Slik fungerer Kumo AIs plattform

Kumos plattform lar bedrifter lage spådommer direkte fra sine eksisterende relasjonsdatabaser – som Snowflake, Databricks og SAP – uten manuell «feature engineering» eller rigide skjemaer . Flaggskip-produktet er KumoRFM, og den nyere KumoRFM-2 ble lansert i april 2026. Dette er forhåndstrente, relasjonelle grunnmodeller som nesten umiddelbart kan besvare prediktive spørsmål: kundens livstidsverdi, sannsynlighet for frafall, «neste-beste-handling», svindeldeteksjon og kredittrisiko, blant annet .

En Kumo-modell peker mot bedriftens data, brukeren definerer hva man ønsker å forutsi, og systemet leverer resultater uten ytterligere trening . Plattformen betjener mer enn 15 bransjer, inkludert finans, detaljhandel, media og helsevesen .

Slik fungerer Kumos grafnevrale nettverk

I kjernen av plattformen ligger en proprietær arkitektur kalt Hybrid Graph Neural Network (Hybrid GNN) . Denne teknologien behandler enheter som kunder, produkter og transaksjoner som noder, og deres forbindelser – primær- og fremmednøkler – som kanter i en graf .

Nøkkelmekanismer:

• Meldingsutveksling: Hver node samler informasjon fra naboene sine i nettverket. Gjennom flere lag lærer nodene av hele den forbundne strukturen, ikke bare sine egne attributter .
• Ingen «utflating» nødvendig: Tradisjonell maskinlæring flater ut relasjonsdata til rekker, noe som ødelegger konteksten i relasjonene. GNN-er opererer direkte på den opprinnelige grafstrukturen, og bevarer forbindelser og tidsmønstre .
• GPU-akselerasjon: Modellene er designet for å yte best på Nvidias GPU-er, noe som muliggjør ytelsen som trengs for spådommer på bedriftsskala .

Kumo kombinerer også GNN-er med store språkmodeller (LLM-er) for rikere prediktiv modellering .

Avtalens verdi

Nvidia har ikke bekreftet prisen, men The Information var først ute med å melde at avtalen er på «minst 400 millioner dollar» . Andre medier, inkludert GuruFocus og Fortune, har gjentatt dette tallet . Siden Nvidia ikke har offentliggjort detaljene, bør tallet anses som et godt kildebelagt estimat, og ikke en offisiell bekreftelse .

Kjente kunder

Kumos offentlig kjente kunder og partnere inkluderer DoorDash, Reddit, Databricks, Snowflake og SAP . Selskapets modeller betjener over en milliard brukere globalt gjennom kundeapplikasjoner . Kumo har publisert resultater som en 5,4x økning i konvertering med Databricks og en 5,5x økning i annonsetreffsikkerhet hos Reddit .

Gründerne

• Vanja Josifovski – Medgründer og CEO. Tidligere CTO i Pinterest under børsnoteringen og CTO i Airbnb Homes .
• Jure Leskovec – Medgründer og forskningssjef. Professor ved Stanford University som ledet utviklingen av relasjonell dyp læring og GNN-teknologi ved Stanford, og senere var forskningssjef i Pinterest .
• Dr. Hema Raghavan – Medgründer og utviklingsleder. Tidligere senior direktør for utvikling og AI-ansvarlig i LinkedIn, nylig kåret til Inc.'s «Female Founders 500» i 2026 .

Alle tre gründerne har doktorgrader og har nå begynt i Nvidia som en del av oppkjøpet .

Tidligere risikokapital

Kumo hentet inn omtrent 37 millioner dollar over to finansieringsrunder (noen databaser oppgir 36,5 millioner) :

• Serie A (april 2022): 18,5 millioner dollar, ledet av Sequoia Capital, med deltakelse fra A Capital, SV Angel og Ron Conway .
• Serie B (september 2022): 18 millioner dollar, ledet av Sequoia, med A Capital, SV Angel og flere engleinvestorer som Frank Slootman og Kevin Hartz .

Ifølge data fra PitchBook var Kumos verdivurdering etter Serie B-runden omtrent 250 millioner dollar. Oppkjøpsprisen på over 400 millioner dollar representerer en vekst på rundt 60 % siden den runden .

Strategisk betydning: Mer enn bare brikker

Kumo-oppkjøpet passer inn i et mønster som Nvidias CEO Jensen Huang har bygget opp i årevis: å transformere Nvidia fra en brikkeleverandør til en fullverdig AI-plattform-leverandør .

Flere strategiske tråder veves sammen i denne avtalen:

• Selge programvare, ikke bare silisium: Kumo gir Nvidia et hyllevare SaaS-produkt for bedrifter, optimalisert for deres GPU-er, som kan generere løpende inntekter utover hardvaresyklusene .
• Låse fast maskinvare-svinghjulet: Kumos GNN-modeller kjører best på Nvidias GPU-er. Når bedrifter tar i bruk Kumo for prediktiv analyse, blir de mer forankret i Nvidias økosystem .
• Ekspandere inn i prediktiv AI: Nvidia er allerede dominerende på å trene store språkmodeller. Prediktiv analyse rettet mot forretningsbrukere – som frafall, svindel og anbefalinger – representerer et massivt tilstøtende marked .
• Sikre seg talent og IP i verdensklasse: Jure Leskovec er en av pionerene innen grafnevrale nettverk. Å bringe teamet hans og Kumos Hybrid GNN-arkitektur inn i Nvidia styrker selskapets forskningspipeline og evne til å optimalisere fremtidige brikker for relasjonelle AI-arbeidsbelastninger .
• Videreføre et M&A-mønster: Nvidia har jevnlig kjøpt opp AI-programvare-startups – som Run:ai, Deci, Illumex og den 20 milliarder dollars store Groq-avtalen sent i 2025 – for å sette sammen en plattform som spenner over infrastruktur, modeller og applikasjoner .

Oppkjøpet illustrerer en velkjent strategi fra de store teknologiselskapene: kjøp et mindre selskap med dyp teknisk kompetanse og eksisterende bedriftsrelasjoner, og skaler deretter produktet på egen infrastruktur. For Nvidia handler Kumo ikke bare om prediktiv AI – det handler om å sikre at neste generasjon av AI-arbeidsbelastninger for bedrifter kjører ende-til-ende på Nvidias plattform.

Slik fungerer Kumo AIs plattform

Kumos plattform lar bedrifter lage spådommer direkte fra sine eksisterende relasjonsdatabaser – som Snowflake, Databricks og SAP – uten manuell «feature engineering» eller rigide skjemaer . Flaggskip-produktet er KumoRFM, og den nyere KumoRFM-2 ble lansert i april 2026. Dette er forhåndstrente, relasjonelle grunnmodeller som nesten umiddelbart kan besvare prediktive spørsmål: kundens livstidsverdi, sannsynlighet for frafall, «neste-beste-handling», svindeldeteksjon og kredittrisiko, blant annet .

En Kumo-modell peker mot bedriftens data, brukeren definerer hva man ønsker å forutsi, og systemet leverer resultater uten ytterligere trening . Plattformen betjener mer enn 15 bransjer, inkludert finans, detaljhandel, media og helsevesen .

Slik fungerer Kumos grafnevrale nettverk

I kjernen av plattformen ligger en proprietær arkitektur kalt Hybrid Graph Neural Network (Hybrid GNN) . Denne teknologien behandler enheter som kunder, produkter og transaksjoner som noder, og deres forbindelser – primær- og fremmednøkler – som kanter i en graf .

Nøkkelmekanismer:

• Meldingsutveksling: Hver node samler informasjon fra naboene sine i nettverket. Gjennom flere lag lærer nodene av hele den forbundne strukturen, ikke bare sine egne attributter .
• Ingen «utflating» nødvendig: Tradisjonell maskinlæring flater ut relasjonsdata til rekker, noe som ødelegger konteksten i relasjonene. GNN-er opererer direkte på den opprinnelige grafstrukturen, og bevarer forbindelser og tidsmønstre .
• GPU-akselerasjon: Modellene er designet for å yte best på Nvidias GPU-er, noe som muliggjør ytelsen som trengs for spådommer på bedriftsskala .

Kumo kombinerer også GNN-er med store språkmodeller (LLM-er) for rikere prediktiv modellering .

Avtalens verdi

Nvidia har ikke bekreftet prisen, men The Information var først ute med å melde at avtalen er på «minst 400 millioner dollar» . Andre medier, inkludert GuruFocus og Fortune, har gjentatt dette tallet . Siden Nvidia ikke har offentliggjort detaljene, bør tallet anses som et godt kildebelagt estimat, og ikke en offisiell bekreftelse .

Kjente kunder

Kumos offentlig kjente kunder og partnere inkluderer DoorDash, Reddit, Databricks, Snowflake og SAP . Selskapets modeller betjener over en milliard brukere globalt gjennom kundeapplikasjoner . Kumo har publisert resultater som en 5,4x økning i konvertering med Databricks og en 5,5x økning i annonsetreffsikkerhet hos Reddit .

Gründerne

• Vanja Josifovski – Medgründer og CEO. Tidligere CTO i Pinterest under børsnoteringen og CTO i Airbnb Homes .
• Jure Leskovec – Medgründer og forskningssjef. Professor ved Stanford University som ledet utviklingen av relasjonell dyp læring og GNN-teknologi ved Stanford, og senere var forskningssjef i Pinterest .
• Dr. Hema Raghavan – Medgründer og utviklingsleder. Tidligere senior direktør for utvikling og AI-ansvarlig i LinkedIn, nylig kåret til Inc.'s «Female Founders 500» i 2026 .

Alle tre gründerne har doktorgrader og har nå begynt i Nvidia som en del av oppkjøpet .

Tidligere risikokapital

Kumo hentet inn omtrent 37 millioner dollar over to finansieringsrunder (noen databaser oppgir 36,5 millioner) :

• Serie A (april 2022): 18,5 millioner dollar, ledet av Sequoia Capital, med deltakelse fra A Capital, SV Angel og Ron Conway .
• Serie B (september 2022): 18 millioner dollar, ledet av Sequoia, med A Capital, SV Angel og flere engleinvestorer som Frank Slootman og Kevin Hartz .

Ifølge data fra PitchBook var Kumos verdivurdering etter Serie B-runden omtrent 250 millioner dollar. Oppkjøpsprisen på over 400 millioner dollar representerer en vekst på rundt 60 % siden den runden .

Strategisk betydning: Mer enn bare brikker

Kumo-oppkjøpet passer inn i et mønster som Nvidias CEO Jensen Huang har bygget opp i årevis: å transformere Nvidia fra en brikkeleverandør til en fullverdig AI-plattform-leverandør .

Flere strategiske tråder veves sammen i denne avtalen:

• Selge programvare, ikke bare silisium: Kumo gir Nvidia et hyllevare SaaS-produkt for bedrifter, optimalisert for deres GPU-er, som kan generere løpende inntekter utover hardvaresyklusene .
• Låse fast maskinvare-svinghjulet: Kumos GNN-modeller kjører best på Nvidias GPU-er. Når bedrifter tar i bruk Kumo for prediktiv analyse, blir de mer forankret i Nvidias økosystem .
• Ekspandere inn i prediktiv AI: Nvidia er allerede dominerende på å trene store språkmodeller. Prediktiv analyse rettet mot forretningsbrukere – som frafall, svindel og anbefalinger – representerer et massivt tilstøtende marked .
• Sikre seg talent og IP i verdensklasse: Jure Leskovec er en av pionerene innen grafnevrale nettverk. Å bringe teamet hans og Kumos Hybrid GNN-arkitektur inn i Nvidia styrker selskapets forskningspipeline og evne til å optimalisere fremtidige brikker for relasjonelle AI-arbeidsbelastninger .
• Videreføre et M&A-mønster: Nvidia har jevnlig kjøpt opp AI-programvare-startups – som Run:ai, Deci, Illumex og den 20 milliarder dollars store Groq-avtalen sent i 2025 – for å sette sammen en plattform som spenner over infrastruktur, modeller og applikasjoner .

Oppkjøpet illustrerer en velkjent strategi fra de store teknologiselskapene: kjøp et mindre selskap med dyp teknisk kompetanse og eksisterende bedriftsrelasjoner, og skaler deretter produktet på egen infrastruktur. For Nvidia handler Kumo ikke bare om prediktiv AI – det handler om å sikre at neste generasjon av AI-arbeidsbelastninger for bedrifter kjører ende-til-ende på Nvidias plattform.