Nominal、AI事業拡大に向けてシリーズCで2億4,000万ドルを調達、企業評価額は30億ドルに

Nominalは2026年11月9日、シリーズCの資金調達ラウンドで2億4,000万ドルを調達し、企業評価額が30億ドルとなったと発表した。Lightspeed Venture Partnersが主導し、Insight Partnersが共同主導した今回の資金調達は、ハードウェアエンジニアリング向けAIプラットフォームの拡大に充てられる。

今回の資金は、エンジニアやエンジニアリング企業向けの製品をさらに充実させるほか、新たな業界や地域への進出、戦略的買収を支援する。発表で名前が挙がったその他の投資家には、Lux Capital、Sequoia、General Catalyst、Founders Fund、Lockheed Martin Ventures、Salesforce Ventures、DE Shaw Venturesが含まれる。

テストデータからエンジニアリング・インテリジェンスへ

関連するプラットフォームの投稿によると、Nominalはプラットフォームを支えるデータ基盤、機器との接続、文脈情報の構築に4年を費やした。同社は当初、ハードウェアチームがテストデータを活用できるよう支援していた。具体的には、期待される動作と実測結果を比較し、差異を調査して、次に何をすべきかを判断する取り組みだ。同社がより広く訴えるのは、AIが孤立したプロンプトから答えを生成するのではなく、こうした証拠や文脈にアクセスする必要があるということだ。

この基盤は、情報の分断という課題への対応を目的としている。エンジニアリングに関する証拠は、計測機器、シミュレーション、ファイル、社内ツール、チーム間に散在している。そのため、予期しない結果を解釈するには、センサーの読み取り値をハードウェア構成、以前の実験、さらには数カ月前に下された判断と結び付ける必要が生じることもある。Nominalは、文脈を損なうことなく、こうした情報をまとめるために、4層構造のHardware Intelligence Platformを開発した。

接続制御（Connected Control）は、ソフトウェアを物理的なハードウェアやテストシステムにつなぎ、チームが機器を操作して、その情報源でデータを取得できるようにする。データ基盤（Data Infrastructure）は、信号、ファイル、構成情報、文書に共通の構造を与える一方で、測定値が何を表すのか、どのシステムが生成したのか、過去の作業とどう関連するのかを保持する。この2つの層が連携し、プラットフォームのAI機能が利用する、整理された証拠を提供する。

検証可能な証拠に基づくAIエージェント

インテリジェンス層（Intelligence Layer）は、モデルやエージェントをエンジニアリングの文脈、ツール、ワークフローに接続する。これにより、システムは疑問を調査し、分析を実行し、結果を比較し、エンジニアが検証できる証拠をまとめられる。Nominalによると、Nominal Analystは同社が初めて専用に開発したAIエージェントだ。エンジニアリングデータを調査して複雑な分析を実行し、回答の根拠を元の証拠までたどれる。意思決定、レビュー、承認の主導権はエンジニアが保持する。

エンジニアリング・アプリケーション（Engineering Applications）は、開発、テスト、製造、運用へとプラットフォームの適用範囲を広げる。Nominal for Developersを通じて、顧客は既存のツールを接続し、同じ基盤上でカスタムのアプリケーション、ワークフロー、エージェントを構築できる。導入先は、クラウドとオンプレミスのインフラ、外部ネットワークから隔離された環境、エッジデバイスに対応する。

導入状況と事業拡大計画

Nominalによると、商業および政府機関を合わせて80組織を超える顧客が同プラットフォームを利用しており、その中には防衛関連大手請負企業7社のうち5社が含まれる。利用組織は航空宇宙、防衛、ロボティクス、エネルギー、先進製造にまたがっており、同社が開発を計画する、より幅広いライフサイクル製品の確固たる顧客基盤となっている。

同社のロードマップは、テスト分析にとどまらない。Nominalは、機械のライフサイクル全体を通じて、要件の検証、計画、スケジューリング、フリートの状態管理を行うエージェントやアプリケーションを開発している。共同創業者兼CEOのCameron McCordは、数十年にわたって蓄積されたエンジニアリングの知識を活用しながら、エンジニアが主導権を保てるようにすることが目標だと述べた。

今回の資金調達は、Nominalの成長計画を、容易ではない課題と結び付ける。すなわち、AIは物理システムにアクセスし、構造化されたエンジニアリング上の証拠に基づいて動作し、回答の根拠を明らかにしなければならない。こうした手法をより多くのワークフロー、業界、地域に広げることは、重大な影響を伴う業務に求められる追跡可能性とエンジニアの主導権を保ちながら、同社がプラットフォームを拡大できるかどうかを試すことになる。