رفتن به محتوای اصلی
ایجنت‌های هوش مصنوعیلنگ‌چین· 8 دقیقه مطالعه· در فناوری

جذب سرمایه ۳۰۰ میلیون دلاری لنگ‌چین با ارزش‌گذاری ۳ میلیارد دلاری برای توسعه زیرساخت ایجنت‌های سازمانی هوش مصنوعی

استارتاپ ارکستراسیون لنگ‌چین با چرخش شرکت‌ها از چت‌بات‌های ساده به سمت ایجنت‌های خودمختار، ارزش خود را به بیش از دو برابر رسانده است. کپیتال‌جی هدایت دور جذب سرمایه سری C را بر عهده داشت که هدف آن گسترش پلتفرم نظارت و حاکمیت لنگ‌اسمیت است.

به قلم آیدا امینی

این خبر را به اشتراک بگذارید

گوش‌ دهید

روایت غالب در صنعت فناوری بر این باور پای می‌فشارد که هوش مصنوعی به‌زودی عملیات سازمانی را به شکلی کاملاً خودکار به دست خواهد گرفت. اما واقعیت میدانی نشان می‌دهد که هدایت پایدار یک مدل زبانی برای خواندن یک فایل PDF، پرس‌وجو از یک پایگاه‌داده امن و اجرای یک جریان کاری پیچیده، همچنان نیازمند میان‌افزارهای سنگین و بسیار پیچیده است.

شرکت لنگ‌چین (LangChain) به‌تازگی ۳۰۰ میلیون دلار سرمایه جدید جذب کرده تا جایگاه خود را به عنوان همان میان‌افزار حیاتی تثبیت کند. این دور تأمین مالی سری C که رسماً در ۱۳ نوامبر ۲۰۲۶ اعلام شد، ارزش این استارتاپ ارکستراسیون مستقر در سان‌فرانسیسکو را با اوج‌گیری تقاضای سازمانی به ۳ میلیارد دلار می‌رساند.[1][2]

صندوق رشد مستقل آلفابت، یعنی کپیتال‌جی (CapitalG)، هدایت این سرمایه‌گذاری را بر عهده داشت. این تأمین مالی، ارزش ۱.۲۵ میلیارد دلاری لنگ‌چین در سری B را که تنها کمی بیش از یک سال پیش ثبت شده بود، بیش از دو برابر کرده است؛ نشانه‌ای آشکار از چرخش ساختاری شرکت‌ها از ساخت چت‌بات‌های سرگرم‌کننده به استقرار ایجنت‌های خودکار آماده ورود به عملیات.[3][4]

فراتر از چت‌بات‌های آزمایشی

لنگ‌چین مدل‌های بنیادی مانند GPT-4 شرکت OpenAI یا Claude آنتروپیک را توسعه نمی‌دهد؛ بلکه چارچوب هماهنگی و ارکستراسیونی را در اختیار توسعه‌دهندگان می‌گذارد که به کمک آن بتوان این مدل‌های زبانی را به منابع داده خارجی، ابزارهای نرم‌افزاری داخلی و محیط‌های اجرایی متصل کرد.

محصول تجاری اصلی این شرکت لنگ‌اسمیت (LangSmith) است؛ پلتفرمی برای ساخت، مدیریت و نظارت بر ایجنت‌ها. به گزارش تک‌کرانچ، این نرم‌افزار بر پایه‌ای کاملاً بی‌طرف نسبت به ارائه‌دهندگان توسعه یافته تا «کاربران را در بند مدل‌ها، ابرها یا زیست‌بوم‌های اختصاصی گرفتار نکند».[1]

طبق اعلام لنگ‌چین، بیش از ۷ هزار سازمان در حال حاضر برای پایش و هدایت سیستم‌های هوش مصنوعی خود به لنگ‌اسمیت متکی هستند. این فهرست مشتریان از استارتاپ‌های بومی هوش مصنوعی مانند Harvey و Listen Labs گرفته تا شرکت‌های غول‌پیکر فهرست فورچون ۵۰۰ نظیر انویدیا، تویوتا و سیلزفورس را در بر می‌گیرد.[2]

مشکل بنیادینی که لنگ‌چین در صدد رفع آن برآمده، انزوای عملیاتی مدل‌ها است. یک مدل زبانی در خلأ تنها توانایی تولید متن بر مبنای داده‌های ایستا و از پیش‌آموخته خود را دارد و عملاً برای پیشبرد وظایف بلادرنگ سازمانی که نیازمند اطلاعات زنده هستند، ناکارآمد است.

یک مدل هوش مصنوعی برای دست زدن به اقدامی ملموس، به داربستی ساختاریافته برای مسیریابی درخواست‌ها، اعتبارسنجی خروجی‌ها و دسترسی به سامانه‌های فعال نیاز دارد. لنگ‌چین کتابخانه‌های استاندارد کدی را مهیا می‌کند که این مسیریابی پیچیده را بدون احتیاج به کدنویسی اختصاصی زیرساخت از صفر میسر می‌سازد.

ارزش‌گذاری لنگ‌چین ظرف مدت کمی بیش از یک سال به بیش از دو برابر افزایش یافته و در دور سری C به ۳ میلیارد دلار رسیده است.

از پروژه‌ای متن‌باز تا پلتفرمی سازمانی

لنگ‌چین کار خود را به عنوان یک فریم‌ورک متن‌باز به‌شدت محبوب آغاز کرد که مهندسان نرم‌افزار برای کار با نخستین مدل‌های زبانی از آن بهره می‌بردند. هریسون چیس، هم‌بنیان‌گذار و مدیرعامل این مجموعه، پیش از ورود به فاز تجاری‌سازی، جامعه کاربری گسترده‌ای حول این ابزارها شکل داده بود.

همان ریشه و شالوده متن‌باز هنوز هم مهم‌ترین کانال جذب برای فروش محصولات سازمانی این شرکت به شمار می‌رود. مهندسان در پروژه‌های جانبی و آخر هفته با این فریم‌ورک کار می‌کنند و در ادامه، زمانی که نیاز به استقرار امن همان سیستم‌ها پیدا شد، پای لنگ‌اسمیت را به سازمان‌های خود باز می‌کنند.

گذار از یک ابزار توسعه متن‌باز و رایگان به یک پلتفرم سازمانی چند میلیارد دلاری نیازمند دگرگونی عظیم مهندسی بود. این شرکت ناچار شد قابلیت‌های پایش مداوم، کنترل دسترسی و الزامات انطباق مقرراتی را که مدیران ارشد فناوری اطلاعات در شرکت‌های بزرگ طلب می‌کنند پیاده‌سازی کند.

معادله بازگشت سرمایه در سازمان‌ها

تزریق چنین سرمایه سنگینی به جای فرضیه‌پردازی‌های انتزاعی، بر معیارهای ملموس پذیرش سازمانی تکیه دارد. تحلیلگران بازار اشاره می‌کنند که جهش تقاضا برای نرم‌افزارهای بی‌طرف در حوزه ایجنت‌های هوش مصنوعی، سرمایه‌های عمده‌ای را مستقیماً به سوی لایه ارکستراسیون کشانده است.[6][7]

شرکت وُرک‌دی (Workday)، غول نرم‌افزارهای مدیریت منابع انسانی، روشن‌ترین شاخص را در گزارش مالی این جذب سرمایه ارائه داد: زمان استقرار یک ایجنت جدید هوش مصنوعی در این شرکت با استفاده از لنگ‌اسمیت، از ۵ ماه به زیر یک روز کاهش یافته است.[2]

در پلتفرم تحلیل داده کِلِی (Clay)، لنگ‌اسمیت در حال حاضر ماهانه صدها میلیون اجرای ایجنت را پردازش می‌کند؛ حجمی سنگین که گواهی می‌دهد این پلتفرم هماهنگی توانسته از مرحله پایلوت و آزمایشی فراتر رفته و بار ترافیک واقعی مقیاس عملیاتی را تحمل کند.[2]

این تجربیات استقرار نشان می‌دهد چرا لنگ‌چین پایش و حاکمیت را دقیقاً هم‌رده و در کنار فرآیند استقرار قرار داده است. اجرای ایجنت‌ها در مقیاس وسیع نیازمند شفافیت نظارتی حداکثری پس از راه‌اندازی است تا از بروز توهم مدل، نشت داده‌ها یا چرخه‌های اجرایی بی‌انتها که سلامت سیستم‌های سازمانی را تهدید می‌کنند پیشگیری شود.[2]

سازمان‌های بزرگ همچنین پیش از سپردن داده‌های حیاتی به هوش مصنوعی، خواهان مسیری حسابرسی‌پذیر و مهارشده برای ورود به محیط عملیاتی هستند. لنگ‌اسمیت برای پاسخ به این مطالبه در سه رکن اصلی سازمان‌دهی شده است: زمان اجرای ایجنت، بهینه‌سازی ایجنت و حاکمیت ایجنت.[2]

مشتریان سازمانی نظیر شرکت وُرک‌دی گزارش داده‌اند که با به‌کارگیری پلتفرم‌های ارکستراسیون، زمان استقرار ایجنت‌ها به شکل چشمگیری کاهش یافته است.

گریز از وابستگی انحصاری به یک تأمین‌کننده

پیام راهبردی لنگ‌چین به بازار کسب‌وکار بر خودکفایی سازمانی و استقلال داده‌ها تمرکز دارد. این شرکت در بیانیه سری C خود تصریح کرد که سرمایه جدید «مأموریت ما را برای توانمندسازی هر سازمان در جهت مالکیت تام هوش مصنوعی خود به پیش خواهد برد».[2]

در زبان بازار، مالکیت بر هوش مصنوعی به معنای حفظ آزادی در تعویض مدل زبانی زیرین بدون دستکاری کل معماری نرم‌افزار است. وجود این لایه انتزاعی مانع از آن می‌شود که کسب‌وکارها در قفس انحصاری یک ارائه‌دهنده قدرتمند گرفتار شوند.

چنانچه سازمانی ایجنت‌های خود را مستقیماً بر روی رابط‌های برنامه‌نویسی اختصاصی شرکتی مانند OpenAI توسعه دهد، جابه‌جایی بعدی به یک مدل ارزان‌تر یا مدل متن‌باز تخصصی، به بازنویسی کامل سامانه منتهی خواهد شد؛ لنگ‌چین به عنوان مترجم عمومی عمل کرده و این مدل‌ها را تعویض‌پذیر نگه می‌دارد.

مدیریت این استارتاپ سرمایه‌گذاری سنگینی روی تخصصی‌سازی کرده است. لنگ‌چین در یادداشت وبلاگی خود نوشت: «ما باور داریم ایجنت‌ها اقتصاد را دگرگون خواهند کرد. این آینده توسط ایجنت‌های تخصصی شکل خواهد گرفت که بر اساس دانش، داده و تجربه کاربری متمایز شده‌اند».[2]

این شرکت پیش‌بینی می‌کند که چنین ایجنت‌های تخصصی در قامت محصولات مستقل عرضه شوند و رویه‌های عملیات داخلی شرکت‌ها را بنیادین متحول سازند. حفظ نظارت و کنترل بر این سامانه‌ها به جای کرایه مداوم آن‌ها، سنگ بنای مزیت رقابتی پایدار خواهد بود.[2]

گردش سرمایه در لایه‌های زیرساختی

تأمین مالی ۳۰۰ میلیون دلاری اخیر نیازمندی‌های سرمایه‌ای بسیار هنگفت در لایه زیرساخت هوش مصنوعی مدرن را برجسته می‌کند. کپیتال‌جی که در اواخر سال ۲۰۲۵ نیز رهبری دور پیشین این استارتاپ را در دست داشت، این بار با چکی سنگین‌تر بازگشته است.[3]

این تأمین مالی با حضور چشمگیر سرمایه‌گذاران جدیدی از جمله صندوق ثروت ملی سنگاپور (GIC)، شرکت DFJ Growth و بازوی سرمایه‌گذاری سیلزفورس (Salesforce Ventures) همراه شد. شرکت‌های Insight Venture Partners، QuantumLight و MongoDB Ventures نیز برای حمایت از این پلتفرم هماهنگ‌سازی به جدول سرمایه‌گذاران پیوستند.[2][5]

بر اساس داده‌های دیل‌روم و ترندینگ تاپیکس، سرمایه‌گذاران قبلی نظیر IVP، Sapphire Ventures، سکویا، Amplify و بنچ‌مارک نیز سهم خود را در دور سری C افزایش دادند. گرد هم آمدن چنین سندیکای گسترده‌ای نشان‌دهنده علاقه پرحرارت سرمایه‌گذاران خطرپذیر به لایه میان‌افزار سازمانی است.[4][5]

تصویرسازی: لایه‌های ارکستراسیون در نقش یک مترجم سراسری ظاهر می‌شوند و مانع از گرفتاری کسب‌وکارها در انحصار یک ارائه‌دهنده خاص هوش مصنوعی خواهند شد.

افزایش ارزش شرکت به ۳ میلیارد دلار — معادل ۲.۴ برابر نسبت به سال ۲۰۲۵ — ارزش‌گذاری بالایی را بازتاب می‌دهد که سرمایه‌گذاران برای ابزارسازان تب هوش مصنوعی قائلند. لایه‌های ارکستراسیون در قیاس با خود مدل‌های زبانی، گزینه‌ای با مخاطره کمتر تلقی می‌شوند.[4]

در شرایطی که سازندگان مدل‌های بنیادی میلیاردها دلار برای ساخت خوشه‌های رایانشی و آموزش نسل جدید هوش مصنوعی می‌سوزانند، پلتفرم‌هایی مانند لنگ‌چین خلق ارزش متفاوتی دارند؛ درآمدزایی آن‌ها از کاربردی کردن همین مدل‌های موجود در بستر فناوری اطلاعات شرکت‌ها حاصل می‌شود.

توسعه اقتصاد مبتنی بر ایجنت‌ها

سرمایه تازه به توسعه مستمر قابلیت‌های امنیتی و نظارتی لنگ‌اسمیت اختصاص خواهد یافت. با چرخش نقش ایجنت‌ها از نگارش ایمیل‌های اداری به سمت پردازش تراکنش‌های مالی، ابعاد نظارت سازمانی برای پذیرندگان بزرگ به شکلی تصاعدی پیچیده‌تر می‌شود.

ماژول‌های Agent Server و سَندباکس‌های لنگ‌اسمیت به تیم‌های فنی اجازه می‌دهند ایجنت‌ها را به صورت امن و در مقیاس وسیع مستقر و اجرا کنند. کاربران مخیرند این محیط‌ها را در ابر عمومی یا به طور کامل درون مرزهای محلی و امن شبکه سازمانی خود میزبانی کنند.[2]

لنگ‌چین همچنین بر روی خدمات کاملاً مدیریت‌شده خود با نام‌های تجاری LangSmith Managed Agents و Fleet مانور می‌دهد؛ محصولاتی ویژه که مسیری سریع را برای استقرار سامانه‌های حیاتی با تضمین پایداری و رعایت سخت‌گیرانه استانداردها فراهم می‌آورند.[2]

در نهایت، ارزش‌گذاری ۳ میلیارد دلاری شرط‌بندی مالی سنگینی بر سر این فرضیه است که نرم‌افزارهای سازمانی آینده به تمامی ایجنت‌محور خواهند بود؛ پیش‌فرضی که فرض می‌کند شرکت‌های سازنده این ایجنت‌ها تن به زندانی شدن در زیست‌بوم بسته یک ارائه‌دهنده مدل نخواهند داد.

سال پیش رو این محک را پیش روی لنگ‌چین خواهد گذاشت که آیا قادر است استقلال و بی‌طرفی خود را حفظ کند، در شرایطی که ارائه‌دهندگان بزرگ ابری ابزارهای ارکستراسیون رقیب خود را به بازار عرضه می‌کنند یا خیر. تا این لحظه، بازار سازمانی اشتیاق بالایی برای پرداخت هزینه حفظ استقلال خود نشان داده است.

نکات کلیدی

  1. لنگ‌چین در دور جذب سرمایه سری C به رهبری کپیتال‌جی (وابسته به آلفابت) ۳۰۰ میلیون دلار جذب کرد و به ارزش ۳ میلیارد دلاری رسید.
  2. این سرمایه‌گذاری برای گسترش لنگ‌اسمیت مصرف می‌شود؛ پلتفرمی سازمانی که بیش از ۷ هزار نهاد برای ساخت، استقرار و حاکمیت ایجنت‌های هوش مصنوعی از آن استفاده می‌کنند.
  3. شرکت نرم‌افزاری وُرک‌دی گزارش داد با به‌کارگیری پلتفرم لنگ‌اسمیت، زمان لازم برای راه‌اندازی ایجنت هوش مصنوعی جدید را از ۵ ماه به کمتر از یک روز رسانده است.
  4. رویکرد بی‌طرف این استارتاپ به شرکت‌ها اجازه می‌دهد بدون بازسازی معماری نرم‌افزار خود، مدل‌های زبانی زیرین را تعویض کنند.

آنچه نمی‌دانیم

  • آیا ارزش‌گذاری ۳ میلیارد دلاری سرمایه جدید ۳۰۰ میلیون دلاری را نیز شامل می‌شود، یا نشان‌دهنده ارزش شرکت پیش از ورود این پول (Pre-money) است.
  • لنگ‌چین در صورت ادغام ابزارهای ارکستراسیون پیشرفته در رابط‌های برنامه‌نویسی اختصاصی خود مدل‌ها، چگونه قصد دارد از سهم بازار خود دفاع کند.
  • کپیتال‌جی و سایر سرمایه‌گذاران از چه ضریب درآمدی دقیقی برای توجیه رشد ۲.۴ برابری ارزش شرکت ظرف تنها یک سال استفاده کرده‌اند.

روند رویداد

  1. اکتبر ۲۰۲۲

    هریسون چیس پروژه متن‌باز لنگ‌چین را برای اتصال مدل‌های زبانی به ابزارهای بیرونی آغاز کرد.

  2. آوریل ۲۰۲۳

    لنگ‌چین به عنوان شرکتی رسمی ثبت شد و در دور بذری به رهبری بنچ‌مارک ۱۰ میلیون دلار جذب کرد.

  3. اکتبر ۲۰۲۵

    شرکت دور سری B را به ارزش ۱۲۵ میلیون دلار به رهبری IVP به پایان برد، به ارزش ۱.۲۵ میلیارد دلار دست یافت و پلتفرم لنگ‌اسمیت را راه‌اندازی کرد.

  4. نوامبر ۲۰۲۶

    لنگ‌چین دور سری C را به ارزش ۳۰۰ میلیون دلار به رهبری کپیتال‌جی ثبت کرد که ارزش آن را به بیش از دو برابر رسانده و به ۳ میلیارد دلار ارتقا داد.

پذیرندگان سازمانی 40%تحلیلگران صنعت 40%رصدگران بازار 20%
پذیرندگان سازمانی
واحدهای فناوری اطلاعات پلتفرم‌های ارکستراسیون را زیرساختی حیاتی برای خروج هوش مصنوعی از فاز آزمایشگاهی و ورود امن به محیط عملیاتی می‌دانند.
تحلیلگران صنعت
لایه ارکستراسیون و هماهنگی را مستحکم‌ترین مزیت رقابتی در ساختار هوش مصنوعی دانسته که ارزش خلق‌شده از کالایی‌شدن مدل‌ها را تصاحب می‌کند.
رصدگران بازار
بر این باورند که خیزش تقاضای شرکت‌ها برای نرم‌افزارهای ایجنت مستقل، عامل اصلی تمرکز هنگفت نقدینگی در لایه میان‌افزار است.

دیدگاه‌هایی که این گزارش پوشش نداده

  • حامیان سرسخت متن‌باز خالص
  • توسعه‌دهندگان مدل‌های رقیب

منابع

پوشش منابع

7 منبع

3 دیدگاه شناسایی‌شده

پذیرندگان سازمانی 40%تحلیلگران صنعت 40%رصدگران بازار 20%
  1. [1]TechCrunchتحلیلگران صنعت

    AI agent startup LangChain hits $3B valuation

    مطالعه در TechCrunch →
  2. [2]LangChainپذیرندگان سازمانی

    LangChain Raises $300M to Enable Every Company to Own Its Intelligence

    مطالعه در LangChain →
  3. [3]CapitalGپذیرندگان سازمانی

    Doubling Down on LangChain

    مطالعه در CapitalG →
  4. [4]Dealroomتحلیلگران صنعت

    LangChain raises $300M at a $3B valuation, 2.4x its 2025 mark, as CapitalG bets on AI agent tooling

    مطالعه در Dealroom →
  5. [5]Trending Topicsتحلیلگران صنعت

    LangChain Raises $300 Million, Now Valued at $3 Billion

    مطالعه در Trending Topics →
  6. [6]AI Weeklyرصدگران بازار

    LangChain Hits $3B Valuation on $300M Series C Led by CapitalG

    مطالعه در AI Weekly →
  7. [7]Traders Unionرصدگران بازار

    LangChain raises Series C at $3 billion valuation as AI agent software demand grows

    مطالعه در Traders Union →
گوش‌ دهید

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

اخبار فناوری با پوشش کامل منابع و تحلیل دیدگاه‌ها، هر روز و رایگان.