AI Radar
Шведская платформа генерации приложений Lovable привлекла $400 млн в раунде C при оценке $13,3 млрд — примерно вдвое выше, чем семь месяцев назад. Деньги пойдут на более автономную сборку корпоративного ПО, укрепление инфраструктуры и безопасности, а также расширение команды.
Раунд возглавила Menlo Ventures, к нему присоединились Tencent, Balderton Capital, Carmignac и другие инвесторы. В декабре 2025 года Lovable получила $330 млн при оценке $6,6 млрд, а накопленный объем финансирования тогда достиг $550 млн. Новая сделка почти удвоила оценку компании всего за семь месяцев и вывела ее выше конкурента Replit, который после мартовского раунда оценивался в $9 млрд. Для двухлетнего стартапа это ставка не только на популярность AI-кодинга, но и на превращение генератора прототипов в полноценную платформу разработки.
Lovable появилась в 2023 году из открытого проекта GPT Engineer, но затем сместила фокус с помощника программисту на визуальный сервис, в котором приложение создается через диалог на естественном языке. Платформа объединяет облачную базу данных, хранение, аутентификацию, доступ к моделям, пользовательские домены, SEO, аналитику и встраиваемых агентов. Благодаря этому пользователь может пройти путь от идеи до работающего интернет-продукта, не собирая вручную отдельный стек сервисов. Основная аудитория, по замыслу основателя Антона Осики, — не только разработчики, а прежде всего люди без навыков программирования.
После запуска продукта в ноябре 2024 года пользователи создали на Lovable более 60 млн проектов, а приложения на платформе вместе получают свыше 900 млн посещений в месяц. Сервисом пользуются сотрудники двух третей компаний Fortune 500; среди названных клиентов — Adidas, Nvidia и Deutsche Telekom. Более трети опрошенных пользователей уже зарабатывали на созданных приложениях. Годовой регулярный доход, по словам Осики, втрое выше декабрьского уровня, а Wall Street Journal оценивает текущий ARR примерно в $600 млн — существенный масштаб, хотя ARR не равен уже полученной годовой выручке.
Компания иллюстрирует снижение стоимости разработки примером внутренней корпоративной системы: команда YouTube-автора Джейсона собрала ее за четыре часа с ежегодными расходами менее $2 тыс., тогда как два года назад аналогичная работа якобы стоила бы $500 тыс. Это показательный, но единичный кейс, который нельзя автоматически переносить на критичные системы со сложными интеграциями и требованиями к эксплуатации. Главная ценность Lovable в таких сценариях — быстро проверить процесс или запустить небольшой внутренний инструмент; при масштабировании все равно становятся важны архитектура, тестирование, права доступа, безопасность данных и сопровождаемость сгенерированного кода.
После раунда Lovable хочет сделать платформу более проактивной: система должна понимать конечную цель, находить незавершенные задачи и постепенно выполнять работу без отдельной команды на каждый шаг. Более глубокие интеграции с существующей IT-архитектурой позволят отделам продаж, маркетинга и операций собирать настраиваемые панели и рабочие процессы. Одновременно компания обещает усиливать стабильность, безопасность, управление доступом и соответствие требованиям — именно эти свойства определяют, сможет ли инструмент перейти от личных прототипов к приложениям, на которые опирается бизнес.
Вторая линия развития — обучение системы на признаках успешных продуктов, причем успех предлагается измерять не только корректностью сборки, но и практическим эффектом: выручкой, улучшением процесса или ростом компании. Lovable собирается назначать каждую задачу наиболее подходящей модели и продолжать использовать в том числе открытые модели. Для реализации планов стартап намерен нанять около 450 специалистов по машинному обучению, продукту, инфраструктуре и безопасности и расширить присутствие в Лондоне, Бостоне, Сан-Франциско и Нью-Йорке.
Lovable пытается расширить no-code-подход от быстрых прототипов до производственных приложений, которыми смогут самостоятельно управлять бизнес-команды. Если платформа справится с интеграциями, безопасностью и сопровождением, она снизит стоимость разработки внутренних сервисов; если нет, быстрый рост числа проектов не гарантирует сопоставимого роста надежных внедрений.
DSML editors review the selection. AI helps deduplicate signals and draft the text; the published edition remains an editorial product, not a feed of individual channels.