Snorkel AI、AIデータ向けフロンティアラボ構築のため、35億ドル評価額で3億5,000万ドルのシリーズE資金調達を実施。

Snorkel AIは2026年9月22日、35億ドル評価額で3億5,000万ドルのシリーズE資金調達を発表し、共同創業者兼CEOのAlex Ratnerが執筆した会社のブログ投稿で明らかにした。InsightとS32がラウンドを主導した。

参加者にはThird Point、March、Blumberg、Allegis、Standard VC、Frontlineに加え、既存投資家のAddition、Lightspeed、Greylock、GV、P7、Wells Fargo、Walden Catalyst Ventures、Factoryが含まれた。

Ratnerは、約1年前に開始された同社のデータ・アズ・ア・サービス提供が18倍以上に成長し、発表週には3億7,500万ドルの年率収益規模を突破したと述べた。彼はSnorkelが現在、フロンティアラボ、ハイパースケーラー、ネオラボ、垂直AIリーダー、エンタープライズ、米国政府機関と提携していると語った。

過去の資金調達と会社概要

シリーズEは、Snorkelが2025年5月29日付の会社リリースで発表した、13億ドル評価額で1億ドルのシリーズDに続くものです。Additionがそのラウンドを主導し、Prosperity 7 Ventures、既存投資家のGreylockとLightspeed、そしてBNYやQBE Venturesなどの戦略的投資家が参加しました。2025年のリリースでは、同ラウンドによりSnorkelの総資金が2019年の創業以来2億3,700万ドルに達したと述べられています。

カリフォルニア州レッドウッドシティ発のそのリリースでは、同社のAIデータ開発プラットフォーム上で専門AIシステムの評価とチューニングを行うための新サービス、Snorkel Evaluate と Snorkel Expert Data-as-a-Service の一般提供開始も発表された。シリーズDの資金は、同社のエンジニアリング、研究、そして市場投入活動の拡大に活用されると述べられた。

Data 2.0 とエージェンティックデータプラットフォーム

Ratnerの投稿では、新たな資金調達を彼が「Data 2.0」と呼ぶ概念に基づいて位置付けている。Snorkelは約10年前にスタンフォード大学の研究プロジェクトとして始まり、AIの進展はますますデータ中心になるとし、データ開発は単なる人員配置やクラウドソーシングの作業ではなく、研究・技術課題として取り組むべきだという仮説を書いている。

投稿では、AIデータ開発の最初の段階を「Data 1.0」と呼び、シンプルなデータ量に依存し、主に人員配置と物流の課題であると説明し、最後の段階を「Data 2.0」と呼び、より複雑なデータの品質に依存し、主に研究・技術の課題であると述べている。コーディングデータを例に取ると、フロンティアの強化学習データセットや環境は、上級エンジニアが数日から数週間苦戦するようなソフトウェア問題を模倣し、製品規模の出力に対する微妙な報酬シグナルを捉え、特定のモデルエラーモードをターゲットとし、先進的なモデルによるハッキングや不正行為の試みを防ぎ、数百件の品質管理チェックを通過しなければならない、と述べている。

そのデータを生成するために、投稿は内部のエージェンティックデータプラットフォームを紹介し、人間の専門家が専門的なAIモデルやエージェントによって支援され、タスクタイプごとに数百に及ぶこともあると説明している。これらのエージェントは専門家のスケッチを完全な環境やデータインスタンスに拡張し、人間の作業を分布目標やモデルエラーモードへと導き、リアルタイムのフィードバックや提出後の品質管理を提供し、サブコンポーネントを適切な専門家にレビュー用に振り分ける。大規模な人間フィードバックは弱教師あり学習としてエージェントの測定と改善に利用され、RatnerはこれをRSI（再帰的自己改善）エンジン、すなわちデータのための自己強化ループと呼んでいる。

Ratnerは、コーディングデータ作業において、専門エージェントが人間の専門家レビューと並行して品質管理を行うことで、QC効率が50％以上向上し、オフ・ザ・シェルフLLMのみを使用する人間レビューアのベースラインと比較してレビュー精度が15ポイント以上向上したと報告した。さらに、スケールされた人間フィードバックを弱教師ありとして適用することで、現在の非専門的フロンティアLLMベースラインに対して2倍以上の精度向上が得られ、こうした数値はループが回るたびに継続的に改善されると述べた。

オープンベンチマークと研究計画

Snorkelは、オープンかつ独立したAIベンチマークに資金を提供するOpen Benchmarks Grantsプログラムを大幅に拡大すると述べた。プログラムのページでは、この取り組みが3百万ドルのコミットメントに裏付けられ、オープンソースのデータセット、ベンチマーク、評価資産の資金提供に使われること、応募は随時審査されることが記載されている。提案は学術・産業研究者からなる運営委員会の意見を踏まえて審査され、ページにはSnorkelが委員会の決定に指示を出さないことも明記されている。

ページに掲載されているベンチマークには、Terminal‑Benchシリーズ、香港大学XLANGラボとの共同プロジェクトであるOSWorld 2.0、UCバークレーのRDIと連携したAgent’s Last Exam、UCバークレーのSkyLabとウィスコンシン大学マディソン校が共同で行うContinual Learning Bench、ウィスコンシン大学マディソン校、DARPA、米国国立科学財団と共催のSlopCode Bench、そしてウィスコンシン大学とプリンストン大学が関与するSenior SWE‑benchが含まれる。

ベンチマーク以外でも、RatnerはSnorkelが専門AIモデルの支援に大規模な投資を行う計画であり、今後数年間で世界のデータ開発のますます大きな割合が専門AIに焦点を当てると予測していると述べた。また、今後数年間のSnorkelの研究開発の重要な部分は、AIのアラインメントと安全性のためのデータおよび環境開発に注力することになるとも語った。