Arlequin AI pozyskuje 28 mln euro na sieci neuronowe do analizy złożonych powiązań

Arlequin AI pozyskał 28 mln euro w rundzie Series A. Paryska firma chce wykorzystać środki do rozwoju własnych topologicznych sieci neuronowych (TNN), zwiększenia skali wdrożeń poza Europą oraz rozbudowy zespołów badawczych i komercyjnych. Jej platforma jest projektowana z myślą o sytuacjach, w których nie wystarcza analiza pojedynczych faktów — kluczowe są również związki między ludźmi, zdarzeniami, lokalizacjami, transakcjami i innymi dowodami. 12

Na co Arlequin AI wyda 28 mln euro

Rundę współprowadzili redalpine i OTB Ventures. Uczestniczył w niej także Fundusz Innowacji Obronnych Bpifrance, a dotychczasowi inwestorzy — Vsquared Ventures i 10x Founders — zwiększyli swoje zaangażowanie. Do grona inwestorów dołączył również Xavier Niel. Spółka podkreśla, że finansowanie pochodzi wyłącznie od inwestorów europejskich i ma przyspieszyć rozwój TNN oraz międzynarodowe wdrożenia technologii. 1210

Najbliższe cele firmy obejmują:

• trenowanie i rozwój własnych modeli TNN;
• powiększenie zespołu tworzącego i obsługującego te modele;
• rozszerzanie komercyjnych wdrożeń w Europie i na innych rynkach;
• rozwój obecności międzynarodowej, w tym biur w Londynie i Berlinie oraz planowanego laboratorium AI w Dolinie Krzemowej do końca 2026 r. 14

W chwili ogłoszenia finansowania Arlequin zatrudniał około 50 osób: 35 inżynierów oraz 15 doktorów, badaczy i specjalistów data science. 1

Czym są topologiczne sieci neuronowe

Platforma Arlequin ma pracować na rozproszonych i niejednorodnych zbiorach informacji — m.in. dokumentach, transakcjach, nagraniach wideo i danych operacyjnych. Proponowana architektura TNN ma uczyć się zarówno z pojedynczych punktów danych, jak i ze struktur, które je łączą, w tym relacji obejmujących jednocześnie wiele elementów. 1810

To sedno propozycji spółki. Zamiast traktować sprawę jako zbiór odrębnych rekordów, system ma wykrywać wzorce w połączonych dowodach: między osobami, komunikacją, miejscami i zdarzeniami. Ma to znaczenie zwłaszcza tam, gdzie same relacje są istotne dla postępowania lub decyzji operacyjnej. 110

Dlaczego firma stawia na inną architekturę AI

Arlequin twierdzi, że proste skalowanie konwencjonalnych modeli — przez zwiększanie liczby parametrów, ilości danych i mocy obliczeniowej — nie musi być najlepszym podejściem do analizy wielkich, silnie powiązanych zasobów dowodowych. Według firmy TNN mogą ujawniać złożone dynamiki wieloelementowe, zachowując możliwość prześledzenia wniosków do materiału źródłowego i wymagając mniejszych zasobów obliczeniowych. 110

Są to jednak deklarowane przez firmę i inwestorów korzyści, a nie niezależnie potwierdzone wyniki porównań. Publicznie dostępne materiały opisują architekturę oraz jej zakładane zalety, lecz nie dowodzą przewagi nad innymi metodami analizy grafów, architekturami sieci neuronowych czy dużymi modelami językowymi. 11014

Zastosowania: od śledztw po cyberbezpieczeństwo

Arlequin powstał w 2024 r. Założyli go Hugo Micheron, badacz dżihadyzmu i niestabilności geopolitycznej, oraz Antoine Jardin, były inżynier badawczy CNRS zajmujący się data science i zachowaniami ludzi. Firma buduje narzędzia dla rządów i dużych organizacji podejmujących ważne decyzje na podstawie niepełnych, rozproszonych informacji. 19

Wśród wskazywanych zastosowań są:

• zwalczanie terroryzmu, bezpieczeństwo i obronność;
• śledztwa kryminalne i postępowania sądowe;
• wykrywanie oszustw oraz przeciwdziałanie praniu pieniędzy;
• cyberbezpieczeństwo i integralność informacji;
• bezpieczeństwo systemów AI. 1

Firma podaje jako przykład możliwość łączenia osób, lokalizacji, komunikacji i zdarzeń wśród milionów punktów danych pozyskanych z zabezpieczonych urządzeń. Potencjalny rynek obejmuje też organizacje potrzebujące wyjaśnialnej analizy ryzyka przestępczości finansowej, zagrożeń cybernetycznych i złożonych danych operacyjnych. 1

Gdzie technologia jest już używana

Arlequin informuje, że jego technologia jest już wykorzystywana przez rządy i duże organizacje w Europie Zachodniej oraz Wschodniej, w czterech krajach europejskich. Spółka nie ujawniła jednak publicznie pełnej listy klientów ani szczegółów każdego wdrożenia, dlatego skali i rezultatów tych zastosowań nie da się niezależnie ocenić wyłącznie na podstawie ogłoszonych materiałów. 1

Plany ekspansji wskazują na szerszy rynek: instytucje publiczne zajmujące się bezpieczeństwem i obronnością, a także przedsiębiorstwa zarządzające złożonym ryzykiem finansowym, cybernetycznym i informacyjnym. 113

Europejska pozycja i najważniejszy test

Nowa runda daje Arlequin środki na realizację wyraźnie europejskiej strategii: tworzenie i posiadanie w Europie architektury AI przeznaczonej do wrażliwych analiz o wysokiej stawce. Udział inwestorów, w tym funduszu obronnego Bpifrance, podkreśla strategiczne znaczenie narzędzi dla wywiadu, bezpieczeństwa i krytycznych procesów decyzyjnych. 1210

Teraz decydujące będzie wykonanie planu. Arlequin będzie musiał wykazać, że własne modele TNN przynoszą mierzalne korzyści — w dokładności, możliwości audytu źródeł, koszcie wdrożenia lub użyteczności operacyjnej — względem istniejących narzędzi analizy grafów i innych podejść AI. Pozyskane 28 mln euro finansuje właśnie ten kolejny etap: rozwój modeli, rekrutację oraz międzynarodową komercjalizację. 114