- TypeSafe AIが8億7000万ドルを調達。評価額75億ドルで、Andreessen Horowitzが主導した
- Jevは9月15日公開。同社はFortune 500企業の3分の1がすでに利用していると主張する
- トランスフォーマー基盤だがテキストではなく確率を出力。LLMより高速でトークン消費が少ないとする
何が発表されたのか
TypeSafe AIは、自社で開発するAIモデル「Jev」に関して、8億7000万ドルの資金調達を実施したと報じられた。調達後の企業評価額は75億ドルで、ラウンドはAndreessen Horowitzが主導し、Sequoiaと既存投資家のDCVCが参加した。Jevの公開は9月15日であり、資金調達はそれから数週間後という速いペースでまとまったことになる。
同社は2024年に創業した。共同創業者には、OpenAIの研究者だったDiogo Almeida氏、Metaの研究エンジニアだったSasha Sheng氏、エンジニア兼起業家のErik Gafni氏が名を連ねる。創業から間もない企業が大規模な調達と高い評価額に到達した点が、今回の発表の特徴といえる。
Jevとは何か
Jevはトランスフォーマーという、現在の主要なAIモデルの土台として使われるアーキテクチャをベースにしている。ただし大規模言語モデル(LLM)ではなく、テキストを出力しない。代わりに生成するのは確率であり、同社はこれを「較正された意思決定(calibrated decisions)」と呼んでいる。
公開直後に急速に注目を集め、同社によればFortune 500企業の3分の1がすでに利用しているという。企業での採用としては非常に速いペースだと、記事は指摘している。
なぜ注目されるのか
利用者や大企業が関心を寄せる理由として、同社がLLMより大幅に高速で、トークン消費がはるかに少ないと主張している点が挙げられている。トークンはAIモデルが入出力を処理する際の単位で、消費量はコストや応答時間に直結する。
同社は、Jevのアプローチがテキストやコードの生成ではなく、タスクの自動化に特に適していると位置づけている。Almeida氏はTechCrunchに対し、人間の言語の扱いはこの4年間で非常に得意になったが、コンピュータは別の言語を話すため自動化には役立たない、という趣旨の説明をしている。
現時点で分かっていないこと
一方で、性能の具体的な数値は示されていない。LLMと比べてどれだけ高速なのか、トークン消費がどれだけ少ないのかは、現時点では同社の主張として伝えられているのみで、第三者による検証結果には原文で触れられていない。
Fortune 500企業の3分の1が利用しているという数字についても、企業名や利用規模の内訳は明らかにされていない。8億7000万ドルという調達額や75億ドルという評価額の算定根拠、売上や収益性についても原文に記載はない。モデルの提供方法や料金体系も示されていない。
| 項目 | Jev | 大規模言語モデル(LLM) |
|---|---|---|
| 出力するもの | 確率(「較正された意思決定」) | テキスト |
| 想定される用途 | タスクの自動化 | テキストやコードの生成 |
| 基盤アーキテクチャ | トランスフォーマー | 原文に記載なし |
| 速度・トークン消費 | LLMより大幅に高速でトークン消費が少ないと主張 | 比較の基準として言及 |
“We have been super good at human language for four years, but it’s not useful for automation because computers speak a different language,”
「私たちは4年間、人間の言語を扱うことにかけて非常に優れてきた。しかしコンピュータは別の言語を話すため、それは自動化には役立たない」
今後の見通し
今回の調達により、TypeSafe AIはモデル開発と企業向け展開を加速させる余地を得たと考えられる。非LLMという設計が実際の自動化ワークロードで優位に働くのかどうかは、今後公表される性能データや第三者の検証結果が判断材料になる。Fortune 500企業の3分の1という主張の内訳、顧客の継続利用率、料金体系が明らかになれば、企業導入の現実味をより具体的に評価できる。日本企業が導入を検討する場合には、日本語や自社データでの精度、APIの提供地域、既存のLLMベースのパイプラインとの接続方法が分かると判断しやすくなる。
日本の開発者・IT企業にとっての意味
日本のIT企業にとっては、AIモデルの選択肢がLLMだけではないという前提が現実味を帯びてきた点が重要になる。トークン消費がコストに直結する現状では、同じ精度が得られるならトークンを減らせるモデルは運用費の圧縮につながる。業務自動化のパイプラインでは、テキスト生成ではなく判断や分類を返すモデルのほうが組み込みやすい場面もある。非LLMモデルに巨額の資金が集まったことで、今後は同様のアプローチを採る製品や、既存LLMとの組み合わせをうたう製品が増える可能性がある。ただし性能・料金・導入条件が未公表の段階で、PoC以外の本番採用を判断するのは難しい。
気になる点
- Jevは日本企業でも利用できるのか
- 提供地域や言語対応について原文には記載がなく、現時点では公表されていない。同社はFortune 500企業の3分の1がすでに利用していると主張しており、大企業向けの提供が進んでいる可能性はあるが、日本国内での利用可否や日本語データへの対応は不明とみられる。
- Jevは既存のLLMを置き換えるものなのか
- Jevはテキストではなく確率を出力し、想定される用途はタスクの自動化だとされる。テキストやコードの生成を担うLLMの代替というより、自動化の中の判断部分を担う位置づけとみられる。既存システムからの移行方法や併用の可否は原文に記載がない。
- 調達した資金は何に使われるのか
- 資金の使途について原文は触れていない。評価額75億ドル・調達額8億7000万ドルという規模から、モデル開発や人材採用、企業向け営業への投資が想定されるが、これは推測であり、正式な使途は明らかになっていない。
用語解説
- トランスフォーマー
- 系列データを扱う際に広く使われるニューラルネットワークのアーキテクチャ。現在の主要なAIモデルの土台になっている。
- 大規模言語モデル(LLM)
- 大量のテキストで学習し、文章の生成や要約、コード生成などを行うAIモデル。Jevはこれに該当しないとされる。
- トークン
- AIモデルがテキストなどを処理する際の最小単位。消費量が増えるほど計算コストや待ち時間が増える。
- 較正された意思決定(calibrated decisions)
- TypeSafe AIがJevの出力を指して使う表現。テキストではなく確率として判断を返すことを示す。
- バリュエーション
- 企業価値・評価額のこと。資金調達時の企業価値を指すことが多い。
出典
The maker of non-text AI model Jev valued at $7.5B just weeks after launch
AI導入も顧問も、お任せください
何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。
AI導入について相談する