再学習不要のAIを目指す独kausable、1200万ユーロ調達　因果推論で「ブレない」世界モデルへ

現代のAIには「再学習（リトレーニング）」の問題がつきまとう。センサーがドリフトすれば、工場のラインを再構成すれば、病原体が変異すれば——ほとんどのAIモデルは、高コストで時間のかかる再学習を強いられる。ドイツ・ハイデルベルク拠点のディープテックスタートアップkausable（コーザブル）は、それが必要ない世界を描いている。

2026年7月23日、kausableはドイツのVC UVC Partnersとベルギーの投資家Entourageが共同リードするシードラウンドで、1200万ユーロ（約20億円）の調達を発表した。前回のプレシード（150万ユーロ）からのフォローオン投資として、ドイツのHTGF（High-Tech Gründerfonds）とMätch VCも参加。同社の累計調達額は1350万ユーロとなった。

もう一つの道：因果世界モデルと再学習不要の仕組み

kausableのアプローチは、従来のようにモデルの内部パラメータ（重み）を更新し続けるのではなく、基盤モデルを一度だけ訓練し、その後は因果関係を表現する「世界モデル（world model）」を合成データとインコンテキスト学習（few-shot learning）で構築するというものだ。この世界モデルは、新たなシステムを短時間観測するだけでその背後にある構造を推論。条件が変わっても、高価な再学習サイクルなしに動作し続けると同社は主張する。

同社のコアとなる主張は、現在のAIシステムが本質的に「静的」であるという点だ。訓練データからパターンを記憶するだけのモデルは、環境が変化すると対応できない。kausableはその代替案として「Reasoning-First（推論優先）」のAIを掲げる。人間のように因果推論を用いて「なぜシステムがそう振る舞うのか」を理解し、状況に応じて適応するモデルを目指している。

主要な創業者

kausableはハイデルベルク大学で出会った3人の物理学者が2025年に創業した。

• Johannes Haux — CEO
• Benjamin Herdeanu博士 — CTO
• Gregor Ramien — COO

3人はハイデルベルク大学の物理・天文学部での学術研究に加え、サイバーセキュリティ、銀行、スタートアップでの実務経験を持つ。同社が育ったのは、ドイツを代表する生成AI企業Black Forest Labs（BFL）を輩出したのと同じ研究環境である。

投資家と支援者

シードラウンドはUVC Partners（ドイツ）とEntourage（ベルギー）の共同リード。プレシード投資家のHTGFとMätch VCがフォローオン参加した。機関投資家としてはBlack Forest Labs（BFL）、ELLIS（European Laboratory for Learning and Intelligent Systems）、Campione Venture、Secunetが加わる。

エンジェル投資家の顔ぶれも豪華だ。世界中のトップAI組織から集まった。

• Black Forest Labs 共同創業者 Robin Rombach 氏、Andreas Blattmann 氏
• Sandro Gianella 氏（OpenAI、国際戦略・オペレーション担当）
• Dorothy Chou 氏（DeepMind、戦略顧問）
• その他、Noxtua、ELLIS関連のエンジェル投資家

TipPFN——ゼロショット予測モデル

kausableの第一弾プロダクトはTipPFN（Tipping Point Prior-data Fitted Network）。システムが臨界転換点（「ティッピングポイント」）にどれだけ近づいているかを検出するゼロショット予測モデルである。

• コロンビア大学との共同研究で論文発表（arXiv 2605.12308）
• 事前データ適合ネットワークとインコンテキスト学習フレームワークを用い、短くてノイズの多い時系列データから臨界転換点への近接性を推論
• 未見の力学系に対して、臨界転換点の検出で最先端の性能を達成。シミュレーションから実世界への転移（sim-to-real）や実世界観測でも実績
• 14ドメインで優位性を実証し、訓練していないシステムへのゼロショット汎化も主張
• ヘルスケア、エネルギー、金融、気候の各分野で、まれにしか起きないが影響の大きい「ブラックスワン」事象の予測を目指す

同社ウェブサイトはTipPFNについて「14ドメインで優位性を示し、ゼロショット性能さえ発揮している」と説明する。ただし、資金調達発表の時点では、セルフサービス型商用製品、公開価格、導入顧客、第三者による検証済みの導入実績などは発表されていない。

計画中の応用分野

kausableは、静的AIモデルが限界を露呈する3つの大領域をターゲットにする。

• ロボティクス：環境変化に再学習なしで適応する世界モデルにより、ロボットが未知の状況を即座に処理できるようにする
• 予測・フォアキャスティング：TipPFNを用いて複雑システム（送電網障害、疾病アウトブレイク、金融危機など）のティッピングポイントを検出
• 産業システム：産業全体にスケーラブルなAIを展開。個別・単発の高コスト再学習プロジェクトに終わらせず、状況変化に応じて稼働し続けるシステムへ

同社はそのミッションを「世界の変化と同じ速さで適応するフロンティアAI」と表現し、静的な再学習依存モデルから、広範囲に展開可能で条件が変わっても稼働し続けるシステムへの転換を掲げている。

まとめ

kausableの1200万ユーロシード調達は、AIのまったく異なるアプローチ——因果推論、合成データ、インコンテキスト学習を、従来の大規模訓練より重視する——に対する大きな賭けである。同社の主張は野心的だ。「数例の観測から未知の状況に適応する」「まれな破局的事象を予測する」「世界が変わっても稼働し続ける」。TipPFNの研究論文は学術的妥当性を提供しているが、スタートアップはまだ商用製品を出荷しておらず、実世界での大規模導入を実証していない。次の12～18カ月で、この「Reasoning-First」のアプローチが、魅力的な研究からエンタープライズ対応システムへと移行できるかどうかが試される。