Nvidia купує Kumo AI: ставка на прогнозний ШІ для бізнесу

Nvidia придбала Kumo AI — п'ятирічний стартап, що продає підприємствам програмне забезпечення для прогнозної аналітики. Кілька видань, посилаючись на джерела, знайомі з деталями угоди, повідомляють про суму щонайменше $400 мільйонів . Nvidia відмовилася коментувати фінансові умови , однак ця покупка є чіткою заявкою на розширення бізнесу за межі продажу графічних процесорів (GPU) — тепер компанія продаватиме інтелектуальне програмне забезпечення напряму бізнесу.

Що вміє платформа Kumo AI

Платформа Kumo дозволяє компаніям генерувати прогнози безпосередньо з наявних реляційних баз даних — Snowflake, Databricks, SAP та інших — без ручного конструювання ознак (feature engineering) чи фіксованих схем . Флагманський продукт — KumoRFM, а в квітні 2026 року з'явилася нова версія KumoRFM-2. Ці попередньо натреновані реляційні фундаційні моделі можуть майже миттєво відповідати на прогнозні запити: пожиттєва цінність клієнта (LTV), імовірність відтоку (churn), наступна найкраща дія (next-best-action), виявлення шахрайства, оцінка кредитного ризику та інші .

Модель Kumo «дивиться» на дані компанії, користувач визначає, що саме треба спрогнозувати — і система видає результат без додаткового навчання . Платформа обслуговує понад 15 галузей, включно з фінансовими послугами, ритейлом, медіа та охороною здоров'я .

Як працює технологія гібридних графових нейромереж

В основі платформи лежить власна архітектура гібридних графових нейронних мереж (Hybrid GNN) . Вона розглядає сутності — клієнтів, продукти, транзакції — як вузли (nodes), а зв'язки між ними (первинні та зовнішні ключі) — як ребра (edges) у графі .

Основні механізми:

• Передача повідомлень (message passing): Кожен вузол агрегує інформацію від своїх сусідів по всьому графу. Проходячи через кілька шарів, вузли навчаються на основі всієї зв'язаної структури, а не лише власних атрибутів .
• Без «сплющення»: Традиційне машинне навчання «сплющує» реляційні дані в рядки, втрачаючи контекст зв'язків. GNN працюють безпосередньо з природною графовою структурою, зберігаючи зв'язки та часові закономірності .
• Прискорення на GPU: Моделі розроблені так, щоб найкраще працювати на графічних процесорах Nvidia, що забезпечує необхідну продуктивність для прогнозів корпоративного масштабу .

Kumo також комбінує GNN із великими мовними моделями (LLM) для глибшого прогностичного моделювання .

Вартість угоди

Хоча Nvidia офіційно не підтвердила суму, видання The Information першим повідомило про угоду на «щонайменше $400 мільйонів» . Цю цифру повторили GuruFocus, Fortune та низка регіональних фінансових ЗМІ . Оскільки Nvidia не розкриває деталей, озвучену суму слід сприймати як добре обґрунтовану оцінку, а не офіційне підтвердження .

Відомі клієнти

До публічно оголошених клієнтів та партнерів екосистеми Kumo належать DoorDash, Reddit, Databricks, Snowflake та SAP . Її моделі обслуговують понад мільярд користувачів у всьому світі через клієнтські застосунки . Kumo публікувала результати продуктивності, як-от зростання конверсії у 5,4 раза з Databricks та підвищення точності реклами Reddit у 5,5 раза .

Співзасновники

• Ваня Йосифовскі (Vanja Josifovski) — співзасновник і CEO. Раніше обіймав посаду технічного директора (CTO) Pinterest під час IPO компанії та CTO Airbnb Homes .
• Юре Лесковец (Jure Leskovec) — співзасновник і головний науковий консультант (Chief Scientist). Професор Стенфордського університету, який очолив розробку реляційного глибинного навчання (RDL) та технології GNN у Стенфорді, а згодом обіймав посаду головного науковця Pinterest .
• Д-р Хема Рагхаван (Dr. Hema Raghavan) — співзасновниця і керівниця інженерного відділу. Колишня старша директорка з інжинірингу та лідерка зі штучного інтелекту в LinkedIn, потрапила до списку Inc.'s 2026 Female Founders 500 .

Усі троє співзасновників мають ступені PhD і приєдналися до Nvidia в рамках цієї операції .

Залучений венчурний капітал

Kumo залучила приблизно $37 мільйонів у двох раундах фінансування (деякі бази даних вказують $36,5 млн) :

• Серія A (квітень 2022): $18,5 млн на чолі з Sequoia Capital, з участю A Capital, SV Angel та Рона Конвея .
• Серія B (вересень 2022): $18 млн на чолі з Sequoia, за участі A Capital, SV Angel та кількох бізнес-ангелів, включаючи Френка Слутмана та Кевіна Харца .

За даними PitchBook, оцінка Kumo після раунду серії B становила близько $250 мільйонів. Викуп за понад $400 мільйонів означає зростання вартості приблизно на 60% .

Стратегічний пазл: вихід за межі «заліза»

Придбання Kumo вписується в модель, яку генеральний директор Nvidia Дженсен Хуанг вибудовує роками: перетворити Nvidia з постачальника чипів на повноцінну AI-платформну компанію .

У цій угоді сходяться кілька стратегічних ліній:

• Продавати софт, а не тільки кремній: Kumo дає Nvidia готовий, оптимізований під GPU корпоративний SaaS-продукт, здатний генерувати регулярний дохід поза межами циклів оновлення обладнання .
• Замикання апаратного «маховика»: Моделі GNN від Kumo найкраще працюють саме на GPU від Nvidia. Коли підприємства впроваджують Kumo для прогнозної аналітики, вони глибше інтегруються в екосистему Nvidia .
• Експансія в прогнозний ШІ: Nvidia вже домінує у тренуванні великих мовних моделей. Прогнозна аналітика, націлена на бізнес-користувачів (відтік, шахрайство, рекомендації), — це величезний суміжний ринок .
• Придбання талантів світового класу та IP: Юре Лесковец — один із піонерів графових нейромереж. Прихід його команди та архітектури Hybrid GNN всередину Nvidia посилює дослідницьку базу компанії та її здатність оптимізувати майбутні чипи під реляційні AI-навантаження .
• Продовження серії поглинань: Nvidia послідовно купує AI-стартапи — Run:ai, Deci, Illumex та угода з «acqui-hire» Groq на $20 млрд наприкінці 2025 року — щоб зібрати платформу, яка охоплює інфраструктуру, моделі та застосунки .

Угода ілюструє знайому тактику великих технологічних компаній: купити меншу компанію з глибокою технічною експертизою та наявними зв'язками з підприємствами, а потім масштабувати її продукт на власній інфраструктурі. Для Nvidia Kumo — це не просто про прогнозний ШІ; це про те, щоб наступне покоління корпоративних AI-навантажень працювало на Nvidia, від початку до кінця.