Nvidia Peroleh Kumo AI dengan Harga Lebih RM1.7 Bilion: Bagaimana Gergasi Cip Ini Mahu Menguasai Perisian Ramalan

Model Kumo 'menghala' kepada data syarikat, pengguna menetapkan sasaran ramalan, dan sistem akan mengeluarkan hasil tanpa memerlukan latihan tambahan . Ia telah digunakan dalam lebih 15 industri, termasuk perkhidmatan kewangan, runcit, media, dan penjagaan kesihatan .

Bagaimana Teknologi Rangkaian Neural Graf Kumo Berfungsi

Di tengah-tengah platform ini adalah seni bina proprietari yang dikenali sebagai Rangkaian Neural Graf Hibrid (Hybrid GNN) . Ia menganggap entiti seperti pelanggan, produk, dan transaksi sebagai 'nod', manakala hubungan antara mereka (seperti kunci primer dan asing dalam pangkalan data) adalah 'tepi' dalam satu graf .

Mekanik utama:

• Penyampaian mesej (Message passing): Setiap nod mengumpul maklumat dari jirannya di seluruh graf. Melalui pelbagai lapisan, nod belajar dari keseluruhan struktur yang bersambung, bukan hanya dari atributnya sendiri .
• Tidak perlu meratakan data: Pembelajaran mesin tradisional meratakan data perhubungan ke dalam baris, yang memusnahkan konteks hubungan. GNN beroperasi terus pada struktur graf asal, mengekalkan sambungan dan corak masa .
• Pecutan GPU: Model ini direka untuk berfungsi optimum pada GPU Nvidia, membuka kunci prestasi yang diperlukan untuk ramalan berskala perusahaan .

Kumo juga menggabungkan GNN dengan model bahasa besar (LLM) untuk pemodelan ramalan yang lebih kaya .

Nilai Urus Niaga

Walaupun Nvidia belum mengesahkan harga, The Information melaporkan urus niaga ini bernilai "sekurang-kurangnya $400 juta" . Media lain termasuk GuruFocus, Fortune, dan sumber berita kewangan serantau telah mengulangi angka tersebut . Oleh kerana Nvidia tidak mendedahkan terma, angka ini wajar dianggap sebagai anggaran yang bersandarkan sumber, bukan pengesahan rasmi .

Pelanggan Utama

Antara pelanggan dan rakan kongsi ekosistem Kumo yang didedahkan termasuk DoorDash, Reddit, Databricks, Snowflake, dan SAP . Modelnya telah berkhidmat untuk lebih satu bilion pengguna secara global melalui aplikasi pelanggan . Kumo telah menerbitkan hasil prestasi, seperti peningkatan kadar penukaran sebanyak 5.4 kali ganda bersama Databricks dan lonjakan ketepatan iklan 5.5 kali ganda di Reddit .

Pengasas Bersama

• Vanja Josifovski — Pengasas Bersama dan Ketua Pegawai Eksekutif. Sebelum ini merupakan Ketua Pegawai Teknologi (CTO) Pinterest semasa IPO syarikat itu dan CTO Airbnb Homes .
• Jure Leskovec — Pengasas Bersama dan Ketua Saintis. Profesor di Universiti Stanford yang menerajui pembangunan pembelajaran mendalam perhubungan dan teknologi GNN di Stanford, dan kemudiannya berkhidmat sebagai Ketua Saintis di Pinterest .
• Dr. Hema Raghavan — Pengasas Bersama dan Ketua Kejuruteraan. Bekas pengarah kanan kejuruteraan dan ketua AI di LinkedIn, tersenarai dalam Inc.'s 2026 Female Founders 500 .

Ketiga-tiga pengasas bersama ini memiliki PhD dan telah menyertai Nvidia sebagai sebahagian daripada pengambilalihan ini .

Modal Teroka yang Dikumpul

Kumo telah mengumpul kira-kira $37 juta (atau $36.5 juta mengikut beberapa pangkalan data) melalui dua pusingan pendanaan :

• Siri A (April 2022): $18.5 juta diketuai oleh Sequoia Capital, dengan penyertaan dari A Capital, SV Angel, dan Ron Conway .
• Siri B (September 2022): $18 juta diketuai oleh Sequoia, disertai A Capital, SV Angel, dan beberapa pelabur malaikat termasuk Frank Slootman dan Kevin Hartz .

Menurut data PitchBook, penilaian pasca-pendanaan Kumo selepas Siri B adalah kira-kira $250 juta. Harga perolehan melebihi $400 juta itu mewakili pertumbuhan sekitar 60% daripada pusingan tersebut .

Kesesuaian Strategik: Melangkaui Jualan Perkakasan

Perolehan Kumo ini selari dengan visi yang telah lama dibina oleh Ketua Pegawai Eksekutif Nvidia, Jensen Huang: mengubah Nvidia daripada pembekal cip semata-mata kepada sebuah syarikat platform AI sepenuh tindanan .

Beberapa matlamat strategik bertemu dalam urus niaga ini:

• Menjual perisian, bukan hanya silikon: Kumo memberi Nvidia produk SaaS perusahaan siap guna yang dioptimumkan untuk GPU, yang mampu menjana pendapatan berulang di luar kitaran jualan perkakasan .
• Mengunci kitaran perkakasan: Model GNN Kumo berfungsi paling baik pada GPU Nvidia. Apabila perusahaan menggunakan Kumo, mereka menjadi lebih kukuh dalam ekosistem Nvidia .
• Berkembang ke dalam AI ramalan: Nvidia sememangnya dominan dalam melatih model bahasa besar. Analitik ramalan yang disasarkan kepada pengguna perniagaan—seperti ramalan pelanggan beralih, penipuan, dan syor—mewakili pasaran bersebelahan yang besar .
• Memperoleh bakat dan IP bertaraf dunia: Jure Leskovec adalah salah seorang perintis rangkaian neural graf. Membawa masuk pasukannya dan seni bina Hybrid GNN Kumo ke dalam Nvidia mengukuhkan saluran penyelidikan syarikat serta keupayaannya untuk mengoptimumkan cip masa depan untuk beban kerja AI perhubungan .
• Meneruskan corak penggabungan dan pemerolehan: Nvidia telah secara konsisten memperoleh pemula perisian AI—Run:ai, Deci, Illumex, dan urus niaga pengambilan kakitangan Groq bernilai $20 bilion pada akhir 2025—untuk membentuk platform yang merangkumi infrastruktur, model, dan aplikasi .

Urus niaga ini menggambarkan strategi lazim syarikat teknologi gergasi: membeli syarikat kecil yang mempunyai kepakaran teknikal mendalam dan hubungan perusahaan sedia ada, kemudian menskalakan produknya di atas infrastruktur sendiri. Bagi Nvidia, Kumo bukan sekadar tentang AI ramalan—ia adalah tentang memastikan generasi seterusnya beban kerja AI perusahaan berjalan secara menyeluruh di atas platform Nvidia.