Het in Californië gevestigde Applied Compute, een bedrijf dat ondernemingen helpt open-weight AI-modellen te ontwikkelen, uit te rollen en te optimaliseren, zou in gesprek zijn met investeerders om financiering veilig te stellen tegen een waardering van ongeveer $3 miljard, volgens The Information.

Als de ronde wordt afgerond, zou dit de eerdere waardering van $1,3 miljard van het bedrijf meer dan verdubbelen, een waardering die slechts vier maanden geleden werd vastgesteld — een sprong die de veranderende houding van investeerders tegenover AI-infrastructuur onderstreept. Applied Compute staat niet alleen in het aantrekken van kapitaal naar deze sector: Together AI, Fireworks AI en Anyscale hebben elk aanzienlijke financiering opgehaald om het open-model-ecosysteem te bedienen, wat een bredere "picks and shovels"-these weerspiegelt waarin investeerders exposure zoeken naar infrastructuur die voordeel biedt ongeacht welke modellen uiteindelijk worden breed geadopteerd.

Deze stap weerspiegelt een bredere trend in de AI-sector. Naarmate open modellen verder ontwikkelen, zoeken ondernemingen steeds vaker systemen die zij kunnen aanpassen en beheren, wat de vraag aanjaagt naar infrastructuur die die modellen kan trainen, uitrollen en continu verbeteren. Hugging Face, het toonaangevende open-modelplatform, meldde dat het in 2025 uitkwam op 13 miljoen gebruikers en meer dan 2 miljoen publieke modellen, wat de snelle volwassenwording van het open-source AI-ecosysteem illustreert.

Verdubbeling vanaf een Series B van $1,3 miljard

Applied Compute maakte in april een financieringsronde van $80 miljoen bekend, geleid door Kleiner Perkins tegen een post-money waardering van $1,3 miljard. Die ronde bracht de totale financiering van het bedrijf op ongeveer $160 miljoen.

Onder de voorgestelde nieuwe voorwaarden vertegenwoordigt de $3 miljard ongeveer 2,3 keer de waardering van april — bereikt binnen enkele maanden. De financieringsronde staat nog open, wat betekent dat de uiteindelijke waardering nog kan veranderen.

Het voorgestelde bedrag staat ook in scherp contrast met de financieringsdata van Epoch AI. Mistral AI, een toonaangevende ontwikkelaar van open modellen, had volgens de Epoch-dataset in september 2025 $3 miljard aan eigen vermogen opgehaald tegen een waardering van $13,7 miljard. Ter vergelijking: Applied Compute heeft tot nu toe ongeveer $160 miljoen opgehaald — wat betekent dat de geschatte waardering van $3 miljard is gebaseerd op een fractie van het kapitaal dat Mistral heeft aangetrokken.

De twee bedrijven zijn niet rechtstreeks vergelijkbaar: Mistral bouwt foundation models, terwijl Applied Compute de infrastructuurlaag levert. Toch benadrukt het verschil de premie die investeerders toekennen aan infrastructuur voor open-source AI. Mistrals meest recente financiering was bijna 25 keer de totale financiering van Applied Compute, met een waardering die ongeveer 4,6 keer hoger lag — wat context biedt voor de waardestijging van Applied Compute zonder te leunen op onzekere omzetprognoses.

Wat Applied Compute daadwerkelijk verkoopt

Applied Compute beschrijft zijn platform als een cloudomgeving voor training, inferentie en voortdurende verbetering van open modellen. Zijn Agent Cloud, bekend als AC2, stelt ondernemingen in staat modellen te trainen rond hun eigen data en workflows, terwijl ze die in productie uitrollen.

Het kernidee koppelt modeltraining rechtstreeks aan agent-uitrol. In tegenstelling tot traditionele benaderingen waarin training en uitrol gescheiden zijn, stelt Applied Compute organisaties in staat hun bestaande agent-infrastructuur te behouden en een alternatief getraind model uit te rollen dat aansluit bij hun behoeften. Voor gereguleerde sectoren zoals gezondheidszorg en financiële dienstverlening pakt deze architectuur ook gegevensgovernancebeperkingen aan, omdat ondernemingen modellen kunnen verfijnen binnen omgevingen die zij zelf controleren in plaats van bedrijfseigen data naar externe API-aanbieders te sturen.

"The harness can stay where it already runs." — Vinjai Vale, Applied Compute

Het platform gebruikt productietraces, bedrijfscontext en reinforcement learning om gespecialiseerde modellen te verbeteren — mogelijkheden die mogelijk waardevoller worden nu bedrijven verder gaan dan generieke AI-assistenten en meetbare opbrengsten uit hun AI-investeringen nastreven.

Het onderzoek van Applied Compute laat die aanpak zien. In een recent experiment trainde het bedrijf een router om software-engineeringtaken te verdelen over NVIDIA’s Nemotron 3 Ultra, GPT-5.5 en Claude Opus 4.7. Volgens het bedrijf bereikte de router prestaties op GPT-5.5-niveau tegen ongeveer 25% lagere kosten, terwijl het grootste deel van het voordeel van een oracle-strategie behouden bleef.

De onderliggende strategie behandelt AI-modellen als onderling verwisselbare componenten. In plaats van elke taak naar het krachtigste model te sturen, kunnen ondernemingen capaciteit en kosten in balans brengen — een aanpak die steeds relevanter wordt nu open modellen de kloof met gesloten systemen verkleinen en cumulatieve API-uitgaven bij gesloten aanbieders een materiële kostenpost worden voor schaalende organisaties. Cryptopolitan berichtte eerder over Kimi K3’s concurrentie met OpenAI en Anthropic, waarmee werd geïllustreerd hoe Chinese open-weight modellen Amerikaanse systemen steeds vaker uitdagen op zowel capaciteit als prijs.

Waarom het moment een inzet op open modellen begunstigt

De financieringsgesprekken van Applied Compute vinden plaats op een moment dat de AI-infrastructuuruitgaven verschuiven naar productie-workloads. Gartner verwacht dat inferentie in 2026 goed zal zijn voor 55% van de uitgaven aan AI-geoptimaliseerde infrastructure-as-a-service, nu AI in meer toepassingen in de echte wereld terechtkomt.

Die trend sluit aan bij het model van Applied Compute. Het bedrijf verkoopt niet alleen trainingscompute; het bouwt infrastructuur die is ontworpen om modellen na de uitrol te blijven verbeteren.

De groei van Hugging Face biedt nog een aanwijzing voor de uitbreidende markt. Het platform bereikte in 2025 13 miljoen gebruikers en meer dan 2 miljoen publieke modellen, terwijl ontwikkelaars steeds vaker fijn afgestelde modellen en applicaties op bestaande systemen bouwen.

Voor ondernemingen bieden open-weight modellen bovendien meer controle. Bedrijven kunnen ze aanpassen aan eigen workflows en uitrollen terwijl ze meer zeggenschap behouden over hun data en modelgedrag.

Dat positioneert Applied Compute op een mogelijk cruciaal moment. Als bedrijven AI steeds vaker rond hun eigen data willen bouwen in plaats van intelligentie te huren van gesloten aanbieders, kan infrastructuur die modellen koppelt aan bedrijfseigen workloads een belangrijk segment van de wereldwijde AI-markt worden. Meerdere grote cloudproviders — waaronder AWS, Google Cloud en Microsoft Azure — hebben hun eigen open-modelservingcapaciteiten uitgebreid, wat erop wijst dat de infrastructuurlaag een omstreden speelveld aan het worden is in plaats van een niche.

De voorgestelde waardering van $3 miljard is daarom meer dan een inzet op één startup. Het is een weddenschap dat bedrijven AI-modellen steeds vaker zullen gebruiken, trainen, aanpassen en continu verbeteren rond hun eigen activiteiten — en dat de hulpmiddelen die die overgang mogelijk maken een premie zullen vragen, onafhankelijk van het succes van één afzonderlijk model.