Основатели Loop Мэтт Маккинни и Шаошу Лю встретились в Uber. Один отвечал за финансовые операции, второй — за инфраструктуру данных. В 2021 году они ушли запускать стартап для логистических платежей. Пять лет спустя компания привлекла $95 млн в раунде Series C — от Valor Equity Partners, Founders Fund, Index Ventures и J.P. Morgan — и превратилась в full-stack (полноценную) AI-платформу для управления цепочками поставок.
Раунд возглавил фонд Антонио Грасиаса Valor, который также инвестирует в xAI Илона Маска. Среди участников — 8VC, Founders Fund Питера Тиля, Index Ventures и J.P. Morgan Growth Equity Partners. Общий объём привлечённого финансирования стартапа превысил $125 млн.
Рынок AI для цепочек поставок переживает бум. Вслед за стартапом о крупных раундах объявили Augment ($85 млн Series A от бывшего основателя Deliverr) и Amari AI — стартап экс-инженеров Google и LinkedIn, автоматизирующий таможенное оформление. Общий объём investment в supply chain AI (инвестиций в AI для цепочек поставок) за 2025–2026 годы превысил $2,5 млрд, по оценке PitchBook.
Стартап разработал AI-модель DUX, которая сокращает аудит логистических счетов с нескольких недель до двух часов
В мае 2026 года компания запустила Logistics Data Platform — первое AI-native решение для операционных данных цепочек поставок
Рынок AI в supply chain (цепочках поставок) оценивается в $14,5 млрд, но только 23% компаний имеют формальную AI-стратегию
Почему цепочки поставок — сложная среда для AI
Supply chain (цепочка поставок) — одна из самых сложных сред для внедрения искусственного интеллекта. Данные разрознены: счета, коносаменты, таможенные декларации, контракты — в разных форматах, системах и часто на бумаге. 20% логистических инвойсов содержат ошибки. Средний срок оплаты перевозчика — 50 дней.
Как мы писали в июне, цепочки поставок превращаются из операционного механизма в финансовый инструмент. Стартап идёт дальше: компания строит слой данных, который делает logistics data (логистические данные) читаемыми для AI — без предварительной нормализации вручную.
Loop — всего привлечено
Раунд возглавили Valor Equity Partners и Valor Atreides AI Fund. Cреди инвесторов — Founders Fund, Index Ventures и J.P. Morgan. · TechCrunch, 2026
Как устроена AI-платформа Loop
Ключевой продукт стартапа — AI-модель компании обрабатывает неструктурированные логистические документы: извлекает текст, распознаёт расположение полей и штампов, связывает связанные данные. Результат — единая нормализованная запись по каждому счёту или отгрузке.
В мае 2026 года стартап запустил Logistics Data Platform (LDP) — AI-native (созданную на базе AI) платформу данных для цепочек поставок. В неё вошли три компонента: DUX 2.0 для автоматического аудита, Exception Agent (агент обработки исключений) и Loop Intelligence с AI-ассистентом для принятия решений.
Архитектура LDP решает фундаментальную проблему: logistics data (логистические данные) хранятся в ERP, TMS, WMS, email-переписке и PDF-файлах одновременно. Ни одна из этих систем не «говорит» с другими на одном языке. Стартап создаёт единый data layer — слой данных, который нормализует информацию из всех источников и делает её доступной для AI-агентов.
«Автоматизация и AI работают ровно настолько, насколько хороша база данных, на которой они построены»— Мэтт Маккинни, CEO и сооснователь стартапа
Компания уже работает с Outset Medical, Dot Foods и GILLIG. В одном из кейсов scenario planning платформа выявила $2,4 млн квартальной экономии за счёт перераспределения объёмов между FedEx и UPS без потери качества сервиса.
Что делает DUX — технически
Рынок: AI в цепочках поставок
Интерес к AI в логистике растёт на фоне тарифной неопределённости, диверсификации поставщиков и роста энергозатрат. По данным Gartner, 72% организаций внедрили генеративный AI, но лишь 23% имеют формальную AI-стратегию. Остальные двигаются проектами — подход, который ведёт к фрагментации архитектуры и затягиванию окупаемости.
Отраслевое издание SCDive фиксирует ключевые риски 2026 года: тарифные войны, нехватка мощностей и геополитическая фрагментация цепочек поставок. В этой среде AI становится не опцией, а необходимостью — для прогнозирования сбоев, оптимизации маршрутов и автоматизации расчётов.
Кто ещё играет на этом поле
Компания — не единственный игрок, увидевший возможность. В феврале 2026 года из стелса вышла Amari AI — проект бывших инженеров Google и LinkedIn, автоматизирующий таможенное оформление. Компания привлекла $12 млн seed-раунда. Augment, основанный бывшим CEO Deliverr, закрыл $85 млн Series A на AI-автоматизацию работы фрахтовых перевозчиков и брокеров.
Её отличие — вертикальный подход. Компания строит data layer (слой данных) с нуля, собирая сырые данные из всех источников, нормализуя и только затем запуская AI-агентов. Это дольше на этапе внедрения, чем надстройка AI над существующим TMS или ERP, но даёт более высокое качество predictive analytics (предиктивной аналитики) на выходе.
Из устоявшихся игроков — Uber Freight и Flexport — также инвестируют в AI-слой поверх своих платформ. Но их преимущество (собственная перевозочная сеть) становится ограничением: платформа заточена под внутренние процессы, а не под любые данные клиента.
Стартап обещает ROI 7–20× в первый год. 5–7% снижения операционных расходов за счёт автоматического аудита. 15–20% экономии на контрактах с перевозчиками за счёт data-driven переговоров.
Что будет с AI-логистикой в ближайшие 12 месяцев?
Вероятность: 70% — на фоне тарифной неопределённости и давления на маржинальность компании будут вынуждены инвестировать в AI-автоматизацию логистики. Loop и аналоги (Amari AI, Augment) — главные бенефициары.
✅ Аргументы за
Критерии подтверждения: ускорение циклов внедрения (от пилотов к production) у 3+ вендоров в ближайшие 2 квартала
❌ Аргументы против
Критерии опровержения: если >50% пилотов AI в цепочках поставок не покажут измеримой окупаемости в 2026 году
Ключевые сигналы для отслеживания
Доля организаций в цепочках поставок, переходящих от пилотов к production AI — сейчас 23% имеют стратегию, целевой уровень — 50%+
Количество AI-native логистических стартапов, привлекающих раунды >$50 млн — индикатор зрелости рынка
Уровень фрагментации данных: сокращение handshake-периода между ERP/TMS/WMS системами
Снижение среднего времени аудита инвойсов в отрасли — от недель к часам
Сценарии развития
🟢 Оптимистичный (35%)
Последствия: маржинальность логистики растёт на 3–5 п.п., AI-слой — обязательный элемент любого TMS
🟡 Базовый (45%)
Последствия: темпы роста замедляются, но рынок остаётся инвестиционно привлекательным
🔴 Пессимистичный (20%)
Последствия: консолидация рынка, выживают 2–3 платформы с наиболее устойчивыми к волатильности моделями
