日本を拠点とするAIスタートアップ「Sakana AI」が、シリーズBラウンドで1億3500万ドル（約200億円）の資金調達を完了した。大手テック企業がモデルの巨大化・高コスト化を競う中、Sakana AIは「進化的アルゴリズム」と「モデル合成（Model Merging）」という独自の研究路線を貫いており、今回の調達でその商業化フェーズが本格化する。
「スケーリング競争」に乗らない戦略
多くのAI企業が莫大なGPUを積み上げて巨大なモデルを訓練する「スケーリング」路線を走る中、Sakana AIはまったく異なるアプローチをとる。自然界の進化プロセス――突然変異・選択・交叉――をアルゴリズムとして模倣し、複数の既存モデルを組み合わせることで、少ない計算コストで高性能なAIを構築しようという発想だ。
この「モデル合成」手法は、圧倒的な計算資源を持たなくても競争力のあるモデルを作り出せる可能性を秘めている。同社が2023年末の設立以来発表してきた研究論文は、既存の大型モデル同士を「マージ」することで、専門タスクにおいて単体モデルを超える性能を引き出せることを示してきた。
KAMEが示す「エージェントループ」の実装
今回の資金調達において特に注目すべきは、応用研究プロダクト「KAME」の商業展開への本格シフトだ。KAMEは科学的発見の自動化を目指すシステムで、AIが自律的に「仮説立案→実験設計→結果解析」のサイクルを繰り返す。これはまさに、現在のAI開発で最もホットなテーマのひとつである「エージェントループ」の具体的な実装だ。
単発の質問に答えるだけのAIではなく、目的を与えれば自律的に判断・実行・検証を繰り返すエージェントの設計――Sakana AIはこのパラダイムを、基礎研究から実用システムへと橋渡しする立場にある。
実務への影響：日本のエンジニアにとっての意味
研究機関・製薬・素材業界は要注目 KAMEが主にターゲットとする科学的発見の自動化は、製薬、新素材開発、化学分析といった研究集約型産業での応用が期待される。日本には世界有数の製造業・研究機関が集積しており、商業化が進めばパートナー候補になりうる企業は国内に多い。
モデル合成技術はコスト削減の切り札になりうる 自社でLLMを利用・ファインチューニングしている企業にとって、モデル合成アプローチは計算コスト削減の有力な選択肢になる可能性がある。Sakana AIの研究成果の多くはオープンに公開されており、技術動向を追っているエンジニアは論文・GitHubを継続的にチェックしておく価値がある。
国内AI人材・投資の試金石として 日本国内のAI企業がシリーズBでこの規模の資金を集めたこと自体、日本のAIエコシステムにとっての重要なシグナルだ。東京をAI研究・開発拠点として選ぶ国際的な人材・投資の流れが、より本格化する可能性を示している。
筆者の見解
Sakana AIの戦略で筆者が最も評価するのは、「勝てる土俵を自分で決めている」点だ。計算資源でGoogleやMetaに正面から挑んでも勝ち目はない。だからこそ、進化的アルゴリズムとモデル合成という独自のニッチを深掘りし、そこで圧倒的な存在感を示す道を選んだ。この姿勢は、リソースに限界のある組織がAI時代を生き抜くためのひとつの手本になりうる。
KAMEが示すエージェントループの実装も、方向性として正しいと思う。AIの本質的な価値は「人間が都度指示しなくても、目的に向かって自律的に動き続けること」にある。確認・承認を人間に求め続ける設計では、そのポテンシャルの一部しか引き出せない。Sakana AIがこのアーキテクチャを商業レベルで実証できれば、業界全体の設計思想に影響を与えるはずだ。
課題があるとすれば、「研究としての面白さ」と「商業としての再現性・スケーラビリティ」のギャップをどう埋めるかだ。モデル合成は特定条件下では強力だが、汎用性や保守性の面ではまだ未知数の部分が多い。今回の調達で得た資金を研究加速に使うのか、商業展開の実績作りに集中させるのか、バランスの舵取りが問われる局面だと思う。
いずれにしても、日本からこれだけ骨太な研究と資金調達を組み合わせたAI企業が生まれたことは素直に喜ばしい。今後の商業化フェーズに注目していきたい。
出典: この記事は Sakana AI Raises $135M in Series B Funding の内容をもとに、筆者の見解を加えて独自に執筆したものです。