AIモデルを最大80%圧縮するOra Computing、350万ユーロのシードラウンドを調達

圧縮ソフトウェアの仕組み

Ora Computingのソフトウェアは、情報理論に基づくアプローチを用いて、大規模なAI基盤モデルを推論用に縮小します。つまり、出力品質を維持しながら、モデルを数学的に再構築して冗長性を除去する手法です。同社および投資家が公表する主な性能は以下の通りです。

• 最大80%のサイズ削減: メモリフットプリントを劇的に削減可能。
• 最大4倍の推論高速化: 圧縮モデルは同一ハードウェア上で大幅に高速動作。
• 精度低下は0～5%: 圧縮と精度のトレードオフは最小限。
• ハードウェア非依存: CPU、GPU、エッジシリコンなど、さまざまなチップアーキテクチャで動作し、カスタムインフラや再学習は不要。
• 再学習不要: 標準的な推論フレームワークにそのまま組み込み可能。
• 連続的な圧縮曲線: 従来の二値的な「圧縮レベル選択」ツールとは異なり、サイズと精度のトレードオフを連続的にマッピングし、顧客がハードウェアとコスト制約に最適化できる。
• 70Bパラメータモデルでの実績: 同社は、700億パラメータのモデルを数時間、1,000ドル未満の計算コストで圧縮したと発表。業界標準では数十万ドルかかる作業と比較している。

コスト、エネルギー、および炭素排出への影響

圧縮モデルは必要な計算リソースが少ないため、Ora社の技術はエネルギー消費の削減と二酸化炭素排出量の低減に直接つながると同社は説明しています。同社の試算では、市場浸透率1%で、年間5万トン以上のCO₂削減効果が見込まれるとしています。

これは、AIモデルのライフタイムエネルギー使用量の90%以上を推論が占めるという業界全体のコンセンサスと一致しており、圧縮は持続可能性の観点から強力な手段となります。2025年に学術誌『PMC』に掲載された研究では、BERTサイズのモデルにプルーニングや蒸留などのモデル圧縮技術を適用した結果、エネルギー消費が32～48%削減され、精度は95%以上を維持したことが示されています。ただし、Ora社の具体的なCO₂削減量は、「推定値」として提示されており、実測値ではありません。

資金使途と商用計画

Ora社は調達資金について、以下の3つの主な用途を発表しています。

1. チーム拡大: エンジニアリングチームおよび営業チームの増強。
2. より大規模なフロンティアモデルへの圧縮対応拡張: 現行の能力を超え、次世代の最先端モデルを圧縮する技術開発。
3. 商用製品のローンチ: クラウド推論プロバイダーおよびエッジ（自動車、産業機器など）でAIを展開する企業をターゲットとした商用プラットフォームの提供。

同社の公式サイトでは現在、エッジデバイス、オンプレミスサーバー、クラウドインフラストラクチャ向けに、モデルを「数ヶ月ではなく数時間」で適合させる自動LLM圧縮サービスを宣伝しており、メモリフットプリントを最大70%削減し、GPUコストを50%以上削減できると主張しています。

情報源の信頼性に関する注記

本記事の主たる情報源は、リード投資家Greencode Venturesの公式ウェブサイトで公開された詳細な発表文です。追認報道として、The Recursive、IT Boltwise、Vestbee、tech.eu、Fundup.aiなど複数のアウトレットが存在し、いずれも同じ資金調達の詳細、圧縮数値、資金使途計画を報じています。Ora社の具体的なCO₂削減量の試算については、同社が推定値と明記しているものであり、独立した第三者による検証は現時点では行われていません。