「今週のSaaS×AIニュース」ピックアップ！
＊SaaS×AI Weeklyは、ALL STAR SAAS FUNDが毎週ピックアップした記事を日本語で要約し、一部メンバーからのコメントを入れてお届けしています。
カスタムトークン戦争──オープンウェイトモデルの「専用化」は儲かる。ただし、地獄は作った後にはじまる
「Clouded Judgement 8.7.26 - Custom Tokens」 by Jamin Ball on Clouded Judgement
Altimeter CapitalのJamin Ball氏が「トークン市場」を3つに分類し、カスタマイズを実現する技術スタックの複雑さを解説した記事をご紹介します。3分類とは、フロンティアモデル、汎用オープンウェイトモデル、そしてカスタマイズ済みオープンウェイトモデルです。
日本のAI・SaaSスタートアップでも、独自のデータ・評価基盤・推論インフラを組み合わせて、競争力のあるバーティカルAIプロダクトを作る構想が活発化しています。しかし、言うは易く行うは難し。真の顧客価値を提供しようとすれば一筋縄ではいかず、最終的には高度な技術力勝負になるという厳しい現実を、著者は指摘しています。
トークン市場は3分類。ゼロサムではない
トークン市場は、「フロンティアトークン（OpenAIやAnthropicなどの大手開発ラボ）」、「バニラ（カスタマイズなしの標準状態）のオープンウェイトトークン（DeepSeekやMoonshotなど）」、そして「カスタマイズされたオープンウェイトトークン（SFTやRLを適用したもの）」の3つの市場が並存しています。
これらは一時的にシェアを奪い合うものの、市場全体のパイ自体がそれを遥かに上回るスピードで急拡大しているため、当面はすべてのプレイヤーが同時に急成長できるハイパーグロース期が続くと指摘されています。
カスタマイズの手法は3つ
モデルのカスタマイズには大きく3つの手法があります。
①最も開発負荷の高い「独自の事前学習（ゼロからのトレーニング）」
②プロンプトと望ましい回答例を提示して模倣させる「SFT（教師あり微調整）」
③モデルに実際にタスクを実行させて採点しながら学習を進める「RL（強化学習）」
多くの企業は、より現実的な選択肢としてSFTかRLを選択しています。
カスタマイズを支える3本柱：トレーニング基盤・データ・評価
カスタマイズを成立させるためには、「トレーニング基盤」「データ」「評価（Evals）」の3要素が不可欠です。トレーニングインフラ（Thinking MachinesのTinkerなど）は、GPUのオーケストレーションや分散学習など、非常に複雑なシステム構築を担います。データ面では、生データを学習可能な形式に加工する必要があります。このデータ準備を支援するのがApplied ComputeやTrajectoryであり、最初から学習可能な状態でデータを調達・提供するのがHandshakeやMercor、Micro1などの企業です。また評価面では、特にRLにおいて、学習ループの各ステップで報酬関数が即座に採点する仕組みが組み込まれます。
「トレーニングレシピ」の設計こそが差別化要因
ベースモデルの選定から、SFTとRLの組み合わせ方、報酬関数の設計、ハイパーパラメータ（学習率やバッチサイズなど）の調整にいたるまで、各要素を横断してつなぎ合わせる「トレーニングレシピ」の設計は、企業ごとに一から構築する必要があります。この部分は標準的なプロダクト化が難しく、コンサルティングや個別サービスに頼らざるを得ないため、市場における大きなギャップとして残っています。
課題1：推論（サービング）のコスト構造
カスタマイズしたモデルは、BasetenやFireworksなどの推論クラウドを利用すれば比較的容易に実運用（サービング）を開始できます。しかし、標準的な汎用モデルのように他社とGPUを共有できません。自社専用のGPUを確保する必要があるため、コスト効率が悪化しやすくなります。そのため、モデルが常にフル稼働するような、高頻度かつ繰り返し実行される特定のタスクに絞らなければ、経済合理性を成り立たせるのは困難です。
課題2：モデルの「賞味期限」と継続的な再学習コスト
カスタマイズされたモデルは、あくまで「ある一時点のスナップショット」に過ぎません。実運用においては、次の2つのアップグレードサイクルに常時追従し続ける必要があります。
①自社のデータ構造やプロダクト機能の変化
②Kimi K3、GLM 5.2、DeepSeek v4 Flashなど、より強力な新ベースモデルの頻繁な登場
したがって、<yellow-highlight-half-bold>カスタマイズは1回限りの開発コストではなく、継続的に発生する運用コストと複雑性を伴うもの<yellow-highlight-half-bold>となります。
プレイヤーが入り乱れる新興市場
推論起点のBaseten、Fireworks、Together、トレーニング基盤を提供するThinking Machines、RL専業のApplied ComputeやTrajectory、データ調達を支援するHandshake、Mercor、Micro1。さらにGPU特化のネオクラウド（CoreWeaveなど）や、評価に特化したBraintrust、Vals.aiなど、多様なスタートアップが異なるアプローチからこの巨大な市場を狙っています。
著者は、今後この中から時価総額の大きなメガプラットフォーム企業が誕生すると予測しています。
アプリケーション企業は、自社のインテリジェンスを持ちはじめている
「How Companies Are Building Their Own Intelligence」 by Sonya Huang on Sequoia Capital
Sonya Huang氏（Sequoia Capital）が、ポートフォリオ企業の創業者とAIリーダー約80名を前に、ソブリンAIの実践的なフレームワークを解説しています。アプリケーション層にとって「自社のインテリジェンスを所有する」重要性が増すなか、どこまでを自社で持つべきか、どのような組織と技術ロードマップが必要かを、順に整理しています。
ソブリンAIとは、モデルの重みまで自社で所有すること
ソブリンAIとは、外部への依存を減らし、インテリジェンスをモデルの重みに至るまで自社で所有・管理することです。ただし、これはOpusやGPTなどのクローズドモデルAPIの利用を完全にやめるべきだという主張ではありません。コーディングエージェント、デスクトップ業務、フロンティアレベルの高度なAPI利用においては、クローズドモデルが引き続き極めて有効です。プロダクトのなかで特に競争力の源泉となる重要なインテリジェンスを見極め、その部分だけを垂直統合して自社で所有するという考え方です。
コスト、スピード、性能、そして自社の運命がモデル所有を後押しする
企業が自社モデルへ移行する理由は、コスト、スピード、性能、そして他社に依存せず独自の足で立ち、自社の運命をコントロールすることの4つです。
粗利率が低い、あるいはゼロやマイナスのAIスタートアップでは、プロダクトが成功すればするほどAIにかかる売上原価（COGS）が膨らみます。だからこそ、モデルの自社所有が必須になります。コーディングやサイバーセキュリティなどの特定領域では、蒸留によって小型化したカスタムモデルが、処理スピードにおいて大型の汎用モデルを大きく上回る場合があります。さらに現在では、自社データで調整したオープンモデルが、特定ドメインにおける性能でクローズドモデルを凌駕するようになっています。
競争の舞台はアプリケーション層からインテリジェンス層へ移る
これまでLLM開発ラボとアプリケーション企業は、それぞれ反対側からユーザー接点を目指して競争してきました。ラボはモデル側からユーザーへ近づき、アプリケーション企業は顧客ワークフロー側からモデルへと近づいてきました。
これからの競争は、UI、Go-to-Market、プロダクトのラッピングを誰が握るかだけではありません。プロダクトの内部にあるインテリジェンスそのものを誰が所有し、継続的に改善できるかという「インテリジェンス層」の争いへと移行しています。
アプリケーション企業という、新しいAIラボ
Huang氏は、Harvey、Factory、Glean、OpenEvidence、Semgrep、Rampといった企業を、優れた応用研究を生み出している先進事例として挙げています。これらの企業における研究テーマは、AIの性能評価指標（Eval）、ベンチマーク、モデルを制御する仕組みであるハーネスエンジニアリング、ファインチューニングの新しいアルゴリズム技術など多岐にわたります。
AI研究はもはやLLM開発ラボだけの仕事ではありません。独自のデータとワークフローを持つアプリケーション企業そのものが、最先端の応用研究組織になりはじめています。
ソブリンAIは0%か100%かの二択ではない
すべてのモデルを無理に所有する必要はなく、提供するインテリジェンス（機能）ごとに「所有する（Own）」か「借りる（Rent）」かを切り分けるべきです。その判断基準となるのが、コスト、スピードとレイテンシ、性能、そしてデータの独自性の4つです。
たとえば、ユーザーが文字を入力するたびに高頻度で呼び出され、極めて高い処理スピードと低コストが求められる「コードの自動補完（オートコンプリート）」のような機能は自社モデル（所有）に向いています。一方で、初期状態で高い自律的な性能が求められ、多少のレイテンシが許容される「コーディングエージェント」のような機能は、外部モデル（借りる）を利用する選択が合理的です。
ソブリンAIチームは守りではなく攻めの組織にする
既存の社内AIプラットフォームチームに、ソブリンAI（独自モデル開発）の役割を兼任させるべきではないとHuang氏は指摘しています。社内の他チームを支援・サポートするプラットフォーム組織と、フロンティアレベルの研究を主体的に生み出す組織とでは、必要な人材の気質や動き方が根本的に異なるためです。
小さくても、ゼロから独立したラボを立ち上げることが推奨されています。Harveyは、わずか7名の研究チームで数多くの研究成果を公開しています。
外部に伝わらない研究は、競争力にならない
CEOの責任は、事業として実質的な成果を出すことと、自社がどのような高度な技術を構築しているかを対外的に可視化すること（Legibility）の2つにあります。エンタープライズの買い手は、無数の似たような提案を受けるなかで、どのベンダーを「信頼できるAIパートナー（AIチャンピオン）」にするかを見極めようとしています。
自社の技術的な信頼性を市場に伝えるためには、優れたテクニカルマーケティング、独立したブランドを持つ研究部門、そしてセンスの良い質の高い研究発表が必要です。社内でどれほど優れた開発をしていても、外部から見えなければ買い手の判断材料にはなりません。
技術ロードマップはモデル訓練ではなくEvalからはじまる
戦略を定義した後に最初に取り組むべきなのは、評価基準（Eval）の定義です。これは地味で決して楽しい作業ではありませんが、評価基準を早い段階で正しく整備するほど、その後のあらゆる開発判断がしやすくなります。
そのうえで、モデルルーターやハーネスの設計を試し、必要に応じてポストトレーニング（事後学習）へと進みます。一からモデルを訓練するプリトレーニングなどが必要になるケースはごく少数であり、最終的には実際のユーザーデータによってモデルが継続的に自律改善していくフィードバックループを構築することを目指します。
自社スタックがフロンティアモデルを超える時代がはじまった
2026年現在の新しい変化として、Kimi K3やGLM 5.2などの最新のオープンウェイトモデルが登場し、初期状態でフロンティア（クローズドAPI）に極めて近い高性能が提供されています。オープンウェイトモデルは重み自体にアクセスできるため、クローズドモデルのAPIよりも調整の自由度が圧倒的に高いのが特徴です。
優れたポストトレーニング、プロンプトとハーネスのエンジニアリング、そしてオンライン学習を組み合わせることで、特定のビジネスドメインにおいてクローズドなフロンティアモデルを上回る性能を自社で実現できるようになっています。
モデルを所有するだけでは、自社のインテリジェンスにならない
自社スタックを運用するにあたっては、評価基準（Eval）を継続的に監視し、本番環境でモデルの性能に偏りが生じていないかを追う必要があります。モデルを強化するためのポストトレーニングには、専門家による操作ログ（軌跡データ）、良質な合成データ、そして強化学習（RL）環境などを適切に組み合わせて利用します。
さらに、ユーザーとのやり取りをオンライン学習につなげ、インテリジェンスが現場で自動的に賢くなり続ける仕組みを構築します。<yellow-highlight-half-bold>モデルの重みをファイルとして所有するだけでなく、顧客接点から学び続ける「学習システム」の全体像を持つこと<yellow-highlight-half-bold>こそが、ソブリンAIの最終的なゴールです。
AI経由の注文が3倍に──Shopifyが証明した「構造化データこそMoat」という答え
「5 Interesting Learnings from Shopify at $14B in Revenue: 34% Growth, 18% Free Cash Flow Margins, and AI Orders Up 3x」 by Jason Lemkin on SaaStr
SaaStr創業者Jason Lemkin氏による記事の一部を日本語で紹介したものです。
売上140億ドル（約2兆1,000億円）規模でありながら、前年比34%成長、FCF（フリーキャッシュフロー）マージン18%を達成したShopifyのQ2 2026決算を解剖しています。
「AIに壊される企業」と「AIで加速する企業」の分岐点はどこにあるのでしょうか。その答えは、Shopifyの財務構造にそのまま表れています。
AI注文数が3倍に。エージェント時代の勝者は「構造化データ」を持つ企業
AIチャネル経由のトラフィックと注文数が、前年比で3倍に急増しました。AI経由の新規購入者による注文比率も、従来チャネルの2倍に達しています。
10億点以上の商品を網羅する「Shopify Catalog」がAIが読み取れる形式で整理されているため、単にウェブサイトをスクレイピングしただけのデータに比べて、カタログを活用したAI検索のコンバージョン率は2倍を記録しています。10年もの歳月をかけて商品データを整理・蓄積してきた運用の歴史が、そのまま他社には真似できない強固な参入障壁（Moat）となりました。<yellow-highlight-half-bold>AIエージェントが必要とするデータレイヤーを自社で握っている企業こそが、これからの時代に優位に立つ<yellow-highlight-half-bold>という構造が鮮明に表れています。
トランザクション収益（+37%）がサブスクリプション収益（+22%）を大幅に上回る。「顧客が勝ったときに稼ぐ」モデルが最速成長
売上の78%を占めるMerchant Solutions（決済・Capital・配送等）が37%成長を遂げた一方、Subscription Solutions（月額プラン収益）は22%成長にとどまっています。サブスクリプション収益の内訳でも、アプリ、テーマ、ドメイン、変動プラットフォーム手数料といった非固定収益の比率が、2023年Q1の11%から21%へと拡大しました。
アカウント数に応じた固定のサブスクリプション課金（シートベース）が10%台から20%台前半の成長にとどまるなか、利用量や取引、成果に連動した従量課金型の収益が35%超で急成長するパターンは、現在の上場B2B企業に共通して見られる大きな構造変化です。
低マージンでも「深い統合」が巨大な収益プールを生む（決済ペネトレーション68%・粗利率47.7%）
GMV（流通取引総額）の68%がShopify Paymentsを経由し、今四半期の決済処理額は780億ドルに達しました。サービス開始以来の累積決済処理額（GPV）は、今四半期でついに1兆ドルを突破しています。決済ビジネスを多く抱えるため、粗利率は47.7%と一般的なソフトウェア基準よりは低いものの、FCFマージン18%を確保し、売上成長率とFCFマージンの合計である「Rule of 52」という驚異的な数値を達成しています。営業費用の対売上比も前年の37%から34%へ低下し、営業利益率は10.9%から13.6%へ改善しました。
単に粗利率が高いことよりも、付帯サービスのアタッチ率（利用率）の高さや、顧客の業務プロセスに深く食い込むスイッチングコストの存在こそが、結果として巨大な収益規模を生み出すという好例です。
2015年Q1コホートが11年で3.3倍成長、SMB解約論への完全な反証
SMB向けビジネスは、個社単位で見れば確かに解約が発生します。しかし、2015年第1四半期に獲得した顧客コホート（同時期に契約した顧客群）からの収益は、その後年率12%の複利で成長し続け、11年で3.3倍に拡大しました。仮に毎年30%の顧客が離脱しても、残った70%が支出を倍に増やしてくれる事業であれば問題ありません。顧客数（ロゴ）の維持率が95%でも、一人当たりの支出が横ばいの事業より、はるかに健全なビジネスモデルです。
解約せずに残った社数の比率ではなく、コホートから得られる収益の複利成長こそがSMBビジネスの本質的な評価指標であり、Shopifyは11年にわたる実績データによってその事実を証明しました。
Cursorが全職種で「エグゼクティブサーチ」を貫く理由
「The playbook for building high talent density teams」 by Adam Ward on Lenny's Podcast
Facebookでテック組織を1,000名から10,000名へスケールし、Pinterestで200名から2,000名規模のグローバル採用を統括してきたAdam Ward氏。現在はCursorのヘッドオブタレントを務める同氏が、Lenny Rachitsky氏との対談で、従来型の採用プロセスがなぜ平均的な人材しか生まないのかを構造ごと解体しています。単なる手法の改善ではなく、採用という営みをどう定義し直すかという設計思想が語られています。
母集団の拡大がもたらす「破滅の漏斗」と平均への回帰
100人にアプローチして返信をくれる20人。この20人は、優秀なトップ20%の人材ではありません。たまたまその時点で転職を検討していた20人です。各選考ステージでふるい落として残った人を消去法的に雇う「残り物採用（Remainder Hiring）」は、母集団を増やせば増やすほど「平均への回帰」が働いてしまいます。
その結果、選考をどれだけ精緻に行なっても、結局は平均よりやや上の人材密度に着地する構造になっています。採用をセールスファネルの比喩で設計し、母集団の最大化を追い求めてきたこれまでの一般的なアプローチ自体が、構造的な誤りであったと指摘されています。
世界のトップ1%を指名で引き抜く「エグゼクティブ型」の採用設計
Cursorが実践するのは、母集団を無闇に広げるのではなく、<yellow-highlight-half-bold>最初に求める「役割の卓越性」を定義し、世界のトップ1%を名指しで特定してアプローチする手法<yellow-highlight-half-bold>です。この手法は、3段階で構成されています。客観的な基準で必要なスキルや経験を特定し順位付けする「スコーピング」、具体的な行動特性に紐づけたリファラルで候補者を特定する「マーケットマッピング」、そして数週間から1年以上かけて対話や関係維持を続ける「執念の追求」です。
知人にリファラルを依頼する際、「一番優秀なエンジニアは誰か」という曖昧な聞き方は最悪の質問です。相手の記憶から具体的な名前を引き出せないためです。「デザイナーと最も素晴らしいコラボレーションができたのは誰か」のように、具体的な特性を尋ねるべきだと語られています。
最高水準の予測因子となる「ワークトライアル」と双方向の自己選択
Cursorが最も重視するのは、候補者と数日間、実際に並んで一緒に仕事をする「ワークトライアル（実務試験）」です。研究データからも、実際の業務サンプル（ワークサンプル）を評価することが、入社後の成功を最も正確に予測できると証明されています。
Cursorでも、運用の負荷や候補者への負担を考慮して、一度このプロセスを省略する実験を行いましたが、採用判断における確信度が完全に崩壊してしまったため、すぐに復活させました。これは企業側が候補者を査定するだけの場ではなく、候補者にとっても「このチームに馴染めるか、このプロダクトに本当にワクワクするか」を判断するための、極めて重要な「自己選択（Self-selection）」のデータを得る場にもなっています。
採用責任を現場に戻し、リクルーターを「確信の供給エンジン」と定義
多くの企業では、意思決定権を現場の採用マネージャーが持っているにもかかわらず、採用目標の達成責任（説明責任）だけが採用（リクルーティング）部門に課されるという構造的なねじれが生じています。しかし、リクルーターの真の役割は、採用マネージャーが「この人を採用する」という正しい判断を下すための確信を供給することであり、意思決定そのものを代行する存在ではありません。「採用という行為を、採用という役割の部門に丸投げしてしまうこと」こそが、組織全体の採用力を弱めてしまう最大の原因であると整理されています。
個人の能力よりチームの能力を重視し、創業期の採用の罠を回避する
どれほど優秀な人材を採用したとしても、彼らを支援し補完し合うチームが機能していなければ、本来の力を発揮することはできません。チーム全体として指数関数的な成果を出すことが重要です。この視点を見落とすと、特に創業初期の最初の採用担当（ヘッドオブタレント）を選ぶ際、典型的な罠に陥りやすくなります。
「今すぐ目の前の欠員枠を自ら手を動かして埋めてくれるリクルーター」と、「将来を見据えて採用システムを構築できるリーダー」。この相反する2つのスキルセットを一人の候補者に同時に求めると、どちらも中途半端な成果に終わります。2つを切り分けて対処する必要があると語られています。
資金調達ニュース
［海外］
🏢 エンタープライズ
- Databricks
データレイクハウス基盤とAIエージェント向けサーバーレスPostgres「Lakebase」、業務データAIアシスタント「Genie」などを提供するデータ・AI企業。戦略的資金調達ラウンドで50億ドルを調達。評価額は1,900億ドル。当初の調達予定は10億ドル。投資家需要が集まり、50億ドルに着地。投資家はCoatue（リード）、Blackstone、MGXなど（Yahoo! Finance） - River AI
オープンウェイトのフロンティアモデルをAPI経由でファインチューニング・強化学習できるフルスタックAIプラットフォーム。シード〜シリーズAで11億ドルを調達。創業者はxAI共同創業者のIgor Babuschkin氏で、2026年6月のステルス解除から2ヶ月での大型調達。投資家はGeneral CatalystとAMP PBC（共同リード）、Nvidia、AMD Ventures、Y Combinator、Temasekなど（TechCrunch） - Lovable
自然言語でソフトウェアやウェブアプリを構築できるバイブコーディングプラットフォーム。シリーズCで4億ドルを調達。評価額は133億ドル。2025年12月のシリーズB（3億3,000万ドル・評価額66億ドル）から8ヶ月で評価額は約2倍。投資家はMenlo Ventures（リード）、Scaleup Europe Fund（EQT運用、共同リード）、Tencent（TechCrunch） - HappyRobot
物流・サプライチェーンを起点に、保険・エネルギー・通信・航空などの基幹オペレーション業務を、音声・メール・書類・ウェブシステム横断で自動化するAIエージェントプラットフォーム。シリーズCで1億5,000万ドルを調達。評価額は12億ドル。投資家はPrysm Capital（リード）、Eurazeo（共同リード）、Andreessen Horowitzなど（SiliconANGLE） - Omilia
大企業向けセルフラーニング型エージェンティックCX（音声AI・コンタクトセンター）プラットフォーム。シリーズBで6,700万ドルを調達。投資家はExpedition Growth Capital（リード、単独投資家）（TechCrunch） - Convex
TypeScriptベースでデータベース・関数・ワークフローを統合するリアクティブバックエンドプラットフォーム。AIコーディングエージェント向けの信頼性強化を訴求。シリーズBで5,700万ドルを調達。投資家はInsight Partners（リード）、Andreessen Horowitz、Spark Capitalなど（SiliconANGLE） - Trajectory
継続学習型AIプラットフォームを開発するAIリサーチ・プロダクトラボ。実運用でのユーザーインタラクションを通じて能力が向上するシステムの構築を目指す。シリーズAで4,000万ドルを調達。評価額は3億ドル。2026年5月創業で、2ヶ月前のシード時点から評価額は約2.6倍。投資家はSequoia Capital（リード）、Nvidia、Bessemer Venture Partners（Dealroom） - Sapiom
AIエージェントの本番運用インフラ（モデルルーティング・エージェントランタイム）。シリーズAで3,500万ドルを調達。投資家はDragonfly（リード）、Accel、Coinbase Venturesなど。既存投資家にはAnthropicが名を連ねる（Yahoo! Finance） - Gravity
AIチャットボット・エージェント向けの広告配信基盤を提供するアドテック企業。新プロダクト「agent-to-agent（A2A）」は、AIショッピングエージェントに商品カタログと在庫・プロモーション情報を直接届ける仕組みで、ユーザーには広告接触が見えない。シリーズAで3,050万ドルを調達。投資家はLightspeed Venture PartnersとCommitted Capital（共同リード）、Basis Set Ventures、Caffeinated Capitalなど（The Next Web） - Naïve
AIエージェントが企業運営（法人設立・決済・クラウド・マルチエージェント統制）を代行するインフラ基盤。シリーズAで2,850万ドルを調達。投資家はNexus Venture Partners（リード）、Y Combinator、Zetta（TechCrunch） - Fly.io
AIエージェント向けに設計された永続的コンピュート基盤を提供するクラウドインフラプラットフォーム。シリーズDで2,500万ドルを調達。投資家はDell Technologies Capital、Intel Capital（共同リード）、Andreessen Horowitzなど（Yahoo! Finance） - Ordway
AI活用の課金・収益管理（quote-to-cash）プラットフォーム。エクイティ・デットで2,000万ドルを調達。投資家はHarbert Growth Partners（エクイティリード）、Western Alliance Bank（デット提供）（FinSMEs） - June
企業の既存システムをスキャンして業務プロセスとボトルネックを特定し、AIエージェント導入のロードマップ生成から実装までを自動化するエンタープライズ実装プラットフォーム。プレシードで2,000万ドルを調達。投資家はTIME Ventures（Marc Benioff氏のファンド、リード）、Michael Dell氏、Aaron Levie氏など（TechCrunch） - CodeRabbit
AIによるコードレビュー・セキュリティ検証に加え、開発者とAIエージェント双方のコード変更を優先度・リスクで振り分ける「Agentic Change Management」を行うガバナンスプラットフォーム。シリーズCで1億4,300万ドルを調達。評価額は15億ドル。投資家はAtomicoとSmash Capital（共同リード）、BMW i Ventures、Datadogなど（SiliconANGLE） - Blacksmith
GitHub Actions向け高速CI基盤とAIコード検証プラットフォーム。シリーズBで4,500万ドルを調達。評価額は5億5,000万ドル。2025年9月のシリーズA（1,000万ドル）から1年弱で評価額は約10倍、顧客は6,000社超。投資家はPeak XV Partners（リード）、GV、Y Combinator（TechCrunch）
🔒 サイバーセキュリティ
- Horizon3
AIを用いて企業ネットワークの脆弱性を自律的にペネトレーションテストするセキュリティプラットフォーム。シリーズEで2億5,000万ドルを調達。評価額は20億ドル超。2025年5月のシリーズD時点の評価額約6億ドルから3倍超。投資家はNightDragon、NEA（共同リード）、Sapphire Venturesなど（TechCrunch） - Zenity
AIエージェントの行動をリアルタイムで検知・制御するAIセキュリティ・ガバナンスプラットフォーム。シリーズCで1億2,500万ドルを調達。投資家はNorwest（リード）、SoftBank Vision Fund 2、Qumra Capitalなど（SiliconANGLE） - Obsidian Security
サードパーティアプリ上の非人間ID・AIエージェントを保護するランタイムガバナンスプラットフォーム。Claude Code・Cowork向けのネイティブなガバナンス制御（MCPサーバー接続の管理を含む）を拡充中。シリーズDで8,500万ドルを調達。評価額は11億ドル。投資家はCrescent Cove Advisors（リード）、Greylock Partners、Menlo Venturesなど（SecurityWeek） - Oligo Security
アプリケーション・クラウドワークロード・AIシステムの実行時（ランタイム）を保護し、ゼロデイやNデイのエクスプロイトをリアルタイムに遮断するランタイムセキュリティプラットフォーム。追加調達で6,000万ドルを調達。投資家はBallistic Ventures、Canon Capital、Greenfield Partnersなど（SiliconANGLE） - Corma
AIによるサイバー攻撃の高度化に対応する防御特化型の基盤モデルを開発するフロンティアAIラボ。シードで6,000万ドルを調達。投資家はSequoia Capital（リード）、Khosla Ventures、Coatueなど（Yahoo! Finance） - Mate Security
「Security Context Graph」によりAIエージェントに組織コンテキストを与える自律型SOCプラットフォーム。シリーズAで3,500万ドルを調達。投資家はCanaan Partners（リード）、Insight Partners、M12（Microsoft）など（FinSMEs） - Mindgard
ランカスター大学発のAIセキュリティプラットフォーム。AIモデル・エージェント・アプリケーションの脆弱性を発見・評価・保護する「Shadow AI discovery」「AI red teaming」「ランタイム保護」機能を提供。シリーズAで3,000万ドルを調達。投資家はAlbum VC（リード）、Karma Ventures、.406 Venturesなど（SiliconANGLE）
🏗️ バーティカル
- Whatnot
コレクタブルなどのライブショッピング（ライブコマース）プラットフォーム。シリーズGで5億4,500万ドルを調達。評価額は200億ドル。2025年10月のシリーズF（2億2,500万ドル）時点の評価額115億ドルからほぼ倍増。投資家はICONIQ、Lightspeed、Avra（共同リード）など（Yahoo! Finance） - NavVis
工場・プラント・建物のデジタルツイン（空間データ）プラットフォーム。シリーズDで8,500万ドルを調達。顧客はBMW・フォルクスワーゲン・トヨタ・メルセデス・ベンツなど。投資家はThe Jordan Company（リード）、Yttrium、Cipio Partners、構造計画研究所（KKE）など（Yahoo! Finance） - MarginEdge
レストラン向けに購買・在庫・会計を統合するバックオフィス管理プラットフォーム。レストラン特化のMCPコネクタを提供し、ChatGPT・Claudeと連携できる。シリーズDで8,000万ドルを調達。投資家はSchooner Capital、Ten Coves Capital（共同リード）、Osage Venture Partnersなど（Yahoo! Finance） - Ambrook
農業・運送・建設業向けのAIネイティブ会計・財務管理プラットフォーム。シリーズBで3,000万ドルを調達。投資家はLachy Groom氏（リード）、Thomson Reuters Ventures、Thrive Capitalなど（Upstarts Media） - VibeIQ
アパレル・フットウェア・消費財ブランド・プライベートブランド小売向けのAIネイティブなプロダクト意思決定プラットフォーム。グロースファイナンスで2,250万ドルを調達。投資家はVolition Capital、Venture Guidesなど（FinSMEs） - Axle
保険の確認・監視・契約情報の更新を自動化するAIネイティブな保険クリアリングハウス。シリーズAで1,750万ドルを調達。投資家はBase10 Partners（リード）、Y Combinator、Gradientなど（FinSMEs）
🛰️ ハードウェア×AI
- Mariana Minerals
鉱山・精錬所の建設運営をAI/機械学習で最適化するソフトウェアファーストの重要鉱物企業。シリーズBで3億1,000万ドルを調達。投資家はKhosla Ventures（リード）、Andreessen Horowitz、Breakthrough Energy Ventures、三菱商事、BHP Ventures、In-Q-Telなど（Yahoo! Finance） - Moove
ナイジェリア発・ドバイ拠点のモビリティフィンテック。ライドシェアドライバー向けの収益連動型車両ファイナンスで13ヶ国29都市・約4万2,000台を運用し、Uber最大のフリートパートナー。今回の調達では、Waymoのフリートパートナーとして自律走行車両の保有・運用インフラ（充電・整備拠点「Nests」など）へ事業を広げる。シリーズCで2億5,000万ドルを調達。評価額は21億ドル。投資家はMubadala Investment Company（リード）、Woven Capital（トヨタ）、Ion Pacificなど（Yahoo! Finance） - Heaviside Industries
米国・同盟国向けの自律型精密誘導弾を開発する防衛スタートアップ。シリーズBで6,000万ドルを調達。評価額は6億ドル。投資家はFelicis（リード）、Hedosophia、Menlo Ventures（Dealroom） - P-1 AI
産業向けエンジニアリング業務（機械・電気・熱設計など）を担うエージェンティックAI「Archie」を開発。シリーズAで5,000万ドルを調達（初回クローズ）。投資家はNew Enterprise Associates（リード）（Yahoo! Finance）
💰 フィンテック
- Decade
富裕層向けの資産管理をAIと人間アドバイザーの組み合わせで大衆化するAIネイティブ資産運用アドバイザリー（ブラジル）。シードで8,500万ドルを調達。投資家はGreenoaks（リード）、Benchmark、Diffusionなど（FinSMEs） - Yuno
単一APIで190ヶ国以上・1,000以上の決済手段に接続するAIネイティブな決済・金融インフラプラットフォーム。決済失敗の回復や承認率向上を通じた収益改善を提供。シリーズBで4,500万ドルを調達。投資家はGlobal PayTech Ventures（リード）、Andreessen Horowitz、Tiger Global（Yahoo! Finance） - Silicon Data
AIコンピュート市場向けリアルタイム価格ベンチマーク・検証プラットフォーム。シリーズAで3,050万ドルを調達。投資家はValor Atreides AI Fund（リード）、CME Group、DRW（Yahoo! Finance） - Maximum
銀行の老朽化した基幹システムを置き換えるAIネイティブ・オペレーティングシステム。シードで3,000万ドルを調達。投資家はCRV（リード）、Pear VC、Restiveなど（Yahoo! Finance） - InRisk Labs
インド・アーメダバード拠点のインシュアテック。テクノロジー主導のプラットフォームと規制対象の再保険引受能力を組み合わせ、自然災害・気候リスク・海上貨物・自動車保険をカバーする統合再保険グループ。シリーズAで2,700万ドルを調達。投資家はBessemer Venture Partners、Northpoint Capital（共同リード）（YourStory）
🏥 ヘルスケア
- Pathos AI
AI活用のがん治療薬開発・臨床試験デザインプラットフォーム。シリーズEで3億ドル規模の調達を目指す。評価額は約30億ドル（TechTimes） - QuantHealth
治験を実施前にAIでシミュレーションし、成功率とデザインを最適化する臨床試験シミュレーションプラットフォーム。シリーズBで4,500万ドルを調達。投資家はQumra Capital（リード）、Pitango HealthTech、Sanofi Venturesなど（CTech） - Beyang Therapeutics
AI創薬プラットフォーム「ExCEED」を展開する中国・成都拠点のAI創薬企業。独自データベースとAI・分子シミュレーション技術を統合し、新規スキャフォールドを創出する。シリーズAで約3,000万ドルを調達（オーバーサブスクライブ）。投資家はLegend Capital（共同リード）、Shanghai Healthcare Capital（共同リード）、China Medical System Holdings（Yahoo! Finance） - Bios Life
米ボストン拠点。患者ごとのデジタルツインを生成するAIネイティブながんサーベイランス・プラットフォーム。がんサバイバー・高リスク患者へのリスク評価とサバイバーシップ支援を、全米の有資格ケアチーム経由で提供する。シードで2,500万ドルを調達。投資家はRedmile Group、Vsquared Ventures、Kindred Capital（共同リード）など（FinSMEs）
⚖️ リーガルテック
- Wordsmith AI
企業内法務部門向けにAIエージェントで受付から解決までの業務を自動化するリーガルAIプラットフォーム。シリーズB拡張ラウンドで1,400万ドルを調達。投資家はIntact Private Capital（リード）、Highland Europe、Index Venturesなど（Artificial Lawyer）
そのほか
- Thrive Holdings
AIを活用して会計・ITなどの従来型サービス企業を買収・変革する、AI版プライベートエクイティ型の持株会社。20億ドルを調達。評価額は120億ドル。投資家はSoftBank、D1 Capital Partners、Altimeter Capital。なお2025年12月にOpenAIが出資済みだが、これは本ラウンドとは別のトランザクション（TechCrunch） - Firmus
オーストラリアのAIインフラ（データセンター/AIファクトリー）構築企業。戦略的エクイティラウンドで20億ドルを調達。評価額は105億ドル超。投資家はBlackstone、Coatue、Nvidia、Jane Street（Data Center Dynamics） - Lumilens
AIデータセンター向け光インターコネクト（コネクティビティ）プラットフォーム。シリーズCで7億ドル超を調達。評価額は55億1,000万ドル。累計調達額は9億ドル超。投資家はAtreides Management、Bain Capital Ventures、Meritechなど（Yahoo! Finance） - Pathway
トランスフォーマー後継アーキテクチャの基盤モデルを開発するAI研究所。シード資金累計3,000万ドルを調達。評価額は5億ドル。投資家はId4 Ventures、TQ Ventures、Red Bridge Ventures（FinSMEs） - Olix
英国拠点で、フロンティアAI推論向けにチップ・光インターコネクト・ネットワークを一貫設計するAI半導体インフラ企業。シリーズBで3億1,200万ドルを調達。評価額は33億ドル。投資家はArm、Hudson River Trading、Fundomo、Netflix共同創業者のReed Hastings氏など（Yahoo! Finance） - Volta Infra
AIスタートアップ向けにGPUインフラへのアクセスを与えるAIクラウド（ネオクラウド）企業。3億ドルを調達。評価額は24億ドル。大手AI開発企業とは100億ドル・6年のクラウド契約を締結済み。投資家はAndreessen Horowitz、Altimeter Capital（共同リード）、Nvidia、Michael Dell氏など（Bloomberg） - Acrab
シンガポール発のエージェンティックAIコンピュート基盤（専用シリコン×エッジAI×オーケストレーション）。シリーズBで1億3,000万ドルを調達。投資家はVertex Ventures SEA & India、Vertex Growth（Yahoo! Finance）
［国内］
- ロボトラック
大型トラック向け完全自動運転（レベル4）システムを開発。シリーズAラウンド 初回クローズでエクイティ52億円を調達。投資家はJICベンチャー・グロース・インベストメンツ（リード）、スパークス・アセット・マネジメント（トヨタ自動車・三井住友銀行などが参画する「未来創生3号ファンド」経由）、三菱UFJキャピタル。（PR TIMES） - ナレッジワーク
セールスAIエージェントOSを軸に営業支援SaaSを展開。シリーズCラウンドクローズで35億円を調達。投資家はリコージャパン、Canon Marketing Japan MIRAI Fund、NTTドコモ・ベンチャーズなど。（PR TIMES） - X Mile
物流・建設・製造などノンデスク産業向けに人材紹介・SaaS・M&A支援を展開。シリーズCで31.7億円を調達（累計69.6億円）。投資家はVertex Growth（リード）、SOMPO Growth Partners、東京大学エッジキャピタルパートナーズ（UTEC）。（PR TIMES） - OLTA
AIスコアリングを活用したオンライン型クラウドファクタリング/請求書即日資金化サービスを提供。りそなホールディングスを引受先とする第三者割当増資により25億円を調達し、資本業務提携を締結。りそなホールディングスの持分法適用会社となる。累計調達額はエクイティで70.5億円、融資など含め107.3億円。（PR TIMES） - アトム
製造業・運輸業向けヒューマノイドAIロボットとフィジカルAI基盤モデルを開発。みずほ銀行と15億円の融資契約を締結。（PR TIMES） - JIJ
量子技術とAIを組み合わせた企業向け数理最適化プラットフォームを提供。約8.4億円を調達。投資家はグローバル・ブレイン（リード）、富士通ベンチャーズ、KDDI Open Innovation Fund3号。（PR TIMES） - Marsdy
生成AIと人のハイブリッドでDXを実現するソリューション「AutoDate」を提供。シリーズAラウンドで4億円を調達し、同ラウンドをクローズ。投資家はフェムトパートナーズ（既存）、名南コンサルティングネットワーク、いわぎん未来投資、FFGベンチャービジネスパートナーズ。（PR TIMES） - ADVATEC
診察中の会話から音声AIでSOAP形式のカルテを自動生成する医療特化型サービス「コエカル」を提供。プレシリーズBで約1.6億円を調達（累計7.6億円）。投資家は複数の個人投資家。（PR TIMES） - Nobest
AI・IoT・ロボット技術を活用した太陽光発電設備の運用・保守（O&M）自動化システム「Nobest IoT」を開発。異常検知から点検・修理報告までを一元支援。プレAラウンドで第三者割当増資により1.3億円を調達。ライフタイムベンチャーズ、サイバーエージェント・キャピタル、ブルースカイエナジーなどが参画。（PR TIMES） - megli
AIシンガーのプロデュースを起点に、音楽・MV・アニメ・ゲームなどAIネイティブなエンタテインメントコンテンツを企画・制作。シードラウンドで1億円を調達。投資家はMetanomaly（PixAI運営）、Asu Capital Partners、jig.jp、Brave group。（PR TIMES） - NexusAdvisors
企業・求職者双方のAIエージェントが対話しながら転職活動を代行する求人プラットフォーム「AVACAREER（アバキャリア）」を運営。シードラウンドで5,000万円を調達。投資家はANOBAKA、East Ventures、Skyland Ventures。（PR TIMES） - Shizen Connect
蓄電池・給湯器などのエネルギー設備をIoT・AIで統合制御するVPP（バーチャルパワープラント）プラットフォームを開発・提供。三菱HCキャピタルと資本業務提携を締結。同社はShizen ConnectのシリーズAラウンドに第三者割当増資で参画する（出資額非公表）。同ラウンドは2026年5月に初回クローズで27億円を調達済み。（PR TIMES） - ナースX
看護師向け個別伴走支援「オンラインプリセプター」および看護師支援AIアプリ「マイプリ」を展開。十六銀行より融資による資金調達を実施（金額非公表）。（PR TIMES）
