يروي المستثمرون الأوائل في OpenRouter تفاصيل عملية الاستثمار.

المؤلف: مينلو فنتشرز

إعداد: جيا هوان، تشين كاتشر

أعلنت شركة OpenRouter اليوم عن توصلها إلى اتفاقية استحواذ مع شركة Stripe. ويأتي هذا بعد ثلاث سنوات فقط من إطلاق OpenRouter الرسمي في عام 2023.

تم إطلاق OpenRouter في البداية كـ "واجهة موحدة لـ LLM" ولم يدعم سوى أربعة نماذج في ذلك الوقت: GPT-3.5 و GPT-4 و GPT NeoXT من Together و Cohere xlarge.

تأسست الشركة على حكمين أساسيين: أولاً، سيكون نطاق استخدام الذكاء الاصطناعي هائلاً في نهاية المطاف وسيتغلغل في جميع المجالات؛ ثانياً، سيظهر عدد كبير من النماذج المختلفة في السوق، ولكل منها مزاياها وعيوبها الخاصة، وسيختار المستخدمون نماذج مختلفة وفقًا لاحتياجاتهم المختلفة.

وكما اتضح، فقد تجاوز كلا الحكمين التوقعات في ذلك الوقت بكثير.

منذ إطلاقها، ازداد عدد الرموز المميزة التي تعالجها منصة OpenRouter بنحو 30 ألف ضعف، ليتجاوز حاليًا 4500 تريليون رمز مميز سنويًا، ووصل حجم الإنفاق على المنصة إلى مستوى مذهل. في الوقت نفسه، ارتفع عدد الطرازات التي تدعمها OpenRouter من 4 طرازات فقط إلى أكثر من 500 طراز.

الرسم البياني: نمو استخدام رمز OpenRouter من بدايته إلى استحواذه.

تُعتبر شركة مينلو فنتشرز محظوظة لكونها جزءًا من هذه الرحلة. في مارس 2025، شاركنا في جولة التمويل التأسيسي لشركة أوبن راوتر من خلال صندوق أنثولوجي، الذي أنشأناه بالشراكة مع أنثروبيك.

أليكس عطا الله، مؤسس والرئيس التنفيذي لشركة أوبن راوتر، سبق له تأسيس شركة أوبن سي، التي بلغت قيمتها في وقت من الأوقات 13.3 مليار دولار. ومن بين مؤسسيه المشاركين لويس فيشي، وهو خبير تقني تعرف عليه عبر منصة ديسكورد، وكريس كلارك، وهو مدير عمليات يتمتع بكفاءة عالية.

في مايو 2025، قمنا بقيادة جولة التمويل الأولى (Series A) لشركة OpenRouter، حيث انضم مات إلى مجلس إدارة الشركة، بينما شغلت ديدي منصب مراقب في المجلس. وفي وقت سابق من هذا العام، ونظرًا للنمو السريع الذي حققته OpenRouter في عدد العملاء والإيرادات، وتطور خارطة طريق منتجات الشركة لتعزيز قدرات "ذكاء النماذج" فيما يتعلق باختيار النماذج وتقييمها، واصلنا الاستثمار في جولة التمويل الثانية (Series B).

في صناعة التكنولوجيا، غالباً ما تستغرق الفكرة سنوات لتتحول من مجرد رأي قلة إلى إجماع صناعي.

قبل أسابيع قليلة فقط، حدث هذا: من Ramp إلى Cursor، أطلقت أكثر من 10 شركات منتجاتها الخاصة بتوجيه النماذج بشكل متزامن تقريبًا. وفي غضون سنوات قليلة، أصبحت OpenRouter واحدة من أهم الشركات في عصر الذكاء الاصطناعي.

صورة: صورة جماعية التُقطت عند تأكيد جولة التمويل من الفئة (أ) لشركة OpenRouter بصفتها المستثمر الرئيسي.

للوهلة الأولى، قد لا تبدو شركة Stripe وكأنها المستحوذ الطبيعي لشركة OpenRouter، لكن الشركتين متشابهتان بشكل لافت للنظر.

يُبسّط كلا النظامين عمليات المعاملات المعقدة من خلال واجهة برمجة تطبيقات (API) يمكن الوصول إليها مباشرةً، مع فرض نسبة مئوية من رسوم المعاملة. ومع ذلك، فإن OpenRouter يتعامل مع نماذج الذكاء الاصطناعي.

وفقًا لبيان Stripe الثابت، فإن الشركتين، بعد الاندماج، لا تزالان تفعلان الشيء نفسه: زيادة "الناتج المحلي الإجمالي للإنترنت".

في الواقع، قبل أكثر من عام، أطلق OpenRouter على نفسه بالفعل اسم "Stripe عالم LLM".

القيمة الأساسية لـ OpenRouter

كانت شركة OpenRouter من أوائل الشركات التي تواصل معها ديدي بعد انضمامه إلى مينلو في عام 2024. هذه الشركة تقع تقريبًا في صميم منطق استثمارنا في البنية التحتية للذكاء الاصطناعي.

في تقريره "تقرير الذكاء الاصطناعي للمؤسسات لعام 2024 "، اقترح مينلو افتراضين يجب مراعاتهما للاستثمار في OpenRouter: سيزداد الإنفاق على الذكاء الاصطناعي بشكل كبير، ولن يستخدم المطورون نموذجًا واحدًا فقط، بل سيستخدمون نماذج متعددة في وقت واحد.

صورة: البريد الإلكتروني الأولي الذي أرسله مينلو إلى أوبن راوتر

بصفتنا أشخاصًا نكتب التعليمات البرمجية ونستخدم هذه النماذج عمليًا، فقد أدركنا في وقت مبكر أن هناك اختلافات كبيرة جدًا بين النماذج المختلفة من حيث التكلفة والكمون والأداء.

على سبيل المثال، عندما تقوم بمهمة بسيطة في معالجة اللغة الطبيعية، مثل التعرف على الكيانات من النص، فأنت لست بحاجة بالضرورة إلى استدعاء نموذج متطور وقوي مثل Fable.

تكمن المشكلة في أنه إذا كان على المستخدمين الذهاب إلى الموقع الرسمي لكل شركة من شركات تصنيع النماذج، وتسجيل حساب، وإنشاء مفتاح API، والحفاظ على المفتاح آمنًا، والتكيف مع مواصفات واجهة API المختلفة قليلاً لكل شركة، وأخيرًا إدارة جميع النماذج بأنفسهم، فإن العملية برمتها ستكون مرهقة للغاية.

قد يبدو مفهوم بوابة النموذج الموحد بسيطاً، لكنه في الواقع يمثل مشكلة بنية تحتية أكثر تعقيداً مما يبدو. وقلة من الناس مستعدون حقاً لبناء وصيانة مثل هذا النظام بأنفسهم على المدى الطويل.

كثيراً ما يناقش قطاع رأس المال الاستثماري مفهوم "المزايا التنافسية المستدامة"، وعادةً ما يفكر أولاً في الحواجز التكنولوجية. لكن شركة OpenRouter تمتلك ميزة تنافسية مستدامة نموذجية للغاية.

كلما زاد عدد مستخدمي OpenRouter، كلما كان بإمكانه التنبؤ بشكل أفضل بطلب النموذج والتعامل مع الأحمال الأكبر؛ كما أنه من الأسهل توقيع عقود أكبر مع مختبرات النماذج، وبالتالي الحصول على عرض وطلب أكثر استقرارًا للرموز.

في نهاية المطاف، يخلق هذا حلقة مفرغة: سترغب مختبرات النماذج الجديدة، من أجل الحصول على قنوات توزيع، في إعطاء الأولوية لتسجيل الدخول إلى OpenRouter.

لاحظنا أيضاً اتجاهاً آخر.

مع تزايد شعبية Vibe Coding، ازداد عدد الشركات الناشئة في مجال البرمجيات بشكل سريع. بالنسبة للمنتجات التي تهدف إلى دخول سوق المؤسسات، فإن تلك التي حازت بالفعل على موافقة مطوري الشركة الداخليين هي التي غالباً ما يتم شراؤها في نهاية المطاف من قبل المؤسسات.

تتبع كل من Anthropic و OpenAI و xAI و Cursor و Cognition و ElevenLabs و Lovable و Fireworks هذا النمط: فهي تكسب المطورين أولاً، ثم تدخل سوق المؤسسات.

وينطبق الأمر نفسه على OpenRouter.

منذ استثمارنا:

يقوم OpenRouter حاليًا بمعالجة 30000 ضعف عدد الرموز المميزة التي قام بمعالجتها عند الإطلاق، وقد حافظ على معدل نمو شهري يبلغ حوالي 33٪ على مدار السنوات الثلاث الماضية، حيث يتضاعف في المتوسط كل 11 أسبوعًا.

شهد سوق النماذج نموًا سريعًا. فقد برزت في الصين نماذج ممتازة مفتوحة المصدر مثل DeepSeek وGLM وKimi، إلى جانب نماذج من شركات مثل Grok وMeta وThinking Machines. ويضم OpenRouter حاليًا أكثر من 500 نموذج من أكثر من 80 مزودًا، ويخدم ما يقارب 10 ملايين مستخدم.

ستُعطى الأولوية لإطلاق العديد من النماذج الجديدة الهامة على منصة OpenRouter، بما في ذلك نماذج من OpenAI وX وMeta. وقد أعلن مارك زوكربيرج، الذي نادرًا ما يُغرّد أو يُروّج لمنتجات أخرى، عن إطلاق Muse Spark على OpenRouter، وكذلك فعل إيلون ماسك. كما ستُقدّم OpenAI خصومات حصرية على نماذج مثل Terra وLuna عبر OpenRouter.

نجح نموذج النمو القائم على المنتج لشركة OpenRouter في التوسع إلى سوق المؤسسات. وتُعد دورة مبيعات منتجاتها المخصصة للمؤسسات من بين الأسرع على الإطلاق. ويمكن للمؤسسات استخدام هذا المنتج لتخصيص موارد النماذج مركزياً، والتحكم في صلاحيات الوصول، وإدارة ميزانيات الذكاء الاصطناعي الداخلية.

لأن OpenRouter يستطيع التفاوض على العقود مع مختلف مزودي النماذج بطريقة موحدة، فإنه يستطيع توفير توافر خدمة عالي للغاية حتى مع أحدث النماذج.

كيف وصل برنامج OpenRouter إلى ما هو عليه اليوم؟

أي شخص يدير شركة ناشئة لفترة طويلة سيخبرك أن إيجاد التوافق بين المنتج والسوق، أو PMF، ليس خطًا مستقيمًا أبدًا.

وينطبق الأمر نفسه على OpenRouter.

تبدأ قصتها في الواقع في 5 أبريل 2023. في ذلك الوقت، أطلق الفريق إضافة لمتصفح كروم تسمى Window، والتي سمحت للمستخدمين باستدعاء نماذج متعددة في وقت واحد في تطبيقات دردشة مختلفة على الإنترنت.

كان هدفهم الأولي هو منع المستخدمين من الارتباط بمورد نموذج معين، مع التخلص أيضًا من الحاجة إلى تسليم مفاتيح واجهة برمجة التطبيقات الخاصة بهم إلى تطبيقات مختلفة لاستخدام نماذج مختلفة.

استُلهم تصميم هذا المنتج من محافظ العملات الرقمية، وهو ما يرتبط أيضاً بتجربة أليكس السابقة في تأسيس شركة OpenSea. في ذلك الوقت، كان نظام ويندوز يدعم أربعة نماذج فقط.

في 24 أبريل 2023، ظهر اسم "OpenRouter" لأول مرة في مستودع Windows GitHub.

بعد حوالي شهر، قاموا بدمج الدفعة الأولى من نماذج Anthropic v1، وبدأوا في تعيين الطلبات تلقائيًا إلى النماذج المناسبة بناءً على المطالبات، وأنشأوا لوحة المتصدرين الشهيرة للنماذج، وبدأوا في استخدام اسم OpenRouter.

في 10 أغسطس 2023، أعاد الفريق تسمية المنتج رسميًا إلى OpenRouter، مع شعار "واجهة موحدة لأنظمة إدارة التعلم".

في ذلك الوقت، كان OpenRouter يعالج ما يقارب 3 مليارات رمز مميز أسبوعياً. وكان نموذج لوحة المتصدرين آنذاك مختلفاً تماماً عن النموذج الذي نعرفه اليوم.

ثم أطلق الفريق تطبيق "بلاي جراوند"، الذي يسمح للمستخدمين بتلقي ردود من نماذج متعددة في وقت واحد من خلال واجهة دردشة واحدة.

بحلول شهر نوفمبر من ذلك العام، كان OpenRouter يدعم 52 نموذجًا، ويتصل بأكثر من 2000 تطبيق، ويعالج ما يقرب من 8 مليارات رمز مميز أسبوعيًا.

عند هذه النقطة، وجدوا أخيراً PMF.

مستقبل توجيه النماذج

خلافًا للاعتقاد السائد، فإن المنتج الأساسي لـ OpenRouter ليس مجرد "مساعدة المستخدمين في توجيه الرموز المميزة"، بل هو بالأحرى أن يصبح بوابة الذكاء الاصطناعي الأكثر سهولة في الاستخدام.

يوفر OpenRouter جهاز توجيه تلقائي يمكنه تحديد نموذج تلقائيًا، لكن معظم المطورين يستخدمون OpenRouter بشكل أساسي للوصول إلى نماذج مختلفة من خلال نقطة دخول واحدة ثم يقررون كيفية توجيه النماذج وفقًا لاحتياجاتهم الخاصة.

في الآونة الأخيرة، أصبحت الزيادة السريعة في إنفاق الشركات على برامج الماجستير في القانون مشكلة حقيقية لشركات مثل أوبر، وكوين بيس، ومايكروسوفت.

لذلك، يبدو "جهاز التوجيه النموذجي" جذابًا للغاية كحل لخفض التكاليف.

بما أن وكيل الذكاء الاصطناعي يقسم المهمة إلى العديد من المهام الفرعية المختلفة، فلماذا نستخدم النموذج الأكثر تكلفة لكل مهمة؟ يمكن التعامل مع المهام البسيطة بواسطة نماذج أقل تكلفة.

في الأسابيع القليلة الماضية، يبدو أن القطاع بأكمله قد أدرك هذا الأمر فجأة وبشكل متزامن. فمن شركة رامب إلى شركة كورسور، أطلقت أكثر من 10 شركات نماذجها الخاصة من أجهزة التوجيه.

لكن المشكلة تكمن في أن اختيار نموذج بناءً على الموجه نفسه فقط ليس طريقة فعالة بشكل خاص.

في سيناريو قائم على الوكلاء، قد تستغرق المهمة وقتًا طويلاً جدًا لإنجازها. ويتطلب تحديد النموذج المناسب للتعامل مع طلب معين فهمًا واسعًا للسياق.

على سبيل المثال، أمر بسيط: "ابحث عن هذا الملف في مستودع التعليمات البرمجية".

قد يتطلب الأمر نموذجًا بسيطًا ورخيصًا لإدارة التعلم، أو قد يستلزم استخدام نموذج متطور. يعتمد ذلك على حجم قاعدة البيانات والسياق الذي تم بناؤه من خلال المهام السابقة.

في مهام الوكيل متعددة الخطوات، إذا اختار جهاز التوجيه النموذج الخاطئ في أي خطوة، فإن تكلفة هذا الخطأ ستستمر في التزايد في الخطوات اللاحقة، مما يؤدي في النهاية إلى انخفاض كبير في الجودة الإجمالية لنتائج المهمة.

لذلك، فإن أساس منتج توجيه النماذج المتميز حقًا ليس مجرد "خوارزمية اختيار النموذج"، بل واجهة برمجة تطبيقات موحدة ممتازة وقاعدة مستخدمين حقيقية كبيرة بما فيه الكفاية.

هؤلاء المستخدمون هم من مكّنوا OpenRouter من تجميع مجموعة بيانات ضخمة للغاية تدريجياً، دون أن يلاحظها أحد تقريباً. تتضمن هذه البيانات ما أرسله المستخدمون من طلبات، والنماذج التي استخدمتها هذه الطلبات في نهاية المطاف، والسياقات المستخدمة أثناء تنفيذ المهام، والنتائج التي تم تحقيقها.

هنا تكمن أهمية توجيه النماذج.

في بيئة إنتاج حقيقية، يمكن لـ OpenRouter مساعدة الشركات على التحكم في التكاليف من خلال الحفاظ على الأداء قدر الإمكان من خلال توجيه النماذج بشكل أكثر منطقية.

في المستقبل، لن يحتاج المطورون إلى بناء أنظمة تقييم معقدة بأنفسهم، ولن يحتاجوا إلى تعديل المطالبات باستمرار لنماذج مختلفة.

قد تحتاج ببساطة إلى تسجيل الدخول إلى الواجهة الخلفية وستظهر لك رسالة كهذه: "يُستخدم جزء من قاعدة التعليمات البرمجية الخاصة بك بشكل أساسي للتلخيص. قد يوفر لك التبديل من GPT 5.6 Sol إلى Muse Spark مبلغ 100,000 دولار سنويًا. لقد أجرينا التقييمات ذات الصلة تلقائيًا نيابةً عنك."

هذا هو المستقبل الحقيقي لتوجيه النماذج.

من البنية التحتية للدفع إلى البنية التحتية للذكاء الاصطناعي

تتشابه مسارات تطوير شركتي Stripe وOpenRouter إلى حد كبير. فقد استقطبت الشركتان في البداية المطورين قبل أن تدخلا تدريجياً سوق المؤسسات الكبيرة. كما أن لغات تصميم منتجاتهما بسيطة ومباشرة للغاية.

وصف أندريه كارباثي ذات مرة OpenRouter بأنه "مفتاح" للذكاء الاصطناعي. وتقوم Stripe بشيء مماثل: فقد أصبحت هي "المفتاح" في نظام معالجة المدفوعات.

تُعدّ هذه الصفقة من أوائل الصفقات الكبرى في قطاع البنية التحتية لعصر الذكاء الاصطناعي، ولن تكون الأخيرة. فالبنية التحتية لإدارة النماذج والتكاليف وقوة الحوسبة تتشكل تدريجياً، مما يُتيح ظهور جيل جديد من الشركات العملاقة بوتيرة أسرع من أي وقت مضى.