunicato un round di finanziamento da 80 milioni di dollari ad aprile, guidato da Kleiner Perkins con una valutazione post-money di 1,3 miliardi di dollari. Quel round ha portato il finanziamento totale dell'azienda a circa 160 milioni di dollari.

Secondo i nuovi termini proposti, la cifra di 3 miliardi di dollari rappresenta circa 2,3 volte la valutazione di aprile — raggiunta nel giro di mesi. Il round di finanziamento rimane aperto, il che significa che la valutazione finale potrebbe ancora cambiare.

La cifra proposta inoltre contrasta nettamente con i dati di finanziamento di Epoch AI. Mistral AI, uno dei principali sviluppatori di modelli aperti, aveva raccolto 3 miliardi di dollari in capitale proprio a settembre 2025 con una valutazione di 13,7 miliardi di dollari, secondo il dataset di Epoch. Applied Compute, al confronto, ha raccolto finora circa 160 milioni di dollari — il che significa che la sua valutazione stimata di 3 miliardi di dollari si basa su una frazione del capitale impiegato da Mistral.

Le due aziende non sono direttamente paragonabili: Mistral costruisce modelli di base, mentre Applied Compute fornisce il livello di infrastruttura. Tuttavia, la discrepanza evidenzia il premio che gli investitori stanno attribuendo all'infrastruttura per l'AI open-source. Il finanziamento più recente di Mistral è stato quasi 25 volte il finanziamento totale di Applied Compute, con una valutazione circa 4,6 volte superiore — fornendo un contesto per l'aumento di valutazione di Applied Compute senza dover fare affidamento su proiezioni di ricavi incerte.

Cosa offre Applied Compute

Applied Compute descrive la propria piattaforma come un ambiente cloud per l'addestramento, l'inferenza e il miglioramento continuo dei modelli aperti. Il suo Agent Cloud, noto come AC2, consente alle imprese di addestrare modelli intorno ai propri dati e flussi di lavoro distribuendoli in produzione.

Il concetto fondamentale collega l'addestramento dei modelli direttamente alla distribuzione degli agenti. A differenza degli approcci tradizionali che separano l'addestramento dalla distribuzione, Applied Compute permette alle organizzazioni di mantenere la propria infrastruttura di agenti esistente mentre inseriscono nuovi modelli addestrati su misura per le proprie esigenze. Per i settori regolamentati come quello sanitario e dei servizi finanziari, questa architettura affronta anche i vincoli di governance dei dati, poiché le imprese possono affinare i modelli all'interno di ambienti che controllano invece di inviare dati proprietari a fornitori API esterni.

"Il sistema può rimanere dove è già in esecuzione." — Vinjai Vale, Applied Compute

La piattaforma sfrutta le tracce di produzione, il contesto aziendale e il reinforcement learning per affinare modelli specializzati — capacità che potrebbero diventare più preziose man mano che le aziende vanno oltre gli assistenti AI generici e cercano ritorni misurabili sui propri investimenti AI.

La ricerca interna di Applied Compute dimostra l'approccio. In un esperimento recente, l'azienda ha addestrato un router per distribuire compiti di ingegneria del software tra Nemotron 3 Ultra di NVIDIA, GPT-5.5 e Claude Opus 4.7. Secondo l'azienda, il router ha raggiunto prestazioni di livello GPT-5.5 a un costo inferiore di circa il 25% catturando la maggior parte del vantaggio di una strategia oracle.

La strategia sottostante tratta i modelli AI come componenti intercambiabili. Invece di indirizzare ogni compito al modello più potente, le imprese possono bilanciare capacità e costo — un approccio che diventa sempre più rilevante man mano che i modelli aperti riducono il divario con i sistemi proprietari e la spesa cumulativa per le API dei fornitori proprietari diventa una spesa significativa per le organizzazioni in scala. Cryptopolitan ha già trattato la concorrenza di Kimi K3 con OpenAI e Anthropic, illustrando come i modelli open-weight cinesi stiano sfidando i sistemi statunitensi sia in termini di capacità che di prezzo.

Perché le tempistiche favoriscono una scommessa sui modelli aperti

Le discussioni di raccolta fondi di Applied Compute arrivano in un momento in cui la spesa per l'infrastruttura AI si sta spostando verso i carichi di lavoro di produzione. Gartner prevede che l'inferenza rappresenterà il 55% della spesa per l'infrastruttura-as-a-service ottimizzata per l'AI nel 2026, mentre l'AI si sposta verso applicazioni più nel mondo reale.

Questa tendenza è in linea con il modello di Applied Compute. L'azienda non sta semplicemente vendendo capacità di calcolo per l'addestramento; sta costruendo un'infrastruttura progettata per mantenere i modelli in costante miglioramento dopo la distribuzione.

La crescita di Hugging Face offre un'ulteriore prova dell'espansione del mercato. La piattaforma ha raggiunto 13 milioni di utenti e oltre 2 milioni di modelli pubblici nel 2025, mentre gli sviluppatori costruiscono sempre più modelli fine-tuned e applicazioni su sistemi esistenti.

Per le imprese, i modelli open-weight offrono anche maggiore controllo. Le aziende possono personalizzarli intorno ai flussi di lavoro proprietari e distribuirli mantenendo maggiore autorità sui propri dati e sul comportamento dei modelli.

Questo posiziona Applied Compute in un momento potenzialmente critico. Se le aziende preferiranno sempre più costruire AI intorno ai propri dati piuttosto che affittare intelligenza da fornitori chiusi, l'infrastruttura che connette i modelli ai carichi di lavoro proprietari potrebbe diventare un segmento significativo del mercato AI globale. Diversi grandi provider cloud — tra cui AWS, Google Cloud e Microsoft Azure — hanno ampliato le proprie capacità di gestione dei modelli aperti, suggerendo che il livello di infrastruttura sta diventando un'arena contesa piuttosto che una nicchia.

La valutazione proposta di 3 miliardi di dollari, quindi, rappresenta più di una scommessa su una singola startup. È una scommessa sul fatto che le aziende utilizzeranno, addestreranno, personalizzeranno e miglioreranno continuamente modelli AI su misura per le proprie operazioni — e che gli strumenti che abilitano questa transizione comanderanno un premio indipendente dal successo di qualsiasi singolo modello.