تندرج جولة التمويل البالغة 30 مليون دولار، التي أعلنت عنها شركة Remanence الناشئة ومقرها باريس يوم 17 نوفمبر 2026، وشارك في تأسيسها المغربي حمزة بنشكرون، في صلب هذا النقاش.
لا تقدّم Remanence نفسها كمختبر جديد للنماذج الرائدة. فهي تقترح منصة لما بعد التدريب (post-training) تتيح للشركات تحويل آثار تنفيذ وكلاء الذكاء الاصطناعي لديها — كل مهمة ناجحة، وكل خطأ، وكل تصحيح بشري — إلى بيئات تعلّم. وتُستخدم هذه البيئات بعد ذلك لتخصيص نماذج مفتوحة الأوزان (open-weight) عبر التعلّم المعزَّز. وفي نهاية العملية، تحتفظ الشركة بملكية أوزان النموذج، ويمكنها إبقاء بياناتها على بنيتها التحتية الخاصة.
فريق قادم من المختبر الفرنسي H Company
يعرف المؤسسون الثلاثة بعضهم بعضًا من عملهم المشترك في H Company، المختبر الفرنسي المتخصص في الوكلاء القادرين على تشغيل الحاسوب. وقد عمل بيير-لويس سيدوز، المدير العام الحالي لـ Remanence، هناك باحثًا مؤسسًا ثم مديرًا تقنيًا، بعد أن اشتغل على ما بعد التدريب لنموذج Gemini في Google DeepMind. أما حمزة بنشكرون، المدير التقني، فقد قاد ما بعد التدريب في H Company، وسبق أن نشر أساليب التعلّم المعزَّز في InstaDeep. وتولّى أكسل مويال، مدير المنتج، أعمالًا حول الوكلاء والتقييمات وتوليد البيئات.
وفي H Company، قاد الثلاثي عملية ما بعد التدريب لنماذج Holo مفتوحة الأوزان. ووفقًا لـ EQT Ventures، حققت هذه النماذج في مارس 2026 مستوى قياسيًا جديدًا في اختبار OSWorld-Verified، وهو من أكثر الاختبارات صرامة للمهام الوكيلية طويلة الأمد، مع بقائها أقل كلفة بكثير من بعض النماذج المملوكة.
ما الذي تموّله الجولة فعليًا
شاركت في قيادة جولة الـ 30 مليون دولار كل من EQT Ventures وFirstMark. كما شاركت فيها Zero Prime وEmblem وDrysdale وGlobal Founders Capital وYellow، إضافة إلى عدد من المستثمرين الأفراد (business angels)، من بينهم أوليفييه بوميل (Datadog) وفيليب كورو (Mirakl) ورومان نيكولي (Pigment) والمؤسسان المشاركان لـ Synthesia فيكتور ريباربيلي وستيفن تييريلد، ومهدي الغيساسي (AI71).
![]()
ستُخصَّص الأموال أساسًا لتمويل عنقود مخصص من وحدات معالجة الرسوميات (GPU) في أوروبا، وتوظيف باحثين ومهندسين (في باريس بالدرجة الأولى، مع حضور مبكر في لندن وسان فرانسيسكو)، وتوسيع شراكات التصميم مع شركات أوروبية وأمريكية. وتعمل Remanence بالفعل مع شركاء تصميم في القطاعات القانونية ودعم العملاء وبرمجيات المؤسسات.
كيف تحوّل المنصة الأخطاء إلى تقدّم
المبدأ التقني سهل نسبيًا في عرضه، لكنه أكثر صعوبة في التنفيذ. ترتبط المنصة بالوكلاء العاملين أصلًا في بيئة الإنتاج. وتحلّل آثار تنفيذهم: ما الأدوات التي استُدعيت، وأين أخفق الوكيل، وما التصحيح الذي أُجري. ومن هذه الآثار، تولّد تلقائيًا بيئات تدريب وآليات تقييم واقعية. ثم يُدرَّب نموذج مفتوح الأوزان في مرحلة ما بعد التدريب بالتعلّم المعزَّز على هذه البيئات. ومع وصول آثار جديدة، يمكن إعادة تدريب النموذج. والفكرة أن كل استخدام يحسّن الاستخدام الذي يليه، من دون أن تضطر الشركة إلى إعادة بناء مجموعات البيانات أو بيئات المحاكاة يدويًا كلما تغيّرت عملياتها.
وبحسب المؤسسين ومستثمريهم، تهدف هذه الآلية إلى خفض تكاليف الاستدلال (inference) — عبر نماذج أكثر تخصصًا وربما أخف — وتقليل الاعتماد على مزوّدي النماذج المملوكة الذين قد تتغير أسعارهم وشروط استخدامهم. وتبقى البيانات تحت سيطرة الشركة، ويمكن أن يتم التدريب والنشر في سحابة عامة أو سحابة خاصة افتراضية أو داخل مقر الشركة.
لماذا يهمّ هذا الموضوع أبعد من مجرد جولة تمويل
في سياق تضاعف فيه وكلاء الذكاء الاصطناعي استدعاءات النماذج، ومعها الإنفاق على الرموز (tokens)، تلاحظ شركات كثيرة أن تكاليفها ترتفع من دون أن يتحسن الأداء بالتناسب في حالات استخدامها المحددة. وغالبًا ما تبقى الآثار المتولدة غير مستغَلّة. وتراهن Remanence على أن هذه الآثار هي المادة الخام الأثمن لبناء ذكاء متخصص تتحكم فيه الشركة بصورة مستدامة.
ويندرج هذا النهج ضمن حركة أوسع. فقد قلّصت النماذج مفتوحة الأوزان الفجوة مع النماذج المغلقة في مهام كثيرة، وتجرّب حصة متزايدة من الشركات نماذج يمكنها استضافتها أو تكييفها، أو تنشرها فعلًا. وقد وصف مات تورك، من FirstMark، هذا التحول بأنه انتقال إلى حزمة تقنية هجينة (hybrid stack): نماذج مغلقة تُستأجر لبعض القدرات، ونماذج متخصصة تُملك لقدرات أخرى.
وبالنسبة إلى الشركات الأوروبية، ولا سيما في القطاعات الخاضعة للتنظيم، فإن إمكانية الاحتفاظ بالبيانات والأوزان على بنيتها التحتية تلبّي كذلك متطلبات السيادة والامتثال. غير أنه ليس حلًا شاملًا. فهو يفترض توافر حجم كافٍ من الآثار عالية الجودة، والقدرة على تقييم تقدّم النموذج تقييمًا سليمًا، ومؤسسة مستعدة لإدارة دورة إعادة التدريب.
وتبقى القيود حقيقية. فبناء بيئات تعلّم وفية للعمليات الفعلية أمر صعب تقنيًا؛ وهذا بالتحديد هو عنق الزجاجة الذي تؤكد Remanence أنها تؤتمته. كما أن ندرة الكفاءات القادرة على إجراء ما بعد التدريب بالتعلّم المعزَّز على نطاق واسع تفسّر جزئيًا تقييم هذا الفريق. وأخيرًا، تطوّر المختبرات الكبرى وجهات أخرى فاعلة في البنية التحتية للوكلاء بدورها قدرات التكيّف وحلقات التغذية الراجعة. وستتحدد الأفضلية التنافسية بجودة الأتمتة وسرعة التكرار والقدرة على إثبات مكاسب قابلة للقياس في التكلفة والموثوقية لدى العملاء الأوائل.
ما يمكن استخلاصه في هذه المرحلة
تتسم جولة Remanence بأهمية بالغة بسبب حجمها بالنسبة إلى جولة تمويل أولية، وبسبب خبرة مؤسسيها. وهي تجسّد قناعة يتقاسمها عدة مستثمرين: القيمة الدائمة في ذكاء المؤسسات الاصطناعي لا تكمن في الوصول إلى أقوى النماذج في اللحظة الراهنة فحسب، بل في القدرة على تحويل الاستخدام اليومي إلى تحسين مستمر تحت سيطرة الشركة. وسيتوقف تحوّل هذه القناعة إلى نتائج اقتصادية ملموسة على جودة التنفيذ التقني والتبنّي الفعلي في بيئات إنتاج صعبة. وفي الوقت الراهن، يمثّل شركاء التصميم وعنقود الحوسبة الخطوتين المقبلتين القابلتين للرصد.
الأسئلة الشائعة
هل Remanence شركة ناشئة مغربية؟
لا. إنها شركة ناشئة مقرها باريس، شارك في تأسيسها المغربي حمزة بنشكرون (المدير التقني) مع مؤسسَين فرنسيَّين. وتخطط للتوظيف أساسًا في باريس، مع حضور مبكر في لندن وسان فرانسيسكو.
كيف يتعلّم النظام من الأخطاء؟
يلتقط آثار تنفيذ الوكلاء المنشورين أصلًا (النجاحات والإخفاقات والتصحيحات)، ويحوّلها إلى بيئات تدريب، ثم يدرّب نموذجًا مفتوح الأوزان في مرحلة ما بعد التدريب بالتعلّم المعزَّز. ويمكن إعادة تدريب النموذج كلما وصلت آثار جديدة.
هل تحتفظ الشركة فعلًا بالسيطرة؟
وفقًا للشركة ومستثمريها، نعم: فالمؤسسة تحتفظ بملكية أوزان النموذج، ويمكن أن تبقى البيانات والتدريب داخل بنيتها التحتية الخاصة.
فيمَ ستُستخدم الـ 30 مليون دولار؟
أساسًا في تمويل عنقود وحدات معالجة رسوميات في أوروبا، وتوظيف باحثين ومهندسين، وتطوير شراكات التصميم مع شركات في أوروبا والولايات المتحدة.