Cosa fa la piattaforma di Kumo AI

La piattaforma di Kumo permette alle aziende di generare previsioni direttamente dai loro database relazionali esistenti — come Snowflake, Databricks e SAP — senza bisogno di un laborioso lavoro manuale di feature engineering, ovvero la selezione e trasformazione delle variabili da parte di un esperto .

Il suo prodotto di punta è KumoRFM, affiancato dalla versione più recente KumoRFM-2, lanciata nell'aprile 2026. Si tratta di modelli di base relazionali pre-addestrati, capaci di rispondere a domande predittive quasi istantaneamente: dal calcolo del customer lifetime value (il valore di un cliente nel tempo), alla probabilità di abbandono (churn), alla migliore azione successiva da proporre, fino al rilevamento di frodi e al calcolo del rischio di credito .

Il funzionamento è semplice: si indica al modello dove si trovano i dati e si definisce l'obiettivo della previsione (ad esempio, "quali clienti sono a rischio di abbandono?"). Il sistema produce i risultati senza richiedere ulteriori fasi di addestramento . La soluzione è utilizzata in più di 15 settori, tra cui servizi finanziari, vendita al dettaglio, media e sanità .

Come funziona la tecnologia delle Graph Neural Networks di Kumo

Il cuore della piattaforma è un'architettura proprietaria chiamata Hybrid Graph Neural Network (Hybrid GNN), una rete neurale che lavora su grafi .

Immaginate un'enorme mappa di relazioni: clienti, prodotti, transazioni e le loro interconnessioni. Gli elementi sono i "nodi" del grafo e i collegamenti tra loro — le chiavi primarie ed esterne dei database — sono gli "archi" . Ecco i concetti chiave:

• Passaggio di messaggi: ogni nodo aggrega le informazioni dei nodi vicini e, attraverso più strati di elaborazione, impara dall'intera struttura connessa, non solo dai propri dati individuali .
• Niente più "appiattimento" dei dati: l'apprendimento automatico tradizionale semplifica i dati relazionali in righe di una tabella, distruggendo il contesto delle relazioni. Le GNN operano invece direttamente sulla struttura nativa del grafo, preservando tutte le connessioni e l'evoluzione temporale .
• Accelerazione GPU: i modelli sono progettati per funzionare al meglio sulle GPU Nvidia, ottenendo le prestazioni necessarie per gestire previsioni su scala aziendale .

Kumo, inoltre, combina le GNN con i grandi modelli linguistici (LLM) per creare modelli predittivi ancora più ricchi e sofisticati .

Il valore dell'accordo

Nvidia non ha confermato ufficialmente la cifra. La testata The Information è stata la prima a riportare un valore "di almeno 400 milioni di dollari" . La stessa cifra è stata poi ripresa da altre fonti come GuruFocus, Fortune e diversi media finanziari . Poiché i termini non sono stati resi noti, il numero va considerato come una stima ben documentata, non come una conferma ufficiale .

Una clientela di primo piano

Tra i clienti noti e i partner tecnologici di Kumo figurano nomi di spicco come DoorDash, Reddit, Sainsbury's, Databricks, Snowflake e SAP . I suoi modelli sono utilizzati in applicazioni che servono oltre un miliardo di utenti nel mondo . Kumo ha pubblicato risultati prestazionali notevoli, come un incremento delle conversioni di 5,4 volte con Databricks e un miglioramento del 5,5x nell'accuratezza pubblicitaria su Reddit .

I co-fondatori: tre dottori di ricerca con un passato d'élite

• Vanja Josifovski — Co-fondatore e CEO. Già CTO di Pinterest durante la sua IPO e CTO di Airbnb Homes .
• Jure Leskovec — Co-fondatore e Chief Scientist. Professore a Stanford, ha guidato lo sviluppo del deep learning relazionale e delle GNN all'università, per poi diventare Chief Scientist di Pinterest .
• Dr.ssa Hema Raghavan — Co-fondatrice e Head of Engineering. Ex senior director of engineering e responsabile IA di LinkedIn, è stata inserita nella lista Female Founders 500 di Inc. nel 2026 .

Tutti e tre i co-fondatori sono in possesso di un dottorato di ricerca (PhD) e sono entrati a far parte di Nvidia con l'acquisizione .

Capitale di rischio raccolto

Kumo aveva raccolto circa 37 milioni di dollari in due round di finanziamento (alcuni database riportano 36,5 milioni) :

• Series A (aprile 2022): 18,5 milioni di dollari, round guidato da Sequoia Capital, con la partecipazione di A Capital, SV Angel e Ron Conway .
• Series B (settembre 2022): 18 milioni di dollari, guidato ancora da Sequoia, a cui si sono uniti A Capital, SV Angel e diversi angel investor del calibro di Frank Slootman e Kevin Hartz .

Secondo i dati di PitchBook, dopo la Series B la società era valutata circa 250 milioni di dollari. Il prezzo di acquisto di oltre 400 milioni rappresenta quindi una crescita del 60% rispetto a quella valutazione .

La strategia: una piattaforma, non solo chip

L'acquisizione di Kumo si inserisce perfettamente nella visione che il CEO di Nvidia, Jensen Huang, sta costruendo da anni: trasformare l'azienda da fornitore di chip a piattaforma IA a 360 gradi .

I fili strategici che si intrecciano in questa operazione sono molteplici:

• Vendere software, non solo silicio: Kumo offre a Nvidia un prodotto SaaS aziendale già pronto e ottimizzato per le sue GPU, capace di generare ricavi ricorrenti che vanno oltre i cicli di vendita dell'hardware .
• Rafforzare l'ecosistema hardware: i modelli GNN di Kumo danno il meglio sulle GPU Nvidia. Quando un'azienda adotta Kumo per le analisi predittive, si lega più saldamente all'intero ecosistema tecnologico di Nvidia .
• Espandersi nell'IA predittiva: Nvidia domina già l'addestramento dei grandi modelli linguistici. Il mercato dell'analisi predittiva per il business — valutazione del rischio, prevenzione frodi, raccomandazioni — è un'enorme area adiacente ancora da conquistare .
• Acquisire talenti e proprietà intellettuale di livello mondiale: Jure Leskovec è uno dei pionieri delle reti neurali su grafi. Portare il suo team e l'architettura Hybrid GNN dentro Nvidia rafforza il ​​polo di ricerca dell'azienda e la capacità di ottimizzare i chip futuri per carichi di lavoro di IA relazionale .
• Un copione già visto: Nvidia ha progressivamente acquisito startup di software IA — come Run:ai, Deci, Illumex e il maxi-acquisto da 20 miliardi di dollari di Groq alla fine del 2025 — per assemblare una piattaforma che copra infrastruttura, modelli e applicazioni .

L'operazione illustra una strategia familiare ai giganti della tecnologia: comprare una piccola azienda con profonde competenze tecniche e solide relazioni aziendali, per poi scalare il suo prodotto sulla propria infrastruttura. Per Nvidia, Kumo non è solo una scommessa sull'IA predittiva, ma la garanzia che la prossima generazione di carichi di lavoro IA enterprise girerà, dall'inizio alla fine, su tecnologia Nvidia.

Cosa fa la piattaforma di Kumo AI

La piattaforma di Kumo permette alle aziende di generare previsioni direttamente dai loro database relazionali esistenti — come Snowflake, Databricks e SAP — senza bisogno di un laborioso lavoro manuale di feature engineering, ovvero la selezione e trasformazione delle variabili da parte di un esperto .

Il suo prodotto di punta è KumoRFM, affiancato dalla versione più recente KumoRFM-2, lanciata nell'aprile 2026. Si tratta di modelli di base relazionali pre-addestrati, capaci di rispondere a domande predittive quasi istantaneamente: dal calcolo del customer lifetime value (il valore di un cliente nel tempo), alla probabilità di abbandono (churn), alla migliore azione successiva da proporre, fino al rilevamento di frodi e al calcolo del rischio di credito .

Il funzionamento è semplice: si indica al modello dove si trovano i dati e si definisce l'obiettivo della previsione (ad esempio, "quali clienti sono a rischio di abbandono?"). Il sistema produce i risultati senza richiedere ulteriori fasi di addestramento . La soluzione è utilizzata in più di 15 settori, tra cui servizi finanziari, vendita al dettaglio, media e sanità .

Come funziona la tecnologia delle Graph Neural Networks di Kumo

Il cuore della piattaforma è un'architettura proprietaria chiamata Hybrid Graph Neural Network (Hybrid GNN), una rete neurale che lavora su grafi .

Immaginate un'enorme mappa di relazioni: clienti, prodotti, transazioni e le loro interconnessioni. Gli elementi sono i "nodi" del grafo e i collegamenti tra loro — le chiavi primarie ed esterne dei database — sono gli "archi" . Ecco i concetti chiave:

• Passaggio di messaggi: ogni nodo aggrega le informazioni dei nodi vicini e, attraverso più strati di elaborazione, impara dall'intera struttura connessa, non solo dai propri dati individuali .
• Niente più "appiattimento" dei dati: l'apprendimento automatico tradizionale semplifica i dati relazionali in righe di una tabella, distruggendo il contesto delle relazioni. Le GNN operano invece direttamente sulla struttura nativa del grafo, preservando tutte le connessioni e l'evoluzione temporale .
• Accelerazione GPU: i modelli sono progettati per funzionare al meglio sulle GPU Nvidia, ottenendo le prestazioni necessarie per gestire previsioni su scala aziendale .

Kumo, inoltre, combina le GNN con i grandi modelli linguistici (LLM) per creare modelli predittivi ancora più ricchi e sofisticati .

Il valore dell'accordo

Nvidia non ha confermato ufficialmente la cifra. La testata The Information è stata la prima a riportare un valore "di almeno 400 milioni di dollari" . La stessa cifra è stata poi ripresa da altre fonti come GuruFocus, Fortune e diversi media finanziari . Poiché i termini non sono stati resi noti, il numero va considerato come una stima ben documentata, non come una conferma ufficiale .

Una clientela di primo piano

Tra i clienti noti e i partner tecnologici di Kumo figurano nomi di spicco come DoorDash, Reddit, Sainsbury's, Databricks, Snowflake e SAP . I suoi modelli sono utilizzati in applicazioni che servono oltre un miliardo di utenti nel mondo . Kumo ha pubblicato risultati prestazionali notevoli, come un incremento delle conversioni di 5,4 volte con Databricks e un miglioramento del 5,5x nell'accuratezza pubblicitaria su Reddit .

I co-fondatori: tre dottori di ricerca con un passato d'élite

• Vanja Josifovski — Co-fondatore e CEO. Già CTO di Pinterest durante la sua IPO e CTO di Airbnb Homes .
• Jure Leskovec — Co-fondatore e Chief Scientist. Professore a Stanford, ha guidato lo sviluppo del deep learning relazionale e delle GNN all'università, per poi diventare Chief Scientist di Pinterest .
• Dr.ssa Hema Raghavan — Co-fondatrice e Head of Engineering. Ex senior director of engineering e responsabile IA di LinkedIn, è stata inserita nella lista Female Founders 500 di Inc. nel 2026 .

Tutti e tre i co-fondatori sono in possesso di un dottorato di ricerca (PhD) e sono entrati a far parte di Nvidia con l'acquisizione .

Capitale di rischio raccolto

Kumo aveva raccolto circa 37 milioni di dollari in due round di finanziamento (alcuni database riportano 36,5 milioni) :

• Series A (aprile 2022): 18,5 milioni di dollari, round guidato da Sequoia Capital, con la partecipazione di A Capital, SV Angel e Ron Conway .
• Series B (settembre 2022): 18 milioni di dollari, guidato ancora da Sequoia, a cui si sono uniti A Capital, SV Angel e diversi angel investor del calibro di Frank Slootman e Kevin Hartz .

Secondo i dati di PitchBook, dopo la Series B la società era valutata circa 250 milioni di dollari. Il prezzo di acquisto di oltre 400 milioni rappresenta quindi una crescita del 60% rispetto a quella valutazione .

La strategia: una piattaforma, non solo chip

L'acquisizione di Kumo si inserisce perfettamente nella visione che il CEO di Nvidia, Jensen Huang, sta costruendo da anni: trasformare l'azienda da fornitore di chip a piattaforma IA a 360 gradi .

I fili strategici che si intrecciano in questa operazione sono molteplici:

• Vendere software, non solo silicio: Kumo offre a Nvidia un prodotto SaaS aziendale già pronto e ottimizzato per le sue GPU, capace di generare ricavi ricorrenti che vanno oltre i cicli di vendita dell'hardware .
• Rafforzare l'ecosistema hardware: i modelli GNN di Kumo danno il meglio sulle GPU Nvidia. Quando un'azienda adotta Kumo per le analisi predittive, si lega più saldamente all'intero ecosistema tecnologico di Nvidia .
• Espandersi nell'IA predittiva: Nvidia domina già l'addestramento dei grandi modelli linguistici. Il mercato dell'analisi predittiva per il business — valutazione del rischio, prevenzione frodi, raccomandazioni — è un'enorme area adiacente ancora da conquistare .
• Acquisire talenti e proprietà intellettuale di livello mondiale: Jure Leskovec è uno dei pionieri delle reti neurali su grafi. Portare il suo team e l'architettura Hybrid GNN dentro Nvidia rafforza il ​​polo di ricerca dell'azienda e la capacità di ottimizzare i chip futuri per carichi di lavoro di IA relazionale .
• Un copione già visto: Nvidia ha progressivamente acquisito startup di software IA — come Run:ai, Deci, Illumex e il maxi-acquisto da 20 miliardi di dollari di Groq alla fine del 2025 — per assemblare una piattaforma che copra infrastruttura, modelli e applicazioni .

L'operazione illustra una strategia familiare ai giganti della tecnologia: comprare una piccola azienda con profonde competenze tecniche e solide relazioni aziendali, per poi scalare il suo prodotto sulla propria infrastruttura. Per Nvidia, Kumo non è solo una scommessa sull'IA predittiva, ma la garanzia che la prossima generazione di carichi di lavoro IA enterprise girerà, dall'inizio alla fine, su tecnologia Nvidia.