از پوکر تا والاستریت: استارتاپ EquiLibre با هوش مصنوعی به ارزش ۵۰۰ میلیون دلار رسید
استارتاپ پراگنشین EquiLibre Technologies، بهسرپرستی تیمی از پژوهشگران سابق DeepMind، با استفاده از همان روشهای هوش مصنوعیای که پیشتر در شکست دادن انسانها در پوکر به کار رفته بود، وارد دنیای معاملات سهام شده و پس از جذب سرمایه در یک دور سری A، ارزشگذاری ۵۰۰ میلیون دلاری را بهدست آورده است. سرمایهگذاری این دور توسط صندوق Creandum رهبری شد؛ مقامهای این سرمایهگذار اعلام کردند که این بزرگترین سرمایهگذاری تکی است که تاکنون در یک شرکت انجام دادهاند، هرچند رقم دقیق دور فاش نشده است.
چرا پوکر و بازارهای مالی شبیهاند؟
پیوند منطقی بین پوکر و معاملات مالی به شیوه آموزش مدلهای یادگیری تقویتی (reinforcement learning) برمیگردد. در یادگیری تقویتی، عاملهای خودآموز بر اساس پاداشهایی که دریافت میکنند، رفتارشان را بهینه میکنند. بهگفته مارتین شمید (Martin Schmid)، مدیرعامل EquiLibre، «نقطه قوت بازارها در این است که معیار سنجش بسیار ساده است: عامل چقدر پول ساخته است؟» این معیار سادهسازی اجازه میدهد که مدلها مستقیماً بر هدف نهایی (سود مالی) آموزش ببینند.
عملیات و ادعاهای عملکرد
EquiLibre با همکاری شرکت کمّی Tower Research Capital الگوریتمهای خود را روی بازارهای سهام پیادهسازی کرده است؛ این سیستمها روزانه میلیاردها دلار حجم معاملاتی را در شاخصهای S&P 500 و Nasdaq مدیریت میکنند. این استارتاپ میگوید که عاملهایش از زمان راهاندازی در بازارهای رمز ارز در ۲۰۲۵ عملکرد موفقی داشته و اکنون در بازارهای سهام نیز «بدون یک ماه منفی از زمان آغاز به کار» عمل کردهاند. اگرچه چنین ادعاهایی چشمگیر است، ولی در صنعت مالی شفافیت دادهها و بازههای زمانی مستقل برای ارزیابی عملکرد اهمیت دارد.
ریشهها، تیم و چشمانداز آزمایشگاهی
بنیانگذاران EquiLibre — شمید، رودولف کادلِک (Rudolf Kadlec) و ماتِی موراچیک (Matej Moravcik) — سابقه تحقیقاتی در دفتر بینالمللی DeepMind در ادمونتون کانادا دارند و از توسعهدهندگان برنامه DeepStack بودند؛ برنامهای که بهعنوان نخستین سامانه شکستدهنده بازیکنان حرفهای در پوکر بدون محدودیت (No-Limit Texas Hold’em) شناخته شد. تعدادی از اساتید و پژوهشگرانی که با آنها کار کردهاند اکنون عضو هیئت مشاوران این استارتاپ هستند، از جمله ریچ ساتن (Rich Sutton) که در ۲۰۲۴ بهخاطر نقشآفرینی در توسعه یادگیری تقویتی جایزه تورینگ را دریافت کرد.
EquiLibre خود را «اول آزمایشگاه، نه شرکت مالی» معرفی میکند؛ بنیانگذاران هم تأکید دارند که انگیزه اصلی آنها چالش فنی و ساختن چیزهای جدید است، نه صرفاً کسب سود از بازارها. تیم اولیه پس از بازگشت به جمهوری چک در ۲۰۲۲ شکل گرفت و اینک حدود ۲۵ نفر را شامل میشود. به گفته شمید، انتخاب پراگ به حفظ نیروی انسانی و تمرکز بلندمدت کمک کرده است، چرا که بازارهای نوآوری در این شهر بهاندازه سیلیکونولی سریع و متغیر نیستند.
سرمایه، رقبا و زیرساخت
اطلاعات رسمی از میزان کل سرمایهگذاری تاکنون منتشر نشده، اما دادههای Dealroom نشان میدهد که دور seed بهمیزان ۱۰ میلیون دلار توسط Blossom Capital رهبری شد و آن زمان ارزشگذاری شرکت حدود ۱۴۰ میلیون دلار بود. برنامه آینده EquiLibre افزایش زیرساخت محاسباتی است تا یکی از بزرگترین خوشههای محاسباتی در اروپای مرکزی و شرقی را راهاندازی کند؛ هدفی که برای آموزش مدلهای یادگیری تقویتی در سطح تولید ضروری است.
رقابت در این حوزه فشرده است: موسسات بزرگ بازارساز مانند Jane Street اعلام کردهاند که از یادگیری تقویتی و مدلهای زبان بزرگ (LLM) در معاملات خود استفاده میکنند و دسترسی به دهها هزار واحد پردازشی (GPU) دارند. در مقابل، استراتژی EquiLibre بر «بیشترین بهرهوری از سختافزار کمتر» متمرکز است تا با منابع محدودتر نتایج رقابتی بهدست آورد.
جمعبندی
ورود پژوهشگران برجسته یادگیری تقویتی به بازار معاملات الگوریتمی و جذب سرمایه قابلتوجه نشان میدهد که ترکیب توانمندیهای تحقیقاتی و زیرساختهای کمّی، جذابیت بالایی برای سرمایهگذاران دارد. با این حال موفقیت بلندمدت EquiLibre بستگی به توان آن در مقیاسبندی محاسبات، حفظ برتری تحقیقاتی در برابر رقبای بزرگ و شفافیت در اثبات ادعاهای بازدهی دارد. همانطور که شمید میگوید، بازار مالی «برد-برنده» نیست؛ حتی در صورت رقابت شدید میتواند فرصتهای متعددی برای بازیگران مختلف فراهم کند.