「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。
フィジカルAIの波は思ったより早い。エンタープライズ実装率26%が示す次の投資テーマ
「Where AI Gets Physical: Robotics, Edge Devices, and Smart Sensors – And Why the Next Wave May Come More Quickly Than You Think」 by Nick Elsner, Michael Hoeksema, Hailey Wilcox, and Scott Goering on Battery Ventures
Battery Venturesによる、大企業100社への調査データをもとにフィジカルAI（ロボティクス、自律走行車、エッジAI、スマートセンサー）の実装状況を分析した記事です。海外における顧客側のフィジカルAIへの取り組み実態を踏まえて、競合優位性のあるフィジカルAIの事業を構築していくうえでの有益な示唆がある内容です。
導入の実態
- 実装率は想像以上に進んでいる。26%がすでに着手
調査対象の大企業のうち13%がR&D段階、7%がパイロット、6%が本番導入済みで、合わせて26%が何らかの形でフィジカルAIに取り組んでいます。さらに<yellow-highlight-half-bold>23%が今後12ヶ月以内の着手を計画しており、「まだ早い」という一般的な認識とは異なる実態が見えています。<yellow-highlight-half-bold> - 生成AI・エージェントAIの活用度が高い企業ほどフィジカルAIにも積極的
ジェネレーティブAIユースケースを持つ企業は、50社未満の企業に比べてフィジカルAIに取り組む割合が約3倍（42% vs 15%）にのぼります。ソフトウェアAIでの成熟が、次の物理層への展開を後押ししている構図です。 - 戦略のオーナーシップは曖昧。CTO・CIOが中心、COOはわずか8%
フィジカルAI戦略の所有者はCTOが35%、CIOが27%を占める一方、製造・物流の現場運用に最も近いはずのCOOが担うケースはわずか8%にとどまります。さらに8%の企業は明確な所有者がおらず、実際の運用リスクと、ガバナンスにおける意思決定権者の間にギャップがあることを示唆しています。
カテゴリ別の実装状況
- ロボティクスは話題先行、実際に進んでいるのはエッジAI
世間の注目度が高いロボティクス・自律システムは、パイロットまたは実稼働中の企業が合計12社で、そのうち本番稼働に達しているのはわずか3社にとどまります。一方でエッジAIは23社が積極的に取り組んでおり、そのうち11社が本番稼働中と、最も実装が進んでいるカテゴリです。 - 産業用センサーは本番導入率トップ、製造業でROIを実証
産業用センサー・予知保全は13社が積極的に取り組み、うち8社が本番導入済みと、カテゴリ別で最も高い本番化率を示しています。製造・物流領域ではすでにフィジカルAIが具体的な成果を出しはじめています。
差別化要因と課題
- ハードウェアが生む独自データこそが本質的な価値
製鉄所のセンサーネットワークによるリアルタイム最適化、倉庫のカメラタワーによる貨物検証、農業用ロボットによるピンポイント除草など、いずれも「ハードウェアでしか取得できない独自データ」がソフトウェア単独の競合には模倣できない強固なMoatを生んでいる点が共通しています。 - 導入ハードルはソフトウェアAIとは性質が異なる
すでに取り組んでいる企業の69%が既存システムとの統合の複雑さを、59%がハードウェア・インフラのコストを、55%がセキュリティ・安全性への懸念を課題として挙げています。ROIが不明確という声も47%あり、投資対効果の実証がまだ発展途上です。
フィジカルAIの覇権争い：40兆ドル市場を制するのは「モデル」か「デプロイ」か
「From Demo to Business: The Race in Physical AI」 by Kristina Shen on X
Chemistryのマネージングパートナー、Kristina Shen氏による現在のフィジカルAI（ロボティクス×AI）業界の競争構造を分析する論考です。日本においても注目されている、フィジカルAIの市場ポテンシャル、競争優位性を考えるうえで重要な内容です。
市場規模とハードルの違い
- フィジカルAIの潜在市場は、デジタルAIの7倍規模にのぼる
NVIDIAとSalesforceの試算によれば、フィジカルAIの市場機会は約40兆ドルとされ、デジタルAI（約6兆ドル）の約7倍に達します。製造、物流、建設、データセンターなど「手と機械」を伴う物理的な労働全般が自動化の対象となり、次の技術的大転換における最大の主戦場と位置づけられています。 - ロボティクスにおいて「ChatGPTモーメント」が起きにくい構造的要因
言語モデルはインターネットという「ほぼ無料のデータ」と「ほぼ無料の配布」という二重の恩恵（＝ワンタイムのデータ補助金）を受けましたが、ロボティクスにはそのどちらもありません。物理データはロボットの形状・センサー・環境に強く依存するため転用が難しく、配備には製造・輸送・設置・現地対応という重い人的コストが伴います。そのため、進化は一挙ではなく「タスクごと」に段階的に進むと分析されています。
3つの競争アプローチ
業界は現在、以下の3つのアプローチに分かれて激しく競い合っています。
- 基盤モデル主導型（Physical Intelligence、Generalistなど）：モデルの汎用化がすべてを制すると信じる陣営
- デプロイ先行型（Atoms、Waymo、Ultra Roboticsなど）：現場での実稼働とリアルデータの蓄積を最優先する陣営
- フルスタック型（Rhoda Robotics、Skild AIなど）：ハードウェア、モデル、配備を一気通貫で手がける陣営
これら3陣営は、「実世界で使えるほど信頼性の高いデータフライホイールをどう作るか」という同一の課題に対し、異なる方向から挑んでいます。
各アプローチの現状と投資機会
- 基盤モデル陣営：前進しつつも、まだ実運用レベルには届いていない
最新の実機評価において、トップモデルでもタスク成功率は50%未満、長期タスクでは13%程度にとどまります。一方で、Generalistの最新モデル「GEN-1.5」は、わずか3〜12秒のデモを1回見せるだけで新規タスクを模倣できる「ワンショット学習」を実現しました。その成功率はワンショットで約59%、数回のデモを重ねると83%まで上昇します。汎用的なフィジカルAIの実現の兆しは着実に現れています。 - デプロイ先行型：現場から得られる「生の稼働データ」こそが最大の武器
Waymoは15年の歳月と巨額の資金を投じ、約3億マイルにおよぶLidarデータを収集することで、この現場データ蓄積の有効性を証明しました。現在では、Ultra RoboticsやFoundry Roboticsのように、基盤モデル企業（PIやGeneralist）と研究提携を結んでいます。自社が現場で収集したデータをモデル提供側に還元しながら、自動化の精度を上げるエコシステムが構築されつつあります。顧客ワークフローへの統合とそこから得られるデータは配備した企業に蓄積され続けるため、これが競合に対する強固なMoatになります。 - フルスタック企業：「モデル開発と現場配備は分離できない」というスタンス
Rhoda Robotics（動画予測型の世界アクションモデル）やSunday Robotics（家庭用洗濯・皿洗いロボット）、Mind Robotics（Rivianなどとの提携）などは、自社で「モデル開発・ハード・配備・データ収集」のループを完結させる戦略を採っています。また、当初純粋なモデル開発ラボとしてスタートしたSkild AIが、Zebraのロボティクス部門を買収してFoxconnの組立ラインでの実稼働に踏み切った動きなどは、収益と高品質データの「本当のありか」が現場の配備側にあることを示唆しています。 - 投資機会は「高ROI・高反復性」のタスクに集中
ロボット1台あたりの部品・部材費（BOM）は1.5万〜5万ドルですが、実際の輸送・設置・現地運用や遠隔サポート費用を考慮すると、実質的なトータルコストはBOMの2倍以上に膨らみます。したがって、<yellow-highlight-half-bold>この高額な導入・維持コストを上回り、十分に魅力的なマージンを確保できる「価値が高く、かつ何千回も繰り返されるタスク」でなければビジネスとして成り立ちません。<yellow-highlight-half-bold>すでに年間10万ドル以上（データセンター領域では50万ドル以上）を支払う意思がある顧客が存在しており、製造、倉庫物流、建設、そしてデータセンター運用（Watney Roboticsなど）が極めて有望な投資領域です。
AIバブルの弱点は需要ではなく、クレジット市場にある
「Half the Neoclouds WILL Die | Should we be fearful of Chinese Open-Source」 by Jerry Murdock on 20VC with Harry Stebbings
約14兆円を運用するInsight Partners創業者のJerry Murdock氏が、Harry Stebbings氏の「20VC」で、25年以上にわたるテクノロジー投資の経験からAI市場を語るYouTubeです。AIバブルをクレジット市場から捉え、NeoCloudやAIインフラの淘汰、オープンソースモデルの可能性まで、米国の投資家から見た現在のAI事情がわかる内容です。
AIバブルの弱点はコンピュート需要ではなく、クレジット市場にある
現在のAIサイクルが過去と大きく異なるのは、ハイパースケーラーがこれまでにない規模の負債を抱えている点だとMurdock氏は指摘しています。2001年のドットコム崩壊や2008年の金融危機でも、金融市場の混乱によってイノベーションが一時的に停滞し、商業の流れが分断されました。AIインフラ自体に価値があっても、クレジット市場が崩れれば資産価格は短期間で下落し、レバレッジをかけた保有者にはマージンコールが発生します。<yellow-highlight-half-bold>AI需要が消えることではなく、短期的に資金を供給できなくなることがバブル崩壊の引き金になる<yellow-highlight-half-bold>と見ています。
NeoCloudの半分は36ヶ月以内に消える
Murdock氏は、現在存在するネオクラウドの少なくとも半分が36ヶ月以内に消えると予測しています。経済的な混乱が起きれば、その多くはさらに早く市場から退出するといいます。一方で、ハイパースケーラーには既存事業からの安定した収益があり、短期的な資金調達ショックを吸収できます。競合が淘汰された後にインフラ資産を安く取得できるため、危機がむしろハイパースケーラーを強くする可能性があります。
AIインフラは売上ではなく資本効率で差がつく
同程度の評価額で資金調達を行なっていても、Fireworks AIとBasetenはまったく異なるビジネスだとMurdock氏は語っています。Fireworks AIは資本効率が高く、利益を生み出す意思も強いと評価しています。一方で、BasetenがCursorとの契約から得たのは主に売上と規模であり、利益は限られていたという見方です。大量の資金を投じながら十分な利益を生み出せないインフラ企業は、資金調達環境が悪化した瞬間に大きなリスクを抱えます。
オープンソースの勝ち筋はフロンティアモデルの代替ではなく、特化とカスタマイズにある
これからのモデルは、人間と同じように特定の仕事へ特化していくとMurdock氏は考えています。大規模なフロンティアモデルは自由なカスタマイズが難しいため、企業固有のデータや業務に合わせて調整できるオープンソースモデルに機会が生まれます。コーディングだけでなく、カスタマーサービスやオンボーディングのような限定された業務では、特化モデルのほうが安く効率的に動く可能性があります。世界的な総インテリジェンス需要に対して、現在の供給量はまだ一桁パーセントに過ぎないと見積もっています。
企業はフロンティアモデルに渡すデータと、社内に残すデータを分ける必要がある
企業はApple、Amazon、Microsoft、OpenAI、Anthropicなどの外部企業に、すでに大量のデータを預けています。しかし、今後もすべてのデータを無条件で外部モデルへ送り続けてよいわけではないとMurdock氏は警鐘を鳴らします。どの情報を外部へ出し、どの情報をファイアウォールの内側に残すのかを継続的に判断する必要があります。このデータ管理の必要性も、オープンソースモデルやプライベート環境で動くモデルの普及を後押しすると見ています。
OpenRouterの5%の手数料は長続きしない
OpenRouterは複数のモデルへ簡単に接続できる利便性によって大量のトランザクションを獲得しましたが、推論コストへ上乗せする5%の手数料は維持できないとMurdock氏は見ています。Venice.ioやAcki Nackiなどが、推論の購入とモデルルーティングを一体化した取引所を構築しています。利用者がホスティング事業者から直接推論を購入できれば、独立したルーティング層へ5%を支払う理由は薄れます。OpenRouterの仲介モデルは数ヶ月以内に激しい競争に直面すると予測し、OpenRouterに100億ドルの買収提案が来れば受けるべきだと答えています。
継続学習モデルは現在のフロンティアモデルもオープンソースモデルも置き換える
現在のモデルは、学習を終えてから静的な状態で利用されます。継続学習モデルは記憶を維持し、新しい情報や環境の変化から学びながら、複雑なタスクへ対応します。Murdock氏は、この能力を既存モデルへ追加するだけでは足りず、新しいアーキテクチャと学習方法が必要になると見ています。実用化は2〜3年後かもしれませんが、10年かかる可能性もあります。AI市場が現在の高い期待に応えられるかを左右する最大の技術的な不確実性だと語っています。
「浮遊するハイウェイ」を降りろ──AI時代のGTM効率と人事評価の再設計
「Floating Highways: How to Rethink GTM Efficiency & Rep Evaluation for the AI Era」 by Nate Nasralla on OnlyCFO's Newsletter
Fluint CEOのNate Nasralla氏が、OnlyCFOのニュースレターにゲスト寄稿した記事を紹介します。
Nasralla氏は、AI導入後もGTM効率が改善しない企業に共通する構造的な問題を解剖しています。Nasralla氏が投げかける問いはシンプルです。<yellow-highlight-half-bold>「契約中のAIをすべて解除し、GTMから引き剥がしたら、何が止まるか？」<yellow-highlight-half-bold>止まるなら、AIネイティブなGTMができている証拠。惰性で動き続けるだけなら、それは前だけ新しくした「浮遊するハイウェイ」に過ぎません。
SaaS企業の経営者・CFOにとって、AI時代における「GTM効率の正しい測り方」と「担当者・RevOpsの評価と報酬設計の見直し方」を理解するうえで、極めて重要な視点です。
AI時代に機能しなくなったGTM指標
パイプラインのカバレッジ・リード単価・活動量は、AIの普及によって信頼性が下がっています。AIが営業の上流作業（準備・CRM入力・フォローアップ）を代替する一方、買い手側の社内承認プロセスは変わっていません。ボトルネックは、ミドルからボトムファネル（買い手側の社内合意形成プロセス）に移っています。測定の重点を、トップファネルの努力量指標からステージ別転換率へ切り替えることが必要です。
GTMをセグメント別に分解せよ
FP&Aがビジネスをドライバーツリーで管理するように、GTMも行動データと収益データを組み合わせたモデルで運用できるようになりました。全社のCAC改善に見えても、実態はSMBへのミックスシフトに過ぎないケースがあるため、Enterprise・Mid-Market・SMBの分離分析が欠かせません。モデルが機能すれば、パイプラインのリスクシグナルを段階別・セグメント別に定量化できます。
エージェントが収益に貢献する時代、報酬設計を再構築せよ
AIエージェントが営業活動の一部を担うようになると、Quota：OTE比率（達成クオータ÷OTE）だけでは効率を正確に測れません。人件費とトークン費用を切り分けることはできても、成約への貢献比率を帰属させるのは難しく、「どのAI支出がどの収益に繋がったか」というアトリビューション設計が次の課題になります。
RevOpsの役割も「システムを構築するエンジニアリング機能」と「ダッシュボードで運用するオペレーション機能」に分かれつつあります。前者には、単純なコミッション（歩合給）とは異なる形での、変動報酬の設計や評価体系の見直しの議論が必要になってきています。
Google人材流出が映す、AI人材「三層報酬」と組織崩壊の危機
「Canva Slashes Growth | Talent Exodus at Google | Revolut's $50B CEO Package | Musk's $55B Terrafab」 by Jason Lemkin & Rory O'Driscoll on 20VC with Harry Stebbings
GoogleのJeff Dean氏が三名の同僚とともに退社し、Demis Hassabis氏も一線からの後退が取り上げられています。この人材流出をきっかけに、フロンティアAI企業の人材配分・報酬設計・人材のモチベーション構造がどう変わりつつあるかが議論されています。単なる引き抜き合戦ではなく、AI人材の「稀少性」が組織設計そのものを変えつつある実態が見えてくる内容です。
Googleの資源配分が招いた人材流出
Jeff Dean氏は27年の在籍を経て3名の同僚とともにGoogleを離れ、Demis Hassabis氏も一線から退く（会長職などへの移行の）動きが報じられました。Googleのクラウド事業がAnthropicへの計算資源販売で30%もの高い営業利益率を生む一方、コーディング特化モデルでの競争力構築は遅れており、科学探究領域への投資は5〜7年規模の「超長期のムーンショット」と位置づけられているためです。成果が出るまで数年かかる基礎研究領域は、四半期業績を優先する経営判断のなかで優先順位が下がりやすい構造にあります。彼らの退任発表後、Googleの時価総額は数千億ドル規模で下落したとされています。
AI人材の報酬は「一般社員」「AI人材」「ゴッドティア」の三層に分化
AI関連人材の報酬体系は、「一般社員」「AI人材」、そして少数の「ゴッドティア」という三層構造に分化しつつあります。ARR1億〜2億ドル規模の企業であっても、突出した待遇のゴッドティア人材を1〜5人抱えることになれば、従来の「全員一丸」の組織運営は困難になります。社内の他メンバーから不公平だという不満が出やすく、経営の難易度は一段と跳ね上がります。
一例として、2023年にAnthropic株を100万ドル相当受け取った人材の含み益は、現在51倍の5,100万ドル（約75億円）に達しているという、採用市場を歪ませるレベルの驚くべき実態も紹介されました。少数の突出した人材への破格の待遇が、組織全体の一体感より優先される局面が増えています。
トップ人材はもう「退屈な仕事」をしない
トップクラスのAIエンジニア・研究者は「退屈な仕事」を引き受ける必要がなくなり、最先端で知的刺激のあるテーマにしか関心を持たない傾向が強まっています。かつて「Googleからオファーが出たか」が候補者の上位5%を見分ける基準だったように、いまは「Anthropic・OpenAIからオファーが出たか、その条件はどうだったか」が実力の目安になりつつあります。だからこそ<yellow-highlight-half-bold>スタートアップの創業者にとっては、超高待遇の裏にある地味な開発や単純作業を嫌がるトップ層を避けることが重要<yellow-highlight-half-bold>です。実用的な領域に情熱を注いでくれる「掘り出し人材」を見極める採用力が、改めて求められています。
資金調達ニュース
［海外］
🏢 エンタープライズ
- Higgsfield
AI動画プラットフォーム。シリーズBで4億ドルを調達。評価額は54億ドル。投資家はDST Global（リード）、Tribe Capital、Goldman Sachs Alternativesなど（Yahoo! Finance） - Wispr
音声入力・ディクテーションツール「Flow」開発。シリーズBで2.8億ドルを調達。評価額は20億ドル。投資家はMenlo Ventures（リード）、Notable Capital、NEAなど（TechCrunch） - Rillet
財務担当者の帳簿管理を支援するAIネイティブ会計プラットフォーム。シリーズCで1億ドルを調達。評価額は10億ドル。ICONIQがリードし、Sequoia Capital、Andreessen Horowitzなどが参加（TechCrunch） - Callosum
開発者がAIアプリケーションの効率を高められるクラウドサービスを提供。シードで1億ドルを調達。Atomicoがリードし、Plural、DCVC、UK Sovereign AI Fundが参加（SiliconANGLE） - Vals AI
AIモデルの実務タスク評価・ベンチマークプラットフォーム。シリーズAで4,000万ドルを調達。評価額は4億ドル。投資家はa16z（リード）、8VC、Pear VCなど（Tech Funding News） - Trajectory
オープンソースAIモデルのカスタマイズとAIエージェントの実行基盤（ハーネス）最適化を行うAIインフラプラットフォーム。シリーズAで4,000万ドルを調達。評価額（ポストマネー）は3億ドル。投資家はSequoia Capital（リード）、NVIDIA、Bessemer Venture Partners（FinSMEs） - Flip
オフィスワーカー以外のフロントライン従業員向けAI搭載エンプロイーエクスペリエンスプラットフォーム。2,200万ユーロ（約2,400万ドル/約36億円）を新規調達。投資家はNotion Capital、HV Capital、新規投資家のL-Bank（EU-Startups） - Queen One
AIガバナンス型のコマースCRMプラットフォーム。2,500万ドルを新規調達。投資家はMercury Fund（リード）、Full In、Connecticut Innovationsなど（Yahoo! Finance） - Twin1 AI
専門知識労働者一人ひとりにAI駆動のデジタルツインを提供するプラットフォーム。シードで2,000万ドルを調達。Bessemer Venture Partners、Tribeca Venture Partners、Aramco Venturesが共同リード（Yahoo! Finance）
🛰️ ハードウェア×AI
- Etched
「フロンティア推論クラスター」と呼ばれるAI推論専用システムを提供。7億ドルを調達。評価額は210億ドル。Jane Streetがリードし、Kleiner Perkins、Sequoia、Andreessen Horowitz、Tiger Globalなどが参加（TechCrunch） - Gravis Robotics
建設機械を自律化するAI搭載レトロフィットキット「Gravis Rack」を提供。シリーズAで2億ドルを調達（SoftBank単独出資）。評価額は10億ドル。投資家はSoftBankのみ（SiliconANGLE | Tech Funding News） - Velaura AI
データセンターおよびフィジカルAI向けの超低消費電力シリコン・ソフトウェアを開発。シリーズAで1.1億ドルを調達。評価額は10億ドル超。投資家はSeligman Ventures（リード）、Capricorn Investment Group、Prosperity7 Venturesなど（Yahoo! Finance）
🏗️ バーティカル
- Smack Technologies
国家安全保障向けのドメイン特化型AI意思決定プラットフォーム（Omega/Alpha）。シリーズBで6,100万ドルを調達。投資家はCostanoa Ventures（共同リード）、First In（共同リード）、Point72 Venturesなど（FinSMEs） - Palona AI
飲食店など実店舗向けのマルチモーダルAIオペレーティングレイヤー。シリーズAで2,000万ドルを調達。投資家はArdenwood Ventures（リード）、CrimsonOx、UpHonestなど（SiliconANGLE） - Rundoo
独立系資材小売店（金物店・塗料店など）向けにAIファーストの基幹システムを提供。シリーズBで3,000万ドルを調達。Battery Venturesがリードし、既存投資家のBessemer Venture PartnersとCRVが参加（SiliconANGLE）
🏥 ヘルスケア
- Network Bio
組織・血液・分子・臨床データから疾患特化型AIモデルを開発するバイオテック企業。ローンチと同時に5,000万ドルを調達。投資家はSection 32、Thiel Bio、Founders Fund（Business Wire） - Astromech
Colossal Biosciences発、進化生物学データを用いて生物学的変化を予測するAIプラットフォーム。2,000万ドルを調達。評価額は38億ドル。ラウンドはバイオテック投資家のBob Nelsen氏が主導し、Peak6、NeoGenesis Capital、Builders VC、CAZ Investmentsが参加した（GamesBeat） - Ours Privacy
医療機関向けにPHI（保護対象保健情報）を除去したうえで第三者に安全にデータを連携するHIPAA準拠カスタマーデータプラットフォーム（CDP）。シリーズAで1,500万ドルを調達。Lightbank、Health Velocity Capitalが共同リード、Rock Healthなどが参加（Fierce Healthcare）
🔒 サイバーセキュリティ
- Prevalent AI
エンタープライズ向けAIコンテクスト基盤（データファブリック）を提供するサイバーセキュリティ企業。2,200万ドルのグロース投資を調達（創業9年で初の外部資金調達）。投資家はIntegrity Growth Partners（単独投資）（SiliconANGLE）
💰 フィンテック
- Boom
戸建て賃貸（SFR）向けの審査・リーシングソフトウェア/フィンテックプラットフォーム。シリーズAで1,500万ドルを調達。投資家はS3 Ventures（リード）、Mischief VC、Starting Line VC（FinSMEs）
そのほか
- Groq
AI推論向けニュークラウド事業者（旧AIチップメーカーからピボット）。3.5億ドルを調達。評価額は35億ドル。投資家はDisruptive（リード）、Nvidia（TechCrunch）
［国内］
- Resilire
サプライチェーンリスク管理クラウドを提供。製薬・化学・自動車産業など大手製造業に導入が進む。シリーズB 1stクローズとして総額17.3億円を調達（第三者割当増資＋デットファイナンス）。累計調達額は約30.3億円。リード投資家はDNX VenturesとSalesforce Ventures（共同リード）、住商ベンチャー・パートナーズも参加（PR TIMES） - UnlimiTech
製造業向けAIワークフロープラットフォーム「DataFlow AI」を開発。川崎重工業、トクヤマなど大手製造業への導入が進む。シードラウンドで総額約1.8億円を調達。投資家はジェネシア・ベンチャーズ、SMBC Edge、Delta X1号投資事業有限責任組合（PR TIMES） - Craif
尿中マイクロRNAをAI解析し、すい臓がんなど10種のがんリスクを早期発見する検査「マイシグナル・スキャン」を提供するバイオAIスタートアップ。シリーズDで総額約53億円のグローバルラウンドを実施。累計調達額は約142億円。Co-leadはGranite Integral Capital（シンガポール）とタウンズ、既存投資家のX&KSKも参加（PR TIMES）
