Nền tảng của Kumo AI làm được gì

Nền tảng của Kumo cho phép các công ty tạo ra các dự đoán trực tiếp từ cơ sở dữ liệu quan hệ hiện có của họ—như Snowflake, Databricks, SAP, và các hệ thống khác—mà không cần thực hiện kỹ thuật đặc trưng (feature engineering) thủ công hay yêu cầu lược đồ cố định . Sản phẩm chủ lực của họ là KumoRFM, và phiên bản mới hơn KumoRFM-2 đã ra mắt vào tháng 4 năm 2026. Những mô hình nền tảng quan hệ được huấn luyện sẵn (pre-trained relational foundation models) này có thể trả lời các câu hỏi dự đoán gần như ngay lập tức: giá trị vòng đời khách hàng, khả năng rời bỏ, hành động tốt nhất tiếp theo, phát hiện gian lận, và chấm điểm rủi ro tín dụng, cùng nhiều ứng dụng khác .

Một mô hình của Kumo sẽ trỏ vào dữ liệu của công ty, người dùng xác định mục tiêu dự đoán, và hệ thống sẽ tạo ra kết quả mà không cần đào tạo thêm . Nó phục vụ hơn 15 ngành công nghiệp bao gồm dịch vụ tài chính, bán lẻ, truyền thông và chăm sóc sức khỏe .

Công nghệ Mạng Nơ-ron Đồ thị (GNN) của Kumo hoạt động ra sao

Cốt lõi của nền tảng là kiến trúc Mạng Nơ-ron Đồ thị Lai (Hybrid Graph Neural Network - Hybrid GNN) độc quyền . Nó coi các thực thể như khách hàng, sản phẩm và giao dịch là các nút (nodes), và các mối liên kết của chúng—các mối quan hệ khóa chính và khóa ngoại—là các cạnh (edges) trong một đồ thị .

Các cơ chế chính:

• Truyền thông điệp (Message passing): Mỗi nút tổng hợp thông tin từ các nút lân cận trên toàn bộ đồ thị. Qua nhiều lớp, các nút học hỏi từ toàn bộ cấu trúc được kết nối, không chỉ từ các thuộc tính riêng của chúng .
• Không cần "làm phẳng" dữ liệu: Học máy truyền thống làm phẳng dữ liệu quan hệ thành các hàng, phá hủy ngữ cảnh của các mối quan hệ. GNN hoạt động trực tiếp trên cấu trúc đồ thị gốc, bảo tồn các kết nối và các mẫu thời gian .
• Tăng tốc bằng GPU: Các mô hình được thiết kế để chạy tốt nhất trên GPU của Nvidia, điều này mở khóa hiệu suất cần thiết cho các dự đoán ở quy mô doanh nghiệp .

Kumo cũng kết hợp GNN với các mô hình ngôn ngữ lớn (LLMs) để có mô hình dự đoán phong phú hơn .

Giá trị thương vụ

Mặc dù Nvidia chưa xác nhận mức giá, tờ The Information là nơi đầu tiên đưa tin về thỏa thuận này với giá "ít nhất 400 triệu USD" . Các hãng tin khác bao gồm GuruFocus, Fortune, và các nguồn tin tài chính khu vực đã lặp lại con số này . Vì Nvidia không công bố các điều khoản, con số này nên được coi là một ước tính có nguồn tin đáng tin cậy, không phải là xác nhận chính thức .

Khách hàng tiêu biểu

Các khách hàng và đối tác trong hệ sinh thái đã được Kumo tiết lộ bao gồm DoorDash, Reddit, Databricks, Snowflake, và SAP . Các mô hình của hãng phục vụ hơn một tỷ người dùng trên toàn cầu thông qua các ứng dụng của khách hàng . Kumo đã công bố các kết quả về hiệu suất như mức tăng chuyển đổi gấp 5,4 lần với Databricks và mức tăng độ chính xác của quảng cáo gấp 5,5 lần tại Reddit .

Các nhà đồng sáng lập

• Vanja Josifovski — Đồng sáng lập kiêm CEO. Từng là CTO của Pinterest trong thời điểm IPO và CTO của Airbnb Homes .
• Jure Leskovec — Đồng sáng lập kiêm Giám đốc Khoa học. Là giáo sư Đại học Stanford, người đã dẫn dắt sự phát triển của học sâu quan hệ (relational deep learning) và công nghệ GNN tại Stanford, sau đó giữ vai trò Giám đốc Khoa học tại Pinterest .
• Tiến sĩ Hema Raghavan — Đồng sáng lập kiêm Trưởng bộ phận Kỹ thuật. Cựu giám đốc cấp cao về kỹ thuật và lãnh đạo AI tại LinkedIn, được vinh danh trong danh sách "Nhà sáng lập nữ 500 năm 2026" của tạp chí Inc. .

Cả ba nhà đồng sáng lập đều có bằng Tiến sĩ và đã gia nhập Nvidia sau thương vụ này .

Vốn đầu tư mạo hiểm đã huy động

Kumo đã huy động được khoảng 37 triệu USD qua hai vòng gọi vốn (một số cơ sở dữ liệu ghi nhận là 36,5 triệu USD) :

• Vòng Series A (tháng 4 năm 2022): 18,5 triệu USD do Sequoia Capital dẫn dắt, với sự tham gia của A Capital, SV Angel, và Ron Conway .
• Vòng Series B (tháng 9 năm 2022): 18 triệu USD do Sequoia dẫn dắt, cùng với A Capital, SV Angel, và một số nhà đầu tư thiên thần bao gồm Frank Slootman và Kevin Hartz .

Theo dữ liệu từ PitchBook, định giá hậu gọi vốn (post-money valuation) của Kumo sau vòng Series B là khoảng 250 triệu USD. Mức giá mua lại hơn 400 triệu USD thể hiện mức tăng trưởng khoảng 60% so với vòng gọi vốn đó .

Sự phù hợp chiến lược: Vượt ra ngoài doanh số phần cứng

Thương vụ mua lại Kumo phù hợp với một lộ trình mà CEO của Nvidia, Jensen Huang, đã xây dựng trong nhiều năm: chuyển đổi Nvidia từ một nhà cung cấp chip thành một công ty nền tảng AI toàn diện (full-stack AI platform company) .

Một số chủ đề chiến lược hội tụ trong thương vụ này:

• Bán phần mềm, không chỉ silicon: Kumo mang đến cho Nvidia một sản phẩm SaaS doanh nghiệp sẵn có, được tối ưu hóa cho GPU, có thể tạo ra doanh thu định kỳ ngoài các chu kỳ phần cứng .
• Củng cố vòng lặp phần cứng: Các mô hình GNN của Kumo chạy tốt nhất trên GPU của Nvidia. Khi các doanh nghiệp sử dụng Kumo cho phân tích dự đoán, họ sẽ càng gắn bó sâu hơn với hệ sinh thái của Nvidia .
• Mở rộng sang AI dự đoán: Nvidia hiện đã chiếm ưu thế trong việc đào tạo các mô hình ngôn ngữ lớn. Phân tích dự đoán hướng đến người dùng doanh nghiệp—tỷ lệ rời bỏ, gian lận, đề xuất—đại diện cho một thị trường lân cận khổng lồ .
• Thu hút nhân tài và sở hữu trí tuệ đẳng cấp thế giới: Jure Leskovec là một trong những người tiên phong về mạng nơ-ron đồ thị. Việc đưa đội ngũ của ông và kiến trúc Hybrid GNN của Kumo vào Nvidia giúp củng cố quy trình nghiên cứu của công ty và khả năng tối ưu hóa các con chip tương lai cho các tác vụ AI quan hệ .
• Tiếp tục xu hướng M&A: Nvidia đã liên tục mua lại các startup phần mềm AI—Run:ai, Deci, Illumex, và thương vụ "acqui-hire" (mua công ty để lấy nhân sự) trị giá 20 tỷ USD với Groq vào cuối năm 2025—để xây dựng một nền tảng trải dài từ hạ tầng, mô hình đến ứng dụng .

Thương vụ này minh họa cho một chiến lược quen thuộc của các ông lớn công nghệ: mua lại một công ty nhỏ hơn với chuyên môn kỹ thuật sâu và các mối quan hệ doanh nghiệp sẵn có, sau đó mở rộng quy mô sản phẩm của họ trên chính hạ tầng của mình. Đối với Nvidia, Kumo không chỉ là về AI dự đoán—mà là về việc đảm bảo thế hệ khối lượng công việc AI doanh nghiệp tiếp theo sẽ chạy trên Nvidia, từ đầu đến cuối.

Nền tảng của Kumo AI làm được gì

Nền tảng của Kumo cho phép các công ty tạo ra các dự đoán trực tiếp từ cơ sở dữ liệu quan hệ hiện có của họ—như Snowflake, Databricks, SAP, và các hệ thống khác—mà không cần thực hiện kỹ thuật đặc trưng (feature engineering) thủ công hay yêu cầu lược đồ cố định . Sản phẩm chủ lực của họ là KumoRFM, và phiên bản mới hơn KumoRFM-2 đã ra mắt vào tháng 4 năm 2026. Những mô hình nền tảng quan hệ được huấn luyện sẵn (pre-trained relational foundation models) này có thể trả lời các câu hỏi dự đoán gần như ngay lập tức: giá trị vòng đời khách hàng, khả năng rời bỏ, hành động tốt nhất tiếp theo, phát hiện gian lận, và chấm điểm rủi ro tín dụng, cùng nhiều ứng dụng khác .

Một mô hình của Kumo sẽ trỏ vào dữ liệu của công ty, người dùng xác định mục tiêu dự đoán, và hệ thống sẽ tạo ra kết quả mà không cần đào tạo thêm . Nó phục vụ hơn 15 ngành công nghiệp bao gồm dịch vụ tài chính, bán lẻ, truyền thông và chăm sóc sức khỏe .

Công nghệ Mạng Nơ-ron Đồ thị (GNN) của Kumo hoạt động ra sao

Cốt lõi của nền tảng là kiến trúc Mạng Nơ-ron Đồ thị Lai (Hybrid Graph Neural Network - Hybrid GNN) độc quyền . Nó coi các thực thể như khách hàng, sản phẩm và giao dịch là các nút (nodes), và các mối liên kết của chúng—các mối quan hệ khóa chính và khóa ngoại—là các cạnh (edges) trong một đồ thị .

Các cơ chế chính:

• Truyền thông điệp (Message passing): Mỗi nút tổng hợp thông tin từ các nút lân cận trên toàn bộ đồ thị. Qua nhiều lớp, các nút học hỏi từ toàn bộ cấu trúc được kết nối, không chỉ từ các thuộc tính riêng của chúng .
• Không cần "làm phẳng" dữ liệu: Học máy truyền thống làm phẳng dữ liệu quan hệ thành các hàng, phá hủy ngữ cảnh của các mối quan hệ. GNN hoạt động trực tiếp trên cấu trúc đồ thị gốc, bảo tồn các kết nối và các mẫu thời gian .
• Tăng tốc bằng GPU: Các mô hình được thiết kế để chạy tốt nhất trên GPU của Nvidia, điều này mở khóa hiệu suất cần thiết cho các dự đoán ở quy mô doanh nghiệp .

Kumo cũng kết hợp GNN với các mô hình ngôn ngữ lớn (LLMs) để có mô hình dự đoán phong phú hơn .

Giá trị thương vụ

Mặc dù Nvidia chưa xác nhận mức giá, tờ The Information là nơi đầu tiên đưa tin về thỏa thuận này với giá "ít nhất 400 triệu USD" . Các hãng tin khác bao gồm GuruFocus, Fortune, và các nguồn tin tài chính khu vực đã lặp lại con số này . Vì Nvidia không công bố các điều khoản, con số này nên được coi là một ước tính có nguồn tin đáng tin cậy, không phải là xác nhận chính thức .

Khách hàng tiêu biểu

Các khách hàng và đối tác trong hệ sinh thái đã được Kumo tiết lộ bao gồm DoorDash, Reddit, Databricks, Snowflake, và SAP . Các mô hình của hãng phục vụ hơn một tỷ người dùng trên toàn cầu thông qua các ứng dụng của khách hàng . Kumo đã công bố các kết quả về hiệu suất như mức tăng chuyển đổi gấp 5,4 lần với Databricks và mức tăng độ chính xác của quảng cáo gấp 5,5 lần tại Reddit .

Các nhà đồng sáng lập

• Vanja Josifovski — Đồng sáng lập kiêm CEO. Từng là CTO của Pinterest trong thời điểm IPO và CTO của Airbnb Homes .
• Jure Leskovec — Đồng sáng lập kiêm Giám đốc Khoa học. Là giáo sư Đại học Stanford, người đã dẫn dắt sự phát triển của học sâu quan hệ (relational deep learning) và công nghệ GNN tại Stanford, sau đó giữ vai trò Giám đốc Khoa học tại Pinterest .
• Tiến sĩ Hema Raghavan — Đồng sáng lập kiêm Trưởng bộ phận Kỹ thuật. Cựu giám đốc cấp cao về kỹ thuật và lãnh đạo AI tại LinkedIn, được vinh danh trong danh sách "Nhà sáng lập nữ 500 năm 2026" của tạp chí Inc. .

Cả ba nhà đồng sáng lập đều có bằng Tiến sĩ và đã gia nhập Nvidia sau thương vụ này .

Vốn đầu tư mạo hiểm đã huy động

Kumo đã huy động được khoảng 37 triệu USD qua hai vòng gọi vốn (một số cơ sở dữ liệu ghi nhận là 36,5 triệu USD) :

• Vòng Series A (tháng 4 năm 2022): 18,5 triệu USD do Sequoia Capital dẫn dắt, với sự tham gia của A Capital, SV Angel, và Ron Conway .
• Vòng Series B (tháng 9 năm 2022): 18 triệu USD do Sequoia dẫn dắt, cùng với A Capital, SV Angel, và một số nhà đầu tư thiên thần bao gồm Frank Slootman và Kevin Hartz .

Theo dữ liệu từ PitchBook, định giá hậu gọi vốn (post-money valuation) của Kumo sau vòng Series B là khoảng 250 triệu USD. Mức giá mua lại hơn 400 triệu USD thể hiện mức tăng trưởng khoảng 60% so với vòng gọi vốn đó .

Sự phù hợp chiến lược: Vượt ra ngoài doanh số phần cứng

Thương vụ mua lại Kumo phù hợp với một lộ trình mà CEO của Nvidia, Jensen Huang, đã xây dựng trong nhiều năm: chuyển đổi Nvidia từ một nhà cung cấp chip thành một công ty nền tảng AI toàn diện (full-stack AI platform company) .

Một số chủ đề chiến lược hội tụ trong thương vụ này:

• Bán phần mềm, không chỉ silicon: Kumo mang đến cho Nvidia một sản phẩm SaaS doanh nghiệp sẵn có, được tối ưu hóa cho GPU, có thể tạo ra doanh thu định kỳ ngoài các chu kỳ phần cứng .
• Củng cố vòng lặp phần cứng: Các mô hình GNN của Kumo chạy tốt nhất trên GPU của Nvidia. Khi các doanh nghiệp sử dụng Kumo cho phân tích dự đoán, họ sẽ càng gắn bó sâu hơn với hệ sinh thái của Nvidia .
• Mở rộng sang AI dự đoán: Nvidia hiện đã chiếm ưu thế trong việc đào tạo các mô hình ngôn ngữ lớn. Phân tích dự đoán hướng đến người dùng doanh nghiệp—tỷ lệ rời bỏ, gian lận, đề xuất—đại diện cho một thị trường lân cận khổng lồ .
• Thu hút nhân tài và sở hữu trí tuệ đẳng cấp thế giới: Jure Leskovec là một trong những người tiên phong về mạng nơ-ron đồ thị. Việc đưa đội ngũ của ông và kiến trúc Hybrid GNN của Kumo vào Nvidia giúp củng cố quy trình nghiên cứu của công ty và khả năng tối ưu hóa các con chip tương lai cho các tác vụ AI quan hệ .
• Tiếp tục xu hướng M&A: Nvidia đã liên tục mua lại các startup phần mềm AI—Run:ai, Deci, Illumex, và thương vụ "acqui-hire" (mua công ty để lấy nhân sự) trị giá 20 tỷ USD với Groq vào cuối năm 2025—để xây dựng một nền tảng trải dài từ hạ tầng, mô hình đến ứng dụng .

Thương vụ này minh họa cho một chiến lược quen thuộc của các ông lớn công nghệ: mua lại một công ty nhỏ hơn với chuyên môn kỹ thuật sâu và các mối quan hệ doanh nghiệp sẵn có, sau đó mở rộng quy mô sản phẩm của họ trên chính hạ tầng của mình. Đối với Nvidia, Kumo không chỉ là về AI dự đoán—mà là về việc đảm bảo thế hệ khối lượng công việc AI doanh nghiệp tiếp theo sẽ chạy trên Nvidia, từ đầu đến cuối.