Luminal、Standard Capital主導のシリーズAで2,500万ドルを調達

Luminalは、Standard Capitalが主導するシリーズAで2,500万ドルを調達したと、同投資家が2026年11月12日に発表した。このAIインフラのスタートアップは、NvidiaやAMD、特化型チップを対象に、コンパイラ事業とホスト型推論事業を拡大している。顧客がすでに保有するハードウェアから、より多くの有用な処理を引き出すことに重点を置いている。

共同創業者のJoe Fioti、Jake Stevens、Matthew Guntonは、AIモデルの出力を生成する計算処理である推論を軸に、2つの事業を構築してきた。Luminalは自社クラウドでモデルをホストする一方、すでにハードウェアを運用している顧客にはコンパイラをライセンス提供している。これにより、導入を求める顧客向けのマネージドサービスと、自社インフラの改善を目指す顧客向けの別個の製品を提供している。

より高速な実装を探し出すために開発されたコンパイラ

コンパイラは、PyTorchなどのフレームワークで記述されたモデルを、その数学的演算を実行する低水準コードに変換する。Luminalの技術概要によると、モデルをデータフローグラフに変換し、ハードウェアを考慮した演算の融合、タイル化、メモリ計画、スケジューリングを適用したうえで、GPUカーネルや特定用途向け集積回路（ASIC）用の命令を出力するパイプラインを採用している。実行前にコンパイルすることで、モデルを動的に解釈する際に生じる実行時のオーバーヘッドを抑えることを目指す。

創業者らによると、Luminalは手書きのヒューリスティックだけに頼るのではなく、コンパイル時に相当量の計算を行い、実装候補を探索する。等価性飽和は、特定のチップ上で数兆もの選択肢を含み得る探索空間をコンパクトに表現し、コンパイラが最適化された実装を探せるようにする。この手法は、ソフトウェア側でより複雑なメモリ管理やスケジューリングの判断が必要となる、専門化が進むプロセッサを想定している。

2026年1月9日の技術記事では、自動生成されるメガカーネルがこの戦略にどう位置づけられるかを説明している。モデルの順伝播を1つのカーネル、つまりGPUプログラムに融合すると、カーネルを繰り返し起動する際の遅延をなくし、入力データが準備でき次第、後続の処理を開始できる。また、この設計は、プロセッサコア間の作業量の偏りや、初期ウェイトの読み込み待ちによって生じるアイドル時間にも対処するもので、細粒度の同期によってデータ依存関係を維持する。

Luminalのウェブサイトに掲載された比較によると、GPT-OSS 120BをNvidia H100 SXM GPU 8基で実行した場合、Luminalは毎秒3万6,000トークンを処理する。これに対し、TensorRT-LLMは2万8,000トークン、vLLMは2万6,000トークンとしている。これらの結果は、商業上の訴求の中心となるスループット向上を示している。一方、ホスト型サービスでは、コンパイラ自体に加えてインフラ関連の業務も担う。

ホスト型推論と価値に基づくライセンス

Luminal Cloudは、マネージド型のサーバーレスエンドポイント、自動バッチ処理、ゼロまでスケールダウンできるキャパシティを提供し、顧客は利用した分だけ料金を支払う。ライセンスを受けた環境は、顧客のクラウドまたはオンプレミスで稼働できる。コンパイラの上位層にある推論レイヤーは、CPU、GPU、ASIC間で処理をスケジューリングして負荷を分散し、稼働率の変化に応じてタスクを再配分するとともに、需要に合わせてノードを起動・停止する。

不動産メディア企業のAutoHDRは、月に約500万枚の画像を処理しており、創業者らによると、そのほぼすべての処理をLuminalが担っている。また、処理のうちAMDチップに移行する割合も増えている。別の顧客であるFreebuffは、毎週、数兆個のトークンをLuminalに送っている。こうした処理により、Luminalは画像処理から大規模言語モデルまで、本番環境のトラフィックを扱っている。

創業者らの説明によると、Freebuffのコーディング関連リクエストには、入力トークンが約10万個含まれることもあり、キャッシュヒット率とリクエストのスケーリングが重要なコスト要因となる。計算結果をキャッシュから再利用すれば、同じ処理を再度実行せずに済む。また、関連するキャッシュをメモリ階層内で移動させることで、そのコスト削減効果を保ちやすくなる。カーネル単体を高速化するだけでは、こうしたコストには対処できない。

Fiotiによると、一部のコンパイラライセンスでは、顧客が従来利用していた基準値に対する測定済みの改善分のうち、一定割合を料金として設定している。彼が示した例では、GPUの価格が1.50ドルでスループットが2倍になれば、75セントの節約となる。Luminalが25セントを受け取り、顧客には50セントの節約が残る。この仕組みでは、ホスト型サービスの利用料だけでなく、提供した価値に応じてライセンス収入が決まる。

オープンソースから始まった事業とその拡大

Luminalは、Fiotiが仕事以外の時間に、ノートパソコン上でモデルを動かすために開発したサイドプロジェクトとして始まった。その後、プロジェクトにNvidia向けバックエンドが加わり、オープンソースのコミュニティも形成された。創業者らは、コアコンパイラをオープンに保ちながらホスティングで収益を得る方針を決めた。これは、VercelがNext.jsと自社クラウドを組み合わせているモデルにならったものだという。コンパイラのライセンス提供により、ハードウェアをすでに整えている組織にも、もう1つの利用経路を提供している。

今回のシリーズAに先立ち、2025年11月17日にFelicis Venturesが主導し、Paul GrahamやGuillermo Rauchらエンジェル投資家も参加した530万ドルのシードラウンドが発表された。

Luminalは現在、コンパイラエンジニアと、初の非エンジニア職となるグロース責任者を募集している。チームはサンフランシスコ中心部に出社して勤務しており、これまではエンジニアのみで構成されていた。創業者らは、推論ワークロードが、プロンプト処理に特化したチップとトークン生成に特化したチップに、今後ますます分割されると見込んでいる。そのため、異なる種類のハードウェア間の連携は、ソフトウェアにとってより大きな課題になる。

当面の採用計画からは、コンパイラ分野の専門性をさらに高めるとともに、初めて事業面を担う人材を採用する方針がうかがえる。より大きな課題は、リクエストの異なる段階に特化したチップへ推論処理が広がるなかでも、Luminalが報告されているコスト面の優位性を維持できるかどうかだ。その場合、コスト削減の計算には、コンパイラの生の性能だけでなく、スケジューリングやキャッシュの再利用も関わってくる。