「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。
トークン課金を選んだ瞬間、AIアプリの価値は消える
「You Are Not a Model, Don't Price Per Token」 by Tugce Erten, Sarah Wang on a16z
a16zのTugce Erten氏とSarah Wang氏による、AIアプリケーションのプライシングに関する提言記事です。日本のAI・SaaSスタートアップにとっても、粗利率の安定性を担保しようとするあまり、モデルAPIのコストをそのまま顧客への値付けに転用する発想には陥りがちです。しかし、アプリケーションとして持続可能で説得力のあるマネタイズモデルを構築するうえで、この記事は極めて重要な視点です。
トークン課金はモデル層のものであり、アプリ層に持ち込むべきではない
トークン課金は、元々OpenAIがAPIで計算資源を計測するためにはじめた仕組みです。ChatGPTの登場以降、データ、ツール、オーケストレーション、ワークフローを組み合わせて「仕事を代行するアプリ」が急増しましたが、こうしたアプリがトークン課金を採用すると、モデル提供者のコスト構造をそのまま顧客との関係に持ち込むことになってしまいます。結果として、値下がりし続ける単位（トークン単価）に自社の価値を紐づけることになってしまうのです。
測定・帰属・防御できる「最も高い価値レイヤー」で課金すべき
課金設計の基本方針は、自社が提供する価値のレイヤーに合わせることです。
- モデルアクセスを売るなら 「トークン」
- モデルを使って仕事を仕上げるなら、認識可能な価値単位としての 「クレジット」
- 明確に帰属できる成果を届けるなら 「アウトカム（成果）」
トークン課金は取り返しがつきにくい
一度トークン課金を採用してしまうと、顧客はプロダクトを『生の計算資源（インフラコスト）』と比較するようになります。その結果、データやワークフロー、オーケストレーションがもたらす真の価値が見えなくなってしまいます。また、顧客に予測不可能な技術的複雑さを押しつけることになり、ベンダー自身も低マージンに縛られるリスクを負うことになります。技術系AIバイヤー50人を対象とした調査でも、トークン課金を好むのが14人であったのに対し、仕事単位に紐づいたクレジットを好む人は27人と多数派でした。
顧客が本当に求めているのは「比較可能性」と「予算管理のしやすさ」
顧客がトークンについて尋ねてくる背景には、「他製品やモデルAPIとの比較をしたい」、あるいは「財務・IT部門が支出を部門やプロジェクトごとに追跡したい」という2つのニーズがあります。しかし実際には、コンテキスト長やリトライ回数などによるトークン消費量の予測は極めて難しいのです。透明性を担保することは、「課金メーターとコストメーターを同一にすること」と同義ではありません。使用状況の可視化による信頼構築は行いつつ、課金単位は別で設計すべきです。
クレジット設計は「仕事と価値をマッピングする」ものであるべき
優れたクレジット型プライシングは、以下の3つの役割を果たすべきです。
- インフラの複雑性を抽象化すること（顧客は構成要素ではなく「仕事の成果」を買う）
- 相対的な作業負荷を説明すること（簡単な作業は消費が少なく、複雑な作業は多く消費する）
- 商業的な柔軟性を生むこと（複数のワークロードを1つのプールでカバーする）
「<yellow-highlight-half-bold>顧客が数文で説明されて理解できないクレジット制度は、複雑すぎる<yellow-highlight-half-bold>」というのが、優れた設計の判断基準です。
クレジットはマージン防御の手段にもなる
従来のSaaSでは追加ユーザーの限界費用はほぼゼロでしたが、AIアプリでは推論、検索、ツール呼び出し、リトライなど、ユーザーが増えるたびにコストも増加します。そこで、「仕事の価値をいくらにするか（価格）」と「仕事のコストは何で決まるか（コスト）」を切り離して設計することで、将来的にモデルコストが下がった際、その差益（マージン）の一部を自社に還元できる仕組みを作ることができます。
Clay社の事例はその先駆者です。同社は2026年のプライシング改定において、データ利用を「Data Credits」、オーケストレーション作業を「Actions」として分離しました。予測可能なモデルは定額クレジット消費とし、変動が大きく高コストな推進モデルは、マークアップなしで実際のトークンコストをそのまま顧客に転嫁するハイブリッド方式を採用しています。
成果が明確に帰属できるようになったら、アウトカム課金へ移行すべき
クレジット課金は、「仕事自体に価値はあるが、最終的な事業成果への帰属がまだ不明瞭な段階」において有効な手段です。成果が直接的に観測・帰属可能になり、安定した価格設定を支えられるレベルに達したならば、解決したサポート対応数や、獲得した有効商談数など「アウトカム（成果）」で課金するステージへと移行するのが理想です。多くの製品は最終的に、シート課金、クレジット、トークン転嫁、そしてアウトカム課金を組み合わせた「ハイブリッドモデル」に落ち着くと述べています。
「AIで誰でも一流営業になれる」という誤解──トップ1割だけが売上を作る理由
「GTM 202: Top Sales Performers, Strategies with Ross Rich (Accord)」 on GTMnow
GTMnowのポッドキャストで、Accord共同創業者兼CEOであるRoss Rich氏が、「トップ営業パフォーマー」と「そのほか大勢」の差を生む要因を語った記事です。日本のAI・SaaSスタートアップも組織拡大期に必ず直面する「営業の型化」と「AI導入の順序」を考えるうえで、非常に示唆に富む内容となっています。
AIは差を埋めず、むしろ広げる
すでに営業目標の150〜200%を達成しているトップ営業は、AIを使って自ら「スキル」を書き、顧客のインサイトをより鋭く引き出すことができます。一方、中間層である6割の営業はそれができません。理由は、既存のAIツールがそもそも「共同作業（collaborative）」を前提に設計されていないためです。<yellow-highlight-half-bold>AIは組織的に中間層を底上げする方向には自然と動かない<yellow-highlight-half-bold>、とRich氏は指摘しています。
「人・プロセス・技術」の順序が逆転している
顧客への向き合い方（ポイント・オブ・ビュー）は最も上位のリーダーから発信されるべきもので、プロセスは内部の管理都合ではなく、顧客の意思決定プロセスに沿って「フィールドフレンドリー（現場目線）」に設計する必要があります。テクノロジーは、すでに存在する型を強化する最後の段階に過ぎません。多くのチームが、残念ながらこの順序を逆に進めてしまっています。
「使われる方法論」こそが最良の方法論
MEDDPICCの「P」がいくつあるかを議論することは、瑣末な部分の最適化にすぎません。本当に希少なのは、リーダーから現場まで組織全体が、まったく同じ言葉、同じ質問を使い続けられる状態を維持することです。
現場が受け取るのは「支援」ではなく「宿題」
あるCRO（最高収益責任者）は『営業支援に過去最大の予算と時間を投じた』と語りました。しかし現場で実際に起きていたのは、多額のコンサルタントの導入、Salesforceの入力項目の増加、四半期ごとの管理の強化、そして76ページに及ぶラミネート加工された資料テキストの配布でした。顧客と接するうえで価値を生むものは、そこには一つも含まれていなかったのです。
CROにはツールの実権を持つ人を通してアプローチする
CROが持っているのは収益戦略と予測の責任であり、技術スタックの選定権限ではありません。まずはRevOpsやイネーブルメントの担当者に接触し、「ノーアスク・ノート」（面談を求めず、相手のチームから聞いた話を伝えるだけの短いメッセージ）を送ることが有効です。しかも、このメッセージは一営業担当者からではなく、自社のCEO自身から送るべきだとRich氏は述べています。
購買側が製品を実際に目にするのは全体の1割以下
POC（概念実証）を含めても、成熟したプラットフォームであれば、顧客が契約前に実際に製品を見る範囲は5〜10%程度に過ぎません。決定を左右するのは、営業体験そのものなのです。Accordの大口顧客の多くは、一度は当時のターゲット基準に合わない（時期尚早である）と自らアプローチを見送った相手であり、彼らが1年後に「あの時の素晴らしい営業体験」を覚えていて戻ってきたケースだといいます。
創業者主導営業からの引き継ぎはARR 2,000万〜3,000万ドル規模に達するまで続く
Rich氏は「強い営業を採用し、優れたVPを採用し、安心して手を離す」という失敗を2度繰り返したと振り返っています。これは「知の呪縛（curse of knowledge）」（自分にとって当たり前すぎることを、一度言っただけで現場に伝わったと錯覚してしまう現象）が背景にあると分析しています。創業者主導の営業体制からの引き継ぎ（ハンドオフ）は、最初のVPを雇った段階で終わるものではなく、ARR 2,000万〜3,000万ドル規模になるまでじっくりとコミットし続けるべきものなのです。
自社の仕事を外部のAIに学ばせるな──企業が握るべき「インテリジェンスの主権」
「Should American Enterprises Work With Open-Source Chinese Models? | Only 10% of Neo-labs survive」 by Eno Reyes on 20VC with Harry Stebbings
Factoryの共同創業者兼CTOであるEno Reyes氏が、Harry Stebbings氏のポッドキャストで、AIモデルの経済性、オープンモデル、そしてエンタープライズAIの価値構造を語ったエピソードを取り上げます。モデルがコモディティ化するなか、企業が本当に守るべき資産は、ハーネスに蓄積される業務データ、成功したワークフロー、学習結果であり、「自社のインテリジェンスを誰が所有するのか」という問いに正面から答えています。
最も賢いモデルが、最も安いシステムになる
Reyes氏は、AIの価格をトークン単価ではなく、「成果を得るまでの総コスト」で見るべきだと語っています。コードレビューの例では、高性能なモデルが約100万トークンで一度に正しい結果を出す一方、安価なモデルが試行錯誤を繰り返して5,000万トークンを消費してしまう可能性があります。この場合、単価が高いモデルのほうが、最終的な成果コスト（アウトカムコスト）は低くなります。精度や探索能力が問われる高度なタスクでは、「最も賢いモデルが最も安い」という逆転現象が起こるのです。
汎用タスクはオープンモデル、独自業務は社内専用モデルへ
汎用的なタスクの実行は、今後オープンモデルが主流になるとReyes氏は予測しています。一方で、企業固有かつ処理量の多いタスクにおいては、汎用モデルでは精度が足りず、かといって最先端のフロンティアモデルではコストが高すぎてしまいます。そこで、オープンモデルを自社のワークフローに合わせてポストトレーニング（追加学習）し、社内専用モデルとして運用する選択肢が生まれます。何百万種類とまではいかなくとも、モデル構築のハードルが下がるにつれて、こうした専用モデルは大幅に増える見込みです。
自社モデルに縛られたアプリは、最高の結果を出しにくい
モデルを開発するラボ（OpenAIやAnthropicなど）がアプリケーション分野へ進出すると、「顧客に最良の成果を提供すること」と「自社モデルの利用量を最大化すること」の間で、インセンティブの利益相反が生まれてしまいます。自社モデルしか使えない企業は、タスクごとに市場で最も適したモデルを選べません。一方で、特定のモデルに依存しないアプリケーション企業であれば、価格、精度、リスク、そして顧客の好みに合わせて最適なモデルを柔軟に使い分けることができます。Reyes氏は、特にコーディングの領域において、「自社で最良のモデル」と「市場で最良のモデル」の差が、成果とコストを大きく左右すると指摘しています。
外部ルーティングで削減できるのは10〜20%、価値はハーネスへ移る
外部のゲートウェイによるモデルルーティングでも、10〜20%程度のコスト削減は可能です。しかし、AIエージェントがモデルを適切に使い分ける（制御する）には、現在のタスクだけでなく、「直前に何が起きたか」「次に何をすべきか」という文脈まで理解する必要があります。この状態管理は、タスクの外側にあるゲートウェイではなく、AIエージェントの実行基盤であるハーネスの内側で行われます。モデル選択、コンテキスト圧縮、メモリ、ワークフローのロジックが統合されることで、<yellow-highlight-half-bold>ハーネスこそが新しいアプリケーション層になる<yellow-highlight-half-bold>のです。
今後5年の問いは、誰が企業のインテリジェンスの主権者になるか
継続的な学習結果は、外部の閉じたモデルの内部ではなく、自社のハーネスに蓄積されていくとReyes氏は語っています。そこには、業務データ、成果を出した手順、そしてモデルがタスクから得た学習履歴が残ります。これらすべてを外部のモデル企業へ委ねてしまうと、その企業が自社の業務を完全に再現できるほどの知識を学習してしまいます。その結果、将来的に強力な競合になったり、圧倒的な交渉力を握られたりするリスクが生まれます。Factoryがオンプレミス版のFactory Privateを提供しているのも、必要になれば企業自身がいつでもソフトウェアとインテリジェンスを引き戻せる状態を担保するためなのです。
3年後、ワークフローの99%はオープンモデルで動く
Reyes氏は、3年後には業務ワークフローの99%がオープンモデルで処理されるようになると予測しています。ただし、残る1%のフロンティアタスクが、AIによって生まれる経済価値の30〜40%を占める可能性があります。フロンティアモデルが必要となるのは、最先端のバイオ研究、AI開発、セキュリティ、防衛など、ごく一部の高価値な領域に限られます。Global 2000に名を連ねるような大企業で日常的に行われる仕事の大半には、そこまで最高水準の知能は必要なく、最終的には「コスト」がモデル選定の決定打になります。
どのモデルが勝っても、インフラを持つMicrosoftは勝つ
Microsoftは、OpenAIへの投資で多大なアップサイドを確保しながら、Azure上ではAnthropic、OpenAI、そして各種オープンモデルをすべて支える独立した立場（モデル非依存）を取っています。特定のモデルの成否に依存せず、どのモデルが使われたとしても、自社のデータセンターとクラウドインフラから着実に価値（収益）を得られる極めて強固な構造を築いているのです。
頭数より密度──11人の創業者が語る、少人数組織の作り方
「In 2026, Talent Density Is the True Key to Your Success. Your Org Chart Is Not」 on 2050
VC/インキュベーターの2050が、「資金調達環境が厳しい2026年にどうチームを作るか」をテーマに、Withings・Swile・Sweep・ClimateViewなど11人の創業者に取材した論考です。人数の多さを成長の証とみなす発想が崩れつつあるなか、採用基準・組織設計・退場判断のすべてが「密度」という一つの軸で語られており、単なる人員削減とは異なる学びが浮かび上がっています。
「人員規模＝成長」という幻想の終焉
2026年現在、頭数の多さは成長ではなく「組織の非効率さ」を意味します。採用をする前に、「<yellow-highlight-half-bold>本当に能力のギャップを埋める人手なのか、それともAIエージェントの導入やプロセス改善で解決できないか<yellow-highlight-half-bold>」を自問すべきです。
- OpenClassrooms創業者Mathieu Nebra氏：かつて200人で出していたインパクトを、AIネイティブな企業であれば現在はわずか20人で実現できる、と述べています。
- ClimateView創業者Maxime Leroux氏：約40人の社員と20〜30体のAIエージェントを自律的に連携させることで、頭数を増やさずに全体の実行力を倍増させています。
経歴よりも「学習速度」と「姿勢」を追う採用基準
市場が激変するなかでは、履歴書に並ぶ過去のスキルや特定のツール使用歴はすぐに陳腐化します。真に採用すべきは、未知の環境に対応できる「学習速度」「タフな姿勢（マインド）」、そして組織の不和を防ぐ「協調性」です。
- Withings創業者Eric Carreel氏：履歴書よりも本人の姿勢を重視し、半年間のインターン期間を通じて本当に優れた人材だけを厳選して残す運用を徹底しています。
- Sweep創業者Rachel Delacour氏：転職を繰り返した経歴よりも、困難を乗り越えた人材を求める、と述べています。
- Swile創業者Loïc Soubeyrand氏：いくらハードスキル（技術力）が優秀であっても、他者と協調できない人物は、チーム全体のカルチャーを破壊するため致命的な不採用基準になり得ると指摘しています。
6〜9ヶ月サイクルで崩壊する組織図の設計
急成長する企業において、従来の固定的な組織図はすぐに機能しなくなります。ルールが官僚主義に陥ってスピードを鈍らせるのを防ぎ、常に「最速の意思決定」ができるシンプルなチーム体制を再構築し続ける必要があります。
- Paebbl創業者Marta Sjögren氏：25人・50人・100人といった成長フェーズの節目を迎えるたびに組織は必ず機能不全に陥るため、組織図は6〜9ヶ月ごとに自律的に破壊し再構築されるべきだ、と発言しています。
- Swile創業者Loïc Soubeyrand氏：エンジニア十人につきプロダクト職一人までといった比率で肥大化を防ぐ「BIC（Business・Innovation・Care）モデル」を運用している、と紹介しています。
- Agryco創業者Paolin Pascot氏：常にミニ嵐（mini-storms）が続く時代においては、ルールを複雑にするのではなく、チームを小さく保ち、何よりも「意思決定の速さ」を最優先すべきだ、と強調しています。
見極めは「入社6週間」、不調への超早期アプローチ
特に資金（ランウェイ）が限られているスタートアップにとって、人事のミスマッチを先延ばしにすることは会社の死を意味します。早い段階（6週間目）で問題と誠実に向き合い、決断を遅らせないことこそが、組織にとっても本人にとっても最善の優しさです。
- We Trade Local創業者Hortense Harang氏：最初期のコミュニケーションの違和感（レッドフラッグ）に気づきながら、アウトプットの数字が悪くないからと人事判断を先延ばしにしてしまったのは大きな失敗だった、と自社の経験を振り返っています。
- Withings創業者Eric Carreel氏：「少しでも疑いがあるのなら、すでにダメだという答えは出ている」という冷徹な基準を徹底し、長引かせるのは社内の士気を低下させるだけだ、と述べています。
- Agryco創業者Paolin Pascot氏：ランウェイが残り18ヶ月しかない状況においては、1回の採用ミスや引き延ばしは単なる人事課題ではなく、企業の存続を脅かす「致命的な戦略ミス」になる、と警鐘を鳴らしています。
資金調達ニュース
［海外］
🏢 エンタープライズ
- Wrtn
検索・文書作成・AIキャラクターチャットを展開する韓国のAIサービスプラットフォーム。シリーズCで7,240万ドルを調達。評価額は8億7,000万ドル。投資家はリードCoreline Ventures、Eugene Asset Management、参加Goodwater Capital、Antler Global、Woori Venture Partnersなど。（Bloomberg） - Deep Cogito
ポストトレーニングにより自己改善するAIモデルを開発。シリーズAで4,300万ドルを調達。投資家はTQ Ventures、Benchmark、Nexus Venture Partnersなど。（Yahoo! Finance） - Liner
引用元を明示するAI検索・エージェントプラットフォーム。シリーズCで3,610万ドルを調達。投資家はLB Investment、InterVest、Atinum Investmentなど。（Yahoo! Finance） - Yardstik
採用後も従業員の不正リスクを継続監視するワークフォーストラストプラットフォーム。シリーズBで3,000万ドルを調達。投資家はHarbert Growth Partners、Rally Ventures、MissionOGなど。（SiliconANGLE） - Keenable
AIエージェント向けのウェブ検索インデックス基盤。シード資金で2,600万ドルを調達。投資家はAccel、Conviction Partnersなど。（TechCrunch） - Runable
中小企業向けにサイト構築から集客までを担うAIエージェントプラットフォーム。シリーズAで2,100万ドルを調達。投資家はSusquehanna Venture Capital、Nexus Venture Partners、Together Fundなど。（TechCrunch） - Ringg AI
音声・チャット等の顧客対応業務を自動化する企業向けAIエージェントを提供。シリーズAで1,550万ドルを調達（今回の拡張分1,000万ドル含む）。評価額の記載なし。投資家はPeak XV Partnersがリード。Arkam Ventures、Capital 2Bも参加。（TechCrunch）
💰 フィンテック
- Socure
AIによる本人確認・不正防止プラットフォーム。成長投資ラウンドで1億5,600万ドルを調達。評価額は52億ドル。投資家はSummit Partners、Goldman Sachs Alternatives、Wells Fargoなど。（SiliconANGLE） - Fasset
AIを活用したステーブルコイン・ネオバンキングプラットフォーム。シリーズCで6,800万ドルを調達。評価額は10億ドル。投資家はSBI Group。（Fintech Global） - Helcim
中小企業向け決済・ソフトウェアプラットフォーム。シリーズCで約3,800万ドルを調達。評価額は約1億8,000万ドル。投資家はBDC Capital's Growth Venture Fund、Curql Collective、Gold House Venturesなど。（FinSMEs） - Standard Metrics
VC・PEファーム向けのAI駆動型ポートフォリオ管理プラットフォームを提供。シリーズBで2,000万ドルを調達。評価額の記載なし。投資家は8VCがリード、Salesforce Ventures、Spark Capitalが参加。（Yahoo! Finance） - Rezolv
AIを活用した与信・債権回収プラットフォーム。シリーズAで1,250万ドルを調達。投資家はNorwest、Vertex Ventures Southeast Asia and India、3one4 Capitalなど。（Fintech Global）
🏥 ヘルスケア
- Faro AI
臨床開発向けのエージェンティックAIプラットフォーム。シリーズBで3,730万ドルを調達。投資家はMerck Global Health Innovation Fund、S32、General Catalystなど。（FinSMEs） - Metriport
医療データを統合・要約するオープンソースのヘルスケアデータ基盤。シリーズAで2,600万ドルを調達。投資家はMatrix、ARTIS、Y Combinatorなど。（PR Newswire） - Arintra
医療コーディングと収益保証を自動化するエンタープライズAIプラットフォーム。シリーズBで2,500万ドルを調達。投資家はDefine Ventures、Peak XV Partners、Y Combinatorなど。（Fierce Healthcare） - Onos Health
ヘルスプラン向けの行動医療クリニカルインテリジェンスプラットフォーム。シリーズAで1,700万ドルを調達。投資家はCostanoa、Flare Capital Partners、CVS Health Venturesなど。（PR Newswire）
🛰️ ハードウェア×AI
- Generalist
ロボットの「脳」となる基盤AIモデルを開発。既存ラウンドの追加調達で約2億ドルを調達。評価額は30億ドル。投資家は8VCなど。（TechCrunch） - Veeda AI（Veeda Innovation）
ロボットなどの身体性AIエージェントを訓練するための、無限にスケール可能なシミュレーション環境を作る「世界モデル」を開発。シードで9,000万ドルを調達。評価額の記載なし。投資家はKhosla Ventures、Radical Venturesが主導。（SiliconANGLE） - Transfyr
科学実験室の暗黙知をセンサーで記録するフィジカルAIプラットフォーム。シード資金で2,500万ドルを調達。投資家はGeneral Catalyst、Lux Capital、Breakout Venturesなど。（Tech Startups） - Corvus Robotics
倉庫在庫管理向けの自律飛行ドローンによるフィジカルAIシステム。成長ラウンドで2,000万ドルを調達。投資家はCatalyst Investors、S2G Investments、Spero Venturesなど。（Robotics 24/7）
🏗️ バーティカル
- Owner
飲食店向けのAIネイティブなマーケティング・運営プラットフォーム。シリーズDで2億4,000万ドルを調達。評価額は23億ドル。投資家はGoldman Sachs Alternatives、Meritech Capital Partners、Redpoint Venturesなど。（PR Newswire） - Emerald AI
AIデータセンターの電力消費を柔軟に制御するグリッド管理ソフトウェア。シリーズAで1億5,000万ドルを調達。評価額は10億5,000万ドル。投資家はEnergize Capital、DCVC、NVIDIAなど。（Business Wire） - Breedr
牛の個体データを出生から処理までデジタル記録として管理する精密畜産プラットフォームを提供。シリーズBで2,700万ドルを調達。評価額の記載なし。投資家はPartechがリード、Latitude、Outsiders Fundが参加。（FinSMEs）
🔒 サイバーセキュリティ
- Alice（旧ActiveFence）
AIモデル・エージェントの安全性とセキュリティを検証するプラットフォーム。資金調達で1億4,000万ドルを調達。投資家はApax Digital Funds、Samsung、SentinelOneなど。（CTech）
⚖️ リーガルテック
- Newcode
法律事務所が自社専用のAIスタックを構築・所有できる、構成可能なAIハーネス・オーケストレーションプラットフォームを提供。シリーズAで1,350万ドルを調達。評価額の記載なし。投資家はOnDean Forwardがリード、The LegalTech FundやRelativityの投資部門Rel Labsが参加。（Law.com）
そのほか
- Lambda
AIトレーニング・推論向けのGPUスーパーコンピュータ／クラウドプラットフォームを提供。9億2,600万ドルのシニア担保付タームローンB（SPVによる資産担保型デット）を調達し、投資適格格付を取得した私設ニュークラウドとしては初の大型シンジケートローンとなった。（Yahoo! Finance） - Instinct
SMSや電話でタスクを代行するAIパーソナルアシスタント。シリーズBで2億5,000万ドルを調達。評価額は25億ドル。投資家はIndex Ventures、Benchmarkなど。（TechCrunch） - Stability AI
画像生成AI「Stable Diffusion」で知られ、音楽大手とのライセンス提携のもと音楽・動画生成にも展開。シリーズBで7,600万ドルを調達。投資家はUniversal Music Group、Sony Music Group、Warner Music Groupなど。（TechCrunch）
［国内］
- ネッキョウ
データ分析とAI技術を融合したエンタメ向けAXプラットフォーム「AXプラットフォーム」を提供。会社設立にあわせ、みずほ銀行からの融資と代々木アニメーショングループを引受先とする第三者割当増資により、総額約2億円を調達。（PR TIMES） - 現場Hub
建設業に特化したバーティカルAI「現場Hub」を提供。新規投資家の事業会社と、既存投資家のファーストライト・キャピタル、D4Vより7,000万円を調達。累計調達額は約3億4,000万円。（PR TIMES） - プロッセルホールディングス
高専人材ネットワークとAI・ハードウェア開発力を掛け合わせ、町工場のロールアップとAI開発を推進。千葉道場ファンドをリード投資家とするシードラウンドを実施。（PR TIMES） - CAPER
採用業務に特化したAIエージェント「OpenSeek」を提供。PKSHA Algorithm Fundより出資を実施。（PR TIMES） - AIVALIX
AIを活用したインフラ設備の劣化予測・維持管理ソリューション「INFRAI」を提供する東京大学発スタートアップ。東京ガスを引受先とする第三者割当増資を実施。（PR TIMES） - LiLz
工場・プラント向けにAI・IoTを活用した設備点検ソリューションを提供。ダイキン工業を引受先とする第三者割当増資を実施。（PR TIMES）
