Arlequin AI tar in 28 miljoner euro för topologiska neurala nätverk

Arlequin AI har tagit in 28 miljoner euro i en serie A-runda för att utveckla egna topologiska neurala nätverk, TNN, och rulla ut sin analysplattform internationellt. Bolaget, med säte i Paris, riktar sig mot situationer där det inte räcker att granska enskilda uppgifter: utredare och operativa team behöver också förstå sambanden mellan personer, händelser, platser, transaktioner och annan bevisning. 12

Så ska kapitalet användas

Finansieringsrundan leddes gemensamt av redalpine och OTB Ventures. Bpifrances Defence Innovation Fund deltog, medan befintliga investerare Vsquared Ventures och 10x Founders ökade sina investeringar. Xavier Niel gick också in i rundan. Enligt Arlequin kommer finansieringen uteslutande från europeiska investerare och ska påskynda både TNN-utvecklingen och den internationella utrullningen. 1210

Bolagets närmaste prioriteringar är att:

• träna och utveckla egna TNN-modeller;
• bygga ut teamet som utvecklar och driver modellerna;
• öka de kommersiella driftsättningarna i Europa och internationellt; samt
• stärka den internationella närvaron, med kontor i London och Berlin och ett planerat AI-labb i Silicon Valley före slutet av 2026. 14

Vid finansieringsbeskedet uppgav Arlequin att bolaget hade omkring 50 anställda: 35 ingenjörer samt 15 doktorer, forskare och datavetare. 1

Vad är topologiska neurala nätverk?

Arlequins plattform är tänkt att hantera fragmenterad och olikartad information, exempelvis dokument, transaktioner, video och operativa data. Den föreslagna TNN-arkitekturen ska lära sig både från enskilda datapunkter och från strukturerna som binder ihop dem, även relationer där flera delar samverkar samtidigt. 1810

Det är kärnan i bolagets argument: i stället för att se ett ärende som en samling separata registerposter ska systemet kunna hitta mönster i sammankopplad bevisning, exempelvis mellan personer, kommunikation, platser och händelser. Det är särskilt relevant när just relationerna är avgörande för en utredning eller ett operativt beslut. 110

Ett alternativ till att bara skala upp modeller

Arlequin menar att den vanliga vägen — fler parametrar, mer data och större datorkraft — inte nödvändigtvis är bäst för att analysera stora, sammanlänkade mängder bevisning. Bolaget hävdar att TNN:er kan synliggöra komplexa dynamiker mellan flera element, samtidigt som resultaten kan spåras tillbaka till källmaterialet och beräkningsbehovet hålls lägre. 110

Detta är dock bolagets och investerarnas egna påståenden, inte oberoende verifierade jämförelser. Det offentliga materialet beskriver arkitekturen och de avsedda fördelarna, men visar inte hur lösningen presterar jämfört med andra metoder för grafanalys, andra neurala nätverksarkitekturer eller stora språkmodeller. 11014

Användningsområden med höga krav på förklarbarhet

Arlequin grundades 2024 av Hugo Micheron, forskare inom jihadism och geopolitisk instabilitet, och Antoine Jardin, tidigare forskningsingenjör vid CNRS med inriktning på datavetenskap och mänskligt beteende. Bolaget byggdes för myndigheter och stora organisationer som måste fatta betydelsefulla beslut utifrån ofullständig och utspridd information. 19

Bland de användningsområden som bolaget nämner finns:

• terrorismbekämpning, säkerhet och försvar;
• brotts- och rättsliga utredningar;
• bedrägeribekämpning och åtgärder mot penningtvätt;
• cybersäkerhet och informationsintegritet; samt
• AI-säkerhet och skydd av AI-system. 1

Ett exempel från bolaget är att koppla samman personer, platser, kommunikation och händelser i miljontals datapunkter från beslagtagna enheter. Den bredare marknaden omfattar även organisationer som behöver förklarbar analys av finansiell brottslighet, cyberrisker och komplex operativ underrättelseinformation. 1

Redan i bruk i fyra europeiska länder

Arlequin uppger att tekniken redan används av myndigheter och stora organisationer i Västeuropa och Östeuropa, och att verksamheten finns i fyra europeiska länder. Bolaget har inte offentligt redovisat samtliga kunder eller installationer, vilket innebär att omfattning och resultat inte kan bedömas oberoende utifrån det presenterade materialet. 1

Expansionsplanerna pekar mot en bredare kundbas: dels offentliga aktörer inom säkerhet och försvar, dels företag som hanterar komplexa risker inom finans, cybersäkerhet och informationsintegritet. 113

En europeisk positionering — och ett tydligt nästa test

Kapitalrundan ger Arlequin resurser att driva en uttalat europeisk position: en AI-arkitektur som ägs och utvecklas i Europa för känslig analys och beslut med stora konsekvenser. Investerargruppen, där Bpifrances fond för försvarsinnovation ingår, understryker också det strategiska intresset för verktyg inom underrättelsearbete, säkerhet och kritiskt beslutsfattande. 1210

Nästa avgörande steg är genomförandet. Arlequin behöver visa att de egna TNN-modellerna ger mätbara fördelar — i träffsäkerhet, spårbarhet, kostnad för driftsättning eller praktisk nytta — jämfört med etablerad grafanalys och andra AI-metoder. De 28 miljonerna euro finansierar just den fasen: modellutveckling, rekryteringar och internationell kommersialisering. 114