تصور کنید یک عامل هوش مصنوعی دوشنبه کاری را شروع کند، چهارشنبه منتظر تأیید انسانی بماند و جمعه با وجود یک قطعی کامل سرور، بدون فراموش کردن جایگاهش، کار را ادامه دهد. این دقیقاً همان چیزی است که در دنیای نرمافزارهای شکننده، یک کابوس مهندسی است اما برای تِمپورال (Temporal) یک استاندارد عملیاتی است.
در ۱۴ سپتامبر ۲۰۲۶، این شرکت دور سرمایهگذاری Series E خود را با جذب ۵۵۰ میلیون دلار به پایان رساند و ارزش بازارش را به ۱۲.۵۵ میلیارد دلار رساند. این پلتفرم برای این طراحی شده تا سختافزاریترین نرمافزارهای هوش مصنوعی حتی در صورت خرابی سرور یا توقف فرآیندها برای هفتهها، کرش نکنند. این دور سرمایهگذاری توسط لایتاسپید (Lightspeed) رهبری شد و شرکتهایی مثل ولینگتون منیجمنت (Wellington Management)، بخش اکوئیتی رشد در گلدمن ساکس آلترناتیو (Growth Equity at Goldman Sachs Alternatives) و تایگر گلوبال (Tiger Global) نیز در آن مشارکت داشتند. سایر شرکتهای شرکتکننده شامل تی. رو پرایس (T. Rowe Price) و اسوی انجل (SV Angel) بودند، در حالی که سرمایهگذاران قبلی مانند a16z، سکویا (Sequoia)، ایندکس (Index)، GIC، سافایر ونچرز (Sapphire Ventures) و امپلیفای (Amplify) نیز مجدداً سرمایهگذاری کردند.
قلب تپنده این فناوری، مفهوم «اجرای بادوام» (Durable Execution) است؛ چیزی شبیه به یک سیستم «ذخیره خودکار» (Auto-save) در بازیهای ویدئویی که اگر برق قطع شود، شما دقیقاً از همان نقطهای که بودید برمیگردید، نه از ابتدای مرحله. در حالی که اکثر نرمافزارها شکننده هستند و توسعهدهندگان باید منطق بازیابی را دستی بنویسند، تِمپورال مدیریت ارکستراسیون و حفظ وضعیت را بهصورت خودکار انجام میدهد. تحت این مدل، وضعیت (State) حفظ شده و کارها بهطور خودکار از خرابیها بازیابی میشوند. این امر به برنامهها اجازه میدهد برای روزها متوقف شوند و پس از یک قطعی، بدون اینکه توسعهدهندگان هر بار مجبور به ساخت دستی این ماشینآلات باشند، از سر گرفته شوند. همانطور که در تحلیلهای قبلی ما دربارهی زیرساختهای مدلهای زبانی اشاره کردیم، پایداری در مقیاس صنعتی، حالا به اندازه خودِ مدل اهمیت یافته است.
به نقل از اعلامیه رسمی شرکت، این بودجه برای شتاببخشی به عملیات جهانی و تقویت زیرساختهای اصلی (Core Primitives) پلتفرم هزینه میشود. شرکت همچنین قصد دارد بر روی کارهای مربوط به قابلیت اطمینان و امنیت تمرکز کند که بهطور خاص توسط مشتریان سازمانی درخواست شده است. نیاز به این سطح از پایداری زمانی شدت گرفت که شرکتها از چتباتهای ساده به سمت عاملهای هوش مصنوعی (AI Agents) — مثل دستیارهای هوشمندی که میتوانند برای روزها، هفتهها یا ماهها بهطور مستقل روی یک پروژه کار کنند — حرکت کردند. سامار عباس (Samar Abbas)، مدیرعامل شرکت، تأکید کرد که در عصر هوش مصنوعی، هزینه نادیده گرفتن پایداری بهشدت بالا رفته و این موضوع باید به عنوان یک زیربنا از روز اول در معماری باشد، نه اینکه بعداً به سیستم «چسبانده» شود.
شاخصهای رشد انفجاری
بر اساس دادههای داخلی تِمپورال، نرخ پذیرش این فناوری جهشی خیرهکننده داشته است:
- درآمد: نرخ درآمد سالانه (Run Rate) بیش از ۲۰۰٪ رشد سالانه داشته و نرخ حفظ خالص درآمد (Net Dollar Retention) از فوریه ۲۰۲۶ بالای ۲۰۰٪ باقی مانده است.
- میزان استفاده: در اوت ۲۰۲۶، این پلتفرم ۱.۹ تریلیون عملیات قابل پرداخت را پردازش کرد که ۳۶۸٪ بیشتر از سال گذشته است.
- پذیرش متنباز: تعداد نصبهای نسخه متنباز به ۴۳,۱۴۱,۶۳۸ مورد رسید که رشد ۱۳۴ درصدی را از دسامبر ۲۰۲۵ نشان میدهد. در حال حاضر تقریباً ۴۵۰,۰۰۰ توسعهدهنده در حال ساخت روی این پروژه متنباز هستند.
- پایگاه مشتریان: اکنون بیش از ۴۳۰۰ مشتری پرداختکننده وجود دارد که جهشی ۱۳۹ درصدی را تجربه کرده است. علاوه بر این، ۴۰۰۰ سازمان از Temporal Cloud استفاده میکنند.
کاربران قدرتمند سازمانی
غولهای صنعت از همین حالا برای مقیاسهای حیاتی به این چارچوب تکیه کردهاند. اسنپ (Snap) روزانه ۴۱۴ میلیون استوری را از طریق تِمپورال جابهجا میکند و جیپی مورگان چیس (JPMorgan Chase) آن را در محیطهای تولیدی تحت نظارت (Regulated Production Environments) اجرا میکند.
اوپنایآی (OpenAI) نیز شاهد رشد ۶۰ برابری استفاده از تِمپورال در کمتر از یک سال بوده است. ونکات ونکاتارامانی (Venkat Venkataramani)، معاون زیرساخت OpenAI، بیان کرد که اجرای بادوام یک نیاز اساسی برای سیستمهای مدرن هوش مصنوعی است و به همین دلیل OpenAI روی چارچوب ارکستراسیون خود بر پایه تِمپورال سرمایهگذاری کرده است.
ریشه تاریخی اجرای بادوام
این موفقیت یک چرخش ناگهانی به سمت هوش مصنوعی نیست، بلکه نتیجه دههها کار روی زیرساخت است. بنیانگذاران شرکت، سامار عباس و ماکسیم فاتِیف (Maxim Fateev)، پیش از این زیربناهای پیامرسانی و گردشکار را در آمازون (Amazon) ساخته بودند. فاتِیف زیرساخت پیامرسانی را رهبری کرد که به ایجاد SQS کمک کرد و سپس Simple Workflow Service (SWF) را مدیریت نمود. عباس نیز به تیمی پیوست که SWF را در سال ۲۰۱۲ برای عموم عرضه کرد.
عباس بعدها در مایکروسافت (Microsoft) چارچوب Durable Task Framework را خلق کرد که مایکروسافت از آن برای ساخت Azure Durable Functions استفاده کرد. آنها سپس در اوبر (Uber) برای ساخت کیدنس (Cadence) متحد شدند. کیدنس در سه سال بیش از ۱۰۰ مورد استفاده داخلی را پوشش داد و در سال ۲۰۱۷ متنباز شد. تِمپورال در واقع تکامل مستقل این مسیر است که در سال ۲۰۱۹ عرضه شد تا توسعهدهندگان بتوانند کد معمولی بنویسند و لولهکشیهای پیچیده پایداری را به پلتفرم بسپارند.
ادغامهای استراتژیک و عملیات
تِمپورال در سال گذشته نفوذ خود را در اکوسیستم توسعهدهندگان AI افزایش داد. در مارس ۲۰۲۶، ادغام با OpenAI Agents SDK پس از یک دوره پیشنمایش عمومی در تابستان، به مرحله دسترسی عمومی (General Availability) رسید. همچنین ادغامی با Vercel AI SDK صورت گرفت تا توسعهدهندگان TypeScript نیز از همان تضمینهای پایداری بهرهمند شوند.
این گسترش با دو برابر شدن نیروی کار به ۵۷۰ نفر در چهار قاره حمایت شده است. همچنین تغییرات مدیریتی مهمی صورت گرفته است؛ از جمله انتصاب هین فان (Hien Phan) به عنوان اولین معاون بازاریابی محصول. سایر تغییرات شامل ارتقای پریتی سومال (Preeti Somal) به معاون ارشد مهندسی، تیم هیوز (Tim Hughes) به معاون ارشد فروش و کیت کالفیلد (Kate Caufield) به نقش معاون ارشد منابع انسانی است.
نقاط عطف شرکتی
این جذب سرمایه پس از دور Series D در ۱۷ فوریه ۲۰۲۶ رخ داد که ۳۰۰ میلیون دلار بود و ارزش شرکت را ۵ میلیارد دلار (Post-money) کرده بود. آن دور توسط اندریسن هوروویتز (Andreessen Horowitz) رهبری شد و راگو راگورام (Raghu Raghuram)، مدیرعامل سابق VMware، به عنوان ناظر هیئت مدیره در آن حضور داشت.
علاوه بر نرمافزار، تِمپورال حضور برند خود را نیز گستران داده است. این شرکت پنجمین کنفرانس Replay خود را در سال ۲۰۲۶ در مرکز Moscone برگزار کرد و به عنوان شریک اصلی روی پیراهن باشگاه کریستال پالاس (Crystal Palace) ظاهر شد؛ همکاریای که تیم زنان پالاس را نیز شامل میشود.
برای یک مدیر کسبوکار، این تغییر سیگنالی است که دوران «هایپ» هوش مصنوعی به پایان رسیده و دوران «تولید صنعتی» آغاز شده است. بازار دیگر فقط به هوشمندترین مدل پاداش نمیدهد، بلکه به قابلاعتمادترین زیرساختی که بتواند این مدلها را در دنیای واقعی زنده نگه دارد، جایزه میدهد. در کنار پایداری نرمافزاری، بهینهسازی سختافزاری نیز در همین راستا پیش میرود؛ برای مثال، راهکارهای توزیع هوشمند محاسبات توسط Gimlet Labs تلاش میکند تا سرعت پاسخدهی مدلها را در مقیاس صنعتی افزایش دهد.
باید منتظر ماند و دید که ادغام تِمپورال با چارچوبهای عاملمحور (Agentic Frameworks) چگونه تکامل مییابد، زیرا توانایی اجرای عاملها برای ماهها، خط dividing بین اسباببازیهای آزمایشی و اتوماسیون در سطح سازمانی خواهد بود.
گام بعدی شما
- اگر در حال توسعه عاملهای هوش مصنوعی هستید، بررسی کنید که آیا منطق بازیابی (Recovery Logic) شما دستی است یا از ابزارهایی مثل Temporal استفاده میکنید.
- مستندات OpenAI Agents SDK را برای درک نحوه مدیریت وضعیتهای طولانیمدت مطالعه کنید.
- مدلهای هزینه استنتاج خود را در در نظر گرفتن زمانهای توقف (Pause) و بازیابی مجدد بازبینی کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو