Perceptron、分散型AIデータネットワーク向けに650万ドルを調達 – 80万超のノードでデータ収集を民主化

AIトレーニングデータのボトルネックは、もはや計算リソースだけではない。閉ざされたパートナーシップの向こう側にあり、収穫逓減のスクレイピングでは入手困難な、高品質でリアルなデータセットへのアクセスこそが課題だ。ドバイに拠点を置く分散型AIデータネットワーク「Perceptron」は、この問題を、世界規模のコントリビューターメッシュで解決しようとしている。このメッシュは既に80万7000超のノードと30万人のデイリーアクティブユーザー（DAU）を擁する 。

2026年7月30～31日、同社は14～15のWeb3投資家、トレーディング企業、インフラパートナーから650万ドルの戦略的資金調達ラウンドをクローズし、ネットワークの拡大とデータクエストプラットフォームの立ち上げを加速させる 。

650万ドルラウンドの参加投資家

今回の戦略的ラウンドに単独のリード投資家は存在しない。複数の報道によれば、参加が確認されているのは以下の面々だ 。

• Sigma Capital
• Selini Capital
• QCP Capital
• P2 Ventures（旧Polygon Ventures）
• CoinDCX Ventures
• Momentum6
• DeFi Capital
• Walrus Foundation
• Aethir
• Colosseum
• GuruDev Capital
• Tempo Finance
• NewTribe Capital
• Digital Consensus Fund
• CodeCraft Capital

一部の情報源では14社、別の情報源では15社とされており、この差異はNewTribe Capitalをリード投資家としてカウントするかどうかに起因するようだ 。同社は評価額を非公開としている 。

分散型AIデータネットワークの仕組み

Perceptronは、中央集権的なデータスクレイピングに代わる、グローバルなコントリビューターネットワークを基盤とする分散型「AIデータメッシュ」を運用する。誰でも「Perceptron Node」（ブラウザ拡張機能またはAndroidアプリとして提供）を実行し、アイドル帯域を共有してネットワークに計算リソースを提供できる 。現在、ネットワークは150カ国以上で80万7000超のノード、30万人以上のデイリーアクティブユーザーを擁している 。

AI企業は、Perceptronのデータクエストプラットフォームを通じて専門的なデータセットを発注することができる。自社のモデルトレーニングニーズに合わせた構造化データタスクを投稿すると、コントリビューターがそれらのタスクを完了する。ユニークなデータセット、ドメイン知識、帯域などを提供し、トークン報酬と交換する仕組みだ 。重要なのは、コントリビューターがデータの所有権を保持し、ネットワークを通じて直接収益化できる点で、中央集権的な「スクレイピングして販売」モデルを回避している 。

Perceptronは、このモデルにより、従来の中央集権的プロバイダーと比較してデータ取得コストを**約90%**削減できると主張する 。コントリビューターコミュニティには、医師、弁護士、ネイティブ言語話者など、知識やリアルデータを提供できるドメイン専門家も含まれている 。

拡大目標：短期と長期

同社の短期的な優先事項は、2026年後半までにネットワークを500万ノードに拡大することだ 。新たな資金は以下の3つの具体的な優先事項に充てられる 。

• データクエストプラットフォームの本格稼働
• コントリビューターツールと報酬インフラの拡充
• 500万ノード達成に向けたネットワーク成長の支援

500万ノードというマイルストーン以外に、具体的な長期的なハード数値目標（例：「2028年までにX百万ノード」など）は公表されていない 。同社の長期的な目標は、アイドル帯域、ユニークなデータセット、ドメイン知識にわたるコントリビューターメッシュを拡大し、AIトレーニングと推論のためのデフォルトの分散型データレイヤーとなることだとしている 。

これまでの成長実績

Perceptronの成長軌道は、強い初期需要を示している。ネットワークは初期フェーズの20万人のデイリーアクティブユーザーから30万人以上へと50%増加した 。ノード数も同じ期間に70万超から80万7000超へと増加し、150カ国以上での活動が報告されている 。

2025年6月には、BlockMeshと統合し、Perceptronのインフラと、公開Webデータを収集・構造化するBlockMeshの70万超のデバイスネットワークを組み合わせた 。