Co potrafi platforma Kumo?

Rozwiązanie Kumo pozwala firmom generować prognozy bezpośrednio z istniejących relacyjnych baz danych – takich jak Snowflake, Databricks czy SAP – bez konieczności ręcznej inżynierii cech lub trzymania się sztywnych schematów . Flagowym produktem jest KumoRFM, a w kwietniu 2026 roku zaprezentowano jego nowszą wersję – KumoRFM-2. Te wstępnie wytrenowane, relacyjne modele bazowe odpowiadają na pytania predykcyjne niemal natychmiast: szacują wartość życiową klienta (Customer Lifetime Value), prawdopodobieństwo jego odejścia, sygnalizują podejrzane transakcje czy oceniają ryzyko kredytowe .

Jak wyjaśnia Jure Leskovec, współzałożyciel i główny naukowiec Kumo: „Z modelem bazowym wskazujesz swoje dane, definiujesz, co rozumiesz przez odejście klienta, i sekundę później otrzymujesz prognozę” . Platforma działa w ponad 15 branżach, od finansów i handlu detalicznego po media i opiekę zdrowotną .

Jak działają grafowe sieci neuronowe (GNN) Kumo

Sercem technologii Kumo jest autorska architektura Hybrydowych Grafowych Sieci Neuronowych (Hybrid GNN) . Traktuje ona obiekty – klientów, produkty, transakcje – jako węzły, a relacje między nimi (klucze główne i obce w bazach) jako krawędzie w grafie .

Główne mechanizmy stojące za skutecznością rozwiązania:

• Przekazywanie wiadomości (message passing): Każdy węzeł zbiera informacje od swoich sąsiadów w grafie. Przez wiele warstw sieci węzły uczą się nie tylko z własnych atrybutów, ale z całej połączonej struktury danych .
• Bez spłaszczania danych: Tradycyjne uczenie maszynowe spłaszcza dane relacyjne do wierszy, niszcząc kontekst powiązań. GNN operują bezpośrednio na macierzystej strukturze grafu, zachowując relacje i zależności czasowe .
• Akceleracja GPU: Modele zoptymalizowano pod kątem procesorów graficznych Nvidii, co daje im wydajność potrzebną firmom do predykcji na skalę korporacyjną .

Co więcej, Kumo łączy GNN z dużymi modelami językowymi (LLM), co pozwala uzyskiwać jeszcze bogatsze wnioski predykcyjne .

Ile naprawdę kosztuje ta transakcja?

Nvidia nie potwierdziła oficjalnie kwoty. Jako pierwszy o wartości „co najmniej 400 milionów dolarów” napisał serwis The Information . Informację tę powtórzyły później m.in. GuruFocus, Fortune czy regionalne serwisy finansowe . Ponieważ koncern nie ujawnił szczegółów, liczbę tę należy traktować jako dobrze uźródłowiony szacunek, nie oficjalne potwierdzenie .

Kto korzysta z Kumo?

Do grona ujawnionych klientów i partnerów Kumo należą m.in. DoorDash, Reddit, Databricks, Snowflake i SAP . Modele zbudowane na platformie obsługują już ponad miliard użytkowników na całym świecie poprzez aplikacje klientów . Firma chwali się konkretnymi wynikami: 5,4-krotny wzrost konwersji dzięki modelom lead-scoringowym we współpracy z Databricks oraz 5,5-krotny wzrost celności reklam w Reddicie .

Trzej założyciele z doktoratami i doświadczeniem z Doliny Krzemowej

• Vanja Josifovski – współzałożyciel i CEO. Wcześniej CTO Pinteresta (w okresie debiutu giełdowego firmy) oraz CTO Airbnb Homes .
• Jure Leskovec – współzałożyciel i główny naukowiec. Profesor Uniwersytetu Stanforda, jeden z pionierów głębokiego uczenia relacyjnego i grafowych sieci neuronowych. Wcześniej piastował stanowisko Chief Scientist w Pintereście .
• Dr Hema Raghavan – współzałożycielka i szefowa działu inżynierii. Była dyrektorka wyższego szczebla w LinkedIn, gdzie kierowała pracami nad AI. W 2026 roku trafiła na listę Female Founders 500 magazynu Inc. .

Cała trójka dołączyła do Nvidii w ramach przejęcia .

Ile pieniędzy zebrało dotąd Kumo?

Startup pozyskał łącznie ok. 37 milionów dolarów w dwóch rundach finansowania (niektóre bazy danych podają 36,5 mln USD) :

• Seria A (kwiecień 2022): 18,5 mln USD, runda prowadzona przez Sequoia Capital, z udziałem A Capital, SV Angel i Rona Conwaya .
• Seria B (wrzesień 2022): 18 mln USD, ponownie pod przewodnictwem Sequoii, z udziałem A Capital, SV Angel i aniołów biznesu, m.in. Franka Slootmana czy Kevina Hartza .

Według danych PitchBook, wycena Kumo po rundzie B wynosiła ok. 250 mln dolarów. Cena przejęcia (ponad 400 mln USD) oznacza zatem wzrost wartości o około 60% względem tamtego finansowania .

Strategiczny sens przejęcia: Nvidia chce sprzedawać nie tylko krzem

Zakup Kumo wpisuje się w wizję, którą Jensen Huang, prezes Nvidii, konsekwentnie buduje od lat: przekształcenia firmy z dostawcy kości w pełnowymiarową platformę AI .

W tej transakcji zbiega się kilka strategicznych wątków:

• Sprzedaż oprogramowania, nie tylko podzespołów: Kumo daje Nvidii gotowy produkt SaaS zoptymalizowany pod GPU – źródło stałych przychodów wykraczające poza cykle sprzętowe .
• Koło zamachowe sprzętu: Modele GNN Kumo najlepiej działają na układach Nvidii. Gdy firmy wdrożą Kumo do analityki predykcyjnej, mocniej zakorzeniają się w ekosystemie Nvidii .
• Wejście w predykcyjną AI dla biznesu: Nvidia dominuje w trenowaniu dużych modeli językowych. Analityka predykcyjna skierowana do użytkowników biznesowych (prognozowanie odejść klientów, oszustw, rekomendacji) to ogromny rynek sąsiedni .
• Pozyskanie talentów i własności intelektualnej: Jure Leskovec jest pionierem grafowych sieci neuronowych. Włączenie jego zespołu i architektury Hybrid GNN do struktur Nvidii wzmacnia potencjał badawczy firmy oraz umożliwia lepszą optymalizację przyszłych układów pod obciążenia związane z relacyjną AI .
• Konsekwentna polityka przejęć: Nvidia regularnie kupuje startupy od oprogramowania AI – by wspomnieć Run:ai, Deci, Illumex czy wartą 20 miliardów dolarów umowę acqui-hire z Groq pod koniec 2025 roku. W ten sposób gigant buduje platformę rozciągającą się od infrastruktury przez modele aż po aplikacje .

Transakcja ilustruje dobrze znany schemat wielkich graczy technologicznych: kup mniejszą firmę z głęboką ekspertyzą techniczną i relacjami wśród dużych klientów, a następnie skaluj jej produkt na własnej infrastrukturze. Dla Nvidii Kumo to nie tylko predykcyjne AI – to gwarancja, że następna generacja korporacyjnych obciążeń AI będzie działać od początku do końca na architekturze Nvidii.

Co potrafi platforma Kumo?

Rozwiązanie Kumo pozwala firmom generować prognozy bezpośrednio z istniejących relacyjnych baz danych – takich jak Snowflake, Databricks czy SAP – bez konieczności ręcznej inżynierii cech lub trzymania się sztywnych schematów . Flagowym produktem jest KumoRFM, a w kwietniu 2026 roku zaprezentowano jego nowszą wersję – KumoRFM-2. Te wstępnie wytrenowane, relacyjne modele bazowe odpowiadają na pytania predykcyjne niemal natychmiast: szacują wartość życiową klienta (Customer Lifetime Value), prawdopodobieństwo jego odejścia, sygnalizują podejrzane transakcje czy oceniają ryzyko kredytowe .

Jak wyjaśnia Jure Leskovec, współzałożyciel i główny naukowiec Kumo: „Z modelem bazowym wskazujesz swoje dane, definiujesz, co rozumiesz przez odejście klienta, i sekundę później otrzymujesz prognozę” . Platforma działa w ponad 15 branżach, od finansów i handlu detalicznego po media i opiekę zdrowotną .

Jak działają grafowe sieci neuronowe (GNN) Kumo

Sercem technologii Kumo jest autorska architektura Hybrydowych Grafowych Sieci Neuronowych (Hybrid GNN) . Traktuje ona obiekty – klientów, produkty, transakcje – jako węzły, a relacje między nimi (klucze główne i obce w bazach) jako krawędzie w grafie .

Główne mechanizmy stojące za skutecznością rozwiązania:

• Przekazywanie wiadomości (message passing): Każdy węzeł zbiera informacje od swoich sąsiadów w grafie. Przez wiele warstw sieci węzły uczą się nie tylko z własnych atrybutów, ale z całej połączonej struktury danych .
• Bez spłaszczania danych: Tradycyjne uczenie maszynowe spłaszcza dane relacyjne do wierszy, niszcząc kontekst powiązań. GNN operują bezpośrednio na macierzystej strukturze grafu, zachowując relacje i zależności czasowe .
• Akceleracja GPU: Modele zoptymalizowano pod kątem procesorów graficznych Nvidii, co daje im wydajność potrzebną firmom do predykcji na skalę korporacyjną .

Co więcej, Kumo łączy GNN z dużymi modelami językowymi (LLM), co pozwala uzyskiwać jeszcze bogatsze wnioski predykcyjne .

Ile naprawdę kosztuje ta transakcja?

Nvidia nie potwierdziła oficjalnie kwoty. Jako pierwszy o wartości „co najmniej 400 milionów dolarów” napisał serwis The Information . Informację tę powtórzyły później m.in. GuruFocus, Fortune czy regionalne serwisy finansowe . Ponieważ koncern nie ujawnił szczegółów, liczbę tę należy traktować jako dobrze uźródłowiony szacunek, nie oficjalne potwierdzenie .

Kto korzysta z Kumo?

Do grona ujawnionych klientów i partnerów Kumo należą m.in. DoorDash, Reddit, Databricks, Snowflake i SAP . Modele zbudowane na platformie obsługują już ponad miliard użytkowników na całym świecie poprzez aplikacje klientów . Firma chwali się konkretnymi wynikami: 5,4-krotny wzrost konwersji dzięki modelom lead-scoringowym we współpracy z Databricks oraz 5,5-krotny wzrost celności reklam w Reddicie .

Trzej założyciele z doktoratami i doświadczeniem z Doliny Krzemowej

• Vanja Josifovski – współzałożyciel i CEO. Wcześniej CTO Pinteresta (w okresie debiutu giełdowego firmy) oraz CTO Airbnb Homes .
• Jure Leskovec – współzałożyciel i główny naukowiec. Profesor Uniwersytetu Stanforda, jeden z pionierów głębokiego uczenia relacyjnego i grafowych sieci neuronowych. Wcześniej piastował stanowisko Chief Scientist w Pintereście .
• Dr Hema Raghavan – współzałożycielka i szefowa działu inżynierii. Była dyrektorka wyższego szczebla w LinkedIn, gdzie kierowała pracami nad AI. W 2026 roku trafiła na listę Female Founders 500 magazynu Inc. .

Cała trójka dołączyła do Nvidii w ramach przejęcia .

Ile pieniędzy zebrało dotąd Kumo?

Startup pozyskał łącznie ok. 37 milionów dolarów w dwóch rundach finansowania (niektóre bazy danych podają 36,5 mln USD) :

• Seria A (kwiecień 2022): 18,5 mln USD, runda prowadzona przez Sequoia Capital, z udziałem A Capital, SV Angel i Rona Conwaya .
• Seria B (wrzesień 2022): 18 mln USD, ponownie pod przewodnictwem Sequoii, z udziałem A Capital, SV Angel i aniołów biznesu, m.in. Franka Slootmana czy Kevina Hartza .

Według danych PitchBook, wycena Kumo po rundzie B wynosiła ok. 250 mln dolarów. Cena przejęcia (ponad 400 mln USD) oznacza zatem wzrost wartości o około 60% względem tamtego finansowania .

Strategiczny sens przejęcia: Nvidia chce sprzedawać nie tylko krzem

Zakup Kumo wpisuje się w wizję, którą Jensen Huang, prezes Nvidii, konsekwentnie buduje od lat: przekształcenia firmy z dostawcy kości w pełnowymiarową platformę AI .

W tej transakcji zbiega się kilka strategicznych wątków:

• Sprzedaż oprogramowania, nie tylko podzespołów: Kumo daje Nvidii gotowy produkt SaaS zoptymalizowany pod GPU – źródło stałych przychodów wykraczające poza cykle sprzętowe .
• Koło zamachowe sprzętu: Modele GNN Kumo najlepiej działają na układach Nvidii. Gdy firmy wdrożą Kumo do analityki predykcyjnej, mocniej zakorzeniają się w ekosystemie Nvidii .
• Wejście w predykcyjną AI dla biznesu: Nvidia dominuje w trenowaniu dużych modeli językowych. Analityka predykcyjna skierowana do użytkowników biznesowych (prognozowanie odejść klientów, oszustw, rekomendacji) to ogromny rynek sąsiedni .
• Pozyskanie talentów i własności intelektualnej: Jure Leskovec jest pionierem grafowych sieci neuronowych. Włączenie jego zespołu i architektury Hybrid GNN do struktur Nvidii wzmacnia potencjał badawczy firmy oraz umożliwia lepszą optymalizację przyszłych układów pod obciążenia związane z relacyjną AI .
• Konsekwentna polityka przejęć: Nvidia regularnie kupuje startupy od oprogramowania AI – by wspomnieć Run:ai, Deci, Illumex czy wartą 20 miliardów dolarów umowę acqui-hire z Groq pod koniec 2025 roku. W ten sposób gigant buduje platformę rozciągającą się od infrastruktury przez modele aż po aplikacje .

Transakcja ilustruje dobrze znany schemat wielkich graczy technologicznych: kup mniejszą firmę z głęboką ekspertyzą techniczną i relacjami wśród dużych klientów, a następnie skaluj jej produkt na własnej infrastrukturze. Dla Nvidii Kumo to nie tylko predykcyjne AI – to gwarancja, że następna generacja korporacyjnych obciążeń AI będzie działać od początku do końca na architekturze Nvidii.