Graphon AI、8.3Mドルの資金を獲得し、「インテリジェンス・レイヤー」を構築する

AIインフラストラクチャー・スタートアップのGraphon AIは、 Stealthモードから8.3Mドルのシード資金を獲得して登場しました。この資金は、モデルを軽量化することを目的とし、大規模なAIモデルが効果的に理由を付けることができないという、現代のAIシステムが直面している最大のボトルネックに対処するために使用されます。

このラウンドは、Novera Venturesが主導し、Samsung Next、Hitachi Ventures、Perplexity Fund、GS Futures、Gaia Ventures、B37 Ventures、およびAurum Partnersが参加しました。

サンフランシスコを拠点とするこの会社は、Amazon、Meta、MIT、Google、Apple、NVIDIA、NASAなどの組織から元研究者やエンジニアによって設立されました。

Graphonが解決しようとしている問題

大規模な言語モデルは、最近数年で著しく能力が向上しましたが、依然として根本的な制限があります。コンテキスト・ウィンドウです。

最も高度なAIモデルでも、同時に処理できる情報量は限られています。一方、企業は、文書、データベース、監視システム、ビデオ・フィード、ログ、オーディオ・ファイル、内部ソフトウェア・プラットフォームに分散された大量の断片化されたデータを保持しています。

Retrieval-Augmented Generation (RAG)などの現在のアプローチは、モデルが関連する情報を取得するのに役立ちますが、データセット間のより深い関係を理解したり、時間の経過とともに持続的な理解を維持したりすることは困難です。

Graphonのアプローチは、推論プロセスの一部をモデル自体の外側に移動することです。

生の企業データを継続的にモデルに与えるのではなく、Graphonは「事前モデル・インテリジェンス・レイヤー」を作成します。このレイヤーは、モデルがそれらを処理する前に、さまざまな情報形式間の関係をマッピングします。

会社によると、この関係レイヤーは、伝統的にネットワーク分析と大規模グラフシステムに関連する数学的フレームワークであるグラフォン関数を使用して構築されます。このシステムは、テキスト、ビデオ、オーディオ、画像、構造化データベース、産業システム、センサー・ネットワークを含む、多様なデータ・ソース間の接続を識別するように設計されています。

会社によると、これにより、モデルのコンテキスト・ウィンドウの制限に依存しない、持続的な構造化されたメモリが作成されます。

より大きなモデルから離れるシフト

Graphonの立ち上げは、AI業界全体で起こっているより大きなシフトを反映しています。

AIの進歩は、モデルの拡大、より多くのパラメーターの追加、より多くのコンピューティング、より大きなトレーニング・データセットによって推進されてきました。しかし、多くの研究者やインフラストラクチャー・スタートアップは、より大きな基礎モデルの構築ではなく、メモリ・システム、推論アーキテクチャー、取得レイヤー、データ・オーガニゼーションの改善を通じてAIのパフォーマンスを向上させる方法を探索しています。

会社は、インテリジェンスはモデルの内部にのみ存在するのではなく、企業のデータにモデルを接続するインフラストラクチャー・レイヤーにも存在するべきであると主張しています。

このアプローチは、情報が常に変化し、同時に複数のシステムに分散している環境でAIシステムを展開する企業にとって、ますます重要になる可能性があります。

例えば、産業環境では、AIシステムは、機械のテレメトリ、セキュリティ・フッター、運用ログ、メンテナンス・レコード、企業のワークフローを同時に理解する必要があります。同様の課題は、ロボティクス、物流、ヘルスケア、企業の自動化でも存在します。

初期の企業導入

Graphonは、すでに韓国のコングロマリットであるGSグループを初期の企業顧客としています。

会社によると、導入には、小売環境内の顧客の動きを分析し、多様なCCTV分析を介して建設現場の安全性を監視することが含まれています。

会社はまた、エージェント・ワークフローをサポートするインフラストラクチャーも提供しており、AIエージェントが分離されたプロンプトではなく、より豊かな多様なコンテキストに基づいて決定を下すことができます。

焦点となるもう1つの分野は、デバイス上のAI推論です。Graphonは、システムがスマートフォン、カメラ、ウェアラブル・デバイス、スマート・グラス、他の接続デバイスから生成されるデータと連携するように設計されていると述べています。

関係AIインフラストラクチャーの将来的な影響

Graphonの登場は、AI業界で進行中のより大きなシフトを反映しています。モデルの拡大のみでは、業界の最も難しい課題を解決できないという認識が広がっています。

企業がAIをますます複雑な環境に導入するにつれて、課題はテキストを生成することではなく、システム、人、デバイス、情報のストリーム間の関係を理解することになります。

将来的に、AIシステムは、文書やプロンプトのみではなく、多くの場合、オートノモス・ファクトリー、ロボティクス・システム、スマート・シティ、ウェアラブル・デバイス、産業センサー、セキュリティ・インフラストラクチャー、企業ソフトウェア・エコシステムによって生成される大量の相互接続された多様なデータを理解する必要があります。多くの場合、この情報は継続的に存在し、リアルタイムで進化します。

これにより、モデルの一時的なメモリ・ウィンドウを超えて持続的なコンテキストを維持できる新しいAIインフラストラクチャーの必要性が生じます。

これらの影響は、企業の生産性ツールの向上を超えて広範囲に及ぶ可能性があります。関係メモリと多様な理解に基づいて構築されたシステムは、ロボティクス・コーディネーション、産業自動化、デジタル・ツイン、オートノモス・トランスポーテーション、ヘルスケア・診断、適応型エッジ・コンピューティング・環境などの分野で役割を果たす可能性があります。

AIエージェントの台頭は、この需要をさらに加速する可能性があります。企業システム内で自律的に動作するエージェントは、時間の経過とともにアクション、システム、環境がどのように接続されるかについて、より深いコンテキスト認識とより持続的な理解を必要とします。

したがって、次のAI開発の主要な段階は、機械が動的な現実世界の環境をより継続的にモデル化するシステムを構築することになるかもしれません。分離されたプロンプトからますます複雑な応答を生成するのではなく、それがそうである。